Размещено на http://www.allbest.ru/

[Введите текст]

ПРАВИТЕЛЬСТВО РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

“ВЫСШАЯ ШКОЛА ЭКОНОМИКИ”

Факультет Санкт-Петербургская школа экономики и менеджмента

Департамент экономики

Эмпирический анализ пространственного взаимодействия российских городов

Выпускная квалификационная работа по экономике

студента группы №1122 (образовательная программа «Прикладная экономика и математические методы»)

Санкт-Петербург 2015



СОДЕРЖАНИЕ

• Введение
• Глава 1. Обзор актуальной научной литературы
• 1.1 Эмпирические исследования о роли пространственного взаимодействия городов
• 1.2 Эмпирические исследования о роли пространственного взаимодействия российских регионов
• 1.3 Эмпирические исследования о роли пространственного взаимодействия российских городов
• Глава 2. Предварительный анализ пространственного взаимодействия российских городов
• 2.1 Описание базы данных
• 2.2 Геовизуализация численности населения городов и ее темпов роста
• 2.3 Оценка пространственной автокорреляции основных показателей
• Глава 3. Построение и интерпретация моделей пространственного взаимодействия российских городов
• 3.1 Регрессионные модели
• 3.2 Оценки регрессионных моделей
• Заключение
• Список использованной литературы
• Приложение 1
• Приложение 2
• Приложение 3


ВВЕДЕНИЕ

Вопрос пространственного взаимодействия различных географических объектов (стран, регионов, городов) является популярным в зарубежных и российских исследованиях. Для многих социально-экономических процессов, происходящих на смежных территориях, характерно пространственное взаимодействие, т.е. взаимное влияние и обусловленность. Для России данный вопрос особенно актуален из-за протяженности территорий (протяженность с запада на восток около 10 000 км, с севера на юг - 4000 км) и неоднородности регионов.

Следует отметить, что эмпирических пространственно-эконометрических работ, в которых используются российские данные, не очень много.

Один из главных вопросов - роль пространства в росте городов. Разные города растут по-разному, имеет ли значение пространственное расположение города на рост численности населения города?

В ходе проведения исследования был выполнен обзор актуальной научной литературы, соответствующей теме исследования. Значительная часть работ, в которых исследуется пространственная взаимозависимость по российским данным, посвящена исследованию конвергенции российских регионов. Также лишь в незначительном количестве работ для исследования пространственного взаимодействия городов используются инструменты и модели пространственной эконометрики.

Можно сделать вывод, что роль пространства в распределении городов по численности населения недостаточно исследована, в частности следует уделить внимание историческим данным переписей Российской империи, а также первых переписей раннего советского периода (1926 г.).

Целью данной работы является анализ пространственного взаимодействия российских городов.

Для достижения данной цели были поставлены следующие задачи:

· Выполнить обзор актуальной научной литературы по теме выпускной магистерской диссертации;

· Выполнить сбор статистических данных по городам России, а именно следующие показатели: географические координаты, численность населения, административный статус. Период: 1897 г., 1926 г., 1998-2013 гг.

· Провести анализ пространственного взаимодействия российских городов с помощью вычисления индексов Морана с использованием различных матриц пространственных весов;

· Исследовать пространственное взаимодействие российских городов с помощью пространственных регрессионных моделей роста городов с дополнительными объясняющими переменными;

Объектом исследования является система российских городов.

Предметом исследования выступают пространственные взаимодействия российских городов.

Работа организована в соответствии с поставленными задачами. В главе 1 приведен обзор актуальной научной литературы, в главе 2 - описание собранных данных, их описательная статистика и геовизуализация распределения численности населения по городам и его темпов роста. Также в главе 2 проверена гипотеза о значимой пространственной автокорреляции населения городов и его темпов роста. В главе 3 оценена эконометрическая модель роста населения городов в двух спецификациях: с пространственным лагом зависимой переменной и с пространственной ошибкой.



ГЛАВА 1. ОБЗОР АКТУАЛЬНОЙ НАУЧНОЙ ЛИТЕРАТУРЫ

1.1 Эмпирические исследования о роли пространственного взаимодействия городов

В работе (Eaton, Eckstein, 1994) рассматривается устойчивость распределения размеров городов во Франции и Японии. Авторы используют данные 39 французских городов за период 1876- 1990 гг. и 40 японских городов за период 1925 - 1985 гг. За рассматриваемый период времени ни во Франции, ни в Японии не появились новые города, то есть число городов осталось постоянным. Для подтверждения своей гипотезы о постоянстве распределения городов авторы используют кривые Лоренца, закон Ципфа, матрицу частот распределения. На основе этих данных также делается вывод о параллельном росте городов (темп роста города не зависит от его размера). Также они предлагают модель урбанизации, которая объясняет эти факты. Данная модель также подтверждает, что в городах с большей численностью населения выше уровень человеческого капитала, ренты, заработной платы при условии однородности рабочих и свободной миграции между городами. При этом заработная плата и потребление в городах растет с тем же темпом, что и численность населения. В данной работе рассматривались системы городов Франции и Японии при сохранении одинакового количества городов за рассматриваемый период времени.

В отличие от вышерассмотренной работы в статье (Dobkins, Ioannides, 2001) авторы ставят вопрос о влиянии на появление новых городов уже существующих. Они рассматривают данные американских городов с численностью населения более 50 тыс. человек за период 1900-1990 гг. На основе этих данных была подтверждена гипотеза о том, что увеличение общей численности населения в стране приводит к увеличению количества городов. С помощью нескольких простых регрессий были получены также следующие выводы: старые города имеют большую численность населения; чем выше ранг города в системе городов (по теории центральных мест Кристаллера), тем больше его размер; города без «соседей» имеют меньшую численность населения, чем города, имеющие «соседей»; чем больше возраст города, тем выше вероятность, что он имеет «соседей». Для оценки пространственного взаимодействия городов авторы используют количество «соседей» у города. Соседство городов авторы определяют по данным американского бюро переписи населения (Census Bureau). Они оценивают рост размера города с учетом того, имеет ли город хотя бы одного соседа или нет. Для городов с «соседями», собственный размер города оказывает негативное воздействие на его рост, в то же время уровень роста «соседних» городов положительно влияет на его рост. Для городов без «соседей», их собственный размер имеет незначительное влияние на их рост. Расстояние до ближайшего крупного города является значимым фактором для роста города лишь для периода 1900-1910 гг. В работе также был построен ряд регрессий (для данных за 1910 г., 1950 г., 1980 г. для городов с «соседями» и без - всего 6 регрессий), объясняющих зависимость между численностью населения города и датой его основания, расстоянием до ближайшего крупного города, квадратом и кубом указанного расстояния. Дата основания города оказывает большее воздействие на города с «соседями», чем на города без них. Расстояние до ближайшего крупного города является значимым фактором для городов с соседями в первой половине XX века.

