WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 45 | 46 || 48 | 49 |   ...   | 55 |

Дискриминантный анализ данных выявил четыреустоявшиеся функции с собственным значением более одного, которые объясняют94,1% дисперсии. Когда статистико-географические районы были объединены вгруппы, то они строго соответствовали территориям провинций. Только несколькостатистико-географических районов были отнесены к другим провинциям. Этопозволяет нам сделать заключение, что «мощные силы постройки провинций имеютогромное значение» (Boots and Hecht 1989, 194). Дальнейший анализ выявил пятьосновных регионов в Канаде: Атлантический регион, Квебек, Онтарио, Прерии иБританскую Колумбию. Однородность статистико-географических делений внутри этихрегионов стабильно выше, чем между регионами. И опять же, только некоторыестатистико-географические деления были отнесены в регионы отличные от ихфизического нахождения. На практике оказывается, что канадское федеральноеправительство, за малым исключением, использует эти регионы для внедрения своихпрограмм регионального развития. Исключением является то, что оно объединилоПрерии с Британской Колумбией и программы регионального развития для Онтариобыли предназначены только для северных регионов Онтарио. Другой четкойтенденцией, которая была выявлена в ходе нашего анализа, является то, чтоместонахождение статистико-географического деления имеет большое влияние дляопределения значений переменных. В общих чертах, географически смежные деленияимеют подобные характеристики. Эти характеристики, в свою очередь, имеют так жетенденцию преодолевать политические границы. На самом деле оказалось, чтобольшинство делений, которые не подошли по классификации к другимстатистико-географическим делениям провинции, группируются с другими делениямисмежной провинции. Последовавшие позже изыскания Адамса (Adams 1994) иЧапмана (Chapman 1995) не обнаружили изменений в этих сложившихся связках. Сдругой стороны, более раннее изучение типологии регионов Западной Германии,географически компактной страны, показал постоянные географические изменения всоставе групп ее суб-регионов. (Campbell 1985).

Принимая во внимание опыт Канады, было быинтересно проследить, имеют ли 89 российских регионов подобные географическиесвязки в своих характеристиках и условиях. Учитывая, что до недавнего времени вРоссии была всеохватывающая плановая экономика, мы должны ожидать гораздоменьше различий в отдельных географических зонах. Однако, с другой стороны,гигантский размер страны, с огромными различиями в природных условиях, еекультурная мозаика, и ее развитие за последние 10 лет в режиме рыночнойэкономики, должны были привнести к сильно увеличениюившимся различийям стечением времени.

Данные дляанализа

Данные относятся к 89 регионам.Использованы дДанные записаны за различные годы с 1985 по 2000 для 48-мипеременных. Однако данные надля некоторыхе переменныхе в отдельных регионах заопределенные годы не удалось восстановитьданные отсутствовали. Учитываясложившуюся ситуацию, мы создали использовали три более мелких совокупностиданных для исследовательского анализа. Первая совокупность данных (Russia99M1)была составлена для 88 регионов и состоит включаетиз 24 переменных за 1999 год.Это наиболее свежие данные, по которым доступна вся информация. Набор 24переменных указан в таблице 5.1. Регион, который был исключен из набора данных,– это Чечня. Этопроизошло потому, что по данному региону информация на 20 переменных из 48 поданному региону недоступна. И, кроме того, по пяти из 28 переменных, по которыминформация доступна, данные представляют статистический выброс.

Остальные две совокупности данных состоятиз 87 регионов и 14 переменных (см. таблицу 5.1). 14 переменных являютсяподмножеством 24 переменных в Russia99M1 и были выбраны потому, что былидоступны для двух разных лет – 1995 (RussiaSmall95) и 1999 (RussiaSmall99). В идеале, мы бы,конечно, хотели исследовать данные за 1992 год, поскольку это был первый годпосле перехода отс плановой экономики к рыночной. Однако всего лишь восемьпеременных оказались доступными за этот год по всем регионам. Первым годом,последовавшим за 1992-ым, и имеющим достаточное количество доступных данныхоказался 1995 год, поэтому он и был выбран для анализа. Второй год был выбранпо той же самой причине – как имеющий наибольшее количество данных, описанных выше. Дварегиона, не использованные в таблицах – это Чечня и Дагестан. Последнийне принимался для расчета, поскольку ситуация там был пропущен, потому что егоситуация в 1995 году в отношении отсутствующих данных была подобначеченскойтому, что и в Чечне.

