Взаимосвязь параметров благополучия и благосостояния населения в региональном аспекте

Грачев С.А.1
1 Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых, Россия, Владимир

Статья в журнале

Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 13, Номер 2 (Февраль 2023)

Цитировать эту статью:

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=50350706

Аннотация:
В статье рассматриваются вопросы взаимосвязи отдельных параметров благосостояния и благополучия населения на региональном уровне. Актуальность данного направления исследования связано с основными ориентирами устойчивого развития, а также значимыми процессами и явлениями ряда последних лет: пандемия коронавируса и санкционное воздействие на российскую экономику. В работе был сформирован авторский подход моделирования параметра благосостояния населения в зависимости от показателей благополучия. К элементам научной новизны можно отнести полученный инструментарий моделирования, а также выявление индивидуальных особенностей территориального развития. Использование авторского подхода позволяет решать отдельные задачи планирования социального и демографического развития субъектов Федерации, а также в перспективе включение индивидуальных территориальных особенностей. В результате были получены модели национального уровня, а также восемь значимых региональных моделей. Было доказано наличие взаимосвязи между отдельными параметрами благосостояния и благополучия населения, выявлены региональные особенности формирования данных процессов. Данное исследование может использоваться в дальнейшем исследователями и представителями органов государственной и муниципальной власти для планирования и анализа социальных и демографических региональных и национальных процессов

Ключевые слова: анализ, модель, благополучие, бедность, устойчивое развитие

JEL-классификация: I31, I32, Q01



Введение

Концепция устойчивого развития, призванная решить многочисленные негативные последствия воздействия человека на окружающую среду, имеет одной из своих целей борьбу с бедностью. Данная проблема является весьма актуальной для любой национальной социально-экономической системы, независимо от принадлежности к классу развитых или развивающихся.

Отметим, ввиду активного изучения данного явления, понимание и трактовка данной категории весьма изменились за последние десятилетия. Акцент смещается к более широкой трактовке благосостояния, включающей процветание, хорошую жизнь или альтернативные представления о процветании, в сторону, где меньшее внимания уделяется материальному уровню жизни [1]. Так, часто приводят определение, данное в рамках декларации ООН, согласно которому «бедность – это состояние, при котором у человека отсутствуют минимальные возможности эффективно участвовать в общественной деятельности» [2]. В данной трактовке предполагается, что данный феномен не ограничивается только финансовыми возможностями, хотя последние являются зачастую базовыми. Существующие в настоящее время подходы к анализу бедности на различных уровнях сходятся, как правило, на том, что возможность эффективного участия в общественной деятельности должно укрепляться посредством развития сфер образования и здравоохранения, также выявлены зависимость от финансово-экономического знания и психологической настроенности субъекта [3] или волонтерства [4].

Однако, учитывая, что указанные области зачастую функционируют на коммерческой основе, они могут быть доступны не всем нуждающимся. Но неоспоримым является тот факт, что проблемы, связанные с благополучием, приводят к увеличению нагрузки на государственные службы, такие как медицинская и социальная помощи [5]. Кроме того, как отмечает Войкина Е.А. с коллегами, приводя результаты иностранного исследования, что рост экономики, конкуренции, технического прогресса в настоящее время не обеспечивает снижение неравенства [6].

Включение подобных направлений безусловно усложняет борьбу с негативным проявлением бедности. Объясняется это прежде всего тем, что и здравоохранение, и образование являются процессами накопительными [7], при этом кумулятивность проявляется не только в воздействии на человека, но и в формировании условий по их применению, иначе говоря создание инфраструктуры является процессом долгосрочным.

Существующие противоречия достаточно резко обострились за два последних года. Крайне негативно на благополучии населения сказался ряд факторов. Одним из них является снижение благосостояния ввиду ограничений, вызванных пандемией коронавирусной инфекции. При этом снижение доходов граждан негативно влияет на все уровни хозяйствования. Повышение благосостояния может помочь улучшить общий уровень мотивированности сотрудников [8] и повысить производительность, что, в свою очередь, может повысить эффективность принятия решений, организационную эффективность [9] и успех в бизнесе. Кроме того, отсутствие возможности вести активный и здоровый образ жизни, который требует определенного объема затрат, приводит к росту вероятности заболевания, например, развития хронических заболеваний, таких как диабет или сердечно-сосудистые болезни [10]. Таким образом, уровень благосостояния граждан напрямую влияет на состояние здоровья и соответственно продолжительность жизни. Также можно сделать вывод, что это сказывается и на ощущении гражданами социальной защищенности и благополучия. Что естественным образом должно приводить к снижению уровня напряженности и уменьшению числа нарушений правопорядка.

