CC BY
108
ТРУД И ЗАНЯТОСТЬ
В.А. Русановский, В.А. Марков
ВЛИЯНИЕ ПРОСТРАНСТВЕННОГО ФАКТОРА НА РЕГИОНАЛЬНУЮ ДИФФЕРЕНЦИАЦИЮ БЕЗРАБОТИЦЫ В РОССИЙСКОЙ ЭКОНОМИКЕ*
В статье выполнена оценка влияния факторов урбанизации и агломерации на уровень и межрегиональную дифференциацию безработицы с помощью моделей пространственной авторегрессии. Проведено измерение пространственной локализации безработицы и выявлена избыточная дифференциация регионов и экономических районов. Моделирование пространственных эффектов безработицы в регионах России позволило сделать вывод о значительном влиянии урбанизации и региональной локализации на безработицу.
Постановка проблемы. Существующие различия в социально-экономическом развитии регионов России оказывают значительное влияние на государственное устройство, структуру и эффективность экономики, стратегию и тактику институциональных преобразований и социально-экономической политики.
Экономически активное население распределено по территории России неравномерно, уровни занятости и безработицы также заметно варьируются. Как отмечают исследователи, чрезмерная социальная дифференциация, сложившаяся в стране, является отчасти продолжением структурных диспропорций в экономике [1-3]. В неравномерности развития экономик регионов важную роль играет пространственный фактор, который рассмотрен нами в трех аспектах. Первый - это расстояния между регионами, определяющие издержки мобильности населения, второй - степень пространственной локализации размещения трудовых и других экономических ресурсов, третий - уровень урбанизации, определяющий специфику образа жизни и занятости населения.
Сокращение структурных дисбалансов, вызванных несоответствием объемов спроса и предложения рабочей силы на региональных рынках труда является одной из ключевых задач государственной политики [4]. Исследования, проведенные для стран Евросоюза на теоретическом и эмпирическом уровнях, показывают [5; 6], что региональная дифференциация по безработице оказывает негативное влияние на экономический рост. Смежные регионы часто более сходны по проблемам безработицы между собой, чем с другими регионами страны, что вызывает удлинение миграционных потоков и дефицит высокопрофессиональных кадров, соответствующих отраслевой специализации регионов. Эти особенности в условиях экономической нестабильности, как правило, приводят к дивергенции рынков труда [7].
В современных исследованиях встречаются выводы о том, что региональная дифференциация по безработице в большей степени зависит от пространственных взаимодействий и географического расположения, чем от национальных факторов, в том числе институтов рынка труда [8]. Во многих европейских исследованиях подчеркивается, что низкие значения безработицы характерны для регионов, близких к центрам экономического развития, а концентрация высокой и продолжительной безработицы происходит в периферийных регионах [9; 10]. Агломерация явля-
*
Статья подготовлена в рамках государственного задания Министерства образования и науки Российской Федерации (проект № 409-214).
ется одним из важнейших факторов нарастания неравенства по безработице, но ее влияние отличается от влияния урбанизации. Как показано в работах по США [11] и Италии [12; 13], агломерация экономики чаще оказывает негативное влияние на безработицу за своими пределами, а урбанизация - позитивное на безработицу, но негативное на дифференциацию регионов, смежных с крупными городами. Данное утверждение требует отдельной оценки роли урбанизации и агломерации в формировании регионального неравенства рынков труда.
Количественное измерение и качественная интерпретация роли пространственного фактора в региональной дифференциации безработицы важны для реализации эффективной экономической политики и разработки отдельных программ развития территорий.
Результатами проведенного исследования являются: оценка степени дифференциации регионов России по безработице и ее связь с их местоположением и межрегиональными расстояниями; измерение локализации безработицы в территориально обособленных группах регионов; оценка влияния факторов урбанизации и агломерации на региональные уровни безработицы с помощью моделей пространственной авторегрессии.
