Города-«манекены» в прогнозной модели развития малых городов

Логинов С.В.1, Королева Е.Н.1
1 Самарский государственный экономический университет

Статья в журнале

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

Том 15, Номер 7 (Июль 2025)

Цитировать эту статью:

Аннотация:
В статье представлены результаты прогнозного моделирования трансформации функций и факторов малых городов различных типов в экономическом пространстве региона. Разработана авторская методика прогнозирования развития малых городов с использованием методического подхода города-«манекены» и комплексе экономико-статистических методов. С применением корреляционно-регрессионного анализа выявлены ключевые факторы развития малых городов: тип региона по научно-технологическому развитию, удельный вес убыточных организаций и оборот розничной торговли на душу населения. Методом кластерного анализа выделены три типа малых городов Приволжского федерального округа по уровню условий развития, для каждого из которых определен город-«манекен». Построены прогнозные модели развития городов-«манекенов» на период до 2025 года, показавшие значительную дифференциацию в перспективах их развития. Полученные результаты позволили разработать рекомендации по совершенствованию региональной экономической политики в отношении малых городов различных типов.

Ключевые слова: малый город, город-«манекен», региональная экономика, прогнозное моделирование, кластерный анализ, регрессионный анализ, опорные населенные пункты, экономическое пространство региона

JEL-классификация: R11, R12, R13, R58



Введение

Малые города играют особую роль в пространственной организации экономики России, выступая, с одной стороны, важнейшими узлами экономического каркаса страны, с другой - локальными центрами экономической активности, хранителями историко-культурного наследия и элементами, обеспечивающими устойчивость системы расселения [2, 14].

Проблемы малых городов России многоаспектны и включают сокращение численности населения, низкий уровень диверсификации экономики, недостаточное развитие инфраструктуры и ограниченные бюджетные возможности, что подтверждается исследованиями Е.Н. Заборовой [5], Коростелевой Л.Ю. [9], С.Н. Растворцевой и И.В. Манаевой [20], А.Ф. Пасынкова и В.М. Лопатина [19], При этом, как отмечет Л.В. Иваненко, рассматриваемые населенные пункты обладают значительным потенциалом, который может быть реализован при условии адекватной оценки перспектив их развития [7].

Согласно исследованиям Н.В. Зубаревич [6] и Е.А. Коломак [8], малые города России демонстрируют значительную дифференциацию по уровню и социально-экономической динамике, что требует применения дифференцированного подхода к прогнозированию их развития.

Анализ существующих подходов к прогнозированию развития малых городов показывает, что большинство из них требуют значительного объема исходных данных и сложных вычислений, что затрудняет их практическое применение. В связи с этим возникает необходимость разработки более простых и эффективных методик прогнозирования, учитывающих специфику малых городов и доступность статистической информации [15].

Целью исследования является разработка методики прогнозирования развития малых городов в экономическом пространстве региона с использованием методического подхода города-«манекены». Данный подход, являющийся развитием идеи о рассмотрении города как квазикорпорации [13], предполагает выделение репрезентативных городов для различных типов малых городов, что позволяет существенно упростить процесс прогнозирования при сохранении достаточной точности результатов.

Исследование направлено на решение важной научно-практической задачи – формирование научно обоснованных рекомендаций по совершенствованию региональной экономической политики в отношении малых городов различных типов. Это соответствует приоритетам, обозначенным в Основах государственной политики регионального развития Российской Федерации на период до 2025 года [18] и в Стратегии пространственного развития Российской Федерации на период до 2030 года [21].

В статье представлены результаты апробации разработанной методики на примере малых городов Приволжского федерального округа, выявлены ключевые факторы их развития, построены прогнозные модели для городов-«манекенов» различных типов и разработаны рекомендации по совершенствованию региональной экономической политики, направленной на устойчивое развитие малых городов.

Объект и методы исследования

Объектом исследования являются малые города Приволжского федерального округа (ПФО) с численностью населения до 50 тысяч человек. Генеральную совокупность исследования составляют 139 малых городов ПФО, из которых отобраны 59 городов, для которых имеются статистические данные по имеющимся показателям.

