Везде
Статистический анализ взаимосвязи интегральных индексов условий жизни и поведения населения РФ
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии Дополнительные материалы
Поделиться
QR
Метрика
Статистический анализ взаимосвязи интегральных индексов условий жизни и поведения населения РФ
Аннотация
Код статьи
S265838870011894-6-1
DOI
10.33276/S265838870011894-6
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Гаврилец Юрий Николаевич 
ORCID: 0000-0002-5903-8674
Должность: главный научный сотрудник
Аффилиация: ЦЭМИ РАН
Адрес: 117418, Москва, Нахимовский проспект, 47
Никитин Станислав Андреевич
Должность: научный сотрудник
Аффилиация: ЦЭМИ РАН
Адрес: 117418, Москва, Нахимовский проспект, 47
Выпуск
Том 3 Выпуск 2
Аннотация

В статье исследовались статистические связи между показателями, характеризующими динамику социально-экономического положения регионов России. Для этого использовались интегральные показатели, построенные по данным официальной статистики и социологических опросов. Для сопоставления траекторий исходных показателей были введены специальные характеристики, отражающие основные свойства траекторий. На основе этих характеристик с помощью кластерного анализа были выделены три группы регионов. Было показано, что связи между исследуемыми показателями различаются. Следовательно, для прогнозирования этих показателей для каждой группы регионов должны использоваться разные модели.

Ключевые слова
интегральный индикатор, удовлетворённость населения, социальная обеспокоенность, классификация траекторий, главные компоненты
Классификатор
Получено
28.09.2020
Дата публикации
08.10.2020
Всего подписок
23
Всего просмотров
1476
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
Доступ к дополнительным сервисам
Дополнительные сервисы только на эту статью
Преимущества сервисов
100 руб. / 1.0 SU
Дополнительные сервисы на все выпуски за 2020 год
Преимущества сервисов
1200 руб. / 24.0 SU
1

Введение
2 При анализе социально-экономической и политической жизни населения приходится иметь дело с огромным количеством информации, выражаемой в форме десятков и сотен показателей самой различной природы. Оценка и прогнозы реальных ситуаций требуют статистической обработки всего массива взаимосвязанных показателей, среди которых встречаются как важные, так и малозначимые, как точно отражающие реальность, так и показатели, полученные с большими ошибками. Кроме того, значения всех показателей могут меняться с течением времени, что необходимо учесть при анализе. Модное направление BIG DATA даёт надежду некоторым исследователям, обработав на компьютерах любые массивы данных, автоматически получить нужные рекомендации. Большое распространение в этой сфере получило конструирование интегральных индикаторов разной природы, синтезирующих информацию из большого числа «первичных» показателей [1, 6, 7]. Однако, по нашему мнению, без формализации содержательных представлений в виде математических или статистических моделей получить адекватное описание сложной реальности невозможно.
3 В связи с этим мы предлагаем проводить анализ в два этапа: сначала перейти от большого числа первичных показателей к меньшему числу синтетических индексов, отражающих основной смысл первичных, а потом уже исследовать реальность как бы на макроуровне, в терминах агрегированных характеристик. После этого можно установить и роль отдельных первичных показателей в полученной картине реальности.
4 Целью данной работы является установление (в соответствии с нашим подходом) статистической связи между объективными и субъективными факторами условий жизни и поведения населения в регионах России, а также роль этих факторов в разных регионах страны для возможных прогнозов. Конкретно нас интересует возможность сопоставлять между собой субъекты РФ с точки зрения следующих показателей:
  • удовлетворённость населения условиями жизни;
  • обеспокоенность населения отдельными проблемами;
  • вербальные представления населения о возможных формах жалоб и протеста;
  • характеристики регионов проживания опрошенных людей;
  • характеристики временных изменений.
5