Вторым фактором, оказывающим значимое влияние на все элементы социально-экономической системы, является санкционное воздействие. Данный аспект отрицательно влияет на занятость, что естественным образом сказывается на уровне доходов населения. Исследуя этот вопрос О.П. Чекмарев с коллегами, приходят к выводу о том, что негативное влияние санкций однозначно существует, но вероятность резкого увеличения общего числа безработных относительна низка [11]. При этом возрастает вероятность проявления структурной безработицы и соответственно снижения эффективности труда. Таким образом основной задачей национальной политики становится придание борьбе с бедностью активного характера, затрагивающего все слои населения [12].

При этом отметим, что единого набора мероприятий не существует. Исследователи, изучавшие имеющийся территориальный опыт, пришли к выводу, что ни относительное «богатство» региона, ни относительное «богатство» населения не являются преимуществами в процессе получение наиболее оптимальных результатов в части социальной поддержки населения [13]. Из этого следует логичный вывод о невозможности формирования единого подхода, каждый опыт должен рассматриваться как индивидуальный. Унификация возможна только в части общего вектора движения и формирования общей тенденции.

Данный вывод подтверждается также тем фактом, что если рассматривать борьбу с бедностью в общем контексте процесса достижения целей устойчивого развития, то издержки и, соответственно, эффекты различаются для территорий, имеющих различный уровень экономического развития [14].

Учитывая озвученное, следует отметить, что бедность является феноменом, связанным с большим количеством иных социально-экономических явлений. Соответственно, возникает необходимость оценки и моделирования данных взаимодействий и анализ индивидуальных особенностей в зависимости от территориальных особенностей.

Гипотезой данного исследования выступает предположение о наличии взаимосвязи параметров уровня благосостояния населения и показателей социального благополучия населения.

Целью работы выступает формирование инструментария, позволяющего произвести оценку, анализ и моделирование параметров, отражающих показатели бедности и социального благополучия населения на различных уровнях территориальной организации методами корреляционно-регрессионного анализа.

Основная часть

В данной работе для достижения цели предполагается выполнить несколько этапов.

Этап 1. Формирование исходного перечня показателей, отражающих параметры благосостояния и социального благополучия.

В данном случае необходимо формировать исходные данные исходя из принципов сопоставимости и универсальности, а также полноты и объективности. Соответственно источниками значений показателей должны являться официальные статистические сборники. В исследовании предполагается произвести сравнение моделей на национальном и региональном уровнях. Таким образом, будет анализироваться общероссийская модель и региональная. В качестве последней будут изучаться субъекты, входящие в Центральный федеральный округ (ЦФО). В качестве анализируемого периода выбран 2004-2021 гг. ввиду наличия всех необходимых данных.

Формирование включает в себя:

1. Расчет критерия благосостояния населения (Кблаг) – средняя величина, рассчитываемая из:

- отношение значения среднедушевых денежных доходов населения к величине прожиточного минимума (Х1);

- доля населения с денежными доходами ниже величины прожиточного минимума в общей численности (Х2).

Учитывая характер озвученных критериев, общий вид расчета принимает вид:

Исходные данные, а также полученные результаты представлены в таблице 1.

Таблица 1

Исходные данные для расчета показателя благосостояния населения, РФ, 2004-2021 гг.

2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
Среднедушевые денежные доходы населения, в месяц, рублей
6399
8088
10155
12540
14864
16895
18958
20780
23221
25684
27412
30254
30865
31897
33266
35338
36073
40 272
Величина прожиточного минимума, установленная в целом по российской федерации в среднем на душу населения; рублей в месяц
2451
3060
3437
4005
4693
5144
5902
6209
6705
7326
8234
9452
9691
9786
10213
10609
11329
11 653
Х2 - Численность населения с денежными доходами ниже величины прожиточного минимума, (в процентах от общей численности населения субъекта)
0,176
0,178
0,152
0,133
0,134
0,13
0,125
0,127
0,107
0,108
0,113
0,134
0,132
0,129
0,126
0,123
0,121
0,11
Х1
2,611
2,643
2,955
3,131
3,167
3,284
3,212
3,347
3,463
3,506
3,329
3,201
3,185
3,259
3,257
3,331
3,184
3,456

1,717
1,733
1,901
1,999
2,017
2,077
2,044
2,110
2,178
2,199
2,108
2,033
2,026
2,065
2,066
2,104
2,032
2,173
Источник: Регионы России. Социально-экономические показатели. 2022: Стат.сб./Росстат. - М., 2022. 1122 с.