Каждая совокупность данных былапроанализирована с применением двухступенчатой процедуры. Во-первых, кпеременным применялся метод главных компонент с применением матрицы факторногоотображения, полученной с использованием метода варимаксvarimax. Регрессионныеоценки весов факторов были просчитаны для всех компонентов с собственнымзначением более единицы. Затем, используя процедуру иерархических кластеровВорда, регионы были сгруппированы в классы на основе значений их факторов.Затем, полученные группы были нанесены на карту, для определения географическойразбросанности этих групп. Результаты данного анализа представленыниже.

Анализ

Russia99M1.

Анализ главных компонент

Анализ главных компонент этого набораданных выявил 6 факторов с собственным значением больше единицы. Совместно, этишесть факторов объясняют 80,4 процентов всей дисперсии в 24-ех изначальныхпеременных (см. таблицу 5.2). Сложение этих факторов указано в Таблице5.3.

Первая главная компонента, объясняющая26,0% всей дисперсии, в основном состоит из четырех переменных: AVLSUB, RETCAP,AVEINC, и OTHERINC. Эту компоненту можно назвать как измерение «благосостоянияи потребления». Выбросы для данного фактора все положительныей и относятся кМоскве, Ямало-Ненецкому Автономному Округу, Ханты-Мансийскому АО, Тюменскойобласти и Самарской области.

Вторая главная компонента (24,6%объясненной дисперсии), с высокими положительными весовыми коэффициентамиDEMLOD, ELDABA, MIGINC и SOCTRS и низкими отрицательными весовымикоэффициентами SUBLEV и WAGSAL, определяют регионы с относительно более старымнаселением, в которых возникает сильная зависимость от социальных трансфертов.Можно охарактеризовать это как измерение «человеческой и экономическойзависимости». Все выбросы по данному фактору отрицательные, предполагающиеотсутствие условий, аккумулированных данным фактором, и наблюдаются в ЧукотскомАО, Магаданской области и в Ямало-Ненецком АО.

Третья главная компонента (13.7%объясненной дисперсии) имеет высокие положительные весовые коэффициенты дляYOUABA, ENTLOS, REGUNE, UNERAT и POPSUB и низкий отрицательный весовойкоэффициент 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 прожиточногоминимума, большее количество детей и более низкое количество жилплощади начеловека. Данное измерение можно охарактеризовать как «обеднение по найму ипроживанию». Выбросы данных по этому фактору все положительные и отмечены дляИнгушетии, Агинского Бурятского АО, Республики Тыва, Дагестана, Усть-ОрдынскогоАО, РеспубликиГорного Алтайя, Республики Калмыкия и Таймырского АО.

Оставшиеся три главных компоненты объясняютменьшую долю дисперсии и имеют более простую структуру. Четвертая главнаякомпонента (6,1% объясненной дисперсии) дифференцирует регионы в отношениипредоставления больничных учреждений (PROHOS) и коек (PERBEA). Мы можемобозначить этот фактор как «обеспеченность условий для физического здоровья».Однако эти две переменные не связаны с распределением докторов врачей (DOCPOP),которое является составляющим пятой главной компоненты (5,1% объясненнойдисперсии). Очевидно, что это измерение «медицинских услуг». Любопытноотметить, второйая наибольший весовой коэффициент в этой компоненте имеетположительный 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 какИнгушетия представляет единственный отрицательный выброс. Для пятой главнойкомпоненты положительными выбросами данных являются те, что относятся кСеверной Осетии, Москве и Корякскому АО, в то время как негативные выбросыотмечены для Ямало-Ненецкого АО, Усть-Ордынского АО и Ханты-Мансийского АО.

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

Ее можно было бы обозначить как компоненту«нового экономического роста». Однако, поскольку данные относятся к условиямтолько одного года, невозможно определить, является ли это измерениепоказательным для долгосрочных скрытых условий в регионах. Нельзя забывать, чтов рРоссийской экономике в 1998 году произошел глобальный откат, когда рубль былдевальвирован относительно основных западных валют в три раза. Как частьпослекризисного развития, изменения в последующие года имели серьезныерегиональные отклонения. Положительные выбросы данных для этого факторанаблюдаются в Корякском АО, Вологодской области и Горном Республике Алтайе, вто время как Республика Марий Эл и Чукотский АО представляют отрицательныевыбросы данных.

