В чем суть теории сырьевого роста? Гарольд А. Иннис, исторический экономист, впервые изложил концепцию в своей книге, опубликованной в 1930 году под заглавием "Торговля пушниной в Канаде: Введение в экономическую историю Канады" ("The Fur trade in Canada: An introduction to Canadian Economic History"). В этой книге Иннис утверждает, что освоение Канады произошло из-за потребности Европы в пушнине. Те деньги, которые пушнина привнесла в Канаду, были использованы для создания "цивилизованного общества" на ее территории. Это общество строилось похожим на то, что уже существовало в Европе и США. Оно реализовало свои возможности в построении уже в 1885 году силами центральной Канады Канадской Тихоокеанской железной дороги через всю страну, тем самым сформировав и объединив страну воедино. Это убедительно доказывает Иннис в своем раннем труде "История Канадской Тихоокеанской железной дороги" (The History of the Canadian Pacific Railroad), впервые опубликованном в 1923 году. Позже эта идея была подхвачена другими с целью доступа к остальным натуральным ресурсам, которые можно было добывать и продавать заграницу. В результате, было высказано предположение, что экспорт ресурсов стал средством сырьевого роста экономики Канады, отсюда и термин "теория сырьевого роста" в отношении развития Канады.

Какими же сырьевыми ресурсами пользовалась канадская экономика для своего роста? Совершенно очевидно, что ими являлись рыбный промысел, пушнина, древесина, пшеница, дары леса, минеральное сырье и, позднее, энергия. Было выдвинуто предположение, что Канада развивалась по своему особому пути, который и привел ее к высокому уровню жизни, который мы можем наблюдать сейчас. Можно утверждать, и то лишь отчасти, что пути развития Австралии и Новой Зеландии напоминают канадский. Теория сырьевого роста предполагает, что Канада приобрела свое благосостояние путем последовательной продажи обильных натуральных ресурсов и сырья. И до сих пор Канада у многих людей в мире ассоциируется с добычей и экспортом природных ресурсов. Этот устоявшийся образ настолько силен, что о канадской экономике довольно часто отзываются, как о состоящей из "рубки дров и черпания воды".

Если сравнивать с остальными странами-членами большой восьмерки, образ Канады как "сырьевой страны" действительно имеет основания. Однако в Канаде стремительными темпами уменьшаются доли занятого населения и ВВП в минерально-сырьевых отраслях. В настоящее время доля населения, занятого в сырьевых секторах (сельское хозяйство, лесничество, добыча полезных ископаемых, энергетика, рыболовство, охота и т.п.), составляет не более 8 % от общей занятости в Канаде. Доля сырьевого сектора стремительно уменьшилась после наступления постиндустриальной эры, когда производство также стало намного менее значимым в экономики всех развитых стран.

Поэтому в будущем региональное развитие вынуждено будет больше опираться на то, что Портер (Porter, 1990) называет конкурентными преимуществами общин. Теперь необходимо использовать мощные человеческие, институциональные, экологические, экономические и исторические факторы, чтобы регион имел возможность развиваться. В противоположность природным преимуществам окружающей среды, которые невозможно изменить с помощью человека, на эти факторы можно воздействовать. Конкурентоспособные преимущества одного региона по сравнению с другим можно изменять, что и было уже показано в прошлом.