Аналогичным образом определялись показатели на уровне отдельных регионов.

2. Формирование перечня индикаторов, характеризующих социальное благополучие населения. В данный список были включены следующие показатели: заболеваемость на 1000 человек населения (З), прерывание беременности на 1000 женщин 15 - 49 лет (ПБ), ожидаемая продолжительность жизни при рождении (ОПЖ). Выбор данных индикаторов обусловлен наличием корреляционной связи между ними и критерием благосостояния на национальном уровне. Подобная оценка была проведена на основе расчета коэффициента линейной регрессии:

где x и y – исследуемые величины, представленные в виде статистических совокупностей {x1, x2, … , xn} и {y1, y2, … , yn} соответственно.

Как правило, применяют следующую трактовку величин данного коэффициента по модулю (шкала Чеддока) [15]:

- от 0 до 0,3 – очень слабая сила связи;

- от 0,3 до 0,5 – слабая сила связи;

- от 0,5 до 0,7 – средняя сила связи;

- от 0,7 до 0,9 – высокая сила связи;

- от 0,9 до 1 – очень высокая.

Исходные данные для анализа на национальном уровне, а также полученные значения корреляционных коэффициентов представлены в таблице 2.

Таблица 2

Исходные данные для оценки тесноты связи между показателями благосостояния и социального благополучия населения, РФ, 2004-2021 гг.





Заболеваемость
на 1000 человек населения, чел
(З)
Прерывание
беременности
на 1000 женщин
15 - 49 лет
(ПБ)
Ожидаемая
продолжительность
жизни при
рождении, лет ОПЖ
2004
1,717
737,8
46
65,31
2005
1,733
743,7
43
65,37
2006
1,901
760,9
40
66,69
2007
1,999
767,3
38
67,61
2008
2,017
767,7
36
67,99
2009
2,077
797,5
34
68,78
2010
2,044
780,0
32
68,94
2011
2,110
796,9
31
69,83
2012
2,178
793,9
29
70,24
2013
2,199
799,4
28
70,76
2014
2,108
787,1
26
70,93
2015
2,033
778,2
24
71,39
2016
2,026
785,3
24
71,87
2017
2,065
778,9
22
72,70
2018
2,066
782,1
19
72,91
2019
2,104
780,2
18
73,34
2020
2,032
759,9
16
71,54
2021
2,173
857,1
15
70,06
Коэффициент корреляции
показателя относительно
0,79
-0,70
0,72
Характеристика тесноты связи
Высокая
Высокая
Высокая
Источник: Регионы России. Социально-экономические показатели. 2022: Стат.сб./Росстат. - M., 2022. – 1112 c.

Аналогичным образом определялись показатели на уровне отдельных регионов (таблица 3).

Таблица 3

Исходные данные для оценки тесноты связи между показателями благосостояния и социального благополучия населения, ЦФО, 2004-2021 гг.