1. Построение и анализ интегральных индексов
6 Для статистического анализа взаимосвязи интегральных индексов условиях жизни и поведения населения были использованы индекс удовлетворенности, обеспокоенности и потенциальной протестной активности. Эти индексы были построены на основе данных социологических опросов и данных официальной статистики за 2015-2017 годы для 47 регионов европейской части России, подготовленных к.э.н. Черненковым М.В. [3, 4, 5]. Опросы проводились два раза в год, таким образом для анализа доступно шесть моментов времени. Индекс удовлетворенности (обозначим Y) представляет собой значение первой главной компоненты, полученный по результатам опроса, проведенного относительно удовлетворенности:
  • X1 – социально-экономической ситуацией,
  • X2 – материальным положением,
  • X3 – состоянием сельского хозяйства,
  • X4 – состоянием ЖКХ,
  • X5 – состоянием образования,
  • X6 – состоянием здравоохранения.
7 В таблице 1 приведены значения факторных нагрузок, соответствующих каждой проблеме, для каждого из шести моментов времени.
8 Таблица 1. Факторные нагрузки. Удовлетворенность
9
Фактор 1 Фактор 2 Фактор 3 Фактор 4 Фактор 5 Фактор 6
Уд. соц-эк. сит. (X1) 0,87 0,02 -0,01 -0,21 -0,41 0,14
Уд. мат. Положением (X2) 0,58 0,65 -0,38 -0,23 0,20 -0,05
Уд. состоянием СХ (X3) 0,64 -0,66 -0,22 -0,17 0,26 0,12
Уд. состоянием ЖКХ (X4) 0,89 -0,22 -0,09 0,15 -0,08 -0,35
Уд. состоянием образования (X5) 0,56 0,10 0,79 -0,15 0,15 -0,03
Уд. состоянием здравоохранением (X6) 0,84 0,20 0,01 0,46 0,08 0,18
Собственное значение 3,32 0,96 0,83 0,39 0,31 0,19
Доля дисперсии 0,55 0,16 0,14 0,07 0,05 0,03
10 Индекс удовлетворенности выражается через исходные показатели следующим образом:
11 Y=0,26∙X1+0,17∙X2+0,19∙X3+0,27∙X4+0,17∙X5+0,25∙X6
12 Значение индекса обеспокоенности (обозначим Q) было построено аналогичным образом на основании на основании результатов анкетирования. Для описания обеспокоенности было рассчитаны значения первой главной компоненты, основанные на следующих показателях:
  • V1 – низкий уровень доходов, плохое материальное положение,
  • V2 – несвоевременная выплата зарплаты, пенсий, стипендий, пособий, плохие жилищные условия;
  • V3 – проблемы ЖКХ,
  • V4 – невозможность найти работу, безработица.
13 Таблица 2.
14
  Фактор 1 Фактор 2 Фактор 3 Фактор 4
Низкий уровень доходов, плохое материальное положение (V1) 0,766 0,368 -0,233 0,473
Несвоевременная выплата зарплаты, пенсий, стипендий, пособий (V2) 0,503 -0,585 0,621 0,139
Плохие жилищные условия, проблемы ЖКХ (V3) -0,145 0,813 0,564 -0,016
Невозможность найти работу, безработица (V4) 0,839 0,154 -0,063 -0,518
Собственное значение 1,56 1,16 0,76 0,51
Доля дисперсии 0,39 0,29 0,19 0,13
15 Индекс обеспокоенности выражается через исходные показатели следующим образом:
16 Q=0,49∙V1+0,32∙V2-0,09∙V3+0,54∙V4
17 Для построения индекса протестного потенциала (обозначим P) были использованы следующие показатели:
  • Z1 – процент тех, кто ничего не будет предпринимать и затруднившиеся ответить,
  • Z2 – процент намеревающихся обратиться в органы власти,
  • Z3 – процент тех, кто собирается использовать личные связи и вознаграждение,
  • Z4 – процент потенциальных участников протеста
18 Значения факторных нагрузок приведены в таблице 3.
19 Таблица 3. Факторные нагрузки
20
Потенциальная протестная активность Фактор 1 Фактор 2 Фактор 3 Фактор 4
Неактивные и затруднившиеся ответить (Z1) -0,83 0,43 0,22 0,28
Обращение в органы власти (Z2) 0,87 0,14 -0,40 0,26
Личные связи и вознаграждения (Z3) -0,43 -0,88 -0,12 0,15
Потенциальное участие в акциях протеста (Z4) 0,70 -0,21 0,68 0,09
Собственное значение 2,12 1,02 0,67 0,18
Доля объясненной дисперсии 0,53 0,26 0,17 0,04
21 Индекс протестного потенциала выражается через исходные показатели следующим образом:
22 P=-0,39∙Z1+0.41∙Z2-0,20∙Z3+0.33∙Z4
23 Поскольку значения индексов удовлетворенности, обеспокоенности и потенциальной протестной активности были рассчитаны для шести моментов времени с 2015 по 2017 годы, мы можем проанализировать динамику этих показателей.
24

