Тенденции демографического развития муниципальных образований и населенных пунктов России в межпереписной период 1989–2021 гг.

Пространственная неравномерность демографического развития давно стала устойчивой чертой российской системы расселения. На протяжении последних трех десятилетий рост немногочисленных крупных центров происходил на фоне сокращения населения обширной периферии, как сельской, так и городской.

Региональные итоги не всегда позволяют увидеть глубину этих изменений. В одном субъекте Федерации могут одновременно расширяться пригороды и обезлюдевать удаленные деревни, поэтому изучение динамики отдельных населенных пунктов дополняет анализ на уровне регионов и муниципальных образований.

В отечественных исследованиях подробно описаны центро-периферийные различия и поляризация демографического пространства России (Зубаревич, 2010; Карачурина, Мкртчян, 2013; Трейвиш, 2009). Работы о Московской области показывают значение столичного влияния и транспортного положения для развития территорий (Махрова и др., 2008). Исследования сельской местности раскрывают различия между крупноселенными районами юга, пригородами и мелкоселенной периферией Нечерноземья (Нефедова, 2013; Нефедова, Мкртчян, 2017). Их выводы позволяют рассматривать убыль населения в связи с изменением занятости и доступности мест приложения труда, а не только как результат естественного движения населения.

Современные исследования позволяют уточнить содержание размерного градиента. Н.В. Мкртчян и Р.И. Гильманов на индивидуальных обезличенных данных миграционного учета за 2011–2020 гг. показали переток населения к верхним уровням поселенческой иерархии. Основными получателями выступают города с населением свыше 250 тыс. человек; особенно выделяются Московская и Санкт-Петербургская агломерации (Мкртчян, Гильманов, 2023). Преимущество этого подхода заключается в прямом наблюдении направлений перемещений. Его ограничение связано с изменениями порядка миграционного учета, в том числе с автоматическим возвратом после окончания регистрации. Переписное сопоставление охватывает суммарный демографический результат, но не раскрывает структуру формирующих его потоков. Отток молодежи из малых городов дополнительно меняет возрастную структуру их населения (Мкртчян, 2017).

Л.Б. Карачурина и Н.В. Мкртчян изучили обмен населением между 137 крупными городами и их пригородами, учитывая возраст мигрантов (Карачурина, Мкртчян, 2024). Ближайшие и удаленные пригороды различаются по направлению обмена с центром. Такая детализация важна для нашего исследования, поскольку одна и та же людность может сочетаться с разными условиями доступности. К.В. Аверкиева на материале районных центров Вологодской области показала, что концентрация населения в бли- жайшем окружении наблюдается и вокруг малых центров, в том числе на фоне убыли населения самих ядер (Аверкиева, 2024). Следовательно, расстояние только до города-миллионника не исчерпывает систему центро-периферийных связей.

В зарубежной литературе внимание смещается от итоговой потери населения к последовательности изменений. Н. Ньюшем и Ф. Роу на материале 696 субнациональных территорий 33 европейских стран и территорий выделили семь траекторий убыли, различающихся ее длительностью и интенсивностью (Newsham, Rowe, 2023). Анализ последовательностей позволяет различать длительное сокращение и переход к убыли после роста. Вместе с тем результат зависит от временного шага и способа выделения состояний. Ф. Бенасси с соавторами на материале муниципалитетов Италии за 1981– 2011 гг. сочетали глобальный и локальный анализ автокорреляции с пространственными регрессиями (Benassi et al., 2022). Пространственные модели лучше описывали динамику, чем обычная линейная регрессия. Такой подход позволяет перейти от выделения ареалов к оценке связей с характеристиками территории, хотя результат зависит от состава переменных и спецификации модели. Эти исследования подтверждают необходимость учета времени и пространственного окружения.

Для оценки неравномерности применяются методы с разными аналитическими возможностями. Размерные группировки и коэффициент Джини позволяют описать концентрацию, но не учитывают соседство территорий. Глобальная статистика Морана проверяет общую пространственную связанность, а локальные показатели выявляют ее конкретные ареалы и выбросы (Moran, 1950; Anselin, 1995).