Авторы статьи (Grifith, Wong, 2006) в своей работе рассматривают модель плотности городского населения, которая является функцией от расстояния до центра города. Данная модель является популярной в подобных исследованиях, в данной статье авторы рассматривают спецификацию данной модели с пространственной автокорреляцией. Также они рассматривают случай городов, в которых имеет несколько городских центров (полицентрические города = polycentrical cities). Авторы используют данные о плотности населения 20 крупнейших городов США за 2000 г. Включение пространственной автокорреляции в модель позволяет компенсировать проблему пропущенных переменных в рассматриваемой модели. Полученная модель с пространственной автокорреляцией имеет большую объясняющую силу, чем при ее отсутствии в модели. Плотность городского населения двадцати крупнейших американских городов характеризуется положительной пространственной автокорреляцией. Около 2/3 вариации логарифма плотности городского населения объясняется пространственной автокорреляцией городов. Таким образом в статье подчеркивается важность включения пространственной автокорреляции при исследовании объектов в пространстве.

Наиболее популярным вопросом среди исследований с использованием городских данных является следующий: «Выполняется ли закон Ципфа для городской системы той или иной страны?». Для большинства стран распределение городов по численности населения соответствует закону Ципфа, исследования проводились практически для всех стран Европы. Индии, Америки, Канады, Китая. В статье (Gabaix, Ioannides, 2004) выполнен обширный обзор имеющейся литературы и теорий, в которых исследуется закон Ципфа и связанный с ним закон Гибрата. Закон Гибрата постулирует независимость темпов роста городов от их размера.

1.2 Эмпирические исследования о роли пространственного взаимодействия российских регионов

Существует немало эмпирических исследований в рамках пространственной экономики, в которых используются российские данные регионального уровня.

К. Глущенко в своей статье (Gluschenko, 2010) проводит обзор методов анализа неравенства доходов среди российских регионов. Данный вопрос привлекает внимание многих исследователей. В качестве доходов обычно рассматриваются ВРП, ВРП на душу населения, доходы населения (на одного). Выделяют три главных метода анализа неравенства по доходам: анализ кросс-секционных данных (в том числе панельные данные, использование матриц весов), анализ временных рядов, анализ динамики распределения доходов. Наиболее популярным методов при анализе кросс-секционных данных является изучение региональной конвергенции. При обобщении результатов подобных исследований видно, что однозначного ответа на исследуемый вопрос нет, так в одних работах наблюдается наличие конвергенции, а в других нет. При анализе динамики распределения доходов используются такие показатели как стандартное отклонение, коэффициент вариации, коэффициент концентрации Лоренца, индекс Тейла, коэффициент Джинни. пространственный российский геовизуализация моран

Гуриев С. и Вакуленко Е. также в своей статье (Guriev, Vakulenko, 2012) приводят обзор исследований, посвященных региональной конвергенции. При этом они проводят собственное исследование, используя данные по российским регионам за 1995-2010 гг. Исследуют влияние таких факторов как «ловушка бедности», «ограничения ликвидности». Исследуют конвергенцию по компонентам ВРП и доходов населения, а также потоки мигрантов и капитала. В 1990-е гг. не наблюдается конвергенции между российскими регионами, а в 2000-х гг. имеет место устойчивая конвергенция по доходам и заработной плате населения. Избавление от барьеров, мешающих трудовой миграции, также играет важную роль в конвергенции по доходам и заработной плате. Также авторы отмечают наличие «ловушки бедности» в 1990-х гг. на региональном уровне.

В работе (Иванова, 2014) также рассматривается региональная конвергенция доходов населения. Используются данные о реальных среднедушевых доходах населения российских регионов за период 1996 - 2012 гг. Для проверки наличия пространственной автокорреляции среднедушевых доходов используется индекс глобальной пространственной автокорреляции Морана, вычисленный на основе семи различных пространственных матриц весов. Наиболее подходящими для данного анализа являются матрица смежности и матрица обратных географических расстояний с порогом в 1000 км. С помощью проведенного анализа был сделан вывод о наличии положительной и статистически значимой пространственной взаимосвязи российских городов. Для проверки гипотезы о региональной бета-конвергенции оценивалась регрессия Барро, которая не была отклонена на основе анализируемых данных о российских городах. Следовательно, наблюдается бета-конвергенция российских регионов по среднедушевым доходам. Далее в модель были включены матрица смежности и данные о широте, долготе городов (в логарифмах). Сделан вывод о положительном влиянии размера рынка на экономический рост и наличии пространственных компонент взаимовлияния регионов.

Михайлова Т. в своей работе (Mikhailova, 2004) использует данные российских регионов для оценки неэффективного расселения и расположения промышленности по территории страны (как наследие плановой экономики и с учетом шока Второй мировой войны), а также исследует стоимость холода в России. В первой части работы для оценки вышеуказанного вопроса использовались данные о регионах Канады, на основе которых была построена эмпирическая модель динамики пространственного расселения по территории страны, далее данная модель проецировалась на российские регионы с учетом шоков Второй мировой войны. В качестве зависимых переменных в модели используются численность населения и численность занятых в промышленности по регионам, в качестве независимых переменных - площадь, средняя температура января, расстояние до крупного города, число железных дорог, наличие полезных ископаемых, доступ к торговым и морским путям, качество сельскохозяйственных земель, уровень урбанизации в регионе на начало XX века. Анализ показал, что распределение численности населения по российским регионам под воздействием советской политики отличается от того, которое было бы возможно под воздействием рыночных сил. Северные и восточные регионы являются «перенаселенными». Следующей целью статьи являлось исследование стоимости холода в России, она оказалось достаточно высокой. Низкие температуры ведут к более высокому потреблению электроэнергии и высокой смертности. В настоящее время средняя температура на душу населения в России на 1,5⁰С ниже, чем если бы в XX веке на распределение населения по стране влияли рыночные силы, а не плановая экономика.

