При анализе и прогнозировании социально-экономических явлений довольно часто сталкиваются с многомерностью их описания. Это происходит при решении задачи сегментирования рынка, построении типологии стран по достаточно большому числу показателей, прогнозирования конъюнктуры рынка отдельных товаров, изучении и прогнозировании экономической депрессии и многих других проблем.
Цель исследования
Возможность применения методов статического анализа при дифференциации муниципальных образований по показателям, влияющим на уровень развития сельской социальной инфраструктуры. В задачи исследования входило построение кластерной модели положения муниципальных районов по факторным показателям с выделением групп районов, имеющих схожую, однородную обстановку по показателям, влияющим на развитие социальной инфраструктуры.
Материал и методы исследования
Методы многомерного анализа - наиболее действенный количественный инструмент исследования социально-экономических процессов, описываемых большим числом характеристик. К ним относятся факторный анализ, кластерный анализ и др.
Кластерный анализ позволяет выделить факторы (кластеры), объединяющие статистически схожие переменные. Достоинством кластерного анализа является возможность производить разбиение объектов не по одному параметру, а по целому набору признаков.
Для проведения кластерного анализа были использованы данные из сборника Госкомстата «Социальное и экономическое положение муниципальных районов и городских округов Ульяновской области в 2010 году» [5].
Кластерный анализ проведен по 21 муниципальному району Ульяновской области, каждый из которых характеризовался 28 факторными показателями, объединенными в шесть блоков:
- Численность, состав населения и уровень экономической активности населения.
- Уровень благосостояния населения и степень участия организаций и государства в решении социальных проблем.
- Характер расселения населения.
- Уровень развития сельскохозяйственного производства.
- Финансовое положение сельскохозяйственных предприятий.
- Обеспеченность услугами инфраструктуры населения района.
Для работы с базой данных и статистического анализа использовался статистический пакет SPSS 20.0 для Windows. Для обработки в статистическом пакете информация была организована в особом виде: матрица данных [2].
Результаты исследования
С помощью возможностей SPSS была получена обзорная таблица порядка агломерации (таблица 1).
Таблица 1. Обзорная таблица порядка агломерации
|
Шаги агломерации |
||||||
|
Этап |
Кластер объединен с |
Коэффициенты |
Этап первого появления кластера |
Следующий этап |
||
|
Кластер 1 |
Кластер 2 |
Кластер 1 |
Кластер 2 |
|||
|
1 |
19 |
21 |
4067,605 |
0 |
0 |
14 |
|
2 |
2 |
4 |
14870,109 |
0 |
0 |
6 |
|
3 |
6 |
7 |
16883,722 |
0 |
0 |
7 |
|
4 |
15 |
17 |
20939,536 |
0 |
0 |
13 |
|
5 |
9 |
18 |
28770,894 |
0 |
0 |
8 |
|
6 |
2 |
5 |
31270,025 |
2 |
0 |
17 |
|
7 |
3 |
6 |
32973,495 |
0 |
3 |
12 |
|
8 |
1 |
9 |
39830,066 |
0 |
5 |
13 |
|
9 |
12 |
13 |
40294,380 |
0 |
0 |
12 |
|
10 |
8 |
16 |
42325,875 |
0 |
0 |
16 |
|
11 |
10 |
20 |
54033,367 |
0 |
0 |
19 |
|
12 |
3 |
12 |
55028,873 |
7 |
9 |
16 |
|
13 |
1 |
15 |
70750,567 |
8 |
4 |
19 |
|
14 |
11 |
19 |
72875,782 |
0 |
1 |
15 |
|
15 |
11 |
14 |
89322,085 |
14 |
0 |
17 |
|
16 |
3 |
8 |
123688,493 |
12 |
10 |
18 |
|
17 |
2 |
11 |
155101,869 |
6 |
15 |
18 |
|
18 |
2 |
3 |
202331,611 |
17 |
16 |
20 |
|
19 |
1 |
10 |
318670,553 |
13 |
11 |
20 |
|
20 |
1 |
2 |
337902,779 |
19 |
18 |
0 |
Значительный скачок коэффициента наблюдается после 15 шага, это означает, что для данных, включающих 21 наблюдение, оптимальным является решение с шестью кластерами.