2. Анализ траекторий изменения индексов
25 Чтобы можно было сопоставлять динамики показателей для разных регионов [2) были введены три характеристики, которые позволяют классифицировать регионы по найденным индексам:
  • среднее значение за семь моментов времени,
  • сумма приростов за этот же период,
  • усредненная сумма модулей приростов.
26 Средне значение характеризует «общий уровень» исходного показателя для региона. Сумма приростов характеризует тренд, направленность траекторий, а усредненная сумма модулей характеризует размах.
27 Обозначим:
  • SY – Среднее значение индекса удовлетворенности.
  • SQ – Среднее значение индекса обеспокоенности.
  • SP – Среднее значение индекса протестного потенциала.
  • DY – Сумма приростов для индекса удовлетворенности.
  • DQ – Сумма приростов для индекса обеспокоенности.
  • DP – Сумма приростов для индекса протестного потенциала.
  • MY – Усредненная сумма модулей приростов для индекса удовлетворенности.
  • MQ – Усредненная сумма модулей приростов для индекса обеспокоенности.
  • MP – Усредненная сумма модулей приростов для индекса протестного потенциала.
28 Таблица 4. Корреляционная матрица характеристик динамики показателей
29
  SY SQ SP DY DQ DP MY MQ MP
SY 1 0,49 0,19 0,02 -0,58 -0,28 -0,09 -0,11 -0,14
SQ 0,49 1 0,07 0,09 0,34 -0,2 -0,06 0,01 0,33
SP 0,19 0,07 1 -0,18 -0,05 0,2 -0,23 0,08 0,05
DY 0,02 0,09 -0,18 1 0,02 0,04 -0,03 0,03 -0,28
DQ -0,58 0,34 -0,05 0,02 1 0,28 0,07 0,2 0,42
DP -0,28 -0,2 0,2 0,04 0,28 1 0,05 0,09 -0,13
MY -0,09 -0,06 -0,23 -0,03 0,07 0,05 1 0,18 -0,27
MQ -0,11 0,01 0,08 0,03 0,2 0,09 0,18 1 0,12
MP -0,14 0,33 0,05 -0,28 0,42 -0,13 -0,27 0,12 1
30 Из приведенной таблицы 4 видно, что эти характеристики имеют небольшие значения коэффициентов корреляции, а точнее, линейно независимы. Это может говорить об их информационной важности в анализе динамики.
31 На основании введенных вспомогательных показателей были выделены три группы регионов европейской части России методом кластерного анализа.
32 Такое количество кластеров было выбрано с целью обеспечения достаточного объёма наблюдений, относящихся к каждому кластеру. (см. Приложение)
33 Характеристики кластеров приведены в таблице 5.
34 Таблица 5.
35
Средние значения 1 кластер 2 кластер 3 кластер
Усредненная УДОВЛ 0,08 0,85 -1,04
Усредненная ОБЕСП -0,43 0,50 -0,09
Усредненная ПРОТЕСТ 0,03 0,26 -0,13
Сумма приростов УДОВЛ 0,11 -0,07 -0,10
Сумма приростов ОБЕСП -0,65 -0,37 0,91
Сумма приростов ПРОТЕСТ -0,21 -0,61 0,40
Усредненная сумма модулей приростов УДОВЛ 1,30 1,45 1,46
Усредненная сумма модулей приростов ОБЕСП 2,09 3,05 3,16
Усредненная сумма модулей приростов ПРОТЕСТ 1,75 2,77 2,66
"Кучность" кластера 0,65 0,76 0,66
36 (Характеристика «кучности» кластера рассчитывалась как квадратный корень из усредненной суммы квадратов расстояний каждого наблюдения до центра кластера.)
37