Близкую, но не тождественную задачу решают статистики концентрации высоких и низких значений, предложенные А. Гетисом и Дж. Ордом (Getis, Ord, 1992). Их выводы сильно зависят от того, как определено соседство и на каком территориальном масштабе ведется анализ, поэтому карта зна- чимых локальных сочетаний сама по себе не объясняет, почему в одном месте численность населения растет, а в другом убывает.

Кластеризация, в свою очередь, сводит многообразие территорий к обозримому числу типов, но состав получившихся групп напрямую зависит от набора признаков, способа их стандартизации и выбранного числа кластеров. Силуэтный коэффициент позволяет оценить компактность и разделенность групп (Rousseeuw, 1987), однако заменить содержательную проверку результатов он не может. Отдельного внимания заслуживает и вопрос сопоставимости исходных данных. А.Е. Райсих убедительно показал, что особенности советского учета населения закрытых городов способны искажать последующие оценки городской динамики (Райсих, 2024). Отсюда следует, что широкий охват населенных пунктов должен сопровождаться проверкой качества их исторического сопоставления, а не восприниматься как самоценное достоинство работы.

Настоящее исследование выполнено в русле пространственной демографии, понимаемой как направление, изучающее демографические процессы в их территориальной проекции методами пространственной статистики и картографирования. Динамику численности населения мы рассматриваем как обобщающий показатель изменения демографического потенциала территории, отражающий совместный результат естественного движения и миграции. Разделить вклад этих составляющих или напрямую измерить по ней качество жизни, впрочем, невозможно. Разграничение уровня отдельного населенного пункта и уровня территориальной структуры расселения опирается здесь на подходы системного анализа расселения, разработанные П. М. Поляном (Полян, 2014).

Цель работы состоит в выявлении основных тенденций и пространственных закономерностей демографического развития населенных пунктов России за 1989–2021 годы. Для ее достижения решается несколько задач, а именно оценка изменения заселенной сети, сопоставление динамики пунктов разной людности, типологизация регионов, измерение пространственной автокорреляции, а также совместное рассмотрение людности и удаленности от крупнейших городов. Основной единицей наблюдения служит населенный пункт, тогда как муниципальная принадлежность используется лишь для территориальной привязки; муниципальное образование нередко включает несколько населенных пунктов, и отождествлять его с ними не следует. Научный вклад работы состоит в сопоставлении размерных и пространственных различий на широкой совокупности поселений за длительный период.

Методика

Эмпирической основой работы послужила авторская база данных, объединяющая 169 811 населенных пунктов (ключевой разработчик - м.н.с. лаборатории цифровой демографии ФНИСЦ РАН А.Э. Райсих). Записи содержат координаты, принадлежность к субъекту Федерации и муниципальному образованию, тип пункта и сведения о численности населения по переписям 1989, 2002, 2010 и 2021 гг. Демографические сведения восходят к материалам Всесоюзной переписи населения 1989 года и всероссийских переписей населения 2002, 2010 и 2020 гг.; последняя фактически проведена в 2021 году1. По характеристике базы координаты заполнены для 100% записей, показатели численности – для 92–98% в зависимости от переписи. Эти доли характеризуют полноту заполнения и сами по себе не доказывают отсутствие систематических ошибок.

Географические координаты и административная принадлежность используются в том виде, в котором они включены в авторскую базу. Полнота координатного поля не равнозначна точности геокодирования. Для длительного межпереписного сопоставления необходимо различать переименование, объединение, включение пункта в городскую черту и фактическое прекращение постоянного проживания. Пропуск сведений не должен трактоваться как нулевая численность. Смешение наличного и постоянного населения, а также изменение территориального охвата ограничивают сопоставимость итогов. Показатели базы обсуждаются в статье с учетом перечисленных выше ограничений.

За основной показатель принято относительное изменение численности населения между 1989 и 2021 гг. Размерные категории при этом фиксируются по людности пунктов на 1989 год, что дает возможность проследить дальнейшую судьбу именно исходных групп, а не перегруппировывать пункты заново на каждую дату. Отдельная оговорка касается таблиц 1 и 3, указанное в них число пунктов относится к базовому 1989 году, а не к 2021-му и уж тем более не к изменению количества пунктов за период. Сумма строк каждой из этих таблиц равна 157 165, тогда как полный реестр базы расходится с этой совокупностью на 12 646 записей.