Дендрограмма (график объединения) визуализирует процесс слияния, приведенный в обзорной таблице порядка агломерации [3]. Она идентифицирует объединенные кластеры и значения коэффициентов на каждом шаге (рис. 1).
Рисунок 1. Дендрограмма многомерной группировки районов Ульяновской области по факторным показателям
По результатам кластеризации были получены два крупных кластера (1) (3), один средний кластер (6), один маленький кластер (2) и два очень маленьких, полученных из двух районов (4), (5) (таблица 2).
Таблица 2. Распределение районов Ульяновской области по кластерам
|
Кластер |
Кол-во |
Состав |
|
1 |
5 |
Базарносызганский, Николаевский, Старокулаткинский, Сурский, Тереньгульский |
|
2 |
3 |
Барышский, Инзенский, Карсунский |
|
3 |
5 |
Вешкаймский, Кузоватовский, Майнский, Павловский, Радищевский |
|
4 |
2 |
Мелекесский, Старомайнский |
|
5 |
2 |
Новомалыклинский, Цильнинский |
|
6 |
4 |
Новоспасский, Сенгилеевский, Ульяновский, Чердаклинский |
В первый кластер входят районы, имеющие наименьшую среднегодовую численность населения и их удельный вес в общей численности населения всех районов. Районы этого кластера имеют самый высокий уровень безработицы, наименьший размер инвестиций в основной капитал и объем платных услуг в расчете на душу населения.
Второй кластер представлен районами, имеющими самые низкие показатели по уровню развития сельскохозяйственного производства. По блоку показателей уровня экономической активности населения районы этого кластера лидируют в удельном весе женщин в общей численности сельского населения и численности населения района старше трудоспособного возраста. Численность работников, занятых в сельскохозяйственном производстве, имеет наименьшее значение в районах данного кластера, но показатель среднемесячной зарплаты имеет второе по величине значение среди остальных кластеров. Также наивысшее значение имеет факторный показатель полученных субсидий из бюджетов всех уровней.
Представители третьего кластера - самые удаленные районы от областного центра, имеют средние показатели по уровню развития сельскохозяйственного производства. Характеризуются наилучшим значением удельного веса численности населения района трудоспособного возраста и занятых в экономике в численности экономически активного населения.
Четвертый кластер - это районы, имеющие максимальное значение показателей по валовому сбору зерна, урожайности зерновых культур, надою молока на одну среднегодовую корову. Кроме того, этот кластер имеет наибольшую численность работников, занятых в сельскохозяйственном производстве, при этом значение удельного веса численности населения района старше трудоспособного возраста - самое минимальное из всех кластеров.
Районы пятого кластера выделяются показателями степени участия государства в решении социальных проблем: расходы и доходы бюджета имеют самые высокие значения по сравнению с другими кластерами. Следует отметить, что по удельному весу мужчин в общей численности сельского населения этот кластер лидирует среди остальных. Выделяются на общем фоне показатели производства молока, скота и птицы в расчете на одну тысячу человек населения.
В шестом кластере собраны районы, наиболее приближенные к областному центру, поэтому имеют большое преимущество по ряду показателей: среднемесячная зарплата работающих, размер инвестиций в основной капитал, удельный вес прибыльных предприятий и объем бытовых услуг в расчете на душу населения значительно превосходят аналогичные показатели остальных кластеров.
Распределение средних значений наиболее значимых факторных показателей развития сельской социальной инфраструктуры по кластерам представлено на рисунке 2.
Рисунок 2. Средние значения наиболее значимых факторных показателей развития сельской социальной инфраструктуры по кластерам
Представленная диаграмма наглядно демонстрирует уровень наиболее значимых показателей, по которым была проведена группировка муниципальных районов Ульяновской области в соответствующие кластеры.
Заключение
Описанная процедура кластерного анализа может быть полезна при проведении мониторинга социально-экономического положения и состояния региона, классификации регионов по различным признакам. Естественно, что анализ социально-экономического положения региона не может ограничиваться применением только одного выделенного метода.
Рецензенты:
- Лазарев В. Н., д.э.н., зав каф. «Экономика и менеджмент» УлГТУ, г. Ульяновск.
- Соколов А. П., д.э.н., профессор, профессор каф. «Бухгалтерский учет, анализ и аудит» УлГТУ, г. Ульяновск.