Чтобы определить конкурентоспособные преимущества или недостатки региона, необходимо подвергнуть тщательному изучению всю его инфраструктуру для сравнения с другими регионами. Поскольку человеческие и коммерческие факторы являются одними из основных составляющих конкурентоспособности региона, любой анализ природы конкурентоспособности региона по необходимости будет иметь большое число социально-экономических переменных, которые необходимы для анализа, описывающего различия регионов. Даже несмотря на то, что Канада уже довольно давно проводит политику регионального развития и систему региональных трансфертов, все равно неравенство регионов так и не было преодолено. В лучшем случае эти меры предотвращали ухудшение ситуации. Каждая провинция Канады предпринимает попытки получить как можно больше поступлений от федерального правительства, чтобы улучшить благосостояние своих граждан. Однако федеральное правительство, как путем соглашений с провинциями, так и односторонними решениями, регулирует потоки финансирования. Тем не менее, равные возможности для всех граждан страны, в независимости от места их проживания, является основополагающим принципом. Такие равные возможности в основном относятся к здравоохранению, поддержки детей и безработных, пособиям, пенсионному обеспечению и доступу к различным службам федерального правительства. В настоящий момент политика федерального правительства в отношении регионального развития реализуется посредством четырех государственных корпораций, одна в Атлантической Канаде, одна в Квебеке, одна в Западной Канаде и одна, ФедНор (FEDNOR) в северном Онтарио.

В 1989 году Хехт и Бутс (Hecht, Boots, 1989) опубликовали работу по типологии регионов в Канаде, в которой они предприняли попытку определить, какие из сил регионального развития оказались наиболее существенными: были ли это попытки федерального правительства уравнять возможности для всех канадцев на территории страны, или усилия провинций в желании сделать свою провинцию отличной от других. Если бы более влиятельной оказалась первая сила, то следовало бы предположить, что различия в социально-экономических условиях в различных областях проявлялись бы достаточно хаотично. С другой стороны, если провинции пытались бы создать уникальные условия для своих граждан, то условия должны были бы представлять кластерную раздробленность, в которой пространственные кластеры должны соответствовать территории провинции.

Чтобы исследовать данную гипотезу, авторы проанализировали статистические данные по 25 социально-экономическим переменным за 1981 год для 260 статистико-географических районов, объединяющих все провинции. Эти переменные были выбраны с учетом больших различий в численности населения в различных статистико-географических районах. Переменные представляли шесть широких категорий: занятость, экономика, демография, жилищные условия, культура и образование.

Дискриминантный анализ данных выявил четыре устоявшиеся функции с собственным значением более одного, которые объясняют 94,1 % дисперсии. Когда статистико-географические районы были объединены в группы, то они строго соответствовали территориям провинций. Только несколько статистико-географических районов были отнесены к другим провинциям. Это позволяет нам сделать заключение, что "мощные силы постройки провинций имеют огромное значение" (Boots and Hecht 1989, 194). Дальнейший анализ выявил пять основных регионов в Канаде: Атлантический регион, Квебек, Онтарио, Прерии и Британскую Колумбию. Однородность статистико-географических делений внутри этих регионов стабильно выше, чем между регионами. И опять же, только некоторые статистико-географические деления были отнесены в регионы отличные от их физического нахождения. На практике оказывается, что канадское федеральное правительство, за малым исключением, использует эти регионы для внедрения своих программ регионального развития. Исключением является то, что оно объединило Прерии с Британской Колумбией и программы регионального развития для Онтарио были предназначены только для северных регионов Онтарио. Другой четкой тенденцией, которая была выявлена в ходе нашего анализа, является то, что местонахождение статистико-географического деления имеет большое влияние для определения значений переменных. В общих чертах географически смежные деления имеют подобные характеристики. Эти характеристики, в свою очередь, имеют так же тенденцию преодолевать политические границы. На самом деле оказалось, что большинство делений, которые не подошли по классификации к другим статистико-географическим делениям провинции, группируются с другими делениями смежной провинции. Последовавшие позже изыскания Адамса (Adams 1994) и Чапмана (Chapman 1995) не обнаружили изменений в этих сложившихся связках. С другой стороны, более раннее изучение типологии регионов Западной Германии, географически компактной страны, показал постоянные географические изменения в составе групп ее субрегионов. (Campbell 1985).

