Метод TOPSIS в оценке регионального человеческого капитала

Актуальность исследования

Актуальность исследования процессов формирования и развития человеческого капитала на региональном уровне обусловлена его возрастающей ролью как ключевого фактора устойчивого социально-экономического развития в условиях глобальных трансформаций, демографических сдвигов и технологических вызовов. В последние годы в России наблюдается переориентация экономической политики на качество человеческого капитала. Это реализуется через повышение доступности образования, укрепление системы здравоохранения, развитие цифровых компетенций и создание условий для достойного труда. Однако реализация данного направления сталкивается с высокой региональной дифференциацией. Отдельные субъекты демонстрируют устойчивый рост по всем компонентам человеческого капитала, в то время как другие испытывают структурное отставание, усиливаемое миграционным оттоком, низкими доходами и ограниченным доступом к качественным социальным услугам.

Анализ официальной статистики за период 2014–2023 гг. выявляет сложную картину: на фоне общего роста среднедушевых доходов, увеличения охвата высшим образованием и расширения цифровой инфраструктуры сохраняется значительное неравенство между регионами даже в рамках одного федерального округа. Это проявляется в Центральном федеральном округе (ЦФО), где г. Москва функционирует обладает высоким уровнем концентрации ресурсов всех типов, в то время как многие соседние области уступают в уровне развития. Подобная поляризация зачастую не может быть снижена формальным улучшением отдельных индикаторов развития ввиду неравномерного распределения эффектов от трансформационных и модернизационных процессов.

Объектом данного исследования выступает человеческий капитал субъектов Центрального федерального округа Российской Федерации.

Предметом исследования является динамика и структурные изменения регионального человеческого капитала, оцениваемая на основе интегрального индекса, построенного с применением методики энтропийно взвешенного TOPSIS по пяти ключевым компонентам: уровень образования (доля занятых с высшим образованием), здоровье (ожидаемая продолжительность жизни при рождении), трудовая активность (уровень занятости в трудоспособном возрасте), экономическое благосостояние (среднедушевые денежные доходы) и цифровая включенность (доля населения, использовавшего сеть Интернет).

В качестве основной гипотезы исследования выдвигается предположение о том, что в период 2014–2023 гг. в ЦФО наблюдалась устойчивая тенденция к росту диспропорций в уровне человеческого капитала между г. Москвой и остальными регионами, при этом большинство областей демонстрировали лишь умеренные улучшения без структурных сдвигов, а некоторые — системное отставание по ключевым компонентам, особенно в сфере доходов и цифровой инфраструктуры.

Целью настоящего исследования является количественная оценка динамики и пространственной дифференциации человеческого капитала в субъектах ЦФО за период 2014–2023 гг. на основе построения и сравнительного анализа интегральных индексов, рассчитанных с использованием методики энтропийно взвешенного TOPSIS.

Для достижения поставленной цели решаются следующие задачи:

- Сформировать сопоставимую по годам систему показателей человеческого капитала на основе данных Росстата по 18 субъектам ЦФО.

- Рассчитать индексы человеческого капитала за 2014, 2018, 2021 и 2023 гг. с применением методики энтропийно взвешенного TOPSIS, включая нормализацию данных, определение объективных весов через энтропию и построение итогового индекса близости к идеальному решению.

- Провести анализ динамики индексов на индивидуальном и групповом уровнях (лидеры, средние регионы, аутсайдеры).

- Оценить степень поляризации в ЦФО и проанализировать роль каждого компонента (образование, здоровье, доходы и др.) в формировании региональных различий.

Эмпирической базой исследования послужили официальные данные Федеральной службы государственной статистики за 2014–2023 гг.

Элементы научной новизны заключаются в применении методологии многокритериальной оценки (энтропийно взвешенный TOPSIS) для построения динамического индекса человеческого капитала на уровне субъектов РФ, в выявлении долгосрочных траекторий развития регионов ЦФО, в количественной оценке вклада каждого компонента ЧК в формирование регионального неравенства.