Период



Заболеваемость
на 1000 человек населения, чел
(З)
Прерывание
беременности
на 1000 женщин
15 - 49 лет
(ПБ)
Ожидаемая
продолжительность
жизни при
рождении, лет ОПЖ
Белгородская область
2004
1,404
805,800
36,000
68,190
2005
1,523
780,000
31,000
68,430
2006
1,645
783,300
26,000
69,290
2007
1,859
798,200
26,000
70,350
2008
2,110
755,000
24,000
70,510
2009
2,145
779,300
22,000
71,100
2010
2,238
756,700
19,000
71,310
2011
2,353
777,600
19,000
71,710
2012
2,528
782,100
17,000
71,910
2013
2,366
775,800
17,000
72,160
2014
2,270
736,400
14,000
72,250
2015
2,228
707,400
14,000
72,610
2016
2,299
745,700
14,000
72,870
2017
2,293
696,600
13,000
73,670
2018
2,277
709,900
11,160
73,670
2019
2,212
694,500
11,000
74,210
2020
2,176
714,000
9,000
72,370
2021
2,297
796,400
8,000
70,670
Коэффициент корреляции
показателя относительно
-0,42
-0,82
0,80
Брянская область
2004
1,305
742,7
50
64,15
2005
1,422
756,4
47
63,40
2006
1,477
777,1
46
65,28
2007
1,528
800,9
41
66,09
2008
1,687
820,9
41
66,46
2009
1,756
832,4
42
67,84
2010
1,786
820,2
37
67,92
2011
1,933
855,9
36
68,83
2012
2,058
847,8
34
69,06
2013
1,867
861,1
33
69,75
2014
1,795
826,3
31
69,42
2015
1,772
782,1
32
70,36
2016
1,766
776,0
29
70,92
2017
1,782
771,6
26
71,27
2018
1,809
767,4
24
71,71
2019
1,806
760,4
22
72,31
2020
1,737
767,8
18
70,63
2021
1,836
891,7
17
68,67
Коэффициент корреляции
показателя относительно
0,61
-0,63
0,74
Владимирская область
2004
1,124
915,9
46
63,00
2005
1,144
877,6
46
63,51
2006
1,246
893,6
42
64,74
2007
1,313
890,2
39
65,64
2008
1,443
926,2
38
65,79
2009
1,491
996,8
36
66,57
2010
1,535
926,8
34
67,12
2011
1,609
931,4
34
68,08
2012
1,689
941,3
34
68,60
2013
1,721
924,0
31
69,13
2014
1,657
913,9
29
69,25
2015
1,701
937,7
27
69,82
2016
1,657
944,2
26
70,28
2017
1,728
887,6
24
71,15
2018
1,670
919,2
21
71,23
2019
1,718
895,2
20
71,87
2020
1,637
932,9
16
70,03
2021
1,725
1 093,9
16
68,11
Коэффициент корреляции
показателя относительно
-0,17
-0,84
0,92
Воронежская область
2004
1,346
543,1
43
66,28
2005
1,468
525,4
48
66,50
2006
1,619
521,1
45
67,46
2007
1,552
520,6
41
67,94
2008
1,675
512,1
32
68,27
2009
1,618
548,5
29
69,40
2010
1,649
549,9
26
69,45
2011
1,819
553,3
26
70,41
2012
2,094
542,5
25
70,84
2013
2,247
525,0
23
70,89
2014
2,231
527,3
21
70,82
2015
2,315
545,6
20
71,67
2016
2,256
549,9
20
72,08
2017
2,291
540,5
18
73,03
2018
2,214
526,6
15
73,15
2019
2,256
524,5
13
73,63
2020
2,229
531,9
10
71,91
2021
2,261
622,5
9
68,11
Коэффициент корреляции
показателя относительно
0,22
-0,88
0,83
Ивановская область
2004
0,866
849,5
44
62,42
2005
0,963
824,5
40
62,17
2006
1,048
882,5
41
64,56
2007
1,109
856,9
39
65,63
2008
1,368
852,8
36
66,03
2009
1,394
922,2
37
66,78
2010
1,422
897,5
36
67,09
2011
1,538
941,7
35
68,56
2012
1,721
966,1
31
69,30
2013
1,690
943,1
27
69,84
2014
1,641
930,2
25
69,88
2015
1,653
877,5
22
70,62
2016
1,688
887,6
20
70,77
2017
1,739
914,9
18
71,47
2018
1,664
902,5
16
71,29
2019
1,740
931,1
14
71,84
2020
1,673
835,5
12
70,66
2021
1,768
967,1
10
69,02
Коэффициент корреляции
показателя относительно
0,65
-0,84
0,95
Калужская область
2004
1,2863
812,8
46
64,53
2005
1,4018
777,4
42
64,38
2006
1,4960
714,0
42
66,19
2007
1,7057
741,9
37
66,82
2008
1,8068
742,5
36
66,99
2009
1,8982
776,0
34
67,76
2010
1,9158
757,9
32
68,10
2011
2,0665
716,0
31
69,49
2012
2,2590
728,1
28
69,39
2013
2,1174
721,0
23
70,02
2014
2,0298
696,7
26
69,93
2015
1,9773
712,4
23
70,73
2016
1,9888
753,7