Принимая во внимание опыт Канады, было бы интересно проследить, имеют ли 89 российских регионов подобные географические связки в своих характеристиках и условиях. Учитывая, что до недавнего времени в России была всеохватывающая плановая экономика, мы должны ожидать гораздо меньше различий в отдельных географических зонах. Однако, с другой стороны, гигантский размер страны, с огромными различиями в природных условиях, ее культурная мозаика, и ее развитие за последние 10 лет в режиме рыночной экономики, должны были привнести к увеличению различий.

Данные для анализа. Данные относятся к 89 регионам. Использованы данные за различные годы с 1985 по 2000 для 48-ми переменных. Однако для некоторых переменных в отдельных регионах за определенные годы данные отсутствовали. Учитывая сложившуюся ситуацию, мы использовали три более мелких совокупности данных для исследовательского анализа. Первая совокупность данных (Russia99M1) была составлена для 88 регионов и включает 24 переменных за 1999 год. Это наиболее свежие данные, по которым доступна вся информация. Набор 24 переменных указан в таблице 5.1. Регион, который был исключен из набора данных, - это Чечня. Это произошло потому, что по данному региону информация на 20 переменных из 48 недоступна. И, кроме того, по пяти из 28 переменных, по которым информация доступна, данные представляют статистический выброс.

Остальные две совокупности данных состоят из 87 регионов и 14 переменных (см. таблицу 5.1). 14 переменных являются подмножеством 24 переменных в Russia99M1 и были выбраны потому, что были доступны для двух разных лет - 1995 (RussiaSmall95) и 1999 (RussiaSmall99). В идеале, мы бы, конечно, хотели исследовать данные за 1992 год, поскольку это был первый год после перехода от плановой экономики к рыночной. Однако всего лишь восемь переменных оказались доступными за этот год по всем регионам. Первым годом, последовавшим за 1992-ым, и имеющим достаточное количество доступных данных оказался 1995 год, поэтому он и был выбран для анализа. Второй год был выбран по той же самой причине - как имеющий наибольшее количество данных, описанных выше. Два региона, не использованные в таблицах - это Чечня и Дагестан. Последний не принимался для расчета, поскольку ситуация там в 1995 году в отношении отсутствующих данных была подобна чеченской.

Анализ Russia99M1. Анализ главных компонент. Анализ главных компонент этого набора данных выявил 6 факторов с собственным значением больше единицы. Совместно, эти шесть факторов объясняют 80,4 процентов всей дисперсии в 24-х изначальных переменных (см. таблицу 5.2). Сложение этих факторов указано в Таблице 5.3.

Первая главная компонента, объясняющая 26,0 % всей дисперсии, в основном состоит из четырех переменных: AVLSUB, RETCAP, AVEINC, и OTHERINC. Эту компоненту можно назвать как измерение "благосостояния и потребления". Выбросы для данного фактора все положительные и относятся к Москве, Ямало-Ненецкому АО, Ханты-Мансийскому АО, Тюменской области и Самарской области.

Вторая главная компонента (24,6 % объясненной дисперсии), с высокими положительными весовыми коэффициентами DEMLOD, ELDABA, MIGINC и SOCTRS и низкими отрицательными весовыми коэффициентами SUBLEV и WAGSAL, определяют регионы с относительно более старым населением, в которых возникает сильная зависимость от социальных трансфертов. Можно охарактеризовать это как измерение "человеческой и экономической зависимости". Все выбросы по данному фактору отрицательные, предполагающие отсутствие условий, аккумулированных данным фактором, и наблюдаются в Чукотском АО, Магаданской области и в Ямало-Ненецком АО.

Третья главная компонента (13.7 % объясненной дисперсии) имеет высокие положительные весовые коэффициенты для YOUABA, ENTLOS, REGUNE, UNERAT и POPSUB и низкий отрицательный весовой коэффициент для ACCPER. Это определяет регионы с высоким уровнем безработицы, вызванной большим количеством в процентном отношении убыточных предприятий. Также в этих регионах большая доля населения имеет доход ниже прожиточного минимума, большее количество детей и более низкое количество жилплощади на человека. Данное измерение можно охарактеризовать как "обеднение по найму и проживанию". Выбросы данных по этому фактору все положительные и отмечены для Ингушетии, Агинского Бурятского АО, Республики Тыва, Дагестана, Усть-Ордынского АО, Республики Алтай, Республики Калмыкия и Таймырского АО.