Демидова О.А. в своей работе (Демидова, 2014) исследует пространственные эффекты для основных макроэкономических показателей российских регионов. В качестве исследуемых показателей были выбраны уровень безработицы в регионе, реальная заработная плата, рост ВРП в регионе за год. Использовались данные за 2000-2010 гг. для 75 российских регионов. Выявление пространственных эффектов Демидова О.А. начинает с вычисления индексов Морана, получен следующий результат: краткосрочные пространственные эффекты существуют лишь для западных российских регионов, и то лишь для первых двух рассматриваемых макроэкономических показателей. Далее пространственные эффекты оценивались с помощью пространственно-авторегрессионных моделей с использованием дополнительных объясняющих переменных, удалось выявить краткосрочные пространственные эффекты для реальной заработной платы и уровня безработицы. Имеет место асимметричное долгосрочное влияние восточных и западных регионов друг на друга (импульсы с запада в долгосрочном периоде распространяются на восток, но не наоборот).

1.3 Эмпирические исследования о роли пространственного взаимодействия российских городов

Исследования городов России становятся популярными лишь в последние годы, во многом это объясняется скудностью статистических данных на городском уровне.

Выполнение закона Ципфа и закона Гибрата для российских городов исследуется в работе (Балаш, 2013). Используются данные переписей населения России за 1897-2010 гг. В работе анализируются логарифмы темпов роста городов России по численности населения для подтверждения закона Ципфа через закон Гибрата, тестируется гипотеза зависимости темпов роста городов от их территориальной привязки, рассчитывается пространственный коэффициент автокорреляции Морана для логарифмов темпов роста всех городов России, проводится пространственный анализ темпов роста городов по численности населения с использованием пространственной диаграммы Морана для двадцати крупных городов России. Для всех периодов (1897 - 2010 гг.) коэффициент Ципфа колеблется в пределах -1. В ходе исследования подтверждается распределение городов России по соотношению их ранга и размера, а также пространственная кластеризация городов России по темпам роста численности населения.

Коломак Е. также исследует соответствие распределения городов России закону Ципфа (Коломак, 2014). В анализе используются данные по 1011 российским городам за 1991-2012 гг. По оценкам автора, за рассматриваемый период времени существенных изменений в форме распределения ранг-размер не произошло. Размер крупнейших (первого эшелона) и крупных (второго эшелона) городов меньше предписанного закономерностью. При этом большое число малых городов в России также меньше по размерам, чем предсказывается законом Ципфа. Переход к преимущественно рыночным механизмам управления пространственным распределением экономической активности не внес кардинальных изменений в урбанистическую систему России. Также в данной работе были выделены факторы развития городской системы России. Выделяется три группы факторов: внутренние (размер города, плотность населения, предлагаемая заработная плата, доступность жилья, развитие инфраструктуры здравоохранения и образования, уровень диверсификации экономики города), внешние (расстояние от города до ближайшей железнодорожной станции) и административные (административный статус города). Крупный город является административным центром, близко расположен к железной дороге, в нем высокая плотность населения, относительно высокая заработная плата, высокий уровень диверсификации экономики, город испытывает дефицит жилого фонда, предоставляет больше медицинских услуг и имеет развитую сеть вузов. Портрет растущего города: относительно крупный город, не административный центр, характеризующийся преимущественно высокой плотностью населения, имеющий относительно большой жилой фонд, располагающий учреждениями высшего образования и хорошим здравоохранением. В заключении автор делает вывод о том, что в России наблюдается изменение пространственной урбанистической модели развития, связанное с усилением агломерационных процессов и ростом неоднородности городской системы.

Тема трансформации российских городов после перехода к рыночной экономике является одной из наиболее популярных среди исследований, посвященных российским городам. В работе (Karachurina, 2014) рассматривается динамика городской системы России за период 1989 - 2010 гг., при этом используются данные переписей населения за 1989 г., 2002 г., 2010 г. Наиболее существенные изменения коснулись городов с численностью населения 250-499 тыс. человек и 500тыс. - 1 млн. человек. Сокращение общей численности населения России в 1990-х гг. отразилось и в снижении численности большинства российских городов. Автор рассматривает изменение численности населения в два периода (1989-2002 гг. и 2002-20120 гг.), разделив города на группы по их численности населения, в зависимости от расстояния до регионального центра. Также в работе приводятся данные о естественном и миграционном приросте населения городов за рассматриваемый период. Естественный прирост в общем по стране, и в большинстве городов являлся отрицательным. Миграционный прирост населения тем выше, чем больше численность населения города.

В работе (Diappi, Bolchi, Slepukhina, 2013) проводится исследование структуры российской системы городов на основе нейронной сети самоорганизующихся карт (Neural Network Self-Organizing Maps). В работе использовались данные о 856 российских городах за 1970 г., 1975 г., 1980 г. и ежегодные данные за период 1985 - 2010 гг. Показатели объединены в три группы: динамика численности населения, характеристика жилищного фонда, экономические показатели. С помощью вышеуказанных карт авторы на основе имеющихся данные разделили города на 25 кластеров

(c 1-1, c 1-2, …., c 2-1, c 2-2,…., c 5-5). Далее в соответствии с данной кластеризацией было выявлено четыре группы городов: «городские двигатели» (46 городов), «сильные города» (152 города), «динамические города» (225 городов), слабые города (433 города). Проведенный анализ позволит разрабатывать актуальные меры для развития различных типов городов в соответствии с их характеристиками.

Михайлова Т. в своей работе (Mikhailova, 2012) рассматривает влияние на долгосрочные модели роста советских городов следующих факторов: лагеря ГУЛАГа, вторая мировая война, эвакуация промышленных предприятий с Запада на Восток страны. Используются данные о численности населения из переписей за 1897 г., 1926 г., 1939 г., 1959., 1970 г., 1979 г., 1989 г., 2002 г., 2010 г. , данные о расположении лагерей ГУЛАГа и численности заключенных, данные о количестве эвакуированных предприятий и направлении эвакуации. Рассматривается модель, где в качестве зависимой переменной используется рост численности населения города, а независимых - индикатор (0 или 1) эффекта от ГУЛАГа, второй мировой войны или эвакуации промышленных предприятий, произведение указанного индикатора и показателя времени. В результате было выявлено, что наиболее долгосрочный эффект на развитие города оказала близость лагеря ГУЛАГа к городу. Это можно объяснить также и тем, что большинство лагерей располагались рядом со стройкой крупных инфраструктурных объектов или крупным промышленным предприятием, что способствовало дальнейшему развитию города.

В работе Павлова Ю. и Королевой Е. (Павлов, Королева, 2014) рассмотрены возможности использования глобального и локального индексов Морана на примере Самарской области. Исследуются 37 муниципальных образований (10 городских округов и 27 муниципальных районов). На основе глобального индекса Морана построена пространственная диаграмма рассеяния, выявлены четыре территориальные кластера. Далее с помощью локального индекса Морана были определены шесть подкластеров. Разложение локального индекса на составляющие позволило выявить как зоны влияния для каждого конкретного ядра (на примере Самарского), так и зоны совместного влияния нескольких ядер (на примере объединенной системы Самара-Тольятти).