21
71,18
2017
1,9454
745,6
20
71,87
2018
1,8703
779,6
18
71,89
2019
1,9348
788,4
17
72,35
2020
1,9310
844,5
13
70,38
2021
1,9630
1 022,8
14
69,02
Коэффициент корреляции
показателя относительно
-0,18
-0,69
0,76
Костромская область
2004
1,225
696,7
50
64,53
2005
1,350
682,6
49
64,38
2006
1,489
722,7
52
66,19
2007
1,488
734,5
52
66,82
2008
1,520
760,4
52
66,99
2009
1,522
838,8
45
67,76
2010
1,596
798,9
40
68,10
2011
1,640
796,1
41
69,49
2012
1,636
750,3
37
69,39
2013
1,656
754,6
34
70,02
2014
1,679
762,6
32
69,93
2015
1,683
768,9
31
70,73
2016
1,692
715,7
31
71,18
2017
1,730
773,1
28
71,87
2018
1,664
736,3
24
71,89
2019
1,685
739,3
22
72,35
2020
1,608
703,9
18
70,38
2021
1,711
812,5
17
69,16
Коэффициент корреляции
показателя относительно
0,46
-0,75
0,91
Курская область
2004
1,284
650,8
46
64,53
2005
1,428
635,8
42
64,38
2006
1,608
637,8
41
66,19
2007
1,707
576,9
38
66,82
2008
1,870
573,0
41
66,99
2009
1,866
614,7
34
67,76
2010
1,880
577,6
30
68,10
2011
2,030
618,5
34
69,49
2012
2,188
588,0
32
69,39
2013
2,092
570,1
32
70,02
2014
2,072
534,8
29
69,93
2015
2,048
542,6
27
70,73
2016
1,983
540,2
24
71,18
2017
1,989
535,0
25
71,87
2018
1,956
514,8
21
71,89
2019
1,993
533,9
19
72,35
2020
1,940
497,8
16
70,38
2021
2,018
565
14
68,78
Коэффициент корреляции
показателя относительно
-0,65
-0,66
0,82
Липецкая область
2004
1,527
710,4
45
65,77
2005
1,603
710,3
42
66,16
2006
1,841
703,4
39
66,90
2007
1,841
705,1
36
67,50
2008
1,908
726,7
35
67,73
2009
2,038
688,6
34
68,65
2010
1,961
682,3
31
68,59
2011
2,016
715,8
30
69,87
2012
2,190
706,8
26
70,03
2013
2,227
694,0
26
70,66
2014
2,187
698,4
24
70,60
2015
2,145
671,0
23
71,07
2016
2,134
666,2
22
71,62
2017
2,198
669,9
21
72,46
2018
2,177
658,6
17
72,62
2019
2,228
647,6
16
73,34
2020
2,097
643,6
13
70,59
2021
2,225
712
13
68,78
Коэффициент корреляции
показателя относительно
-0,49
-0,87
0,86
Московская область
2004
1,412
617,6
37
65,78
2005
1,562
595,5
33
66,03
2006
1,828
605,3
32
66,85
2007
2,016
619,6
29
67,45
2008
2,296
615,2
26
67,83
2009
2,162
654,7
26
68,76
2010
2,169
660,8
25
69,13
2011
2,334
686,5
24
70,36
2012
2,582
702,2
24
70,40
2013
2,505
697,4
23
70,78
2014
2,352
735,9
21
70,94
2015
2,297
707,5
19
72,26
2016
2,334
695,6
18
72,50
2017
2,323
699,9
15
73,34
2018
2,364
701,5
12
73,52
2019
2,387
687,5
11
73,86
2020
2,252
751,6
11
71,67
2021
2,451
825
10
70,35
Коэффициент корреляции
показателя относительно
0,69
-0,73
0,76
Орловская область
2004
1,364
826,7
47
64,97
2005
1,423
828,5
45
64,97
2006
1,532
856,7
43
66,23
2007
1,556
872,7
40
67,03
2008
1,758
892,7
42
67,50
2009
1,731
903,5
38
68,45
2010
1,789
873,9
35
68,40
2011
1,920
891,2
35
69,48
2012
2,050
943,3
33
69,51
2013
1,772
911,0
32
70,22
2014
1,728
932,3
30
69,88
2015
1,740
970,2
28
70,38
2016
1,745
951,9
24
70,73
2017
1,773
970,6
24
71,63
2018
1,741
1033,2
20
71,56
2019
1,760
1018,9
21
72,56
2020
1,728
1034,4
19
70,10
2021
1,831
1 114,3
15
68,97
Коэффициент корреляции
показателя относительно
-0,01
-0,53
0,68
Рязанская область
2004
1,188
639,7
43
64,18
2005
1,343
651,3
46
64,11
2006
1,431
656,9
37
65,32
2007
1,505
654,8
35
65,72
2008
1,706
638,9
31
66,54
2009
1,650
693,8
25
67,81
2010
1,650
701,7
26
67,81
2011
1,673
703,5
26
69,34
2012
1,830
706,9
26
69,86
2013
1,856
689,4
26
70,74
2014
1,933
696,2
22
70,80
2015
1,837
695,0
19
71,46
2016
1,810
704,9
23
71,87
2017
1,797
686,0
20
72,70
2018
1,778
721,5
16
72,84
2019
1,835
730,4
15
73,20
2020
1,702
707,0
14