Оставшиеся три главных компоненты объясняют меньшую долю дисперсии и имеют более простую структуру. Четвертая главная компонента (6,1 % объясненной дисперсии) дифференцирует регионы в отношении предоставления больничных учреждений (PROHOS) и коек (PERBEA). Мы можем обозначить этот фактор как "обеспеченность условий для физического здоровья". Однако эти две переменные не связаны с распределением врачей (DOCPOP), которое является составляющим пятой главной компоненты (5,1 % объясненной дисперсии). Очевидно, что это измерение "медицинских услуг". Любопытно отметить, второй наибольший весовой коэффициент в этой компоненте имеет положительный знак и связан с доходами малого предпринимательства (SMABUS). Положительные выбросы данных отмечены для данного фактора в Корякском АО, Эвенкийском АО, Таймырском АО, Чукотском АО и в Москве, в то время как Ингушетия представляет единственный отрицательный выброс. Для пятой главной компоненты положительными выбросами данных являются те, что относятся к Северной Осетии, Москве и Корякскому АО, в то время как негативные выбросы отмечены для Ямало-Ненецкого АО, Усть-Ордынского АО и Ханты-Мансийского АО.

Последняя главная компонента (4,9 % объясненной дисперсии) состоит из рентабельности активов (PROASS) и инвестиций в основной капитал относительно предыдущего года (IFAPY).

Ее можно было бы обозначить как компоненту "нового экономического роста". Однако, поскольку данные относятся к условиям только одного года, невозможно определить, является ли это измерение показательным для долгосрочных скрытых условий в регионах. Нельзя забывать, что в российской экономике в 1998 году произошел глобальный откат, когда рубль был девальвирован относительно основных западных валют в три раза. Как часть послекризисного развития, изменения в последующие года имели серьезные региональные отклонения. Положительные выбросы данных для этого фактора наблюдаются в Корякском АО, Вологодской области и Республике Алтай, в то время как Республика Марий Эл и Чукотский АО представляют отрицательные выбросы данных.

Кластерный анализ. Иерархический кластерный анализ с использованием метода Ворда был применен к множеству выделенных выше шести главных компонент. Поскольку мы предположили, что существует от двенадцати до шести кластеров регионов, были проанализированы все решения в этих пределах. Наилучшие результаты получены для случая девяти кластеров. Классификация этих девяти кластеров по количеству регионов представлена в Таблице 5.4, а структура кластеров отображена в Таблице 5.5.

В этом распределении по группам наблюдаются интересные тенденции. Во-первых, немногим более двух третей (60 из 88) регионов сгруппированы в двух кластерах, что предполагает большую долю гомогенности среди регионов, когда мы говорим о переменных, включенных в состав этих шести факторов. Кроме того, нужно отметить, что три кластера состоят из одного региона: Москва, Ингушетия и Корякский АО. Это показывает, что данные три региона очень четко противопоставлены остальным регионам, и это подтверждается тем, что эти регионы оказываются выбросами при анализе главных компонент (Москва трижды, а Ингушетия и Корякский АО по два раза каждый).