Объект исследования представлен регионами России за исключением Чеченской Республики и Республики Ингушетия (ввиду отсутствия данных в отдельные годы), Ненецкого, Чукотского, Ямало-Ненецкого, Ханты-Мансийского автономных округов (из-за малочисленности населения), Крымского ФО (вследствие отсутствия ряда статистических данных). Москва и С.-Петербург включены в состав Московской и Ленинградской областей для корректного учета географического фактора. В результате выборочная совокупность охватывает 75 регионов.
Период наблюдения ограничен интервалом 2005-2014 гг. из-за наличия сравнимых между регионами показателей безработицы по данным выборочных обследований населения по проблемам занятости.
В качестве исходных использованы следующие показатели:
- региональные коэффициенты безработицы для экономически активного населения в возрасте от 15 до 72 лет [14];
- показатель экономического потенциала регионов - валовой региональный продукт в постоянных ценах (посредством пересчета текущих показателей в цены 2013 г. на основе индексов физического объема по видам экономической деятельности [15];
- показатели географического расстояния между столицами субъектов РФ, исходя из длины путей транспортного сообщения (преимущественно железнодорожного) [16];
- уровень урбанизации в регионах России (доля городского населения в общей численности населения региона);
- уровень агломерации (соотношение численности населения городов региона и числа городов по данным Всероссийской переписи населения (2010 г.).
Оценка формы распределения регионов по безработице — проверка наличия избыточной дифференциации. Коэффициент Джини (О) - один из самых широко используемых показателей неравенства. К его преимуществам относится наличие порогового значения, равного 0,5 [17; 18]. Превышение порогового значения означает высокую дифференциацию и близость совокупности к автономному, равновесному состоянию, определяемому самоорганизацией [19], т. е. отсутствием эффектов управления. С точки зрения государства, дифференциация по безработице при 0>0,5 является нежелательной для долгосрочного и сбалансированного экономического роста, поэтому близкие к пороговому значению фактические уровни свидетельствуют о недостаточной эффективности национальной политики занятости. Если рассматривать О в динамике (табл. 1), то оценка эффективности политики дополняется характеристикой ее адаптивности к экстерналиям, в частности, к шокам глобального экономического кризиса.
Дифференциация регионов России по безработице характеризуется достаточно высокими уровнями любого из распространенных в исследованиях критериев неравенства в предкризисные и посткризисные годы [20]. В качестве дополнительной оценки был использован коэффициент фондов, который показывает различия меж-
ду крайними децилями, в данном случае между 10% регионов с самой высокой и с самой низкой безработицей.
Таблица 1
Показатели дифференциации регионов России по безработице в 2005-2014 гг.
Показатель 2005 г. 2006 г. 2007 г. 2008 г. 2009 г. 2010 г. 2011 г. 2012 г. 2013 г. 2014 г.
Коэффициент
Джини 0,399 0,361 0,406 0,386 0,325 0,355 0,381 0,439 0,374 0,385
Коэффициент
фондов 2,226 2,741 2,916 2,372 1,991 1,805 1,957 2,073 2,040 2,238
Безработица
в РФ, % 8,50 7,97 6,96 7,48 9,28 8,35 7,40 6,38 6,30 6,07
Региональное неравенство по безработице достаточно высокое, но в кризисный период 2008-2009 гг. оно снижалось на фоне роста уровня безработицы. Уровни безработицы между регионами крайних децилей в периоды экономического роста разнились почти в три раза, в то время как в кризисные 2009 и 2010 гг. - менее чем в два раза. Объясняется это тем, что экономические шоки вызывали более резкий рост безработицы в относительно благополучных регионах, что вело к снижению общего неравенства. Сама по себе высокая дифференциация еще не означает диспропорциональности развития регионов, но в случае территориальной локализованности высокой безработицы возникает избыточная концентрация (плотность) безработных.
Предположим, что форма распределения регионов по уровню безработицы при отсутствии пространственных эффектов должна стремиться к нормальной. Тогда эффекты концентрации отсутствуют, а распределение регионов России соответствует нормальной форме. В работах Фишера [21], Монфорта [22] и др. предложено использовать для этого сглаженные кривые распределения, так называемые «плотности ядерных оценок». Диапазон принимаемых значений ограничен неотрицательной областью: средняя доля (плотность) регионов и средний коэффициент безработицы приняты за единицу (рис. 1), т. е. уровни безработицы и число регионов выражены как отклонения от среднероссийского уровня.