Скоробогатов А. в своей работе (Skorobogatov, 2014) рассматривает отрицательную корреляцию между возрастом города и средней заработной платой его рабочих. Используется выборка из 1097 городов, период времени: 1970 - 2011 гг. В работе был построен график плотности распределения российских городов в соответствии с их датой основания и датой присвоения статуса города. Согласно данному графику больше половины современных российских городов были основаны/получили статус города в советское время, после 1930 г. Для учета пространственной взаимозависимости городов автор в своей модели использует пространственную матрицу весов (матрицу ближайших соседей). С помощью регрессионной модели (зависимая переменная - логарифм заработной платы, независимые - логарифм возраста города, пространственная матрица весов, контрольные переменные) автор подтверждает гипотезу об отрицательной корреляции между возрастом города и средней заработной платой его рабочих.

Пространственное взаимовлияние российских городов по показателю средней заработной платы исследуется в работе (Ivanova, 2014). Набор данных включает 1004 города. Рассматривается регрессия Барро; регрессия Барро с контрольными переменными; модель пространственной авторегрессии с матрицей обратных расстояний. Было выявлено наличие бета-конвергенции российских городов по средней реальной заработной плате. При этом скорость конвергенции выше в западной части, чем в восточной.

Большинство работ, посвященных выявлению и оценке роли пространства, выполненных на российских данных охватывает региональную роль. Поскольку регионы (субъекты федерации) сильно гетерогенны, то для получения выводов по пространственным эффектам следует перейти на уровень с меньшей агрегацией пространственных единиц, в данном случае - к данным городского уровня.



ГЛАВА 2. ПРЕДВАРИТЕЛЬНЫЙ АНАЛИЗ ПРОСТРАНСТВЕННОГО ВЗАИМОДЕЙСТВИЯ РОССИЙСКИХ ГОРОДОВ

2.1 Описание базы данных

В исследовании используются данные городского уровня. В ходе работы над ВКР была составлена уникальная база данных, включающая в себя: данные о численности городского населения (источник: база данных «Мультистат»), исторические данные, а именно данные переписи населения Российской империи за 1897 г. и СССР за 1926 г. (источник: данные Михайловой Т. - [12]) , данные о среднегодовой температуре воздуха городов (источник: портал «Климатические данные городов мира»), географические координаты городов (источник: Википедия, GeoHack, а также ресурсы OpenStreetMap). Главным показателем, который анализируется в работе, является численность городского населения. В таблице 1 приведена краткая характеристика собранных данных по показателю «Численность населения».

Таблица 1 Краткая характеристика показателя «Численность населения», тыс. чел.

Период	Кол-во городов	Среднее	Мода	Минимум	Максимум	Среднеквадратическое отклонение
1897	477	18,5	10,0	0,3	1 264,9	76,6
1926	665	23,6	0,4	0,4	2 019,5	103,9
1998	1 061	88,6	17,7	1,2	8 538,2	327,5
1999	1 060	91,1	17,1	1,2	8 537,2	335,0
2000	1 059	90,8	19,4	0,1	8 546,1	334,7
2001	1 065	89,9	10,1	0,1	8 539,2	332,8
2003	1 064	90,4	8,6	0,3	10 391,5	379,1
2004	1 070	90,1	16,5	0,3	10 406,6	378,2
2005	1 065	90,0	14,7	0,3	10 425,1	379,2
2006	1 045	91,1	28,6	0,3	10 442,7	383,0
2007	1 059	90,6	12,1	0,4	10 470,3	381,3
2008	1 058	90,7	34,9	0,4	10 508,9	382,7
2009	1 058	90,7	10,9	0,5	10 563,0	384,5
2010	1 056	92,7	11,4	0,9	11 541,1	415,0
2011	1 056	93,1	40.3	0,9	11 612,9	418,0
2012	1 054	93,9	62,9	0,9	11 979,5	429,4
2013	1 054	94,5	8,6	0,9	12 108,3	434,5

Источник: таблица составлена автором на основе собранных данных

Как видно из таблицы, в настоящее время в России находится более 1050 городов, в которых проживает более 100 млн. человек или 74% всего населения России. В соответствии с российским законодательством населенный пункт может получить статус города, если численность его населения более 12 тыс. человек и менее 15% жителей заняты в сельском хозяйстве. Согласно столбцу с минимальными значениями численности населения городов в таблице 1, в настоящее время существуют и города, численность населения в которых не превышает и 1 тыс. человек. Максимальная же численность городского населения соответствует численности населения г. Москва.

По данным Федеральной службы государственной статистики в 1897 г. доля городского населения составляла лишь 16% от общего населения страны, в 1926 г. - 18%, в настоящее время данный показатель составляет 73-74%. Рост данного показателя напрямую связан и с ростом количества городов за данный период (1897 - 2013 гг.).

Последние 15 лет в России наблюдалась депопуляция населения, так, например, снижение численности населения с 2000 по 2013 гг. составило 2%.Незначительный рост населения стал наблюдаться с 2012 г. Депопуляция наблюдалась и в городах, снижение численности городского населения за этот же период составило 1%, рост численности городского населения начался раньше - в 2010 г.



2.2 Геовизуализация численности населения городов и ее темпов роста

На основе данных из свободной энциклопедии Wikipedia был произведен сбор географических координат российских городов. На рис. 1, рис. 2 и рис. 3 отображено распределение городов России по численности населения в 1897 г., 1998 г. и 2013 г. соответственно. Визуализация российских городов на карте и классификация городов на группы производилась в программе QGIS, карта границ субъектов - с проекта GisLab. За период 1897 - 2013 гг. количество городов увеличилось в 2,2 раза, но при этом большая часть городов также располагается в европейской части страны, несмотря на проводимую пространственную политику советского периода, которая была направлена на более равномерное распределение населения по территории страны и на стимулирование развития восточных и северных территорий.

Рисунок 1. Распределение городов России по численности населения в 1897 г., человек

Рисунок 2. Распределение городов России по численности населения в 1998 г., тыс. чел.

Рисунок 3. Распределение городов России по численности населения в 2013 г., человек

Анализ изменения распределения российских городов по численности населения за 1897-2013 гг. можно провести с помощью кривых Лоренца, изображенных на рис. 4. Кардинальных изменений в распределении по численности населения не наблюдается, но оно стало более неравномерным (кривая больше спущена вниз).

Рисунок 4. Кривые Лоренца. Распределение городов России по численности населения, 1897 г. и 2013 г.