70,95
2021
1,852
776,6
16
68,61
Коэффициент корреляции
показателя относительно
0,69
-0,85
0,84
Смоленская область
2004
1,407
769,7
47
62,43
2005
1,502
768,1
42
62,24
2006
1,456
769,8
40
63,38
2007
1,515
751,9
38
64,87
2008
1,680
772,2
37
64,97
2009
1,690
779,8
35
65,99
2010
1,674
764,9
33
66,59
2011
1,628
756,9
30
68,12
2012
1,697
738,7
30
68,49
2013
1,627
757,9
28
68,90
2014
1,599
719,0
25
69,44
2015
1,604
685,6
23
69,74
2016
1,583
722,4
22
69,98
2017
1,697
723,7
23
71,14
2018
1,694
724,8
20
71,16
2019
1,744
702,3
18
71,89
2020
1,731
686,3
17
70,10
2021
1,800
750,8
16
68
Коэффициент корреляции
показателя относительно
-0,36
-0,77
0,69
Тамбовская область
2004
1,394
718,3
43
65,64
2005
1,564
726,6
41
65,61
2006
1,670
736,3
38
67,00
2007
1,816
731,3
36
68,08
2008
2,039
729,0
34
68,44
2009
2,013
763,3
31
68,99
2010
2,069
706,2
30
69,22
2011
2,096
673,9
28
70,18
2012
2,244
661,9
27
70,67
2013
2,341
639,8
25
70,93
2014
2,039
645,8
23
71,11
2015
2,033
646,8
20
71,67
2016
2,005
652,6
18
72,11
2017
2,034
632,0
16
73,21
2018
1,989
621,7
16
72,95
2019
1,882
614,5
16
73,56
2020
1,816
624,9
14
71,78
2021
1,927
718,9
13
69,88
Коэффициент корреляции
показателя относительно
-0,40
-0,48
0,61
Тверская область
2004
1,203
751,1
46
61,72
2005
1,438
747,7
42
61,55
2006
1,646
798,4
41
63,03
2007
1,528
773,8
44
64,18
2008
1,639
799,7
44
65,03
2009
1,656
825,4
42
65,51
2010
1,665
833,8
41
65,90
2011
1,713
875,4
39
67,02
2012
1,814
920,6
38
67,86
2013
1,795
903,8
35
68,13
2014
1,703
881,1
30
68,43
2015
1,691
903,1
27
69,10
2016
1,691
868,3
24
69,24
2017
1,698
878,3
22
70,45
2018
1,674
912,2
18
70,47
2019
1,750
867,3
17
71,24
2020
1,686
822,9
14
69,76
2021
1,805
933,7
12
67,87
Коэффициент корреляции
показателя относительно
0,82
-0,51
0,72
Тульская область
2004
1,342
819,1
42
63,08
2005
1,419
737,3
40
62,97
2006
1,600
732,8
38
64,38
2007
1,565
716,7
36
65,19
2008
1,724
715,1
34
65,62
2009
1,825
731,4
33
66,90
2010
1,873
726,6
31
67,11
2011
1,991
712,8
30
68,63
2012
2,028
707,3
27
68,86
2013
1,911
720,3
25
69,41
2014
1,898
718,6
20
69,63
2015
1,923
719,7
19
70,06
2016
1,934
723,3
20
70,56
2017
1,952
717,0
17
71,18
2018
1,836
714,1
14
71,77
2019
1,831
727,7
12
72,21
2020
1,785
741,7
12
70,20
2021
1,894
813,9
9
68,97
Коэффициент корреляции
показателя относительно
-0,46
-0,65
0,81
Ярославская область
2004
1,553
941,5
59
63,75
2005
1,614
902,6
54
63,93
2006
1,813
940,0
52
66,05
2007
1,690
991,8
47
66,91
2008
1,793
1000,6
47
67,49
2009
1,735
1047,7
40
68,47
2010
1,781
906,6
36
68,39
2011
1,838
896,8
37
69,95
2012
1,976
881,1
35
69,87
2013
2,036
846,1
33
70,45
2014
2,013
840,0
28
70,64
2015
2,046
857,5
25
70,98
2016
1,948
899,9
26
71,21
2017
1,959
894,8
22
71,85
2018
1,880
906,2
18
72,25
2019
1,914
924,9
16
72,92
2020
1,834
818,6
14
70,94
2021
1,997
955,3
13
69,07
Коэффициент корреляции
показателя относительно
-0,51
-0,73
0,80
г. Москва
2004
3,187
696,1
19
70,90
2005
3,312
679,6
17
71,59
2006
3,191
679,9
14
72,15
2007
3,286
679,5
14
72,91
2008
2,840
683,4
13
73,33
2009
3,154
707,6
11
74,14
2010
2,995
696,6
11
74,15
2011
3,042
715,1
11
75,79
2012
2,962
698,6
11
75,74
2013
3,007
684,2
11
76,37
2014
2,667
662,3
10
76,70
2015
2,556
631,4
10
76,77
2016
2,512
645,0
11
77,08
2017
2,589
628,1
12
77,87
2018
2,623
644,5
10
77,84
2019
2,696
658,2
10
78,36
2020
2,648
632,6
9
76,20
2021
2,936
715,8
9
74,55
Коэффициент корреляции
показателя относительно
0,75
0,65
-0,84
Источник: составлено автором.