Индивидуальный темп изменения численности населения вычисляется как разность конечного и начального значений, отнесенная к начальной численности и выраженная в процентах; рассчитать его можно только для пунктов, изначально имевших положительную численность. Агрегатный темп по группе строится иначе, через отношение сумм населения на две даты, тогда как медианный темп получают из распределения индивидуальных показателей. За этой разницей стоят разные вопросы, на которые отвечает каждая из величин. Медиана говорит о типичном пункте группы, агрегатный темп, напротив, учитывает его демографический вес, так что резкий относительный прирост какого-нибудь малолюдного поселка вовсе не гарантирует заметного вклада в суммарное изменение населения региона.

Отдельно подсчитывается доля записей, имевших положительную численность в 1989 году и обнулившихся к 2021-му, в таблицах она названа долей пунктов с нулевой учтенной численностью. Трактовать ее как долю действительно опустевших поселений можно только после проверки административных преобразований и принятых правил обработки пропущенных значений. От термина «исчезнувшие пункты» мы сознательно отказались, поскольку он смешивает демографическое событие с юридическим упразднением населенного пункта.

Типологизация субъектов Федерации проведена методом k-средних по признакам, отражающим динамику населения за три межпереписных интервала и различия между городским и сельским населением; перед расчетом признаки были стандартизированы, а число кластеров выбиралось по силуэтному коэффициенту (Rousseeuw, 1987). В итоге получено четыре типа, охватывающих 85 субъектов в территориальном составе, принятом в авторской базе. Республику Ингушетию из автоматической классификации пришлось исключить ввиду несопоставимости административного устройства на начало периода, отнеся ее к одному из типов содержательно, экспертным путем. Таким образом, итоговая группировка соединяет статистическую процедуру с экспертным решением по отдельному региону.

Пространственную автокорреляцию мы оценивали глобальным индексом Морана (Moran, 1950), используя матрицу ближайших соседей с построчной нормировкой к единице, а статистическую значимость проверяли перестановочным тестом. Для выявления локальных сочетаний высоких и низких значений у пункта и его соседей применялся локальный индекс Морана (Anselin, 1995). Тип HH соответствует соседству значений выше среднего, LL, наоборот, ниже среднего, а типы HL и LH описывают пространственные выбросы. Здесь есть тонкость. При отрицательном среднем темпе по выборке категория HH способна включать и пункты, теряющие население, просто не так стремительно, как в среднем, поэтому называть ее попросту «ядром роста» преждевременно, пока окончательно не установлен точный вектор демографической динамики.

Под удаленностью здесь понимается расстояние до ближайшего города с населением свыше 1 млн человек. Пояса расстояний нужны лишь как аналитическая группировка и не претендуют на роль границ функциональных агломераций, тем более что само расстояние не учитывает ни конфигурацию дорог, ни реальное время поездки, ни роль центров меньшей людности. Совместное сопоставление размера поселения и его удаленности мы далее называем двухфакторным подходом. Он позволяет увидеть различия между группами, но не заменяет собой оцененную регрессионную модель и не дает возможности разделить независимые причинные эффекты двух признаков.

Результаты

По авторской базе суммарная численность учтенного населения прошла путь от 149,5 млн человек в 1989 году к 147,6 млн в 2002 году, 145,1 млн в 2010 году и 147,2 млн в 2021 году. Это результат простого суммирования записей базы, и отождествлять его напрямую с официальным рядом численности населения России в сопоставимых границах не следует. За 1989–2021 гг. число пунктов с ненулевой учтенной численностью сократилось со 157 165 до 131 021, то есть на 26 144 пункта, или 16,6%. Среди пунктов, имевших население в 1989 году, к 2021 году обнулилось 29 179, или 18,6%. Этот показатель отражает переходы внутри исходной совокупности, а не чистое сокращение числа заселенных пунктов, и путать их не стоит.

Усиление концентрации населения подтверждают сразу два показателя. Коэффициент Джини по людности населенных пунктов вырос с 0,923 до 0,941, прибавив 0,018, а доля двадцати крупнейших городов в суммарной численности учтенного населения увеличилась с 21,0 до 25,0%, то есть на 4 процентных пункта. Оговоримся сразу, эти цифры характеризуют распределение жителей между пунктами и никак не связаны с неравенством доходов. По данным таблицы 1, в группе с исходной людностью менее 100 человек нулевая численность к концу периода зафиксирована в 29,5% случаев, в группе 100–200 человек этот показатель составил уже 4,0%, а в группе 200–500 человек снизился до 2,3%. Иначе говоря, выбытие из заселенной сети сильнее всего затрагивает именно нижнее размерное звено. При этом из приведенных долей вовсе не следует, что общее число пунктов, относимых к малым при каждой очередной переписи, непременно сокращалось, ведь такие группы постоянно пополняются за счет поселений покрупнее, чья людность со временем падает.