Также была проведена классификация городов по показателю - логарифм темпа роста численности населения. Рассматривались два периода по данному вопросу - с 1897 по 1926 гг., и с 2000 по 2013 гг. Визуализация данной классификации приведена на рис. 5 и рис. 6.

Рисунок 5. Распределение городов России по показателю - логарифм темпа роста численности населения за период 1897-1926 гг.

Рисунок 6. Распределение городов России по показателю - логарифм темпа роста численности населения за период 2000-2013 гг.

Визуальный анализ и соответствующая классификация позволяет сказать, что за период 1897 - 1926 гг. в большей части городов наблюдался рост численности населения. Снижение численности населения наблюдалось в городах Центральной России, в то время как в городах на Северо-Западе, в Сибири, на Северном Кавказе наблюдался рост населения.

За период 2000-2013 гг. в большей части городов численность населения уменьшилась (576 городов), данное снижение наблюдалось на территории европейской части России.

2.3 Оценка пространственной автокорреляции основных показателей

Россия простирается на 10 000 км с запада на восток, и на 4 000 км с юга на север. Одни регионы и города растут и развиваются быстрее других. Визуальный анализ карт не позволяет выявить наличие или отсутствие пространственной автокорреляции по исследуемому показателю между российскими городами.

Для выявления пространственных взаимодействий широко используется индекс Морана, который определяется по формуле:

где N - объем выборки, - элемент матрицы W пространственного взаимодействия регионов i и j, - значение показателя y в регионе i, - среднее значение y.

Матрица пространственных весов задается экзогенно, поэтому ее спецификация является наиболее сложным и спорным вопросом в моделировании пространственных взаимосвязей. В текущем исследовании будут использоваться матрицы обратных географических расстояний между городами, стандартизированные по строкам (расчет матриц производился в STATA). Первая матрица включает в себя все города; вторая матрица построена по выборке городов, из которой исключены Москва и Санкт-Петербург; при построении третьей матрицы также исключены Москва и Санкт-Петербург и использовано пороговое значение расстояния в 1000 км, то есть предполагаем, что города, которые находятся на расстоянии более 1000 км не влияют друг на друга; четвертая матрица идентична третьей, за исключением того, что используется пороговое значение в 1 500 км.

Индексы Морана были рассчитаны для двух показателей - логарифм численности населения (приложение А), динамика индекса Морана изображена на рис.7 и логарифм темпа роста численности населения (приложение Б), динамика индекса изображена на рис. 8. В обоих случаях все рассчитанные значения являются значимыми на 5% уровне значимости, наибольшие значения индекса наблюдаются при использовании матрицы весов с порогом в 1000 км и исключении Москвы и Санкт-Петербурга из выборки. Значение показателя является положительным и значимым, что говорит о наличии пространственной автокорреляции по исследуемым показателям.

Рисунок 7. Динамика индексов Морана по логарифму численности населения городов, рассчитанных по различным пространственным матрицам

Рисунок 8. Динамика индексов Морана по логарифму темпа роста численности населения городов, рассчитанных по различным пространственным матрицам

Диаграмма рассеивания Морана показывает наличие пространственной кластеризации по исследуемому показателю. Пространственная диаграмма рассеяния позволяет наглядно визуализировать разброс значений исследуемого показателя относительно пространственного лага. Диаграмма рассеяния делится на четыре квадранта: High - High (HH), High - Low (HL), Low - High (LH), Low - Low (LL). Квадранты соответствуют определенным видам местоположения:

- Левый верхний квадрант диаграммы (LH) характеризуется группировкой объектов с низким значением показателя в окружении объектов с высоким значением показателя;

- Правый верхний (HH) - объекты с высоким значением показателя находятся в окружении объектов так же с высокими значениями исследуемого показателя;

- Левый нижний (LL) - объекты с низким значением окружены объектами так же с низкими значениями показателя;

-Правый нижний (HL) - объекты с высоким значением окружены объектами с низким значением показателя.

Квадрантам LH и HL соответствует отрицательная пространственная автокорреляция, что свидетельствует о кластеризации различающихся значений показателя. Квадрантам LL и HH соответствует положительная пространственная автокорреляция, свидетельствующая о группировке объектов с близкими значениями показателя.

На рис. 9-11 приведены диаграммы рассеивания, построенные по показателю логарифм численности населения для 1897, 1926, 2013 гг. соответственно. Значения исследуемого показателя равномерно распределены по всем четырем квадрантам, что не позволяет сделать вывод о наличии/отсутствии пространственной автокорреляции, при этом положительный наклон линии пространственного лага говорит о наличии пространственной автокорреляции по исследуемому показателю.

Рисунок 9. Диаграмма рассеивания Морана по логарифму численности населения в 1897г.

Рисунок 10. Диаграмма рассеивания Морана по логарифму численности населения в 1926г.

Рисунок 11. Диаграмма рассеивания Морана по логарифму численности населения в 2013г.

Рисунок 12. Диаграмма рассеивания Морана по логарифму темпа роста численности населения за период 1897-1926 гг.

Рисунок 13. Диаграмма рассеивания Морана по логарифму темпа роста численности населения за период 2000-2013 гг.

На рис. 12-13 приведены диаграммы рассеивания, построенные по показателю логарифм темпа роста численности населения за периоды 1897-1926 гг. и 2000-2013 гг. соответственно. Значения исследуемого показателя равномерно распределены по всем четырем квадрантам, что не позволяет сделать вывод о наличии/отсутствии пространственной автокорреляции, при этом положительный наклон линии регрессии, построенной по исходным данным и их пространственным лагом, говорит о наличии пространственной автокорреляции по исследуемому показателю.

Определение пространственной корреляции, включающее подсчет коэффициента общей пространственной автокорреляции и построение диаграмм рассеяния, является первым шагом в анализе пространственных данных. Вычисленные индексы Морана I, а также анализ их динамики, указывают на то, что значения исследуемой переменной пространственно кластеризованы в большей степени, в отличие от случайного распределения, и существует устойчивая пространственно обусловленная (объясняемая описанными с помощью рассмотренных весовых матриц ) взаимосвязь но не объясняют каковы причины такого явления. Поэтому следующим этапом анализа является проверка гипотез о характере пространственных взаимодействий.



ГЛАВА 3. ПОСТРОЕНИЕ И ИНТЕРПРЕТАЦИЯ МОДЕЛЕЙ ПРОСТРАНСТВЕННОГО ВЗАИМОДЕЙСТВИЯ РОССИЙСКИХ ГОРОДОВ

3.1 Регрессионные модели

В теории пространственной экономики выделяют пространственные связи двух типов: пространственная автокорреляция и пространственная неоднородность. Пространственная корреляция является следствием зависимости экономических объектов друг от друга. Пространственная неоднородность является следствием недиагональной структуры ковариационной матрицы ошибок. Для моделирования этих зависимостей разработано несколько типов моделей. В дальнейшем исследовании будут использованы две из них.