Оценивая данные таблицы, можно сделать ряд выводов:

- существующая взаимосвязь показателей благосостояния и благополучия на региональном уровне имеют ряд отличий от национальной модели. Так, на общероссийском уровне, теснота связи относительно всех трех выделенных составляющих и результирующего показателя является значимой и высокой. Однако на уровне отдельно взятых регионов данная характеристика варьируется. Так в отдельных территориях теснота связи характеризуется как слабая и очень слабая. Данный факт может свидетельствовать о неполной сформированности оцениваемых процессов, а также о возможном значимом изменении условий функционирования. Так в рамках данной работы на основании выявленного факта недостаточного уровня связи результирующей относительно хотя бы одного из трех показателей благополучия, были исключены из дальнейшего анализа следующие регионы: Белгородская, Владимирская, Воронежская, Калужская, Костромская, Липецкая, Орловская, Смоленская, Тамбовская, Тульская области.

- существуют индивидуальные особенности развития территорий, которые проявляются в характере зависимости. Так, в следующих субъектах, наблюдается прямо пропорциональная связь между параметром социального благополучия и уровнем заболеваемости: Брянская, Ивановская, Московская, Рязанская, Тверская области и г. Москва. Отрицательная зависимость между озвученными индикаторами наблюдается в Курской и Ярославской областях. Относительно показателя прерывания беременности прямая зависимость с параметром благосостояния существует только в г. Москва. Остальные регионы имеют обратную зависимость. Также г. Москва демонстрирует особенность зависимости (обратный характер) относительно показателя ожидаемой продолжительности жизни.

Подобные явление могут быть потенциально связаны с особенностями социально-экономического, технологического, демографического и экологического развития. Также не следует игнорировать новые факторы, объективно влияющие на анализируемые процессы. В качестве примера, становится возможным привести исследование Самородовой Е.М., выявившей взаимосвязь процесса цифровизации и параметров социально-экономического благополучия [15].

Этап 2. Моделирование взаимосвязи параметров благосостояния и социального благополучия населения на национальном и региональном уровнях.

Учитывая доказанный факт наличия связи между параметрами благополучия и благосостояния, предлагается провести процедуру моделирования данных показателей с применением методов регрессионного анализа.

Общий вид такого рода моделей имеет вид:

Частный вид будет изменяться в зависимости от уровня хозяйствования (национальный или региональный) и конкретной территории.

Полученные таким образом модели на региональном уровне представлены в таблице 4.

Таблица 4

Модели, оценивающие взаимодействие параметров благосостояния и социального благополучия

Регион
Уравнение регрессии
Параметры модели
Российская Федерация

R2= 0,84
p<0,00
Брянская область

R2= 0,88
p<0,00
Ивановская область

R2= 0,95
p<0,00
Курская область

R2= 0,67
p<0,00
Московская область

R2= 0,64
p<0,00
Рязанская область

R2= 0,76
p<0,00
Тверская область

R2= 0,70
p<0,00
Ярославская область

R2= 0,67
p<0,00
г. Москва

R2= 0,83
p<0,00
Источник: составлено автором.

Отметим, что в данных моделях не все параметры являются идеальными, однако на приведенных в таблице регионах представленные уравнения позволяют установить наличие взаимозависимостей между параметрами благополучия и благосостояния. Кроме того, следует учитывать, что период 2020-2021 гг. является нетипичным, что проявляется в негативных изменениях в значениях исследуемых показателей.