Отклонение доли регионов
Рис. 1. Пространственная концентрация регионов России по уровню безработицы: до кризиса (2005 г.), в кризис (2009 г.) и после кризиса (2013 г.)
График на рис. 1 позволяет оценить произошедшие сдвиги в региональной безработице. Высота кривых за все три года отражает высокую концентрацию регионов по сравнению с равномерным распределением регионов с безработицей ниже
среднероссийского уровня. Это позитивный факт, так как в 2013 г. пик (эксцесс) приходился на уровень безработицы, равный 50% среднероссийского. При сопоставлении с данными табл. 1 это означает, что в большинстве регионов (их доля в 3,5 раза выше, чем теоретически должно быть при равномерном распределении) безработица не превышает 0,5^6,30= 3,15%. В России наблюдается устойчивая региональная дифференциация по безработице, сводящаяся к поляризации менее десяти регионов с очень высокой безработицей и основной массы регионов с достаточно низкими ее уровнями. Сверяя отклонения регионального распределения безработицы от нормального по годам, резюмируем серьезные структурные сдвиги: в кризисные годы большинство регионов характеризовалось уровнем безработицы, равным около 80% среднероссийского, а к 2013 г. пик концентрации сместился к 50-процентному уровню. Наибольшее влияние экономический кризис оказал именно на благополучные регионы, что привело к смещению их концентрации к среднероссийскому уровню безработицы практически вдвое от исходного расстояния. Положение пиков на графике относительно середины (т. е. среднероссийского уровня безработицы) соответствует наличию левосторонней асимметрии, которая усиливается в 2013 г. Это означает, что региональная концентрация возросла, а безработица в этих регионах стала существенно ниже. К примеру, в 2009 г. была наибольшая концентрация регионов с безработицей 0,75 (75%) от среднероссийской, т. е. коэффициент безработицы не превышал 4,64%. К 2013 г. усилилась концентрация регионов с низкой безработицей, в то время как немногочисленные неблагополучные регионы имеют высокую безработицу - в 1,8 раза выше среднероссийской. В результате анализа кривых на рис. 1 установлено влияние на концентрацию пространственного фактора.
Визуальный анализ распределения регионов по безработице не показывает, какие конкретно регионы находятся в интервалах выше или ниже национального уровня, существуют ли пространственные зависимости в уровнях безработицы, какова роль географического положения, т. е. существуют ли позитивные или негативные эффекты соседства с благополучными или депрессивными регионами. Решением этого вопроса является применение глобального и локальных индексов Морана.
Измерение пространственной локализации безработицы. Существует множество показателей для проверки гипотезы о наличии пространственной автокорреляции. Однако многие из них служат только для проверки гипотезы о большем сходстве по некоторому признаку близко расположенных регионов и более отдаленных. В случае сложной структуры, когда отношения между соседними территориями имеют нелинейный характер, более корректные результаты дает применение индекса Морана. Для выявления пространственной локализации воспользуемся глобальным IM и локальными (LISA) индексами и графиком Морана. Этот подход обеспечивает простоту интерпретации и возможность сравнения с результатами аналогичных исследований. IM принимает значения от -1 до 1. Если результат расчетов значим и положителен, то можно утверждать о положительной пространственной автокорреляции. В экономическом смысле это соответствует кластеризации (кооперации) регионов России с похожими уровнями безработицы. В случае отрицательных значений территории обособлены, и соседние регионы существенно различаются. Локальные индексы Морана свидетельствуют о наличии и характере связи конкретного региона со всеми остальными.
Гипотеза отсутствия эффектов пространственной локализации (автокорреляции) безработицы.