Чтобы избежать географически разбросанных групп, поскольку это не желательно для выработки политики регионального развития, мы добавили две переменные к набору факторов (главных компонент). Этими переменными являются координаты x и y для центроидов регионов. Их значения измерялись таким образом, чтобы они были типичными для значений главных компонент. Количество и состав регионов в данных девяти кластерах, полученные в результате применения метода Ворда, показаны в таблицах 5.4 и 5.6. Очевидны отличия от кластеров, выведенных без исчисления центроидов. Во-первых, регионы более равномерно распределены по девяти кластерам. Однако, Москва и Корякский АО представляют собой отдельные кластеры, тем самым еще раз подтверждая свое отличие от других регионов. В географическом аспекте кластеры приобретают большую целостность, однако и здесь наблюдаются два стоящих внимания исключений. Во-первых, Самарская область удалена на два региона от ближайшего региона, относящегося к тому же кластеру, к которому отнесена сама Самарская область. Второе исключение - это Усть-Ордынский АО и Агинский Бурятский АО, из которых и тот, и другой не относятся к тем же группам регионов, которые их окружают. Однако при более тщательном изучении данных аномалий, кластеры, показанные на рисунке 5.2, предоставляют достаточно информации, с помощью которой можно определить смежные географически кластеры регионов.

RussiaSmall95 и RussiaSmall99. Поскольку целью исследования этих наборов данных было изучение того, насколько сильные изменения произошли между 1995 и 1999 годами, то и результаты их анализа представлены вместе.

Факторный анализ. Для данных за 1995 год набор из 14 переменных был сокращен до четырех главных компонент с собственным значением более единицы, которые в общей сложности объясняют 78,1 % дисперсии (см. таблицу 5.7). Примечательно, что первые три главных компоненты объясняют примерно одинаковую долю дисперсии. Весовые коэффициенты для главных компонент показаны в таблице 5.8. Первая главная компонента (27,4 % объясненной дисперсии) имеет высокие положительные весовые коэффициенты для PROASS, ACCPER, ELDABA и низкие отрицательные весовые коэффициенты для YOUABA и ENTLOS. Можно обозначить данную компоненту как "зрелый социально-экономический сектор". В нем присутствует значительное количество пожилого населения и в меньшей степени молодого, размер жилплощади на человека достаточно высок и коммерческая деятельность относительно преуспевает. По этой главной компоненте отмечено только несколько отрицательных выбросов для обособленных регионов - Ингушетия, Агинский Бурятский АО и Республика Тыва.

Вторая главная компонента (23,1 % объясненной дисперсии) имеет высокие положительные весовые коэффициенты для INFIA и MIGINC. Это определяет регионы с сильным притоком населения и высокими уровнями инвестиций в основной капитал на душу населения. Эту компоненту можно обозначить как "динамика человеческих ресурсов, рост большого бизнеса", поскольку лишь незначительные доходы приходят от предприятий малого бизнеса. Были выделены исключительно положительные выбросы для обособленных регионов (Ямало-Ненецкий АО, Ханты-Мансийский АО, Тюменская область, Эвенкийский АО, Ненецкий АО и Таймырский АО.

Третья главная компонента (19,2 % объясненной дисперсии) имеет высокие положительные веса для PERBEA и IFAPY и низкие отрицательные веса для PROHOS. Стоит отметить, что эта компонента совмещает рост основного капитала в 1995 году относительно 1994 года с большим количеством людей на больничную койку и более низким уровнем больничных услуг. Можно обозначить ее как "плохообеспеченные медицинскими услугами, но с рывком в экономике 1995 года". Для данной главной компоненты выделены положительные выбросы для Ингушетии, Ставропольского края, Санкт-Петербурга и Тюменской области, а также негативные выбросы по Корякскому АО, Эвенкийскому АО, Таймырскому АО, Чукотскому АО, Коми-Пермякскому АО и Ненецкому АО.

Последняя главная компонента (8,4 % объясненной дисперсии) имеет высокие положительные значения весовых коэффициентов для DOCPOP и RETCAP и низкие отрицательные значения весовых коэффициентов для DEMLOD. Данная компонента отражает регионы с большим количеством врачей, более высокими розничными продажами и с меньшим количеством иждивенцев. Очевидно, их можно назвать "здоровыми и богатыми". Высокие положительные выбросы получены для Москвы, Чукотского АО, Камчатской области, Магаданской области и Санкт-Петербурга, в то время как отрицательные выбросы отмечены для Усть-Ордынского АО, Коми-Пермякского АО и Агинского Бурятского АО.