Методологической основой исследования послужили теория центральных мест В. Кристаллера [4], теория каркасно-сетевой структуры территории развитая в работах Лаппо Г.М. [11], теория агломерационных эффектов и теория оптимального размера города, представленные в исследованиях Р. Камманьи и др. [23, 24].

Основными методами исследования стали:

1. Корреляционно-регрессионный анализ для выявления ключевых факторов развития малых городов и построения прогнозных моделей.

2. Кластерный анализ для типологизации малых городов по уровню условий развития.

3. Методы анализа временных рядов для прогнозирования динамики ключевых факторов развития.

4. Экспертный метод для отбора городов-«манекенов» и интерпретации полученных результатов.

В качестве зависимой переменной выбрана среднегодовая численность населения малых городов (Y). В качестве независимых переменных рассмотрены 22 показателя, характеризующих различные аспекты социально-экономического развития малых городов [25, 12]:

- X1 – местоположение относительно агломерации;

- X2 – тип региона по научно-технологическому развитию;

- X3 – доля протяженности автомобильных дорог, не отвечающих нормативным требованиям;

- X4 – объем инвестиций в основной капитал на одного человека;

- X5 – площадь земельных участков, предоставленных для строительства;

- X6 – доля населения, улучшившего жилищные условия;

- X7 – общая площадь жилых помещений на одного жителя;

- X8 – среднемесячная номинальная начисленная заработная плата;

- X9 – общий коэффициент рождаемости;

- X10 – число прибывших на 1000 чел. населения;

- X11 – число выбывших на 1000 чел. населения;

- X12 – расходы бюджета на содержание работников органов местного самоуправления;

- X13 – удельный вес убыточных организаций;

- X14 – удельный вес прибыльных организаций;

- X15 – отгружено товаров собственного производства на душу населения;

- X16 – оборот розничной торговли на душу населения;

- X17 – численность граждан, пользующихся социальной поддержкой;

- X18 – введено в действие жилых домов на 1000 чел. населения;

- X19 – выручка от продажи товаров, продукции, работ, услуг на 1000 чел. населения;

- X20 – среднесписочная численность работников организаций на 1000 чел. населения;

- X21 – объем средств, предусмотренных на предоставление социальной поддержки;

- X22 – сумма начисленных субсидий населению на оплату жилого помещения и коммунальных услуг.

Авторская методика прогнозирования развития малых городов в экономическом пространстве региона включает шесть последовательных этапов (таблица 1).

Таблица 1 - Алгоритм методики прогнозирования развития малых городов в экономическом пространстве региона

Этап
Содержание этапа
Блоки этапа
Содержание блоков
1
Формирование информационной базы исследования
1.1
Определение генеральной совокупности малых городов (139 малых городов ПФО)
1.2
Формирование выборки малых городов для исследования (59 городов)
1.3
Отбор показателей для анализа: зависимая переменная Y – среднегодовая численность населения; независимые переменные X1-X22 – факторы социально-экономического развития
1.4
Сбор статистических данных по отобранным показателям
2
Корреляционно-регрессионный анализ
2.1
Анализ описательных статистик результативного показателя Y
2.2
Проверка на нормальность распределения и выявление выбросов
2.3
Построение матрицы парных коэффициентов корреляции
2.4
Выявление значимых факторов и проверка на мультиколлинеарность
2.5
Построение многофакторной регрессионной модели
2.6
Проверка качества модели (дисперсионный анализ, анализ остатков)
3
Кластерный анализ
3.1
Стандартизация факторных показателей, вошедших в регрессионную модель
3.2
Построение дендрограммы иерархическим агломеративным методом
3.3
Определение оптимального количества кластеров
3.4
Классификация малых городов методом k-средних
3.5
Проверка правильности кластеризации с помощью дисперсионного анализа
3.6
Анализ состава и характеристик полученных кластеров
4
Выбор городов-«манекенов»
4.1
Определение критериев выбора городов-«манекенов»
4.2
Экспертная оценка и отбор городов-«манекенов» для каждого кластера
4.3
Выбор города-«манекена» для ПФО
5
Прогнозное моделирование
5.1
Анализ временных рядов ключевых факторов для городов-«манекенов»
5.2
Выбор оптимальных моделей прогнозирования для каждого фактора
5.3
Построение прогнозных моделей ключевых факторов
5.4
Расчет прогнозных значений факторов на 2024-2025 гг.
5.5
Подстановка прогнозных значений факторов в регрессионное уравнение
5.6
Получение прогнозных значений численности населения городов-«манекенов»
6
Интерпретация результатов и разработка рекомендаций
6.1
Сравнительный анализ прогнозов развития городов-«манекенов»
6.2
Выявление ключевых тенденций развития малых городов различных типов
6.3
Разработка общих рекомендаций по совершенствованию региональной экономической политики
6.4
Разработка специфических рекомендаций для малых городов различных типов
Источник: Составлено авторами