Для глобального индекса Морана нами протестированы различные варианты матрицы пространственных эффектов: матрицы географического соседства, обратных расстояний, обратных квадратов расстояний (гравитационная [23]), экспоненциальных расстояний и гравитационная матрица с учетом экономического потенциала (подробнее техники получения матрицы расстоя-
ний см. например, в работах М. Фишера [24]). Наиболее наглядные и значимые результаты получены для матрицы обратных расстояний по длине путей сообщения (чем меньше расстояние, тем больше пространственный вес), что совпадает с рекомендациями в работе Е.О. Вакуленко [25]. Пространственные автокорреляции на основе глобального и локальных индексов Морана значимы как по всей России, так и по регионам в отдельных федеральных округах. Это обеспечивает переход к проверке гипотезы о существенности различия безработицы в федеральных округах. Локализация безработицы по 75-ти регионам России (1М в 2014 г. равен 0,353) показана на рис. 2*.
Рис. 2. График Морана - локализация регионов России по безработице в 2014 г.
*По оси Х графика отражаются географически взвешенные стандартизованные уровни безработицы, ось проходит через среднее значение; по оси Y - стандартизованные отклонения региональных уровней безработицы от среднероссийского.
Единицы измерения отсутствуют
Гипотеза об отсутствии пространственной автокорреляции отвергается. Индекс Морана значим по z-статистике и положителен, следовательно, кооперация региональных рынков труда в 2014 г. присутствует. При этом тип локализации безработицы - соседство регионов с низкими уровнями безработицы - определен на графике Морана (рис. 2). Выделим на графике Морана два квадранта: LL (Low-Low) и HH (High-High). Первый из них объединяет связанные друг с другом регионы с низкой безработицей, второй - с высокой. Верхний левый и нижний правый квадранты показывают кооперацию между собой регионов с разной - высокой и низкой - безработицей, но они имеют малое наполнение, т. е. таких связей в стране немного. По наибольшей наполненности квадранта LL подтверждается высокая распространенность кооперативных связей между благополучными регионами (большое число точек-регионов), а также их высокая теснота (видно по расстоянию между точками). Между неблагополучными регионами связи слабые, а их число невелико. Следовательно, среди регионов России имеет место пространственная локализация регионов с низкой безработицей, существуют регионы - центры притяжения, позитивно влияющие на рынки труда окружающих их регионов. На рис. 3 показано сравнение локализации по индексу Морана с дифференциацией по коэффициенту Джини за 2005-2014 гг.
Рис. 3. Динамика показателей уровня и дифференциации безработицы в регионах России: —♦— коэффициент Джини; —□— индекс Морана; —Л— безработица в РФ в расчете на 1000 экономически активного населения
Отметим, что при снижении уровня безработицы дифференциация и пространственная локализация, как правило, возрастали, а при его росте - снижались. Значения IM в интервале 2005-2014 гг. положительны, что говорит о преимущественно кооперативном поведении региональных рынков труда, когда вокруг крупных агломераций с низкой безработицей расположены в основном благополучные регионы. Сравнив IM с G и уровнем безработицы, поясним, что пространственная локализация имеет аналогичную тенденцию, но большую резкость колебаний по годам. Так, в кризисные годы локализация снизилась сильнее, чем региональная дифференциация без учета пространственного фактора, следовательно, кооперативные связи между соседними рынками труда ослабли в большей степени, чем увеличились различия в безработице в отдельных регионах. Уточняя характер изменений, констатируем ослабление перетока рабочей силы в агломерации из прилегающих регионов. Поэтому в таких регионах безработица возрастала по двум причинам: снижения занятости внутри региона и возврата трудовых ресурсов из агломераций. В периферийных регионах, слабо связанных с другими рынками труда, рост безработицы был не таким сильным, в том числе ввиду более слабых потоков трудовой миграции.
Анализируя динамику G и IM, следует обратить внимание на общие тенденции, присущие изменению данных параметров. В периоды 2007-2008 и 2013-2014 гг., которые предшествовали кризисам 2009 и 2015 гг., данные показатели сближаются и практически выравниваются. При этом общий уровень безработицы еще низкий. А в условиях роста безработицы и последующего ее снижения до определенного минимального уровня наблюдается расхождение в динамике показателей Джини и Морана, что, вероятно, будет происходить и в 2015-2017 гг. Следовательно, можно высказать гипотезу о выравнивании в условиях низкой безработицы показателей Джини и Морана, а в условиях повышения уровня безработицы и снижения ее до определенного минимума - тенденции к расхождению, особенно по индексу Мо-рана. Таким образом, выравнивание показателей Джини и Морана может служить индикатором, сигнализирующим о приближении кризисных явлений в экономике.