Для моделирования пространственной автокорреляции используется модель пространственного лага (SAR - Spatial Autoregressive Model):

Y = сW₁Y + Xв + е, е ~ N(0, у²I_n)

А для моделирования пространственной неоднородности - модель пространственной ошибки ( SEM - Spatial Error Model):

Y = Xв + u, u = лW₂u + е, е ~ N(0, у²I_n). [Зверев Д.В., Коломак Е.А., 2010, c.18-19]

В качестве зависимой переменной будет рассматриваться логарифм темпа роста численности населения за рассматриваемый период ()), где population_i - численность населения города в i-ый (начальный год), population_j - численность населения города в j-ый (конечный год). Таким образом, проверим гипотезу о том, что города, находящиеся в окружении быстрорастущих городов, будут также расти более высокими темпами.

В качестве независимых переменных используются:

ѕ Логарифм численности населения начального i-го года (ln_pop_i);

ѕ Логарифм и квадраты логарифмов географических координат города - широты и долготы (ln_Lat, ln_Lon, ln2Lat, ln2Lon);

ѕ Среднегодовая температура воздуха в городе (temp);

ѕ Административный статус города (фиктивная переменная равна 1, если города является столицей субъекта России) (centr);

Таким образом, оцениваются следующие две модели:

ѕ , е ~ N(0, у2In)

ѕ , u = лWu + е, е ~ N(0, у2In)

где W - матрица пространственных весов.

3.2 Оценки регрессионных моделей

Результаты оценивания моделей с помощью метода максимального правдоподобия в среде STATA приведены в приложении В.

Влияние независимых переменных на темп роста численности населения можно описать следующим образом:

ѕ В модель в качестве независимых переменных включена широта и широта в квадрате, влияние этого показателя является значимым на всех периодах времени, кроме 2010-2013 гг. Квадрат широты входит в модель с положительным знаком, а широта с отрицательным. Соответственно существует какое-то пороговое значение широты, до которого увеличение широты будет негативно влиять на темпы роста численности населения, а после этого порогового значения - положительно.

ѕ В модель в качестве независимых переменных включена долгота и долгота в квадрате, влияние этого показателя является значимым в следующие периоды: 1998-2000 гг., 2005-2010 гг. (15% уровень значимости), 2000-2013 гг.. Квадрат долготы входит в модель с отрицательным знаком, а долгота с положительным. Соответственно существует какое-то пороговое значение долготы, до которого увеличение долготы будет положительно влиять на темпы роста численности населения, а после этого порогового значения - отрицательно.

ѕ Среднегодовая температура воздуха является значимой лишь в периоде времени 1897 - 1926 гг.: чем выше температура, тем выше темп роста численности населения.

ѕ Административный статус города (центр губернии/области/субъекта федерации) положительным образом влияет на темп роста численности населения города. Коэффициент при данном показателе является значимым во всех рассмотренных периодах времени.

На рисунках 14-16 приведены графики динамики полученных коэффициентов с, л, в₁ соответственно.

Рисунок 14. Динамика оцененного коэффициента с

Коэффициенты с и л во всех случаях получились положительными и значимыми, что говорит о наличии положительной автокорреляции по исследуемому показателю, то есть темп роста численности населения города растет с увеличением средневзвешенного темпа роста численности соседних городов. Наибольшее значение коэффициентов получается при использовании матрицы обратных расстояний без использования пороговых значений. Исключение Москвы и Санкт-Петербурга из выборки несущественно влияет на величину коэффициентов с и л.

Рисунок 15. Динамика оцененного коэффициента л

Коэффициент является значимым на 5% уровне значимости во всех случаях, кроме периода 2000-2005 гг. В случае роста численности населения 1897 - 1926 гг., 2005-2010 гг., 2000-2013 гг. начальный уровень численности населения негативно влиял на темп роста численности населения. В остальных двух рассматриваемых периодах (1998-2000 гг. и 2010 - 2013 гг.) начальный уровень численности населения положительно влиял на темп роста населения.

Рисунок 16. Динамика оцененного коэффициента

Таким образом, в ходе исследования было выявлено наличие пространственных эффектов по показателю темп роста численности населения по городам России. Данный эффект является сильным и значимым, как за период 1897 - 1926 гг., так и за период 1998 - 2013 гг.



ЗАКЛЮЧЕНИЕ

По работе проведено исследование пространственного взаимовлияния городов России, в качестве основных показателей рассматривались численность населения города и темпы роста численности населения за различные периоды. Предварительный пространственный анализ распределения городов по территории России выявил значимость пространственной компоненты (при использовании матрицы географических расстояний между городами с различными значениями порога взаимодействия. Положительные значения пространственного индекса Морана, а также его устойчивая во времени динамика подтверждают гипотезу о том, что роль пространства (расстояния) значима в регрессии.

Гипотеза о том, что рост российских городов (рост численности населения) обусловлен ростом близлежащих городов, подтверждена оценками эконометрических моделей с наличием пространственного лага зависимой переменной и с наличием пространственной ошибки.



СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Gabaix, X., & Ioannides, Y. M. (2004). The evolution of city size distributions.Handbook of regional and urban economics, 4, 2341-2378.

2. Mikhailova, T. N. (2004). Essays on Russian economic geography: Measuring spatial inefficiency (Doctoral dissertation, The Pennsylvania State University).

3. Файзлиев А.Р. Математические методы и модели анализа пространственной структуры системы городской торговли. Диссертация на соискание ученой степени кандидата экономических наук. Саратовский государственный социально-экономический университет, 2014.

4. Diappi, L., Bolchi, P., & Slepukhina, I. (2013, November). The emerging structure of Russian urban systems: a classification based on Self-Organizing Maps. In53rd ERSA Congress: Regional Integration: Europe, Mediterranean and the World Economy.

5. Dobkins, L. H., & Ioannides, Y. M. (2001). Spatial interactions among US cities: 1900-1990. Regional science and urban Economics, 31(6), 701-731.

6. Eaton, J., Eckstein, Z. (1994). "Cities and growth, theory and evidence from France and Japan". Regional Science and Urban Economics 27, 443-474.

7. Gluschenko K. (2010). Methodologies of Analyzing Inter-Regional Income Inequality and Their Applications to Russia. William Davidson Institute Working Paper, Number 984.