Результаты исследования

Анализ статистического профиля среднегодовой численности населения малых городов ПФО (таблица 2) показал, что медиана (20 062 человека) меньше среднего значения (24 034 человека), что свидетельствует о неоднородности совокупности данных. Высокий коэффициент вариации (59,33%) указывает на значительную дифференциацию малых городов ПФО по численности населения.

Таблица 2 - Основные статистические параметры среднегодовой численности населения малых городов ПФО в 2023 году

Статистический показатель
Значение
N набл.
59
Среднее
24 034
Медиана
20 062
Минимум
2 694
Максимум
72 686
Размах
69 992
Среднеквадратическое отклонение
14 258
Коэффициент вариации
59,33
Асимметрия
0,98
Эксцесс
1,14
Источник: Составлено авторами по данным источника [3]

Коэффициенты асимметрии (0,98) и эксцесса (1,14) свидетельствуют о распределении, отличном от нормального. Положительная асимметрия указывает на правостороннюю асимметрию, то есть распределение смещено влево. Положительный коэффициент эксцесса говорит о более островершинном распределении по сравнению с нормальным.

Для выявления ключевых факторов развития малых городов был проведен корреляционно-регрессионный анализ. После исключения мультиколлинеарных переменных и применения процедуры пошагового отбора переменных была получена трёхфакторная модель со значимыми переменными X2, X13 и X16 (таблица 3).

Таблица 3 - Результаты регрессионного анализа

Переменная
Коэффициент
Стандартная ошибка
t-критерий
p-значение
Константа
28956,14
3412,818
8,48453
0,000000
X2
3261,35
2611,808
1,24870
0,007163
X13
-416,37
135,826
-3,06545
0,003390
X16
137,83
30,398
4,53405
0,000033
Источник: Составлено авторами

Множественный коэффициент корреляции равен 0,5446, что по шкале Чеддока свидетельствует о заметной связи между зависимой и независимыми переменными. Коэффициент детерминации равен 0,5065, что означает, что вариация зависимой переменной Y на 50,65% объясняется вариацией независимых переменных X2, X13 и X16.

Уравнение регрессии в натуральном виде:

где:

- X₂ – тип региона по научно-технологическому развитию;

- X₁₃ – удельный вес убыточных организаций, %;

- X₁₆ – оборот розничной торговли на душу населения, тыс. руб.

Интерпретация полученной модели:

1. При улучшении научно-технологического развития региона на одну единицу среднегодовая численность населения малого города увеличивается в среднем на 3261,35 человек при неизменных значениях других факторов.

2. Увеличение доли убыточных организаций на 1% приводит к снижению численности населения в среднем на 416,37 человек при неизменных значениях других факторов.

3. Увеличение оборота розничной торговли на 1 тыс. руб. на душу населения приводит к росту численности населения в среднем на 137,83 человека при неизменных значениях других факторов.

На основе выявленных ключевых факторов (X2, X13, X16) был проведен кластерный анализ, позволивший выделить три типа малых городов ПФО по уровню условий развития (таблица 4).

Таблица 4 - Средние значения показателей по кластерам

Показатель
Кластер 1
(24 города)
Кластер 2
(25 городов)
Кластер 3
(9 городов)
X2 (тип региона)
0 (средний)
2 (высокий)
1 (низкий)
X13 (доля убыточных организаций, %)
19,0
22,8
75,0
X16 (оборот розничной торговли, тыс. руб.)
81,93
111,03
75,77
Уровень условий развития
Средний
Низкий
Высокий
Источник: Составлено авторами

В отличие от использованного в работе И.В. Манаевой [16] подходу к определению городов – «манекенов» как городов-лидеров, в которых оценка значений динамики показателя «объем отгруженной продукции на душу населения» и ВРП в регионах России демонстрирует значительный отрыв от среднего значения показателя и страны в целом, в нашем исследовании для каждого кластера был определен город-«манекен», наиболее репрезентативно отражающий развитие всей кластерной группы малых городов.