Более подробно кооперативные процессы между региональными рынками труда рассмотрены на основе локальных индексов Морана (табл. 2).
Частоты в интервале отрицательных значений LISA свидетельствуют об изолированности региональных рынков труда, таких регионов большинство в ДВФО,
УФО и ЮФО. Чем больше положительное значение, тем сильнее связи между регионами соответствующего федерального округа.
Таблица 2
LISA в группировке по федеральным округам РФ в 2014 г.*
Интервал значений LISA Число регионов В том числе по федеральным округам*
ДВФО ПФО СЗФО СКФО СФО УФО ЦФО ЮФО
от -0,01 до 0,00 от 0,00 до 0,01 от 0,01 до 0,02 0,02 и более * Выделенные шри ны соответствую 24 38 10 3 фтом значе щего федера 7 1 0 0 ния в таб. льного ок 0 14 0 0 . 2 показ руга. 5 4 0 0 ывают д 2 0 3 0 шпазоны, 3 9 0 0 в которы 3 1 0 0 хсконценг 0 7 7 3 рированы 4 2 0 0 регио-
Следует отметить, что регионы с отрицательными значениями LISA имеют небольшую долю (их в сумме 20 среди 75-ти анализируемых), они локализованы в ДВФО, ЮФО, УФО и в меньшей степени СЗФО. Последний разделен практически пополам - одна половина регионов имеет изолированные рынки труда, другая характеризуется слабыми кооперативными связями между собой (LISA до 0,01). В ЦФО существуют три явно выраженных центра притяжения (LISA>0,02) - это Москва и Московская область, Костромская и Ярославская области, а большинство регионов в его составе имеют положительные параметры локализации между собой. Высокая безработица в периферийных регионах Дальневосточного, Уральского и Южного федеральных округов не имеет тесных связей с другими территориями России, что подтверждается отрицательными LISA.
Следует отметить достаточно точную полученную диагностику географии локализации высокой и низкой безработицы. Однако рассмотрение федеральных округов не является оптимальным, так как рынки труда в них не гомогенны и при соседстве отдельных регионов с регионами других федеральных округов их рынки труда могут быть ближе к «чужим» округам, чем к своим. Сама группировка по федеральным округам не в полной мере соответствует экономическому районированию для оценки локализации безработицы. Поэтому далее проведена типологизация регионов России по уровню безработицы с учетом фактора пространственного соседства.
Типологизация регионов России по уровню безработицы. Для оценки значимости территориальных различий безработицы необходимо проверить гипотезу о совпадении средних значений между типическими группами регионов. Федеральные округа в данном случае не могут служить итоговой группировкой, так как они зачастую объединяют регионы с разными уровнями безработицы, а ареалы высокой безработицы выходят за рамки определенного федерального округа. Поэтому необходима типологизация, позволяющая перейти к однородным с точки зрения безработицы территориальным объединениям регионов, которые мы обозначим как экономические районы.
С помощью теста Манна-Уитни были подобраны оптимальные комбинации соседствующих регионов посредством максимизации различий в уровнях безработицы. В итоге получен следующий состав экономических районов.
По табл. 3 наблюдается практически полное соответствие экономического районирования составу следующих федеральных округов: Южного, СевероКавказского, Уральского, Центрального, Приволжского, Дальневосточного. В то же время Сибирский и Северо-Западный округа демонстрируют половинчатое распределение составляющих их регионов на регионы с высокой и низкой безработи-
цей, а межрегиональные связи с соседями позволяют распределить регионы этих федеральных округов между разными экономическими районами, что решает проблемы предыдущей группировки. Отметим, что разобщенность регионов в двух указанных ФО не означает, что это проблемные территории. Смысл заключается в том, что территориальные связи отдельных регионов ФО между собой слабее, чем с другими ФО и для реализации политики занятости это важный сигнал. К примеру, если в Приволжском ФО локализация региональных рынков труда и связи между ними позволяют эффективно применять единые меры регулирования, то для Сибирского и Северо-Западного ФО необходима селективная политика занятости. Поэтому целесообразно рассматривать безработицу в рамках экономических районов, внутри которых государственное управление будет более эффективно и даст прогнозируемые результаты.