В учтенной совокупности численность сельского населения снизилась с 44,5 до 37,8 млн человек, потеряв 15,1%. За этой общей цифрой, впрочем, скрываются заметные территориальные различия. Т.Г. Нефедова связывает их с неодинаковыми условиями сельскохозяйственного производства, занятости и расселения на юге страны и в Нечерноземье (Нефедова, 2013), а применительно к историческому центру России подробно описано сочетание концентрации населения вокруг крупных городов со сжатием внутренней периферии (Нефедова, Трейвиш, 2020). Н.В. Мкртчян оценивает миграционные потери сельского населения в 2010-е гг. в 1,5–2,5 млн человек, а периферийных сел, отдельно, в 2,5–3,5 млн, объяс- няя расхождение более благоприятным миграционным балансом сельских пригородов (Мкртчян, 2024). Эти оценки получены для другого временного окна, и результаты настоящего расчета они не подменяют. Стоит также иметь в виду, что доля городского населения способна расти как за счет его собственного прироста, так и просто за счет более быстрой убыли сельского, а кроме того, на нее влияют изменения статуса и границ поселений.

Связь людности пункта и темпа изменения его населения

Общая закономерность здесь достаточно предсказуема. Чем меньше исходная людность пункта, тем глубже, как правило, оказывается последующее сокращение его населения. Между крайними группами различия оказываются весьма велики (табл. 1, рис. 1) . Совокупная численность городов с населением свыше 1 млн человек выросла на 16,7%, тогда как пункты с людностью менее 100 человек потеряли 30,4% жителей, а по медианным значениям разрыв еще нагляднее и составляет +6,4% против -76,0%. Связь между размером пункта и темпом измене-

Таблица 1. Динамика численности населения по размерным категориям населенных пунктов, 1989–2021 гг.

Людность в 1989 году, чел.	Число пунктов в 1989 году	Медианное изменение, %	Агрегатное изменение, %	Доля растущих пунктов, %	Доля пунктов с нулевой численностью в 2021 году, %
менее 100	92787	-76,0	-30,4	14,4	29,5
100–200	18160	-47,8	-29,3	14,5	4,0
200–500	22536	-36,0	-24,6	15,9	2,3
500–1000	11822	-28,5	-21,0	18,4	1,6
1–5 тыс.	9128	-20,3	-8,4	27,6	3,0
5–10 тыс.	1322	-12,6	-7,7	32,7	5,8
10–20 тыс.	653	-17,8	-12,8	28,8	6,9
20–50 тыс.	420	-15,4	-9,1	27,1	1,9
50–100 тыс.	168	-11,0	-3,1	36,9	1,8
100–250 тыс.	89	-4,8	4,0	37,1	0,0
250 тыс. – 1 млн	68	-1,0	3,6	42,6	0,0
свыше 1 млн	12	6,4	16,7	66,7	0,0
Примечания. Категории заданы по людности в 1989 году, число пунктов характеризует именно исходную группу. Агрегатное изменение рассчитано по суммарной численности группы, тогда как медиана получена по индивидуальным темпам. Нулевая численность, зафиксированная в записи, не тождественна юридическому упразднению пункта. Источник: расчеты автора по базе населенных пунктов на основе переписей населения.

Рис. 1. Агрегатное изменение численности населения и доля пунктов с нулевой учтенной численностью по группам людности 1989 года, 1989–2021 гг.

Источник: составлено по данным таблицы 1.

ния его населения, таким образом, в целом положительная, тогда как с глубиной убыли людность связана обратно. Оговоримся, что градиент этот не строго монотонен и не подразумевает одинаковой динамики у всех пунктов одной категории.

В среднем звене поселенческой иерархии общий градиент, однако, нарушается. Для пунктов с людностью 5–10 тыс. человек агрегатная убыль составила 7,7%, а для группы 10–20 тыс. она оказалась заметно глубже, 12,8%; медианные значения при этом равнялись соответственно -12,6 и -17,8%.