Городами-«манекенами» в нашем исследовании стали:

- кластер 1 (средний уровень условий развития) – Медногорск (Оренбургская область);

- кластер 2 (низкий уровень условий развития) – Менделеевск (Республика Татарстан);

- кластер 3 (высокий уровень условий развития) – Кизел (Пермский край).

В качестве эталона для сравнения был выбран город Выкса (Нижегородская область), который может рассматриваться как город-«манекен» для всего ПФО.

Для каждого города-«манекена» были построены прогнозные модели по ключевым факторам, вошедшим в регрессионное уравнение: удельному весу убыточных организаций (X13) и обороту розничной торговли на душу населения (X16). На основе полученных прогнозных значений факторов и регрессионной модели были рассчитаны прогнозные значения среднегодовой численности населения на 2024-2025 годы (таблица 5).

Таблица 5 - Прогнозные значения показателей развития городов-«манекенов»

Город
Год
X2
X13,
%
X16,
тыс. руб.
Прогнозная численность населения, тыс. чел.
Медногорск
2024
0
68,1
102,48
18,6
2025
0
96,6
129,50
12,0
Менделеевск
2024
2
54,1
120,36
35,4
2025
2
72,9
132,80
29,5
Кизел
2024
2
88,8
79,30
15,2
2025
2
98,9
84,50
13,7
Выкса
2024
2
44,5
182,05
44,2
2025
2
39,5
188,49
49,0
Источник: Составлено авторами

Анализ прогнозных значений демонстрирует существенную вариативность в траекториях развития малых городов-«манекенов» Приволжского федерального округа:

1. Медногорск (кластер 1): прогнозируется сокращение численности населения с 18,6 тыс. человек в 2024 году до 12,0 тыс. человек в 2025 году (снижение на 35,5%). Негативная демографическая динамика коррелирует с критическим увеличением доли убыточных предприятий с 68,1% до 96,6% при параллельном росте оборота розничной торговли с 102,48 до 129,50 тыс. руб.

2. Менделеевск (кластер 2): ожидается существенное сокращение населения с 35,4 тыс. человек в 2024 году до 29,5 тыс. человек в 2025 году (сокращение на 16,7%). Негативный тренд сопровождается значительным увеличением доли убыточных организаций с 54,1% до 72,9% при умеренном росте оборота розничной торговли с 120,36 до 132,80 тыс. руб.

3. Кизел (кластер 3): прогнозируется умеренное снижение численности населения с 15,2 тыс. человек в 2024 году до 13,7 тыс. человек в 2025 году (сокращение на 9,9%). Несмотря на критически высокую долю убыточных предприятий (рост с 88,8% до 98,9%), город демонстрирует относительную устойчивость при скромном увеличении оборота розничной торговли с 79,30 до 84,50 тыс. руб.

4. Выкса (эталонный город): единственный из рассматриваемых городов с положительной демографической динамикой — прогнозируется рост населения с 44,2 тыс. человек в 2024 году до 49,0 тыс. человек в 2025 году (увеличение на 10,9%). Примечательно, что город демонстрирует снижение доли убыточных организаций с 44,5% до 39,5% при стабильном росте оборота розничной торговли с 182,05 до 188,49 тыс. руб.

Таким образом, наблюдается четкая дифференциация траекторий развития: от критического демографического спада в Медногорске до устойчивого роста в Выксе, что подтверждает значимость экономических показателей в формировании демографических тенденций малых городов.

Обсуждение и заключение

Результаты проведенного исследования позволяют сформулировать ряд рекомендаций по совершенствованию региональной экономической политики в отношении малых городов различных типов.