Кластерныйанализ

Иерархический кластерный анализ сиспользованием метода Ворда был применен к множеству выделенных выше шестиглавных компонент. Поскольку мы предположили, что существует от двенадцати дошести кластеров регионов, были проанализированы все решения в этих пределах.Наилучшие результаты получены для случая девяти кластеровам. Классификация этихдевяти кластеров по количеству регионов представлена в Таблице 5.4, а структуракластеров отображена в Таблице 5.5.

В этом распределении по группам наблюдаютсяинтересные тенденции. Во-первых, немногим более двух третей (60 из 88) регионовсгруппированы в двух кластерах, что предполагает большую долю гомогенностисреди регионов, когда мы говорим о переменных, включенных в состав этих шестифакторов. Кроме того, нужно отметить, что три кластера состоят из одногорегиона: Москва, Ингушетия и Корякский АО. Это показывает, что данные трирегиона очень четко противопоставлены остальным регионам, и это подтверждаетсятем, что эти регионы оказываются выбросами при анализе главных компонент(Москва трижды, а Ингушетия и Корякский АО по два раза каждый).

Поскольку конечной задачей данного анализаявляется выделение кластеров для выработки политики регионального развития, тонеобходимо рассмотреть географическое распределение состава групп. НеобходимоНужно отметить, что только в одном из кластеров представлены близкогеографически близко расположенные регионы. Это кластер состоит из Тюменскойобласти, Ханты-Мансийского АО и Ямало-Ненецкого АО. Тем не менее, в двух самыхкрупных кластерах прослеживается высокая степень географической близостирегионов, хотя каждая из этих групп подразделяется на поднаборы более мелкихгеографических сообществ. Наиболее географически разбросанными оказываютсякластеры, состоящие из одиннадцати и восьми регионов.

Чтобы избежать географически разбросанныхгрупп, поскольку это не желательно для выработки политики региональногоразвития, мы добавили две переменные к набору факторов (главных компонент).Этими переменными являются координаты x и y дляцентроидов регионов. Их значения измерялись таким образом, чтобы они былитипичными для значений главных компонент. Количество и состав регионов в данныхдевяти кластерах, полученные в результате применения метода Ворда, показаны втаблицах 5.4 и 5.6. Очевидны несколько отличияй от кластеров, выведенных безисчисления центроидов. Во-первых, регионы более равномерно распределены подевяти кластерам. Однако, Москва и Корякский АО представляют собой отдельныекластеры, тем самым еще раз подтверждая свое отличие от других регионов. Вгеографическом аспекте кластеры приобретают большую целостность, однако и здесьнаблюдаются два стоящих внимания исключений. Во-первых, Самарская областьудалена на два региона от ближайшего региона, относящегося к тому же кластеру,к которому отнесена сама Самарская область. Второе исключение – это Усть-Ордынский АО и АгинскийБурятский 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, спомощью которой можно определить смежные географически кластерырегионов.

RussiaSmall95 и RussiaSmall99

Поскольку целью исследования этих наборовданных было поставлено изучение того, насколько сильные изменения произошлимежду 1995 и 1999 годами, то и результаты их анализа представлены вместе.

Факторный анализ

Для данных за 1995 год набор из 14переменных был сокращены до четырех главных компонент с собственным значениемболее единицы, которые в общей сложности объясняют 78,1% дисперсии (см. таблицу5.7). Примечательно то, что первые три главных компоненты объясняют примерноодинаковую долю дисперсии. Весовые коэффициенты для главных компонент показаныв таблице 5.8. Первая главная компонента (27,4% объясненной дисперсии) имеетвысокие положительные весовые коэффициенты для PROASS, ACCPER, ELDABA и низкиеотрицательные весовые коэффициенты для YOUABA и ENTLOS. Можно обозначить даннуюкомпоненту как «зрелый социально-экономический сектор». В нем присутствуетзначительное количество пожилого населения и в меньшей степени молодого, размержилплощади на человека достаточно высок и коммерческая деятельностьотносительно преуспевает. По этой главной компоненте отмечено только несколькоотрицательных выбросов для обособленных регионов – Ингушетия, Агинский Бурятский АОи Республика Тыва.

Вторая главная компонента (23,1%объясненной дисперсии) имеет высокие положительные весовые коэффициенты дляINFIA и MIGINC. Это определяет регионы с сильным притоком населения и высокимиуровнями инвестиций в основной капитал на душу населения. Эту компоненту можнообозначить 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, Хантых-Мансийский АО, Тюменская область, Эвенкийский АО,Ненецкий АО и Таймырский АО.

Pages:     | 1 |   ...   | 45 | 46 || 48 | 49 |   ...   | 55 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.