Получается, что исходное предположение о последовательном улучшении динамики по мере роста людности нуждается в уточнении. Размер поселения, безусловно, связан с его устойчивостью, но одним размером различия не исчерпываются, немалую роль здесь играют функции поселения и его положение в пространстве.

Региональная типология демографических траекторий строится на авторской группировке, выделяющей четыре типа субъектов Федерации (табл. 2) . К первому отнесены семь регионов с выраженным ростом

Таблица 2. Типология субъектов Российской Федерации по характеру демографической траектории, 1989–2021 гг.

Кластер	Число субъектов	Доля учтенного населения, %	Общее изменение, %	Субъекты РФ и территориальная характеристика
I. Растущие центры	7	22,3	62,7	Москва, Московская область, Санкт-Петербург, Севастополь; республики Северного Кавказа
II. Относительно благоприятная динамика	30	38,3	6,6	Преимущественно южные, ресурсные и национальные регионы
III. Умеренно убывающие	46	39,2	- 21,6	Регионы Центра, Поволжья, Урала, Сибири и Северо-Запада
IV. Глубокая убыль	2	0,1	- 68,1	Магаданская область; Чукотский автономный округ
Примечания. Для типов I–III приведена территориальная характеристика из описания группировки, а для типа IV, ввиду его малочисленности, дан полный состав. Сумма долей отличается от 100% из-за округления; дата, к которой они отнесены, в исходной сводке, к сожалению, не указана. По этой же сводке изменение городского и сельского населения составило для типа II соответственно +14,2 и -5,8%, для типа III -13,3 и -36,7%, а для типа IV -58,2 и -88,2%. Источник: авторская сводка результатов кластеризации.

населения, ко второму – тридцать регионов с относительно благоприятной итоговой динамикой, к третьему – сорок шесть убывающих регионов. Отдельный, четвертый тип образуют всего два субъекта, Магаданская область и Чукотский автономный округ. Названия типов относятся исключительно к демографической динамике и никак не характеризуют социально-экономическое положение территорий. Разница между приростом в первом типе и убылью в третьем хорошо показывает, насколько сильно расходятся региональные итоги, хотя принадлежность к одному типу вовсе не означает, что все входящие в регион населенные пункты развиваются одинаково.

При интерпретации типов важно не смешивать итоговое изменение с последовательностью самих межпереписных изменений, различать их нужно обязательно. Одинаковая итоговая убыль может складываться из резкого сокращения в одном интервале либо из многолетнего снижения. Однако итоговые значения таблицы 2 не позволяют установить, в каком интервале каждый кластер изменялся наиболее интенсивно. Для сравнения временных траекторий нужны численности населения одного и того же состава регионов на все четыре даты и темпы за 1989–2002, 2002–2010 и 2010– 2021 гг. Поэтому выводы о первенстве отдельных интервалов не делаются. Значение такой проверки подтверждено исследованием европейских траекторий депопуляции, в котором различаются длительность, последовательность и интенсивность убыли (Newsham, Rowe, 2023).

Пространственная автокорреляция демографической динамики . Глобальный индекс Морана в авторском расчете составил 0,347 на региональном уровне при стандартизированном отклонении z = 6,52 и перестановочном p = 0,001. На поселенческом уровне получено значение 0,429. Положительный знак указывает на соседство территорий со сходной динамикой. При этом значения индекса на двух уровнях нельзя непосредственно ранжировать по силе связи без учета состава наблюдений и матриц весов. Приведенное p относится к региональному расчету; отдельная оценка значимости поселенческого индекса не представлена. Карта общей динамики показывает пространственное размещение наблюдений (рис. 2) .

Рис. 2. Пространственное распределение динамики численности населения населенных пунктов России, 1989–2021 гг.

Источник: тематический слой — авторский рисунок по базе населенных пунктов; внешний контур – Natural Earth (Natural Earth. Admin 0 – Countries. Масштаб 1:110 млн. URL: https://www.naturalearthdata. com/downloads/110m-cultural-vectors/110m-admin-0-countries/ (дата обращения 10.09.2026).

Контур используется как справочная картографическая основа и не определяет состав анализируемой совокупности. Положение и условные знаки исходного тематического слоя сохранены.

