The Neighbourhood Effect in Russian Regional Policies: Autocorrelation and Cluster Analysis


Cite item

Full Text

Abstract

Regional convergence is one of the greatest strategic challenges for the Russian Federation. Socio-economic zoning directly affects the regional policy in Russia, as most administrative and political practices are reproduced within a federal district or an economic region. This study is aimed at identifying steady clusters or, in other words, groups of Russian regions, based on quantitative data on socio-economic development. The study relies on the methods of spatial econometrics. The authors also aim to compare the results of their study to the macro-regions suggested by the Strategy of Regional Development of the Russian Federation and therefore to the current administrative practices. The paper determines 12 clusters continual in space, based on 62 regional development indicators and reflecting the statistical resemblance of the regions within a cluster. The study has not found stable macro-regions of similar values except in Siberia and the Far East. Thus, the authors conclude that addressing the wide range of socio-economic problems based on one standardized grid for dividing the country will likely not lead to success. Therefore, a more asymmetric and multi-level regional policy should be sought. This implies that every ministry responsible for an area of regional development should come up with its own spatial structure of Russia in order to define its targets and the practices required to meet them.

About the authors

Igor Yu. Okunev

Moscow State Institute of International Relations (University) of the Ministry of Foreign Affairs of the Russian Federation

Author for correspondence.
Email: iokunev@mgimo.ru
ORCID iD: 0000-0003-3292-9829

PhD in Political Science, Professorial Research Fellow & Director, Center for Spatial Analysis in International Relations, Institute for International Studies

Moscow, Russian Federation

Vasilisa R. Lopatina

Moscow State Institute of International Relations (University) of the Ministry of Foreign Affairs of the Russian Federation

Email: lopatina-vasilisa@mail.ru
ORCID iD: 0000-0002-6136-5420

Intern Researcher, Center for Spatial Analysis in International Relations, Institute for International Studies

Moscow, Russian Federation

References

  1. Anselin, L. (1988). Spatial econometrics: Methods and models. Kluwer Academic Publishers. Anselin, L. (1995). Local indicators of spatial association-LISA. Geographical Analysis. 27(2), 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
  2. Anselin, L. (2003). Spatial externalities, spatial multipliers, and spatial econometrics. International Regional Science Review. 26(2), 153-166. https://doi.org/10.1177/0160017602250972
  3. Anselin, L., & Rey, S. (2010). Perspectives on Spatial Data Analysis. Berlin, Heidelberg: Springer-Verlag
  4. Artobolevskii, S.S., Baklanov, P.Y. & Treivish, A.I. (2009). Russia’s space and development: A multiscale analysis. Her. Russ. Acad. Sci., 79, 25-34 https://doi.org/10.1134/S1019331609010043
  5. Balash, O.S. (2012). Statistical research of the spatial clustering of regions of Russia. News of the Tula state university. Economic and legal sciences, 2(1), 56-65. (In Russian)
  6. Brunsdon, C., Fotheringham, A.S., & Charlton, M.E. (1996). Geographically weighted regression: A method for exploring spatial nonstationarity. Geographical Analysis. 28(4), 281-298. https://doi.org/10.1111/J.1538-4632.1996.TB00936.X
  7. Cressie, N. (1993). Statistics for Spatial Data. New York: John Wiley & Sons.
  8. Demidova, O.A. (2014). Spatial-autoregressive model for two groups of interconnected regions (on the example of eastern and western parts of Russia). Applied econometrics, 34(2), 19-35. (In Russian)
  9. Fischer, M.M. & Getis, A. (2010). Handbook of applied spatial analysis: Software tools, methods and applications. Berlin: Springer-Verlag.
  10. Fotheringham, A.S., & Rogerson, P.A. (2009). The SAGE handbook of spatial analysis. SAGE Publications Ltd.
  11. Geary, R. (1954). The contiguity ratio and statistical mapping. The Incorporated Statistician, 5(3), 115-145.
  12. Getis, A. & Aldstadt, J. (2004). Constructing the spatial weights matrix using a local statistic.
  13. Geographical Analysis, 36(2), 90-104. http://dx.doi.org/10.1111/j.1538-4632.2004.tb01127.x
  14. Getis, A. & Ord, J.K. (1992). The analysis of spatial association by use of distance statistics. Geographical Analysis. 24(3), 189-206
  15. Grekousis, G. (2020). Spatial Analysis Methods and Practice. Cambridge University Press.
  16. Kholodilin, K., Oshchepkov, A.Y., & Siliverstovs, B. (2012). The Russian regional convergence process: Where is it leading? Eastern European Economics, 50(3), 5-26. https://doi.org/10.2753/ EEE0012-8775500301
  17. Klebanova, T.S., Gurjanova, L.S., Trunova, T.N., & Smirnova, A.Y. (2012). The scenary modeling in regional development management. Business Inform, 10, 60-65. (In Russian).
  18. Kolomak, E.A. (2009). Models of the regional policy: Convergence or divergence. Herald of Novosibirsk State University. Socio-Economic Sciences, 9(1), 113-120. (In Russian)
  19. Kolosovskiy, N.N. (2009). On Economic Zoning. Prostranstvennaya Ekonomika = Spatial Economics, 1, 102-123 (In Russian).
  20. Kolosovkiy, N.N. (2006). Selected Works. Smolensk: Oikumena (In Russian)
  21. Leyzerovich, E.E. (2004). Economic microregions of Russia (Grid and Typology). Moscow: Trilobit (In Russian).
  22. LeSage, J., & Pace, R.K. (2009). Introduction to spatial econometrics. CRC Press.
  23. Manakov, A.G. (2014). A new approach to cultural-geographical zoning of Russia. Pskov Journal of Regional Studies, 20, 106-120. (In Russian)
  24. Markevich, A., & Mikhailova, T. (2012). Economic geography of Russia. In M. Alexeev & S. Weber (Eds.), The Oxford Handbook of the Russian Economy (pp. 617-642). Oxford University Press. https://doi.org/10.1093/OXFORDHB/9780199759927.013.0004
  25. Moran, P. (1948). The interpretation of statistical maps. Journal of the Royal Statistical Society, 10, 243-251. https://doi.org/10.1111/J.2517-6161.1948.TB00012.X
  26. Morenoff, J.D. (2003). Neighborhood mechanisms and the spatial dynamics of birth weight. American Journal of Sociology. 108(5), 976-1017. https://doi.org/10.1086/374405
  27. Zubarevich, N.V. (Ed.) (2005). Russia of Regions: What social space do we live in. Moscow: Pomatur. (In Russian)
  28. Shuvalov, V.E. (2015). Regionalization in Russian socio-economic geography: Development directions. Regional Studies, 3, 19-29. (In Russian)
  29. Tatishchev, V.N. (1950). Selected works in geography of Russia. Мoscow: State Publishing House of Geographical Literature. (In Russian)
  30. Vakulenko, E.S. (2015). Analysis of the relationship between regional labour markets in Russia using Okun’s model. Applied Econometrics, 40, 28-48.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».