Таблица 3
Распределение регионов по экономическим районам и их степень соответствия административно-территориальному делению России (2005-2014 гг.)
Экономический район (ЭР) Федеральный округ Число регионов Доля регионов, входящих в ЭР Территория регионов
«Восток» (14 регионов) ДВФО 8 100 Алтайский, Забайкальский, Камчатский, Приморский и Хабаровский края, Амурская, Иркутская, Магаданская и Сахалинская обл., Еврейская авт.обл., Республики Алтай, Бурятия, Якутия, Тыва
СФО 6 50
«Запад» (35 регионов) ПФО 13 93 Белгородская, Брянская, Владимирская, Вологодская, Воронежская, Ивановская, Калининградская, Калужская, Кировская, Костромская, Курская, Липецкая, Нижегородская, Новгородская, Оренбургская, Орловская, Пензенская, Псковская, Рязанская, Самарская, Саратовская, Смоленская, Тамбовская, Тверская, Тульская, Ульяновская и Ярославская области; Москва и обл.; Пермский край; Марий Эл; Мордовия; Татарстан; обл.; Санкт-Петербург и обл.; Удмуртская и Чувашская республики
СЗФО 5 56
ЦФО 17 100
«Север» (15 регионов) ПФО 1 7 Архангельская, Кемеровская, Курганская, Мурманская, Новосибирская, Омская, Свердловская, Томская, Тюменская и Челябинская обл., Красноярский край, Башкортостан, Карелия, Коми, Хакасия
СЗФО 4 44
СФО 6 50
УФО 4 100
«Юг» (11 регионов) СКФО 5 100 Астраханская, Волгоградская и Ростовская обл., Кабардино-Балкария, Карачаево-Черкесия, Краснодарский край, Адыгея, Дагестан, Калмыкия, Северная Осетия, Ставропольский край
ЮФО 6 100
На данном этапе получено подтверждение наличия пространственной локализации регионов России по безработице, причем регионы сведены в достаточно однородные экономические районы. Этот итог является основой для построения моделей пространственной авторегрессии. Исходя из целей исследования, модели пространственной авторегрессии должны показать влияние урбанизации и агломерации на региональную дифференциацию по безработице. Типология регионов по экономическим районам предполагает максимизацию различий по уровням безработицы, поэтому важно сопоставить эти различия с параметрами урбанизации и агломерации.
Оба процесса являются достаточно инерционными, изменения за 2005-2013 гг. слабы, но достаточно дифференцированы между указанными экономическими районами.
Урбанизация в России имеет более высокие темпы по сравнению с агломерационными тенденциями, хотя оба процесса очень инерционны. Ситуация в экономических районах различна (табл. 4).
Таблица 4
Темпы и степень урбанизации и агломерации экономических районов РФ, 2005-2013 гг.
2013 г. 2013/2005 гг.
Эконо- Степень Уровень Степень
мический Уровень агломерации, урбанизации в агломерации в Динамика Динамика
район урбаниза- тыс. чел. в сравнении со сравнении со урбанизации, агломерации,
ции, % среднем на среднероссийским, среднероссийской, % %
1 город % %
«Восток» 68,2 77868,3 97,5 87,7 101,9 98,2
«Запад» 72,3 88750,9 103,3 99,9 101,3 98,3
«Север» 76,2 97597,8 108,9 109,9 101,6 100,7
«Юг» 56,3 90920,1 80,5 102,4 99,0 100,7
Наиболее урбанизированы регионы «Западного» и «Северного» ЭР, включающие соответственно Московскую агломерацию и С.-Петербург с Ленинградской областью. При близких темпах урбанизации регионы Юга, напротив, сохраняют повышенную долю сельского населения. При этом средний размер городских поселений больше в «Северном» и «Южном» ЭР, агломерация в них возрастает. Это свидетельствует о нарастающей тесноте экономических связей между регионами в каждом районе, но межрайонные отношения могут дифференцироваться, вызывая региональную поляризацию рынков труда и усиливая потоки трудовой миграции.