В отличие от 1995 года в 1999 году 14 переменных распределяются по пяти главным компонентам, хотя общий объем объясненной дисперсии практически идентичен (78,8 %) (см. таблицу 5.9). Это предполагает, что внутренние связи как минимум между некоторыми переменными ослабли за данный период. Сравнение с главными компонентами, полученными при анализе данных за 1995 год, показывает, что природа отношений между отдельными переменными также изменилась. Весовые коэффициенты для главных компонент представлены в таблице 5.10.

Первая главная компонента (27,5 % объясненной дисперсии) в 1999 году имела высокие положительные весовые коэффициенты для DEMLOD, ELDABA и MIGINC, и низкий отрицательный весовой коэффициент для INFIA. Подобной компоненты в 1995 году не существовало, поскольку она включает в себя переменные, которые в том году относились к трем различным главным компонентам. Данная компонента имеет определенное сходство со второй главной компонентой при анализе выборки 1999М 1. В таком случае, ее можно обозначить как "депрессивное проживание", где число иждивенцев (особенно пожилого возраста) выше, миграция населения в регион все еще продолжается (возможно, более молодые приезжают домой для проживания со стареющими родителями), инвестиции в основной капитал на низком уровне и население вынуждено создавать малые предприятия (SMABUS = 0.519), чтобы обеспечить себе средства к проживанию. Здесь отсутствуют положительные выбросы, а негативные выбросы отмечены для Ямало-Ненецкого АО, Чукотского АО, Ханты-Мансийского АО, Магаданской области, Тюменской области и Камчатской области.

Вторая главная компонента (19,9 % объясненной дисперсии), с высокими положительными значениями весовых коэффициентов для PERBEA и низкими отрицательными весовыми коэффициентами для PROHOS и IFAPY, подобна третьей главной компоненте для 1995 года, за исключением изменений в знаке IFAPY. Совершенно очевидно, что это отличает регионы, где количество человек на больничную койку велико, остальные больничные услуги также находятся на низком уровне, а инвестиции в основной капитал на душу населения в 1999 году низкие. Это компонента "низкого здравоохранения и малых инвестиций". Положительные выбросы наблюдаются для Ингушетии, Ямало-Ненецкого АО и Самарской области, а отрицательные выбросы отмечены в Корякском АО, Эвенкийском АО, Таймырском АО и Чукотском АО.

Третья главная компонента (15.3 % объясненной дисперсии), имеет высокий положительный весовой коэффициент для ACCPER и низкие отрицательные весовые коэффициенты для YOUABA и ENTLOS. Эти три переменные так же отнесены к первой главной компоненте в 1995 году, хотя весовой коэффициент при переменной YOUABA имел тогда противоположный знак. Это определяет регионы с более высокими показателями обеспеченности жильем, меньшим количеством детей и меньшим количеством убыточных предприятий. Можно обозначить это измерение как "успешные предприятия с более зрелым возрастом работников". Для данного показателя получены исключительно отрицательные выбросы: Ингушетия, Агинский Бурятский АО и Республика Тыва.

Четвертая главная компонента (8.5 % объясненной дисперсии) имеет высокие положительные весовые коэффициенты для DOCPOP и RETCAP. Эти два показателя в 1995 году являлись частью четвертой главной компоненты, т.е. это измерение "здоровых и богатых". Здесь мы обнаружили только два положительных выброса - Москву и Северную Осетию.

Пятая главная компонента (7,6 % объясненной дисперсии) состоит из одной переменной PROASS, которая в 1995 году была одной из частей первой главной компоненты. Поскольку следующий по величине положительный весовой коэффициент получен для IFAPY, эта компонента представляет регионы с доходными активами, одновременно обладающими значительными инвестициями в основной капитал. Это измерение отвечает "экономическому потенциалу". Положительные выбросы отмечены для Корякского АО, Вологодской области и Республики Алтай, а отрицательные выбросы зафиксированы для Республики Марий Эл и Чукотского АО.