3. Характеристика кластеров
38 Для анализа влияния внешних факторов на полученные индексы были привлечены три показателя официальной статистики, важность которых была отмечена в [4, 3]: уровень безработица, располагаемые денежные доходы населения, уровень бедности. Поскольку данные по динамике индексов относились к периоду 2015-2017 годов, то было решено рассматривать «внешние» показатели за промежуточный 2016 год.
39 Таблица 6. Средние значения статистических показателей
40
Безработица, 2016 г. Располагаемые денежные доходы населения, 2016 г. Уровень бедности, 2016 г.
1 кластер 6,2 92,1 15,5
2 кластер 5,5 93,5 14,0
3 кластер 4,8 95,0 12,3
Из таблицы 6 видно, что в кластерах средний уровень безработицы различается. В первом кластере он самый высокий, а в регионах третьего кластера – самый низкий. При этом, средний уровень бедности в регионах первого класса тоже выше по сравнению с третьим. Также видно, что противоположным образом «ведут себя» располагаемые денежные доходы населения. В первой группе они ниже, чем в третьей. Таким образом, можно сказать, что в регионах первой группы социально-экономическая ситуация хуже, чем во второй и третьей группах.
41 Для дальнейшего анализа воспользуемся результатами корреляционного анализа, характеризующего зависимости между полученными индексами и показателями «внешней среды» отдельно для каждого кластера.
42 Таблица 7. Корреляционная матрица для 1 кластера
43
Корреляции (1 кластер) Безработица, 2016 Распол. ден. доходы, 2016 Уровень бедности, 2016 Удовлетворенность, 2016 Обеспокоенность, 2016 Протест, 2016
Безработица, 2016 1 0,28 0,69 -0,32 -0,33 0,16
Распола. ден. доходы, 2016 0,28 1 0,07 -0,36 -0,41 0,23
Уровень бедности, 2016 0,69 0,07 1 -0,18 -0,66 0,04
Удовлетворенность, 2016 -0,32 -0,36 -0,18 1 0,33 -0,23
Обеспокоенность, 2016 -0,33 -0,41 -0,66 0,33 1 -0,11
Протест, 2016 0,16 0,23 -0,04 -0,23 -0,11 1
44 Таблица 8. Корреляционная матрица для 2 кластера
45
Корреляции (2 кластер) Безработица, 2016 Распол. денежные доходы, 2016 Уровень бедности, 2016 Удовлетворенность, 2016 Обеспокоенность, 2016 Протест, 2016
Безработица, 2016 1 -0,12 0,41 -0,57 -0,08 0,24
Располагаемые. ден. доходы, 2016 -0,12 1 -0,38 0,10 -0,16 0,68
Уровень бедности, 2016 0,41 -0,38 1 -0,59 -0,26 -0,16
Удовлетворенность, 2016 -0,57 0,10 -0,59 1 0,55 -0,15
Обеспокоенность, 2016 -0,08 -0,16 -0,26 0,55 1 -0,34
Протест, 2016 0,24 0,68 -0,16 -0,15 -0,34 1
46 Таблица 9. Корреляционная матрица для 3 кластера
47
Корреляции (3 кластер) Безработица, 2016 Распол. денежные доходы, 2016 Уровень бедности, 2016 Удовлетворенность, 2016 Обеспокоенность, 2016 Протест, 2016
Безработица, 2016 1 -0,37 0,53 -0,52 -0,61 0,21
Располагаемые. ден. доходы, 2016 -0,37 1 -0,55 0,46 0,45 -0,10
Уровень бедности, 2016 0,53 -0,55 1 -0,67 -0,50 -0,12
Удовлетворенность, 2016 -0,52 0,46 -0,67 1 0,56 0,19
Обеспокоенность, 2016 -0,61 0,45 -0,50 0,56 1 0,12
Протест, 2016 0,21 -0,10 -0,12 0,19 0,12 1
48 Как мы видим из таблиц, индекс удовлетворенности проявляет значимую линейную связь только с индексом обеспокоенности. Связь между остальными индексами не наблюдается. Что касается связи между индексами и внешними факторами, то в первом кластере значимой связи нет, во втором удовлетворенность оказывается связанной с уровнем бедности, а в третьем индекс удовлетворенности имеет явную связь с безработицей и уровнем бедности. Таким образом, мы наблюдаем различную силу связи в этих кластерах, и можно предполагать, что возможному прогнозу поддаётся только уровень удовлетворенности.
49 Также было выявлено, что более население более обеспокоенно в тех регионах, где ниже уровень бедности (в 1 и 3 кластере). Такой же факт наблюдается в 3 кластере, где протестная активность выше, т.е. в тех регионах, где выше располагаемые денежные доходы.
50

Заключение.
51 В работе были исследованы возможности определения статистических связей между некоторыми важными интегральными индексами, характеризующими социально-экономическое положение регионов, и отдельными показателями официальной статистики. Для того чтобы прояснить возможности прогнозирования этих индексов были построены и проанализированы динамические траектории по шести моментам времени для регионов европейской части России. Главным в работе является предложение использовать специальные характеристики, отражающие существенные свойства траекторий индексов: среднее значение за период наблюдения, сумма приростов, усредненная сумма модулей приростов. Таким образом, каждой траектории соответствует три числа, на основании которых и были выделены три класса регионов. Последующий анализ этих классов показал, что связи между исследуемыми показателями весьма различны. Это означает, что в каждом кластере модели прогнозирования значений индексов должны иметь разный вид.
52

Приложение.

53 Результаты классификации.
54
№ Кластер 1 Расстояние до центра кластера
1 Архангельская область 0,33
2 Владимирская область 0,50
3 Калининградская область 0,77
4 Кировская область 0,34
5 Костромская область 0,29
6 Нижегородская область 0,31
7 Новгородская область 0,54
8 Республика Калмыкия 1,01
9 Республика Карелия 0,45
10 Республика Коми 0,31
11 Ростовская область 0,20
12 Саратовская область 0,51
13 Смоленская область 0,23
14 Тверская область 0,23
15 Удмуртская Республика 0,67
16 Ульяновская область 0,52
17 Ярославская область 0,85
55
№ Кластер 2 Расстояние до центра кластера
1 Астраханская область 0,53
2 Волгоградская область 0,58
3 Вологодская область 0,40
4 Воронежская область 0,46
5 Ивановская область 0,46
6 Калужская область 0,51
7 Краснодарский край 0,43
8 Московская область 0,64
9 Оренбургская область 0,46
10 Пензенская область 0,35
11 Пермский край 0,72
12 Республика Адыгея 0,43
13 Республика Марий Эл 0,60
14 Рязанская область 0,45
15 Тульская область 0,41
16 Чувашская Республика - Чувашия 0,37
56
№ Кластер 3 Расстояние до центра кластера
1 Белгородская область 0,59
2 Брянская область 0,57
3 Курская область 0,45
4 Ленинградская область 0,59
5 Липецкая область 0,61
6 Мурманская область 0,63
7 Орловская область 0,86
8 Псковская область 0,18
9 Республика Башкортостан 0,32
10 Республика Мордовия 0,53
11 Республика Татарстан 0,70
12 Самарская область 0,43
13 Санкт-Петербург 0,70
14 Тамбовская область 0,48

Библиография

1. Бородкин Ф.М., С.А. Айвазян. Социальные индикаторы.— М. : ЮНИТИ-ДАНА, 2015. 607 с.

2. Айвазян С. А., Афанасьев М. Ю., Кудров А. В. Метод кластеризации регионов РФ с учетом отраслевой структуры ВРП// Прикладная эконометрика. – 2016. – т. 41. - с. 24–46.

3. Гаврилец Ю.Н., Клименко К.В., Кудров А.В. Статистический анализ факторов социальной напряжённости в России»// Экономика и математические методы. – 2016. - т.52, №1. - с.90-111.

4. Гаврилец Ю.Н., Никитин С.А., Черненков М.В. Оценка населением качества жизни и социальная стабильность в регионах России. Математическое моделирование социальных процессов: сборник трудов, выпуск 20. — М.:ИПМ им. М.В.Келдыша, 2018. — 280 с. — URL: http://keldysh.ru/social/2017 (дата обращения: 21.09.2020)

5. Гаврилец Ю.Н., Черненков М.В, Никитин С.А Агрегированные индексы мнений населения о качестве жизни в регионах России//

6. Экономика и математические методы. – 2019. - т. 55, № 1. - с. 101-115.

7. Whorton, J.W. Summative scales for measuring community satisfaction [Text] / J.W. Whorton, A.B. Moor // Social Indicators Research. – 1984. - Vol. 15, № 3. – P. 297–307.

8. Social Indicators Report// The City of New York. – 2016. – URL: https://www1.nyc.gov/assets/operations/downloads/pdf/Social-Indicators-Report-April-2016.pdf (дата обращения: 23.09.2020)

Комментарии

Сообщения не найдены

Написать отзыв

Дополнительные материалы

Приложение (additional_1.docx, 17 Kb) [Ссылка]

Перевести