Первое направление связано с формированием дифференцированной системы опорных населенных пунктов в регионах ПФО, что соответствует стратегическим приоритетам пространственного развития РФ [21]. На основе результатов кластерного анализа предлагается сформировать дифференцированную систему опорных населенных пунктов, включающую четыре категории:

- опорные центры экономического роста (пример - Выкса), способные выступать драйверами развития окружающих территорий;

- опорные центры социального обслуживания, обеспечивающие предоставление социальных услуг для населения прилегающих сельских территорий;

- специализированные опорные центры (примеры - Медногорск, Менделеевск), развивающиеся на основе отраслевой специализации;

- проблемные опорные центры (пример - Кизел), требующие особых мер поддержки.

Второе направление предусматривает стимулирование развития экономической базы малых городов. Учитывая выявленную обратную зависимость между удельным весом убыточных организаций и численностью населения, предлагается комплекс мер по стимулированию развития экономической базы малых городов. Экономическая активность в малых городах может быть повышена за счет реализации инвестиционных проектов, ориентированных на использование местных ресурсов и компетенций.

Третье направление связано с развитием потребительского рынка и сферы услуг. Выявленная прямая зависимость между оборотом розничной торговли на душу населения и численностью населения малых городов подтверждает важность развития потребительского рынка для устойчивого развития малых городов. Малые города с историко-культурным потенциалом могут развиваться как центры туризма, что будет способствовать диверсификации их экономики и развитию сферы творческих - креативных индустрий [1]. Развитие сферы услуг в малых городах способствует удержанию населения и снижению миграционного оттока [22].

Четвертое направление предполагает повышение научно-технологического потенциала малых городов. Выявленная зависимость между типом региона по научно-технологическому развитию и численностью населения малых городов указывает на важность интеграции малых городов в региональные инновационные системы. Для моногородов необходимы специальные механизмы диверсификации экономики и внедрению инноваций [10].

Пятое направление связано с совершенствованием системы межбюджетных отношений и финансовой поддержки малых городов. Целевая поддержка малых городов, выполняющих функции опорных центров сельских территорий, способствует повышению качества жизни населения и развитию инфраструктуры [17].

Полученные результаты создают научную основу для формирования эффективной региональной экономической политики, направленной на устойчивое развитие малых городов и повышение их роли в пространственной организации экономики регионов России. Практическая реализация предложенных рекомендаций будет способствовать преодолению негативных тенденций в развитии малых городов и повышению качества жизни их населения.


Источники:

1. Абанкина Т.В. Креативная экономика в России: новые тренды // Журнал новой экономической ассоциации. – 2022. – № 2(54). – c. 221-228. – doi: 10.31737/2221-2264-2022-54-2-13.
2. Бухвальд Е.М., Валентик О.Н. Малые города в системе пространственного регулирования российской экономики // Региональная экономика. Юг России. – 2018. – № 1(19). – c. 169-180. – doi: 10.15688/re.volsu.2018.1.16.
3. Бюллетень «Численность населения Российской Федерации по муниципальным образованиям» на 1 января 2024 года. Федеральная служба государственной статистики. [Электронный ресурс]. URL: https://rosstat.gov.ru/storage/mediabank/BUL_MO_2024.xlsx (дата обращения: 02.07.2025).
4. Дмитриев Р.В. Теория центральных мест: от статики к динамике. / Монография. - М.: Институт Африки РАН, 2023. – 204 c.
5. Заборова Е.Н. Рейтинг актуальных проблем малых городов Свердловской области  // Вестник Института социологии. – 2025. – № 1. – c. 74-89. – doi: 10.19181/vis.2025.16.1.5.
6. Зубаревич Н.В. Развитие российских агломераций: тенденции, ресурсы и возможности управления // Общественные науки и современность. – 2017. – № 6. – c. 5-21.
7. Иваненко Л.В. Проблемы развития малых городов. Инновационные подходы к менеджменту // Вестник УГНТУ. Наука, образование, экономика. Серия: Экономика. – 2021. – № 2(36). – c. 55-62. – doi: 10.17122/25418904-2021-2-36-55-62.
8. Коломак Е.А. Городская система России // Регион: Экономика и Социология. – 2016. – № 1(89). – c. 233-248. – doi: 10.15372/REG20160110.
9. Коростелева Л.Ю. Социальные проблемы малых городов в зеркале индекса качества городской среды // Научное обозрение. Серия 2: Гуманитарные науки. – 2022. – № 3-4. – c. 5-19. – doi: 10.26653/2076-4685.
10. Лапаева О.Н., Митякова Е.В. Концептуальная модель обеспечения инновационной деятельности монопрофильных территорий // Развитие и безопасность. – 2022. – № 4 (16). – c. 31–42. – doi: 10.46960/2713-2633_2022_4_31.
11. Лаппо Г.М. Концепция опорного каркаса территориальной структуры народного хозяйства: развитие, теоретическое и практическое значение // Известия Академии наук СССР. Серия географическая. – 1983. – № 5. – c. 16-28.
12. Логинов С.В. Факторы развития малых городов и их трансформации в современных условиях // Экономика устойчивого развития. – 2025. – № 1(61). – c. 119-124.
13. Логинов С.В., Королева Е.Н. Оценка экономического развития малых городов на основе подхода «город как квазикорпорация» // Экономика, предпринимательство и право. – 2024. – № 11. – c. 6877-6888. – doi: 10.18334/epp.14.11.122122.
14. Николаева Е.Е., Берендеева А.Б., Берендеева О.С., Буданова И.А., Дмитриева Л.В., Коробова О.О., Куликов В.И., Курникова И.В. и др. Малые города в социально-экономической системе России: проблемы и перспективы развития. / Монография. - Иваново: Ивановский государственный университет, 2024. – 488 c.
15. Черныш М.Ф., Маркин В.В., Баймурзина Г.Р., Воронов В.В., Воропаева А.В., Городецкая Е.Г., Егоров В.К., Епихина Ю.Б. и др. Малые города России: новые вызовы, социальные проблемы и перспективы. / Монография. - М.: ФНИСЦ РАН, 2021. – 598 c.
16. Манаева И.В. Модель оценки преимуществ проживания в городах России // Экономика региона. – 2023. – № 4. – c. 985-1002. – doi: 10.17059/ekon.reg.2023-4-4.
17. Об утверждении государственной программы Российской Федерации «Комплексное развитие сельских территорий»: постановление Правительства РФ от 31.05.2019 № 696 (ред. от 10.07.2020) // Собрание законодательства РФ. 2019. № 23. Ст. 2953
18. Об утверждении Основ государственной политики регионального развития Российской Федерации на период до 2025 года: указ Президента РФ от 16.01.2017 № 13 // Собрание законодательства РФ. 2017. № 4. Ст. 637
19. Пасынков А.Ф., Лопатин В.М. Экономические факторы миграции населения в регионе (на примере Свердловской области) // Креативная экономика. – 2021. – № 11. – c. 4273-4294. – doi: 10.18334/ce.15.11.113846.
20. Растворцева С.Н., Манаева И.В. Тенденции и факторы современного развития малых и средних городов // Экономические и социальные перемены: факты, тенденции, прогноз. – 2022. – № 1. – c. 110-127. – doi: 10.15838/esc.2022.1.79.6.
21. Стратегия пространственного развития Российской Федерации на период до 2030 года с прогнозом до 2036 года утверждена распоряжением Правительства РФ от 28.12.2024 №4146-р
22. Фаузер В.В., Смирнов А.В., Лыткина Т.С., Фаузер Г.Н. Городские агломерации в системе расселения севера России // Экономические и социальные перемены: факты, тенденции, прогноз. – 2021. – № 4. – c. 77-96. – doi: 10.15838/esc.2021.4.76.5.
23. Camagni R., Capello R., Caragliu A. Static vs. dynamic agglomeration economies: Spatial context and structural evolution behind urban growth // Papers in Regional Science. – 2015. – № 1. – p. 133-158. – doi: 10.1111/pirs.12182.
24. Camagni R., Capello R., Caragliu A. One or infinite optimal city sizes? In search of an equilibrium size for cities // The Annals of Regional Science. – 2013. – № 2. – p. 309-341. – doi: 10.1007/s00168-012-0548-7.
25. Koroleva E.N., Urazova Y.V., Loginov S.V. Features of Urbanization of Non-agglomeration Territo-ries: The Role of Small Towns // Engineering Innovations and Sustainable Development: Proceedings of the 2nd International Conference. Vol. 378. Самара, 2023. – p. 126-132.– doi: 10.1007/978-3-031-38122-5_18.

Страница обновлена: 17.07.2025 в 09:34:14