8. Griffith, D. A., & Wong, D. W. (2007). Modeling population density across major US cities: a polycentric spatial regression approach. Journal of Geographical Systems, 9(1), 53-75.

9. Guriev S. and Vakulenko E., (2012), Convergence between Russian regions, No w0180, Working Papers, Center for Economic and Financial Research (CEFIR)

10. Ivanova V.I. (2014) Spatial interaction of Russian cities: an empirical study. Proposal for the 9th Meeting of the Urban Economics Association (UEA2014).

11. Karachurina, L. B. (2014). Demographic transformation of post-Soviet cities of Russia. Regional Research of Russia, 4(2), 56-67.

12. Mikhailova, T. (2012). Gulag, WWII and the long-run patterns of Soviet city growth. MPRA Paper

13. Skorobogatov A. S. (2014) An ongoing reversal of fortune among Russian cities: city age, natural resources, and changing spatial income distribution. WP BRP Series: Economics / EC, June 2014, pages 1-53

14. Балаш О. С. Пространственный анализ темпов роста городов России. Известия Саратовского университета. Новая серия. Сер.: Экономика. Управление. Право. - 2013. - Вып. 2. - С. 186-191

15. Зверев Д.В., Коломак Е.А. Субфедеральная фискальная политика в России: межрегиональные различия и связи. Серия «Научные доклады: независимый экономический анализ», № 209. Москва, Московский общественный научный фонд; Сибирский центр прикладных экономических исследований, 2010, 102 стр.

16. Иванова В. И. Региональная конвергенция доходов населения: пространственный анализ. Пространственная экономика. 2014. № 4. С. 100-119.

17. Коломак Е.А. Развитие городской системы России: тенденции и факторы. Вопросы экономики, 2014, №10, с. 82-96

18. Павлов Ю. В., Королева Е.Н. Пространственные взаимодейстия: оценка на основе глобального и локального индексов Морана. Пространственная экономика, 2014, №3, с.95-110.

19. Mikhailova, T. (2010). Population of Russian cities from 1897 to 2002. URL: https://sites.google.com/a/nes.ru/tatiana-mikhailova/home (дата обращения: март 2015 г.)

20. Архив климатических данных. [Электронный ресурс] // - Режим доступа к сайту: http://climatebase.ru/

21. Демидова О.А. Выявление пространственных эффектов для основных макроэкономических показателей российских регионов. НИУ ВШЭ.2013.URL:http://www.hse.ru/data/2013/12/03/1335971579/Demidova_Article_HSE_2013.pdf (дата обращения: апрель 2015 г.).

22. Климатические данные городов по всему миру. [Электронный ресурс] // - Режим доступа к сайту: http://ru.climate-data.org/

23. Мультистат. База данных городов России. [Электронный ресурс] // - Режим доступа к сайту: http://multistat.ru/

24. Свободная энциклопедия. Wikipedia [Электронный ресурс] // - Режим доступа к сайту: http://ru.wikipedia.org

25. Свободные данные по границам субъектов РФ. Географические информационные системы и дистанционное зондирование. [Электронный ресурс] // - Режим доступа к сайту: http://gis-lab.info/qa/rusbounds-rosreestr.html

26. Федеральная служба государственной статистики [Электронный ресурс] // Режим доступа к сайту: http://www.gks.ru



ПРИЛОЖЕНИЕ 1

Индексы Морана по логарифму численности населения

Матрица весов Год	Все города России	Без Москвы и Санкт-Петербурга	Без Москвы и Санкт-Петербурга (порог 1000 км)	Без Москвы и Санкт-Петербурга (порог 1500 км)	Города европейской части России	Города европейской части России без Москвы и Санкт-Петербурга	Города азиатской части России
1897	0,025*	0,035*	0,105*	0,078*	0,027*	0,041*	0,045*
1926	0,025*	0,034*	0,080*	0,059*	0,035*	0,046*	-0,001*
1998	0,028*	0,029*	0,093*	0,051*	0,032*	0,033*	0,033*
1999	0,032*	0,034*	0,073*	0,058*	0,036*	0,039*	0,040*
2000	0,031*	0,033*	0,070*	0,056*	0,033*	0,036*	0,041*
2001	0,032*	0,033*	0,072*	0,052*	0,034*	0,036*	0,041*
2002	0,025*	0,027*	0,062*	0,049*	0,030*	0,031*	0,028*
2003	0,033*	0,035*	0,076*	0,060*	0,037*	0,038*	0,045*
2004	0,033*	0,035*	0,076*	0,061*	0,036*	0,038*	0,046*
2005	0,030*	0,031*	0,071*	0,055*	0,035*	0,036*	0,031*
2006	0,032*	0,033*	0,074*	0,058*	0,038*	0,040*	0,030*
2007	0,032*	0,034*	0,076*	0,059*	0,038*	0,040*	0,032*
2008	0,033*	0,034*	0,077*	0,060*	0,039*	0,041*	0,034*
2009	0,034*	0,035*	0,078*	0,061*	0,040*	0,042*	0,034*
2010	0,035*	0,037*	0,079*	0,062*	0,042*	0,044*	0,036*
2011	0,036*	0,037*	0,080*	0,063*	0,043*	0,045*	0,036*
2012	0,037*	0,038*	0,080*	0,063*	0,044*	0,046*	0,036*
2013	0,037*	0,038*	0,081*	0,064*	0,045*	0,047*	0,037*

Источник: показатели рассчитаны автором

Примечание: показатель значим * - при 5% уровне значимости, ** - при 10% уровне значимости, *** при 15% уровне значимости



ПРИЛОЖЕНИЕ 2

Индексы Морана по логарифму темпов роста численности населения ())

Период	Все города	Без Москы и Санкт-Петербурга	Без Москвы и Санкт-Петербурга (порог 1000 км)	Без Москвы и Санкт-Петербурга (порог 1500 км)
1926/1897	0,007*	0,051*	0,111*	0,090*
2000/1998	0,048*	0,048*	0,105*	0,073*
2005/2000	0,044*	0,043*	0,091*	0,072*
2010/2005	0,036*	0,035*	0,056*	0,045*
2013/2010	0,056*	0,055*	0,091*	0,075*
2013/2000	0,066*	0,064*	0,111*	0,092*

Источник: показатели рассчитаны автором

Примечание: показатель значим * - при 5% уровне значимости, ** - при 10% уровне значимости, *** при 15% уровне значимости



ПРИЛОЖЕНИЕ 3

Оценка модели пространственного лага, рост за период 1897 - 1926 гг.