Рис. 3. Соседства высоких и низких темпов изменения численности населения по локальному индексу Морана, 1989–2021 гг.

Примечания. Обозначения HH и LL относятся к значениям соответственно выше и ниже среднего, хотя в исходной легенде они по традиции названы «ядрами роста» и «ядрами убыли». Порог на карте принят на уровне p = 0,05, поправка на множественные проверки при этом не вводилась.

Источник: авторский расчет локального индекса Морана, внешний контур взят из Natural Earth.

Локальный индекс Морана позволяет выделить соседства относительно высоких и относительно низких темпов изменения (рис. 3) . В авторском расчете к первым отнесено около 10% пунктов, ко вторым – почти 16%. Сгущения относительно благоприятной динамики отмечены в Московской и Ленинградской областях, равнинных районах Дагестана и на Кубани. Ареалы низких значений охватывают значительную часть Нечерноземья, включая Псковскую, Тверскую, Смоленскую, Костромскую и Кировскую области. В отдельных регионах, в том числе в Вологодской области, соседствуют участки разных типов. Это позволяет локализовать внутрирегиональные различия, которые сглаживаются при расчете среднего регионального темпа. Обезлюдевшие пункты выделяются на рисунке 2 как демографическая категория; они не образуют самостоятельный тип LISA.

Двухфакторный подход к анализу пространственной динамики численности населения

Сопоставление людности и удаленности показывает, что связь динамики с разме- ром пункта заметно меняется в зависимости от его положения относительно крупных центров (табл. 3). Так, в поясе до 30 км от ближайшего города-миллионника совокупная численность выросла на 23,0%, а медианное изменение составило +16,2%. Иная картина наблюдается в поясе 200–400 км, где зафиксирована самая глубокая медианная убыль -67,5%, при агрегатном изменении -10,1% и доле пунктов с нулевой численностью 24,5%. Следовательно, этот пояс отличается максимальной убылью типичного пункта, но не максимальными суммарными потерями населения: агрегатная убыль в поясе свыше 800 км достигает 19,8%. Различие показателей отражает разный вклад малых и крупных поселений.

Совместная группировка подтверждает различие динамики одинаковых по людности пунктов при разном пространственном положении (рис. 4) . В пределах 30 км совокупная численность пунктов с исходной людностью менее 200 человек увеличилась на 396%, а группы 200–500 человек – на 264%. В поясе 250–500 км соответствующие значения составили -53 и -32%. Это агрегатные показатели, их нельзя со-

Таблица 3. Динамика численности населенных пунктов по поясам удаленности от ближайшего города-миллионника, 1989–2021 гг.

Удаленность, км	Число пунктов в 1989 году	Медианное изменение, %	Доля растущих пунктов, %	Доля пунктов с нулевой численностью в 2021 году, %	Агрегатное изменение, %
0–30	1959	16,2	59,0	12,3	23,0
30–60	5128	-9,1	43,8	6,9	8,3
60–100	10403	-30,1	28,0	9,3	-9,6
100–200	37056	-46,3	17,0	13,3	-14,8
200–400	64812	-67,5	10,2	24,5	-10,1
400–800	28934	-57,8	14,6	19,0	0,6
свыше 800	8873	-46,1	19,2	14,7	-19,8
Примечания. Число пунктов относится к заселенной совокупности 1989 года (всего 157 165). Пояса характеризуют расстояние до ближайшего города-миллионника и не являются установленными границами агломераций. Определения медианного и агрегатного изменения соответствуют таблице 1. Источник: расчеты автора по базе населенных пунктов.

<200 -	+396	+ 92	-4	-41	-53	-31
200-500 - R ф г	+264	+ 11	-26	-33	-32	-22
к О) 2 500-1000■ га со	+46	+ 14	-18	-27	-25	-19
к 1-5 тыс. - о	+ 104	-1	-12	-18	-12	-11
н d 5-20 тыс. ■	+21	+7	-9	-16	-10	-13
>20 тыс. ■	+ 19	+6	-8	-4	0	-2
	0-30	30-60	60-120	120-250	250-500	>500

Удалённость от ближайшего города-миллионника, км

Рис. 4. Агрегатное изменение численности населения по сочетаниям людности в 1989 году и удаленности от ближайшего города-миллионника, 1989–2021 гг., %