И, наконец, нужно отметить, что пять факторов по данным 1999 года соответствуют пяти факторам из шести, полученных при анализе 1999 года с использованием 24 переменных (см. таблицу 5.3). Однако не нашлось эквивалента первому фактору, найденному при изучении более большой выкладки данных. Это может быть объяснено относительным отсутствием переменных, соотнесенных с доходами при рассмотрении уменьшенной выкладки данных.

Кластерный анализ. Как и для предыдущего набора данных, мы рассматривали случаи от 12 до 6 кластеров. Как для 1995 года, так и для 1999 года наилучшее разбиение получено для 7 кластеров. Распределение кластеров по количеству регионов для обоих лет представлено в таблице 5.11.

Наиболее очевидным отличием от выводов по 1995 году оказалось то, что 52 региона (что составляет почти 60 %) сгруппированы в одном кластере (см. таблицу 5.12). Это предполагает значительную степень гомогенности, которая присутствует в данных по этим регионам. Мы имеем только один кластер, состоящий из одного региона - Ингушетия. Географически самый большой кластер распадается на два, практически равных подкластера. С другой стороны, если не считать кластер из трех регионов (Тюменская область, Ханты-Мансийский АО и Ямало-Ненецкий АО), все остальные пять кластеров географически разбросаны.

К 1999 году, как состав, так и географическое распределение кластеров кардинально изменились (см. таблицу 5.13). Теперь самый большой кластер состоит из 37 регионов, а второй по величине кластер состоит из 31 региона. Однако мы наблюдаем два кластера, состоящими из одного региона - Москва и Корякский АО. Ингушетия более не относится к отдельным кластерам, а сгруппировалась с пятью другими регионами. Подводя итог, можно утверждать, что проявилась большая гетерогенность регионов в 1999 году. Это также нашло свое отражение в географическом распределении кластеров. Самый крупный кластер состоит из трех географически сочлененных групп регионов плюс пять географически отделенных регионов, в то время как другой крупный кластер состоит из двух географически сочлененных групп плюс два отдельных региона.

Сравнение Таблиц 5.12 и 5.13 показывает, что самое значительное изменение за период с 1995 до 1999 года - это разделение одного большого кластера 1995 года на два кластера в 1999 году, которое произошло в значительной степени по географическому принципу. Основной разрыв произошел на северные и южные регионы, и менее заметно на восточные и западные. Также заметны тенденции в географическом разделении малых кластеров.

Заключение

Принимая во внимание все перечисленные наблюдения, мы можем с уверенностью утверждать, что политика центрального правительства относительно регионального развития может формироваться для каждого из девяти различных типов регионов РФ. Каждый набор решений должен отвечать основным проблемам, заложенным в данных типах регионов и предлагать соответствующее решение для них. Дальнейшее изучение и уточнение должны дать более четкую географическую картину выделенных регионов. Чтобы обеспечить интеграцию этих сгруппированных регионов и основных различий между ними, необходимо проанализировать большее количество переменных. Кроме того, необходимо провести анализ данных по каждому году, начиная с начала 90-ых годов, чтобы установить, являются ли группы регионов в России стабильными, или, вообще, наблюдается ли какая-нибудь стабилизация.

Мы прекрасно понимаем, что это лишь одна из возможных моделей типологии регионов РФ, и, соответственно решения по региональному развитию, которые могут основываться на ней, тоже могут меняться. Существуют и другие решения, как было показано в данной работе, с течением времени могут быть выработаны и другие решения. Выбор будет зависеть от целей и задач правительства РФ.

Таблица 5.1. Переменные, использованные в анализе

* Переменные использованы в RussiaSmall95 и RussiaSmall99.

Таблица 5.2. Метод главных компонент: RussiaM1. Доля объясненной дисперсии

Таблица 5.3. Весовые коэффициенты для главных компонент для RussiaM1. Матрица факторного отображения