В связи с этим необходимо учитывать фактор расстояний между регионами при измерении агломерационных и урбанизационных эффектов, включая его в модели. Моделирование пространственным эффектов безработицы в регионах России. Пространственные авторегрессии между регионами России смоделированы в следующей последовательности: вначале измерена авторегрессия по безработице, затем добавлен пространственный фактор, оценено влияние урбанизации и агломерации на безработицу, в том числе с учетом фактора расстояний. Модели пространственной авторегрессии для регионов России построены пошаговым добавлением переменных. Далее (см. табл. 5) приведены регрессионные модели и выводы по ним, параметры регрессий и их значимость. Отметим, что все приведенные результаты моделирования значимы по критерию Фишера, проверены на распределение остатков (в том числе по критерию Дарбина-Уотсона). Спецификация общей модели авторегрессии для региональной безработицы (Модель 1) имеет вид:
У =аТ,_к + 8, (1)
где У - коэффициент региональной безработицы; а - стандартизованный коэффициент регрессии; , - 2014 г.; ик - 2009 г., выбран на основе анализа графиков плотности безработицы по методике М.М. Фишера (см. рис. 1); 8 - остатки модели г. Аргумент в пользу выбора 2009 г. - структура безработицы с 2005 по 2009 г. претерпевала заметные сдвиги, в том числе вследствие экономических шоков, а после 2009 г. тенденция устойчивее и влияние факторов актуальнее. Стандартизованная форма модели 1: У2014 = 0,786У2009.Таким образом, региональные уровни безработицы в России за 2009 г. на 61,8% по коэффициенту детерминации объясняют ее текущие значения.
Далее проанализируем расстояния между регионами (М) как экзогенный фактор, влияющий на региональную безработицу (Модель 2):
У =аУг_к +уЫ + 8, (2)
где у - стандартизованный бета-коэффициент регрессии для фактора матрицы расстояний М между регионами.
Этот фактор подбирался в нескольких вариантах: как среднее (или суммарное) обратное расстояние между столицами регионов, в линейной и квадратической (гравитационной) формах. Все четыре построенные таким образом модели пространственной авторегрессии показали значимость фактора расстояний. Наиболее практичным выглядит применение линейной суммы обратных расстояний, так как бета-коэффициент регрессии максимален, ошибки коэффициента минимальны, по критерию Стьюдента он значим, и само уравнение имеет высокий коэффициент детерминации и значимо по критерию Фишера: Г2014 = 0,69172009 - 0,292М .
С уменьшением расстояний между регионами на 1-процентный уровень безработицы в них сближаются на 0,27%. Разница в коэффициентах детерминации между моделями 1 и 2 составляет около 7%, это и есть эффект пространственной локализации.
Следующий шаг - включение в Модель факторов урбанизации и агломерации. Сравним два варианта - факторы урбанизации и агломерации в «чистом» виде (Модель 3) и скорректированные на расстояния между регионами (Модель 4). Второй вариант позволит оценить наличие убывающего влияния регионов друг на друга по мере их удаления:
где и - уровень урбанизации; 5" - степень агломерации; р и ф - стандартизованные коэффициенты регрессии для пространственных эффектов.
В результате вычислений и Модель 3, и Модель 4 имеют только по одному значимому регрессору, это - уровень урбанизации. В Модели 3 он имеет бета-коэффициент -0,512, а в Модели 4 он равен -0,519 на 1-процентном уровне значимости. Степень агломерации регионов не оказывает воздействия на пространственные различия в безработице населения (бета-коэффициент становится значим на 11-процентном уровне и составляет -0,18). Взаимосвязь между урбанизацией и уровнем безработицы обратная и достаточно сильная: в регионах с высокой урбанизацией безработица, как правило, ниже в среднем на 0,51% с каждым процентом доли городского населения. Роль географических расстояний для изменения эффекта урбанизации выражена слабо, разница в коэффициентах детерминации составляет 0,085 (0,419-0,334). Однако самостоятельный эффект урбанизации и агломерации изначально предполагался слабым, если рассматривать его в отрыве от пространственной локализации безработицы и роли ее инерции с 2009 г.