Заключение

Подводя итог проведенному исследованию следует отметить, что общие для всех стран мира цели, озвученные при формировании концепции устойчивого развития являются объективно значимыми на любом этапе социально-экономического развития. Один из аспектов данного направления – это феномен бедности. Данная категория является достаточно сложной и многогранной, связанной с иными социально-экономическими явлениями. В рамках данной работы была высказана и доказана гипотеза о наличии взаимосвязи параметров уровня благосостояния населения и показателей социального благополучия, которые также имеют территориальные особенности.

В работе был сформирован инструментарий, который позволяет смоделировать взаимосвязь указанных параметров на анализируемом уровне. Кроме того, становится возможным выявить регионы ЦФО, модели которых являются относительно значимыми и позволят выявить отдельные территориальные особенности. Данный аппарат, возможно, может использоваться в дальнейшем исследователями и представителями органов государственной и муниципальной власти для планирования и анализа социальных и демографических региональных и национальных процессов.

Дальнейшее развитие темы видится в выявлении и описании региональных особенностей на уровне отдельно взятых территорий.


Источники:

1. Нестерова О.А., Пожарницкая О.В. Оценка благосостояния с позиции устойчивого человеческого развития: возможности международных индексов // Вопросы инновационной экономики. – 2018. – № 3. – c. 335-348.
2. Нгуен Динь Туан Многомерная бедность и человеческое развитие во Вьетнаме и странах Юго-Восточной Азии: сравнительный анализ // Вьетнамские исследования. – 2022. – № 1. – c. 40–51.
3. Нестерова О.А., Санфирова О.В., Копытова А.И. Актуальные особенности современного финансово-экономического знания как основного фактора вектора благополучия // Вопросы инновационной экономики. – 2021. – № 4. – c. 1671-1686 .
4. Бурцева Т.А., Филиппова Т.И., Сулейманова И.И. Анализ социально-экономических условий и влияние волонтерской деятельности на повышение социально-экономического благополучия в регионах // Экономика, предпринимательство и право. – 2021. – № 1. – c. 113-132.
5. Weerakkody V., Sivarajah U., Mahroof K., Maruyama T., Lu S. Influencing subjective well-being for business and sustainable development using big data and predictive regression analysis // Journal of Business Research. – 2021. – p. 520-538.
6. Войкина Е.А., Миргород Е.Е., Шубенкова Е.В. Оценка неравенства благосостояния населения России // Экономика труда. – 2020. – № 2. – c. 141-154.
7. Скипин Д.Л., Юхтанова Ю.А., Крыжановский О.А., Токмакова Е.Г. Ожидаемая продолжительность жизни в регионах России // Экономические и социальные перемены: факты, тенденции, прогноз. – 2022. – № 2. – c. 156–171. – doi: 10.15838/esc.2022.2.80.10.
8. Holmgren Caicedo M., Mårtensson M., Roslender R. Roslender Managing and measuring employee health and wellbeing: A review and critique // Journal of Accounting & Organizational Change. – 2010. – № 6 (4). – p. 436-459.
9. Renee N. Baptiste Tightening the link between employee wellbeing at work and performance: A new dimension for HRM // Management Decision. – 2008. – № 46 (2). – p. 284-309.
10. Gachet Páez D., de Buenaga Rodríguez M., Puertas Sánz E., Villalba M.T., Muñoz R. Gil Healthy and wellbeing activities’ promotion using a big data approach // Health Informatics Journal. – 2018. – № 24 (2). – p. 125-135.
11. Чекмарев О.П., Ильвес А.Л., Конев П.А. Потенциал занятости и безработицы в России в условиях санкций 2022 года // Экономика труда. – 2022. – № 4. – p. 765-780. – doi: 10.18334/et.9.4.114599.
12. Ильин В.А., Морев М.В. Бедность в стране – «угроза для стабильного развития и демографического будущего» // Экономические и социальные перемены: факты, тенденции, прогноз. – 2022. – № 1. – c. 9–33. – doi: 10.15838/esc.2022.1.79.1.
13. Андреева Е.И., Бычков Д.Г., Феоктистова О.А. Региональный рейтинг эффективности социальной поддержки нуждающихся // Проблемы прогнозирования. – 2022. – № 1. – c. 55-64.
14. Тагаров Б.Ж. Факторы, влияющие на внедрение принципов устойчивого развития в развитых и развивающихся странах // Экономические отношения. – 2021. – № 2. – c. 425-438. – doi: 10.18334/eo.11.2.112084.
15. Самородова Е.М. Взаимосвязь цифровизации общественной жизни, национального человеческого капитала и социально-экономического благополучия: результаты корреляционного анализа // Вопросы инновационной экономики. – 2022. – № 1. – c. 25-44.

Страница обновлена: 26.11.2024 в 12:48:33