Экономико-математическая модель интегральной оценки социально-экологического развития региона с учетом транспортного воздействия

Введение

Оценка воздействия транспортных систем на региональное развитие традиционно строится на разрозненных индикаторах, что не позволяет получить сопоставимую агрегированную характеристику состояния региона [1; 2]. Актуальность исследования обусловлена усилением роли транспорта в формировании не только экономической активности, но и качества социальной и экологической среды регионов. Развитие автомобильной, железнодорожной и иной транспортной инфраструктуры обеспечивает территориальную связность, доступ населения к рынку труда, образовательным, медицинским и культурным услугам, способствует инвестиционной привлекательности и расширению хозяйственных связей. Вместе с тем транспортная деятельность сопряжена с отрицательными внешними эффектами: выбросами загрязняющих веществ и парниковых газов, шумовым воздействием, ростом аварийности, деградацией природных территорий и дополнительной нагрузкой на городскую и региональную инфраструктуру. Поэтому оценка транспортного фактора только через показатели грузооборота, плотности дорог или объема выбросов не отражает его совокупного влияния на устойчивость регионального развития.

Особую значимость данная проблема приобретает для регионов с неоднородной территориальной структурой, значительной протяженностью транспортных маршрутов, сырьевой специализацией и различиями в уровне освоенности муниципальных образований. В таких условиях транспорт может одновременно выступать источником экономического роста и фактором усиления пространственного, социального и экологического неравенства. Для Республики Хакасия данное противоречие связано с функционированием промышленных и добывающих предприятий, межрегиональными грузовыми потоками, зависимостью отдельных территорий от состояния дорожной сети, а также необходимостью сохранения природно-ресурсного потенциала. Следовательно, требуется инструментарий, позволяющий оценивать результаты регионального развития во взаимосвязи с интенсивностью и последствиями транспортного воздействия.

Целью настоящей статьи является разработка экономико-математической модели расчета интегрального показателя социально-экологического развития региона с учетом транспортного воздействия (ИПСЭР), апробированной на реальных данных Республики Хакасия за 2013–2023 гг. Вопросы ранжирования регионов и расчета компенсационных экологических платежей опубликованы отдельно и в настоящей статье не рассматриваются.

Материалы и методы

Информационную базу исследования составили статистические данные Росстата по Республике Хакасия за 2013–2023 гг. - валовой региональный продукт (ВРП), демографическая нагрузка, численность занятых, уровень безработицы (в стоимостном выражении затрат, связанных с безработицей), объем инвестиций в основной капитал; данные Росприроднадзора об объеме платежей и показателях негативного воздействия на окружающую среду (eco_amt); показатели плотности автомобильной дорожной сети Росавтодора и Минтранса России (road_rate). Все переменные приведены в натуральных единицах измерения, что потребовало логарифмического преобразования по формуле (1) и последующего построения регрессионных моделей.

Основные методы - системный анализ, метод анализа иерархий при обосновании весовых коэффициентов, метод наименьших квадратов (МНК) при последовательном (пошаговом иерархическом) построении регрессионных моделей и метод скользящего среднего при сглаживании динамики.

Результаты исследования

Исследование методологических подходов к оценке влияния транспортных систем на социально-экономическое положение экологически чувствительного региона в рамках концептуальной модели требует тщательного рассмотрения сложных взаимодействий между экологическими, экономическими и институциональными факторами [4; 11]. В этом контексте российскими исследователями разработано несколько аналитических моделей, применение которых позволяет выявить современные тенденции в методологии оценки рисков и развитии механизмов экологического регулирования [3; 5].

Е.Н. Седова в своей книге «Моделирование эколого-экономических рисков в регионе (на примере Оренбургской области)» предлагает методологию системной оценки рисков, основанную на сочетании матриц экологических рисков и моделей приоритезации территорий по уровню опасности [28]. Е.Н. Седовой разработана методика классификации регионов по трем категориям: высокий, средний и низкий уровень риска, с использованием агрегированных показателей промышленного загрязнения, плотности стационарных источников выбросов и социальной уязвимости [28]. Такой подход позволяет не только визуализировать критические участки, требующие первоочередного вмешательства, но и установить шкалу финансовых расчетных платежей в зависимости от тяжести несоблюдения экологических норм. Модель предусматривает введение повышающих коэффициентов, которые корректируют размер расчетных платежей в соответствии с экологической чувствительностью региона.

Т.А. Мусихина в своей книге «Комплексная оценка и районирование экологических опасностей и управление экологической безопасностью в регионах России» углубляется в вопрос пространственности экологических рисков с помощью метода «региональной экологической оценки» [24]. Методология основана на многокритериальном анализе таких параметров, как объем антропогенных выбросов, способность экосистем к устойчивости и степень насыщения инфраструктуры борьбы с выбросами. Оригинальность данной модели заключается в установлении «синтетического индекса экологической опасности», который служит основой для классификации территорий на территории с высокой, средней и низкой приоритетностью.

Предлагаемая модель сочетает в себе показатели исторического загрязнения, плотности населения и социально-экономической уязвимости для установления шкалы приоритетов восстановления. Эта приоритезация также служит основой для развития прогрессивной системы финансовых санкций, в которой размер расчетных платежей пропорционален остаточной вредной способности загрязненных объектов [6; 9].

А.Н. Ларионов и Е.Е. Смирнова в статье «Метод оценки рисков для организации экологической безопасности в сфере жилищного и промышленного строительства» представляют прагматичный подход, основанный на использовании математических моделей для расчета экологических расчетных платежей [19].

Авторы подчеркивают важность отраслевой дифференциации в финансовой санкционной политике. Они разрабатывают методологию оценки рисков, которая включает в себя параметры, характерные для транспортной инфраструктуры, такие как интенсивность движения, устаревание оборудования и близость к жилым районам [10; 13].

Данная модель предусматривает реализацию региональных поправочных коэффициентов, позволяющих учитывать местную экологическую насыщенность и специфические социально-экономические проблемы.

Таблица 1. Ключевые модели оценки уровня экологичности региона и расчетных платежей

Расчетные экологические платежи взимаются с хозяйствующих субъектов, осуществляющих деятельность, связанную с негативным воздействием на окружающую среду, включая промышленные предприятия, транспортные компании, строительные организации и предприятия добывающих отраслей [15]. Основанием для начисления расчетных экологических платежей выступают превышение нормативов выбросов загрязняющих веществ, загрязнение водных и земельных ресурсов, образование и размещение отходов, а также несоблюдение экологических стандартов и требований природоохранного законодательства [12; 14].

Сравнительный анализ моделей классификации регионов по уровню экологической проблемы выявляет многообразие методологических подходов, адаптированных к структурным и экономическим особенностям территорий. Модель матриц экологических рисков отличается системным подходом, в котором регионы классифицируются в соответствии с матрицами, сочетающими в себе показатели загрязнения и социальной уязвимости [28]. Этот метод позволяет точно дифференцировать расчетные платежи за счет применения коэффициентов мультипликаторов, пропорциональных уровню выявленного риска, что обеспечивает сильную территориальную контекстуализацию санкций.

Предложенная Т.А. Мусихиной региональная экологическая шкала использует многокритериальную логику, основанную на синтезе физических, биологических и экономических показателей в едином индексе [24]. Преимущество этой модели заключается в том, что она учитывает сложность социально-экологических взаимодействий и позволяет калибровать расчетные платежи в соответствии с этим агрегированным индексом, гарантируя тонкую модуляцию расчетных платежей в соответствии с конкретной суровостью окружающей среды.

На основе проведенного сравнительного анализа автором разработана методика ранжирования регионов по степени экологической проблематичности, учитывающая специфику воздействия транспортно-логистических систем [18].

ИПСЭР определяется как взвешенная сумма знакосохраняющих квадратов логарифмических отклонений экологического, транспортно-инфраструктурного и социально-экономического показателей от их базисных значений 2013 г.:

где — интегральный показатель социально-экологического развития Республики Хакасия с учетом транспортного воздействия в году ;

— объем выбросов загрязняющих веществ в атмосферный воздух от стационарных источников в году , тыс. т;

— объем выбросов загрязняющих веществ в атмосферный воздух в базисном 2013 г., тыс. т;

— плотность автомобильных дорог общего пользования с твердым покрытием в году , км на 1 000 км² территории;

— плотность автомобильных дорог общего пользования с твердым покрытием в базисном 2013 г., км на 1 000 км² территории;

— валовой региональный продукт Республики Хакасия в году , млн руб.;

— валовой региональный продукт Республики Хакасия в базисном 2013 г., млн руб.;

— весовой коэффициент экологического блока, равный 0,45;

— весовой коэффициент транспортно-инфраструктурного блока, равный 0,25;

— весовой коэффициент социально-экономического блока, равный 0,30;

— функция знака логарифмического отклонения: принимает значение при снижении объема выбросов относительно базисного уровня, — при его увеличении и — при равенстве показателей;

— текущий год исследуемого периода, .

, , .

Все промежуточные расчеты выполнены без округления; в таблице результаты представлены с точностью до четырех знаков после запятой. Скользящая средняя рассчитана как среднее значение ИПСЭР за текущий и четыре предшествующих года [20].

Методом анализа иерархий для условий Республики Хакасия - региона с угольно-энергетической специализацией и повышенной антропогенной нагрузкой на атмосферный воздух - получено распределение весов: = 0,45 (экологический блок), = 0,25 (транспортно-инфраструктурный блок), = 0,30 (социально-экономический блок). Повышенный вес экологического блока отражает приоритетность фактического состояния окружающей среды при оценке региона с систематически фиксируемой высокой техногенной нагрузкой [17].

Для учета нелинейного характера влияния отклонений от базисного уровня использовано знакосохраняющее квадратичное преобразование логарифмов относительных изменений показателей. Возведение логарифмического отклонения в квадрат усиливает вклад существенных изменений, тогда как функция знака сохраняет положительный эффект снижения экологической нагрузки и отрицательный эффект ее роста.

Результаты расчета на фактических данных Республики Хакасия за 2013–2023 гг. представлены в таблице 2.

Таблица 2. Динамика компонентов и интегрального показателя социально-экологического развития Республики Хакасия с учетом транспортного воздействия, 2013–2023 гг.

Источник: составлено автором по данным Росстата, Росприроднадзора и государственных докладов о состоянии окружающей среды Республики Хакасия. Значения ВРП за 2022–2023 гг. приняты в последней опубликованной редакции: 345,8 и 378,6 млрд руб. соответственно. Плотность автомобильных дорог общего пользования с твердым покрытием приведена по статистическому ряду Росстата и Росавтодора. Значения выбросов за 2022–2023 гг. — 123,124 и 123,495 тыс. т — приняты по исходным данным автора [27, 26, 8, 25, 7]

Пример расчета за 2023 год

Экологическая компонента:

Транспортная компонента:

Социально-экономическая компонента:

Следовательно,

Расчет ИПСЭР по знакосохраняющей квадратичной модели выявил неравномерность социально-экологической динамики Республики Хакасия в 2013–2023 гг. В базисном 2013 г. значение интегрального показателя принято равным нулю. В 2014–2016 гг. ИПСЭР увеличился с 0,0086 до 0,0338. Положительная динамика определялась преимущественно расширением транспортной инфраструктуры и ростом валового регионального продукта. Экологический эффект в этот период был незначительным: в 2014–2015 гг. объем выбросов находился ниже базового уровня, а в 2016 г. превысил его лишь несущественно.

В 2017 г. значение ИПСЭР уменьшилось до 0,0210, поскольку рост выбросов до 115,164 тыс. т сформировал отрицательную экологическую компоненту, равную −0,0264. Наиболее неблагоприятный результат за рассматриваемый период зафиксирован в 2018 г.: интегральный показатель составил −0,0437. Данное изменение обусловлено максимальным объемом выбросов в исследуемом ряду — 153,400 тыс. т. При квадратичном преобразовании отрицательный эффект экологического фактора усиливается по мере увеличения отклонения от базисного уровня, что позволяет адекватнее отразить последствия резкого роста антропогенной нагрузки.

С 2019 г. ИПСЭР вновь принимает положительные значения и демонстрирует устойчивую восходящую траекторию. Его величина увеличилась с 0,0717 в 2019 г. до 0,2524 в 2023 г. Основным источником роста выступил социально-экономический блок: вклад ВРП повысился с 0,1049 до 0,2891. Одновременно транспортная компонента сохраняла положительное значение и увеличилась с 0,0054 до 0,0071 вследствие роста плотности автомобильных дорог общего пользования с твердым покрытием.

Несмотря на повышение итогового значения ИПСЭР, экологическая компонента в 2017–2023 гг. оставалась отрицательной. В 2023 г. объем выбросов составил 123,495 тыс. т, что на 36,6% превышает базисный уровень 2013 г. Вследствие этого экологический блок уменьшил интегральный показатель на 0,0438 пункта. Следовательно, наблюдаемое улучшение социально-экологического развития Республики Хакасия связано главным образом с ростом ВРП и развитием дорожной инфраструктуры, тогда как экологическая ситуация продолжает выступать сдерживающим фактором региональной устойчивости.

Пятилетняя скользящая средняя ИПСЭР возросла с 0,0063 в 2018 г. до 0,1517 в 2023 г. Это свидетельствует о формировании устойчивой положительной тенденции в среднесрочном периоде. Вместе с тем для обеспечения сбалансированного развития региона необходимо дополнять меры по расширению транспортной доступности и экономическому росту мероприятиями по сокращению выбросов и модернизации экологически значимых производств.

Для проверки статистической значимости компонентов, формирующих социально-экономический блок модели, была построена серия из семи последовательно расширяемых регрессий МНК с зависимой переменной GRP (валовой региональный продукт) на панели из 11 годовых наблюдений (2013–2023 гг.) по Республике Хакасия [22; 23]. Такая иерархическая (пошаговая) спецификация регрессии позволяет проследить, как включение дополнительных регрессоров изменяет объясненную дисперсию и значимость ранее включенных переменных.

Общий вид уравнения:

, (2)

где - стоимость основных фондов транспортной отрасли; - показатель демографической нагрузки; - численность занятых; - издержки, связанные с безработицей; - доля инвестиций в основной капитал.

Таблица 3. Результаты последовательного (иерархического) МНК-оценивания моделей 1–7 (зависимая переменная - GRP, n = 11)

Источник: составлено автором на основе результатов регрессионного анализа МНК (XLSTAT), Республика Хакасия, 2013–2023 гг.. Коэффициент модели 2 приведен для переменной demload_rate - последнего добавленного регрессора; полные наборы коэффициентов всех переменных модели приведены в тексте ниже.

Модель 1 (однофакторная регрессия GRP на asset_cost) объясняет 40,7% дисперсии ВРП; коэффициент при asset_cost отрицателен и статистически значим (β = -4,065; p = 0,035), что на первый взгляд противоречит интуитивному ожиданию положительной связи стоимости основных фондов транспортной отрасли и ВРП, однако этот эффект устраняется при включении демографического фактора. Добавление переменной demload_rate в модель 2 резко повышает объясненную дисперсию до 84,9% (F = 22,55; p = 0,0005), а сам коэффициент demload_rate оказывается положительным и высокозначимым (β = 2120,02; стандартная ошибка 437,45; t = 4,85; p = 0,0013), что подтверждает выдвинутую в структуре модели гипотезу о значимом вкладе демографической нагрузки в динамику регионального социально-экономического развития [30; 31].

Включение emp_rate в модель 3 не улучшает качество подгонки (R² остается на уровне 0,849, скорректированный R² даже снижается до 0,785), а сам коэффициент статистически незначим (t = -0,024; p = 0,982), что указывает на мультиколлинеарность между занятостью и уже включенной демографической нагрузкой (парная корреляция между ними составляет 0,926, согласно корреляционной матрице). Наиболее заметный прирост качества модели связан с включением unemp_rate в модели 4 (R² = 0,950; F = 28,39; p = 0,0005) и asset_inv в модели 7, доводящей объясненную дисперсию до 99,5% при высокозначимом коэффициенте инвестиций в основной капитал (β = 1 439 583,33; t = 5,34; p = 0,013) [21; 29].

Обсуждение

Полученные результаты регрессионного анализа подтверждают содержательную состоятельность социально-экономического блока модели ИПСЭР: ключевыми факторами, статистически значимо определяющими динамику ВРП Республики Хакасия, выступают демографическая нагрузка, издержки безработицы и инвестиции в основной капитал, тогда как показатель занятости не привносит дополнительной объясняющей силы при уже учтенной демографической переменной - данное обстоятельство учтено при отборе показателей социально-экономического субиндекса в структуре формулы (4), где приоритет отдан показателям инвестиционной активности и доходов населения, а не показателю занятости в чистом виде, что отличает авторскую модель от моделей, предложенных Е.Н. Седовой [28] и А.Н. Ларионовым и Е.Э. Смирновой [19].

Заключение

Проведенное исследование позволяет сформулировать следующие конкретные научные результаты. Во-первых, в статье разработана и апробирована на фактических статистических данных Республики Хакасия за 2013–2023 гг. экономико-математическая модель расчета интегрального показателя социально-экологического развития региона с учетом транспортного воздействия. Во-вторых, эмпирическая апробация на данных Республики Хакасия за 2013–2023 гг. показала, что пятилетнее скользящее среднее увеличилось с 0,053 в 2020 г. до 0,134 в 2023 г. Это свидетельствует об улучшении среднесрочной траектории показателя после экологического ухудшения 2017–2018 гг., однако не отменяет необходимости снижения выбросов загрязняющих веществ. Результаты последовательного регрессионного оценивания (R² моделей возрастает с 0,407 до 0,995 при последовательном включении регрессоров) подтверждают значимость демографической нагрузки, издержек безработицы и инвестиций в основной капитал как ключевых факторов социально-экономического блока модели, что обосновывает окончательный состав переменных интегрального показателя.

К числу выявленных проблем автор относит неполноту региональной статистики по дорожной инфраструктуре и связанную с этим волатильность годовых оценок, а также ограниченную сопоставимость весовых коэффициентов при переносе модели на регионы с иной отраслевой структурой экономики. В связи с этим рекомендуется, во-первых, стандартизировать формы статистической отчетности по транспортной инфраструктуре на уровне субъектов РФ; во-вторых, при переносе модели на другие регионы проводить повторную калибровку весовых коэффициентов, а не использовать значения, полученные для Хакасии, «как есть». Перспективным направлением дальнейших исследований автор считает верификацию модели на панельных данных нескольких регионов Сибирского федерального округа для проверки устойчивости адаптивного механизма весов, а также включение в модель дополнительных индикаторов транспортного воздействия (аварийность, удельные выбросы на транспортно-километр), что позволит уточнить экологическую компоненту показателя.