Основная часть

В современных условиях, характеризующихся ускоренной интенсификацией развития цифровых сервисов, формированием экономики данных и переходом к постиндустриальной модели развития, человеческий капитал приобретает статус одного из ключевых стратегических ресурсов. Он выступает не только как основа формирования конкурентоспособности регионов, отраслей и отдельных предприятий, но и как мощный стимул для генерации и внедрения инноваций во всех сферах экономики и общественной жизни. В условиях, когда технологические изменения происходят с нарастающей скоростью, именно качество человеческого капитала определяет способность экономических агентов адаптироваться к новым вызовам, эффективно использовать цифровые инструменты и создавать добавленную стоимость на основе знаний, компетенций и креативного потенциала.

Исследования, посвященные анализу процессов накопления и воспроизводства человеческого капитала, в целом приходят к выводу, что высококвалифицированные кадры обладают значительным потенциалом для стимулирования технологических инноваций. Это проявляется как на микроуровне — в рамках отдельных компаний [14], где квалифицированные специалисты выступают драйверами разработки новых продуктов, оптимизации производственных процессов и внедрения цифровых решений, — так и на мезоуровне — в масштабах регионов [7], где концентрация образованных и компетентных работников способствует формированию инновационной экосистемы, привлечению инвестиций и развитию высокотехнологичных кластеров. Однако следует учитывать, что человеческий капитал обладает рядом специфических характеристик: во-первых, его формирование требует длительного временного периода, связанного с получением образования, приобретением практических навыков и профессионального опыта; во-вторых, период его эффективного применения ограничен как физиологическими, так и технологическими факторами — устаревание знаний в условиях быстрой смены технологических укладов может существенно сократить «срок службы» человеческого капитала.

Ввиду этих особенностей задачи оценки, мониторинга и анализа человеческого капитала приобретают особую научную и практическую значимость. На региональном уровне в последние годы сформировалось значительное количество методологических подходов [9] к измерению данной категории, однако до сих пор отсутствует единое, общепринятое определение [3] и стандартизированная система показателей. Существующие подходы можно условно разделить на две группы: первая ориентирована на оценку отдельных компонентов человеческого капитала [2, 10] — таких как уровень образования, здоровье, профессиональная квалификация, цифровая грамотность и т.д.; вторая предполагает построение комплексных, интегральных индексов [12], агрегирующих множество частных показателей в единый сводный индикатор. При этом важно отметить, что корпоративный уровень оценки человеческого капитала имеет свои особенности [1, 5], обусловленные спецификой бизнес-процессов, стратегическими целями компаний и внутренней организационной культурой, что требует адаптации методологий под конкретные условия функционирования предприятия.

Несмотря на разнообразие существующих подходов, во многих исследованиях сохраняется ряд методологических проблем, которые снижают объективность и сопоставимость результатов оценки. Анализ работ, посвященных сравнительной оценке методик измерения человеческого капитала [8], позволяет выделить следующие ключевые ограничения:

- Проблема распределения весов между структурными компонентами человеческого капитала. Во многих моделях веса либо принимаются равными (что не отражает реального вклада различных компонентов), либо устанавливаются экспертным путем, что вносит субъективность;

- Жесткое закрепление весов в составе единого индекса без учета их возможной динамики во времени. В условиях быстро меняющейся социально-экономической среды значимость отдельных компонентов может существенно меняться, однако фиксированные веса не позволяют адекватно отразить эти сдвиги;

- Проблема «зашумленности» индекса малоинформативными или слабо варьируемыми показателями. Включение в состав индекса параметров, которые практически не различаются между регионами или временными периодами, снижает чувствительность индекса и его способность выявлять реальные различия в качестве человеческого капитала;

- Отсутствие учета взаимосвязей между параметрами, входящими в индекс. Многие показатели тесно коррелируют между собой, однако большинство методик игнорируют эти зависимости, что может приводить к завышению значимости одних и занижению роли других компонентов, а также к проблеме мультиколлинеарности при использовании индексов в регрессионных моделях.

Таким образом, дальнейшее совершенствование методологий оценки человеческого капитала требует не только разработки более гибких и адаптивных индексов, но и применения инструментов, позволяющих учитывать динамику, взаимосвязи и региональную специфику формирования и использования этого ресурса.

Одним из подходов, позволяющих частично решить приведенные выше проблемы, является методология TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). Это метод многокритериального принятия решений, предложенный Ч.-Л. Хвангом и К. Юном [13]. Его суть — ранжирование альтернатив по степени их близости к идеальному решению и удаленности от наихудшего решения.

Данный подход достаточно широко применяется в экономике [4, 11, 15]. Его можно адаптировать к оценке человеческого капитала с относительно небольшой коррекцией.

В рамках данной работы был проведен расчет индексов человеческого капитала за 2014, 2018, 2021 и 2023 гг. с применением методики энтропийно взвешенного TOPSIS, включая нормализацию данных, определение объективных весов через энтропию и построение итогового индекса близости к идеальному решению

Расчет был проведен следующим образом.

1. Определен перечень исходных параметров оценки человеческого капитала:

Х1 - доля занятого населения в возрасте 25-64 лет, имеющего высшее образование в общей численности занятого населения соответствующей возрастной группы;

Х2 - ожидаемая продолжительность жизни при рождении;

Х3 - уровень занятости населения в трудоспособном возрасте;

Х4 - среднедушевые денежные доходы населения;

Х5 - население, использовавшее сеть Интернет.

2. Нормализация данных методом экстремумов (как для (максимизируемых) – (1) показателей, так и для отрицательных (минимизируемых) – (2)):

где - нормализованное значение j-го показателя i-ого региона;

– фактическое значение j-го показателя i-ого региона;

– максимальное значение j-го показателя i-ого региона;

– минимальное значение j-го показателя i-ого региона.

3. Расчет промежуточной величины P_ij

- доля i -го региона в суммарном нормализованном значении j-го показателя.

4. Определение энтропии одного показателя:

- нормированная энтропия j -го показателя;

– нормирующий коэффициент;

m - число регионов (в данном исследовании 18).

5. Расчет весов показателей:

где вес j -го показателя, рассчитанный на основе его информативности.

Показатели с низкой энтропией (высокой дисперсией) получают больший вес.

6. Построение взвешенной нормализованной матрицы:

где - взвешенное нормализованное значение j-го показателя i-ого региона.

7. Определение идеальных решений – положительных (8) и отрицательных (9):

где значение положительного идеального решения по j -му показателю для i-ого региона;

- значение отрицательного идеального решения по j -му показателю для i-ого региона;

8. Расчет евклидовых расстояний:

- евклидово расстояние от i -го региона до положительного идеального решения;

- евклидово расстояние от i -го региона до отрицательного идеального решения;

n — количество показателей.

9. Расчет индекса человеческого капитала для каждого региона (HC_i):

– индекс человеческого капитала.

Таким образом, исходные данные для расчета представлены в таблице 1.

Таблица 1 Исходные данные для расчета индекса человеческого капитал, 2014-2023 гг.

Соответственно проведенные расчеты позволили сформировать таблицу с итоговыми индексами человеческого капитала (таблица 2).

Таблица 2 Индекс регионального человеческого капитала

Анализ динамики индекса регионального человеческого капитала в субъектах Центрального федерального округа за период 2014–2023 гг. позволяет выявить глубокие диспропорции в социально-экономическом развитии. Наиболее яркой особенностью остается доминирование г. Москвы, чей индекс в 2014, 2021 и 2023 гг. достигает максимального значения 1,000, а в 2018 г. лишь незначительно снижается до 0,938. Это подтверждает, что Москва функционирует как самостоятельный центр человеческого капитала с уникальной концентрацией образовательных, медицинских, экономических и цифровых ресурсов.

Второе место стабильно занимает Московская область, однако ее индекс демонстрирует как преимущества от близости к столице, так и определенную уязвимость к внешним шокам и структурным изменениям.

На основе динамики значений можно выделить несколько групп регионов:

- регионы с отрицательной динамикой индекса – Белгородская, калужская, Московская, Орловская, Смоленская, Тульская, Ярославская области. В данных субъектах произошло снижение, при этом Московская область несмотря на снижение продолжает занимать второе место по уровню развития. Максимальное снижение произошло в Смоленской (-17%) и Орловской (-22%) областях;

- регионы с положительной динамикой роста – остальные субъекты за исключением г. Москва. Наибольшее положительное изменение наблюдается в Тверской (+45%) и Владимирской (+41%) областях:

- неизменная позиция – г. Москва.

Общая тенденция за десятилетие неоднозначна. С одной стороны, почти все регионы (кроме Москвы и Подмосковья) показывают снижение индекса в 2023 году по сравнению с пиковыми значениями 2018–2021 гг. Это может быть интерпретировано как следствие глобальных кризисов (пандемия, санкции), которые наиболее сильно ударили по регионам с менее устойчивой экономикой, вынудив их сократить социальные расходы и инвестиции в человеческий капитал. С другой стороны, сохраняется и даже усиливается поляризация: разрыв между Москвой и остальными регионами не только не сокращается, но и становится системообразующим фактором. Таким образом, можно заключить, что в ЦФО формируется двухуровневая модель развития, где один донор (Москва) и его ближайшее окружение сосуществуют с обширной периферией, испытывающей структурное отставание и нуждающейся в новых подходах к региональной политике, направленной на воспроизводство и удержание человеческого капитала.

Заключение

Формирование и развитие человеческого капитала на региональном уровне в условиях современных социально-экономических и технологических трансформаций приобретает стратегическое значение, однако его динамика оказывается неравномерной. В Центральном федеральном округе складывается устойчивая двухуровневая модель: г. Москва функционирует как доминирующий центр концентрации образовательных, медицинских, экономических и цифровых ресурсов, в то время как большинство соседних регионов демонстрируют ограниченные возможности для структурного роста и воспроизводства человеческого капитала.

Данное исследование было направлено на проверку гипотезы о том, что в период 2014–2023 гг. в ЦФО наблюдалась устойчивая тенденция к росту диспропорций в уровне человеческого капитала между г. Москвой и остальными субъектами, при этом большинство регионов демонстрировали лишь умеренные улучшения без структурных сдвигов, а некоторые —отставание по ключевым компонентам. Построенный с использованием методики энтропийно взвешенного TOPSIS интегральный индекс подтвердил эту гипотезу.

Несмотря на общий рост таких показателей, как уровень образования, продолжительность жизни, занятость и цифровая вовлеченность, индекс человеческого капитала в большинстве регионов ЦФО в 2023 году оказался ниже пиковых значений 2018–2021 гг., что свидетельствует о повышенной уязвимости периферийных территорий к внешним шокам — пандемии, санкциям, сокращению социальных расходов. Разрыв между Москвой и другими субъектами не только сохраняется, но и усиливается: индекс Москвы стабильно достигает максимального значения (1,000), тогда как даже Московская область, занимая второе место, демонстрирует снижение индекса, что указывает на зависимость даже ближайшего окружения столицы от ее экономической и институциональной гравитации.

Выявленная динамика подчеркивает, что формальное улучшение отдельных показателей не трансформируется автоматически в качественный рост человеческого капитала.

Таким образом, гипотеза исследования подтвердилась, что позволило выявить ключевые закономерности пространственной дифференциации и структурной поляризации в развитии человеческого капитала ЦФО. Полученные результаты могут быть использованы при разработке целенаправленной региональной политики, ориентированной не только на количественные улучшения отдельных индикаторов, но и на преодоление системного отставания периферийных регионов через повышение качества жизни, стимулирование локальных экономических возможностей и удержание квалифицированных кадров. Кроме того, методология энтропийно взвешенного TOPSIS может быть рекомендована для последующих исследований в области многокомпонентной оценки социально-экономического развития регионов.