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
Скачать PDF | Загрузок: 20
Статья в журнале
Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 13, Номер 2 (Февраль 2023)
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
|
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
|
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
|
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 |
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:
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