Переменные	МНК	Все города	Без Москы и Санкт-Петербурга	Без Москвы и Санкт-Петербурга (порог 1000 км)	Без Москвы и Санкт-Петербурга (порог 1500 км)
с	-	0,576*	0,696*	0,280*	0,326**
ln_pop1897	-0,139*	-0,141*	-0,145*	-0,146*	-0,147*
ln_Lat	-48,719*	-49,021*	-35,175*	-39,699*	-43,578*
ln_Lon	-0,691	-0,693	-0,492	-0,129	0,041
ln2Lat	6,216*	6,253*	4,499*	5,071*	5,556*
ln2Lon	0,159	0,161	0,122	0,075	0,052
temp	0,060*	0,060*	0,053*	0,052*	0,053*
centr	0,392*	0,395*	0,381*	0,381*	0,384*
const	97,035*	97,416*	69,953*	78,363*	85,776*
число наблюдений	478	478	476	475	475
Log likelihood / R2 (МНК)	0,17	-307,394	-304,348	-305,755	-305,955

Оценка модели пространственной ошибки, рост за период 1897 - 1926 гг.

Переменные	МНК	Все города	Без Москы и Санкт-Петербурга	Без Москвы и Санкт-Петербурга (порог 1000 км)	Без Москвы и Санкт-Петербурга (порог 1500 км)
lambda	-	0,652*	0,594*	0,306*	0,368*
ln_pop1897	-0,139*	-0,142*	-0,144*	-0,145*	-0,147*
ln_Lat	-48,719*	-48,416*	-44,752*	-54,564*	-54,569*
ln_Lon	-0,691	-0,748	-0,414	-0,685	-0,789
ln2Lat	6,216*	6,176*	5,681*	6,913*	6,909*
ln2Lon	0,159	0,168	0,119	0,149	0,161
temp	0,060*	0,060*	0,052*	0,048*	0,048*
centr	0,392*	0,393*	0,379*	0,382*	0,387*
const	97,035*	96,557*	39,339*	109,474*	109,797*
число наблюдений	478	478	476	475	475
Log likelihood / R2 (МНК)	0,17	-306,711	-306,018	-305,764	-305,889

Оценка модели пространственного лага, рост за период 1998-2000 гг.

Переменные	МНК	Все города	Без Москы и Санкт-Петербурга	Без Москвы и Санкт-Петербурга (порог 1000 км)	Без Москвы и Санкт-Петербурга (порог 1500 км)
с	-	0,932*	0,932*	0,694*	0,772*
ln_pop1998	0,010*	0,010*	0,009*	0,008*	0,009*
ln_Lat	-14,022*	-11,076*	-11,058*	-8,607*	-10,309*
ln_Lon	0,493*	0,313*	0,316*	0,181***	0,219**
ln2Lat	1,754*	1,389*	1,386*	1,080*	1,293*
ln2Lon	-0,602*	-0,039*	-0,039*	-0,023***	-0,027**
temp	-0,003	-0,002	-0,002	-0,001	-0,002
centr	-0,019	-0,018	-0,019	-0,015	-0,16
const	26,997*	21,437*	21,403*	16,766*	20,089
число наблюдений	1047	1047	1045	1045	1045
Log likelihood / R2 (МНК)

Подобные документы

• Развитие малых городов России

  Анализ современного состояния и перспектив социально-экономического развития малых российских городов. Обоснование их роли и места в пространственном и социально-экономическом развитии РФ. Направления государственной поддержки развития малых городов.
  
  курсовая работа [2,0 M], добавлен 20.04.2015
  

• Экономическая дифференциация российских регионов: причины, масштабы, тенденции

  Предпосылки и причины экономической дифференциации российских регионов. Уровень региональной дифференциации в Российской Федерации и способы ее смягчения. Анализ экономических показателей регионов страны. Оценка масштабов дифференциации в 2000-2010 гг.
  
  курсовая работа [73,9 K], добавлен 30.04.2015
  

• Определение среднестатистических показателей численности населения и коэффициентов занятости

  Определение средней численности и коэффициентов естественного движения населения. Расчет денежных доходов и расходов населения региона. Вычисление индивидуальных индексов заработной платы. Определение коэффициента сменности по цехам и по заводу.
  
  контрольная работа [158,4 K], добавлен 23.06.2009
  

• Экономические и политические факторы, влияющие на привлечение прямых инвестиций в экономику субъектов Российской Федерации

  Особенности распределения прямых инвестиций в экономику российских регионов в 2000-е годы. Инвестиционное неравенство российских регионов. Деятельность политических акторов как основная причина инвестиционного роста и демократического развития страны.
  
  дипломная работа [1,1 M], добавлен 17.10.2016
  

• Проблемные регионы России

  Характеристика проблемных регионов России, их классификация. Причины и факторы пространственного неравенства. Экономический рост и неравенство регионов РФ. Динамика промышленного производства в регионах в период кризиса и в годы экономического роста.
  
  реферат [51,2 K], добавлен 03.12.2010
  

• Особенности дифференциации регионов Российской Федерации и изменения в формах социальной поддержки населения

  Процессы модернизации российской экономики и переход к инновационному социально ориентированному типу развития. Особенности экономического неравенства российских регионов. Дифференциация регионов по доходам населения. Данные о пенсионном обеспечении в РФ.
  
  статья [78,8 K], добавлен 07.08.2017
  

• Практическое применение статистических методов

  Группировка предприятий по факторному признаку, расчет размаха вариации и длины интервала. Виды и формулы расчета средних величин и дисперсии. Расчет абсолютного прироста, темпов роста и темпов прироста, среднегодовых показателей численности населения.
  
  контрольная работа [219,7 K], добавлен 24.02.2011
  

• Расчет основных экономических показателей работы предприятия за два года, их сопоставление и анализ

  Определение темпов роста производительности труда на предприятии. Вычисление прибыли от реализации продукции. Пути и направления общего снижения себестоимости. Расчет основных показателей развития предприятия. Среднемесячная заработная плата организации.
  
  курсовая работа [32,9 K], добавлен 15.11.2010
  

• Механическое и естественное движение населения

  Задачи статистики населения. Назначение демографического прогнозирования. Расчёт и анализ показателей динамики численности населения России за 2000-2005 года. Методы исследования, применяемые в статистике населения. Показатели численности населения.
  
  курсовая работа [1,1 M], добавлен 08.01.2010
  

• Роль малых городов в экономике России

  Общие сведения о малых городах России. Классификация малых городов: поселок, уезд, волость. Особенности социально-экономического развития малых городов на современном этапе. Обобщенные проблемы малых городов России. Направления развития малых городов.
  
  контрольная работа [56,1 K], добавлен 02.11.2008
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам