Типология регионов России по показателям человеческого потенциала

Обложка

Полный текст

Аннотация

В статье представлены результаты типологизации регионов по показателям человеческого потенциала. Цель исследования — группировка регионов по уровню развития человеческого потенциала и в этом аспекте выявление среди них образцовых и отстающих. Объект исследования — 85 российских регионов и показатели их человеческого потенциала. Сначала рассматривались 22 показателя, характеризующих различные аспекты человеческого потенциала: демографический, трудовой, образовательный, культурный, экологический и относящийся к социальному здоровью, включая его негативные компоненты — потребление алкоголя и преступность. Далее выбранные показатели были проанализированы и проверены на мультиколлинеарность, в результате чего осталось 9 показателей, отражающих: ожидаемую продолжительность жизни, рождаемость, заболеваемость, долю высоквалифицированных работников, удельный вес руководителей и специалистов, потребление алкоголя, число посещений музеев и театров, число разводов, экологическое поведение. Типологизация проведена методами кластерного анализа: иерархического и k-средних. Использованы данные официальной статистики социально-экономического развития регионов за 2021 год. В результате кластеризации получено 9 групп регионов, от 1 до 22 регионов в группе. Каждой группе дана содержательная характеристика. Группировка регионов сильно отличается от привычных типологий по экономическому развитию. Например, Московская и Ленинградская области по характеристикам человеческого потенциала определены на уровне «ниже среднего», а экономически развитая Республика Татарстан и дотационная Псковская область попали в одну группу. Полученная типология расширяет представление о региональной дифференциации человеческого потенциала и позволяет по-другому взглянуть на уровень его развития в отдельных регионах и их группах. Основная польза типологии заключается в том, что группы с высокими значениями показателей человеческого потенциала должны стать объектами анализа тех эффективных мер воздействия на него, которые регионы реализуют и благодаря которым достигли хороших результатов. Этот опыт следует распространять на менее успешные в плане развития человеческого потенциала регионы.

Об авторах

Елена Викторовна Рюмина

ИСЭПН ФНИСЦ РАН

Email: ryum50@mail.ru
ORCID iD: 0000-0002-7386-1077
SPIN-код: 6902-7304
д.э.н., проф., главный научный сотрудник Москва, Россия

Артём Александрович Федотов

ИСЭПН ФНИСЦ РАН

Email: fedotov.arr@gmail.com
ORCID iD: 0000-0003-4185-4013
SPIN-код: 5172-1491
к.э.н., старший научный сотрудник Москва, Россия

Список литературы

  1. Локосов, В.В. Человеческий потенциал: концептуальные подходы и методики измерения / В.В. Локосов // Народонаселение. — 2023. — Т. 26. — № 4. — С. 4–14. doi: 10.19181/population.2023.26.4.1; EDN: FFZUND
  2. Токсанбаева, М.С. Социально-экономические факторы, влияющие на качество трудового потенциала населения регионов России / М.С. Токсанбаева, О.А. Коленникова, Р.И. Попова // Народонаселение. — 2024. — Т. 27. — № 3. — С. 98–110. doi: 10.24412/1561-7785-2024-3-98-110; EDN: WEHHTT
  3. Everitt B.S. Cluster analysis. Fifth Edition / Brian S. Everitt. Sabine Landau, Morven Leese, Daniel Stahl. — U.K : John Wiley & Sons, — 2011. — 330 p.
  4. Lior R. A Survey of Clustering Algorithms / R. Lior // Data Mining and Knowledge Discovery Handbook. Second Edition / Ed. Oded Maimon and Lior Rokach. — New York : Springer, 2010 — P. 269–298. doi: 10.1007/978-0-387-09823-4
  5. Simovici, D.A. Mathematical Tools for Data Mining. Second edition / D.A. Simovici, C. Djeraba. — London : Springer-Verlag, 2014. — 831 p. doi: 10.1007/978-1-4471-6407-4
  6. Рюмина, Е.В. Анализ факторов региональной дифференциации показателей потребления электроэнергии населением России / Е.В. Рюмина // Народонаселение. — 2023. — Т. 26. — № 3. — С. 107–116. doi: 10.19181/population.2023.26.3.9; EDN: YRYQVK

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).