Далее построим модель пространственной авторегрессии с включением географически взвешенных факторов урбанизации, агломерации, с учетом локализации безработицы в регионах РФ и авторегрессией. Это модель пространственного лага с экзогенными переменными (Модель 5):
где в - стандартизованный коэффициент пространственной регрессии безработицы с учетом ее региональной локализации.
Во многих зарубежных и отечественных исследованиях развитие пространственных моделей подразумевает привязку пространственного фактора к экономическим [26; 27]. В качестве соответствующей меры предлагаются взвешенные на экономический потенциал матрицы расстояний. С точки зрения исследователя, безработица потенциально зависит от степени экономического благополучия в регионе, а трудовая миграция вызвана в том числе привлекательностью быстро развивающихся агломераций. Наличие таких связей между регионами России проверим,
У( =ри + ф5 + 8 ; У, =рМи + фМ5 + 8,
(3)
(4)
У, = аУ-к + $МУ< + рМи + фМ5 + 8,
(5)
введя вместо параметра М в набор представленных выше моделей, параметр экономического потенциала, взвешенного на географическую близость (удаленность) (Ж=ВРП*М). Для этого применимы матрицы расстояний с вектором ВРП в ценах 2014 г. В результате Модель 5 построим по двум разным матрицам расстояний - по матрице обратных расстояний (М) и по матрице экономических потенциалов (Ж) По матрицеМ: Г2014 = 0,27972009 - 0,639Ми + 0,496М72014;
По матрице Ж: 72014 = 0,63172Ш9 - 0,837Жи + 0,302Ж72014 + 0,445Ж5 .
В модели по весам М безработица не сильно связана со своими предшествующими уровнями, гораздо большее влияние оказывает фактор географического местоположения. Эффекты агломерации незначимы, а сходство в уровнях безработицы для близко расположенных регионов определяется по БЕТА (стандартизированному коэффициенту регрессии - это а, либо Р, либо р, либо ф для соответствующего фактора) с силой связи почти 0,5. Если же рассматривать притяжение региональных рынков труда с большим экономическим потенциалом, то появляется прямой эффект агломерации, который на 44,5% объясняет локализацию безработицы (значение БЕТА для показателя МБ, последний столбец в табл. 5). И в первом, и во втором варианте модели 5 повышенная урбанизация в близких регионах любого отдельного ЭР соответствует более низкой безработице.
Таблица 5
Параметры моделей 1-5 для регионов России
Фактор Параметр Модель 1 Модель 2 Модель 3 Модель 4 Модель 5 по М Модель 5 по Ж
1Мвгсвр1 Ую09 В БЕТА Ст. ошибка Критерий Стьюдента* -0,008** 0,786 0,072 10,869 0,019* 0,691 0,069 10,007 0,146* 0,097* 0,037* 0,279 0,070 3,983 0,006** 0,631 0,080 7,928
М БЕТА Критерий Стьюдента* -0,292 -4,224
и БЕТА Критерий Стьюдента* -0,512 -5,231
БЕТА **
ми БЕТА Критерий Стьюдента* -0,519 -4,605 -0,639 -9,784 -0,837 -3,678
М8 БЕТА Критерий Стьюдента* ** ** ** ** 0,445 2,653
МУ БЕТА Критерий Стьюдента* 0,496 7,635 0,302 2,599
Коэффициент детерминации К2 Критерий Фишера (Р) * Значимы на 1-процентном ** Незначимы. 0,618 118,132 ровне. 0,694 81,620 0,334 18,029 0,419 25,951 0,842 126,560 0,688 38,503
От моделей для России в целом перейдем к построению пространственных авторегрессий для отдельных экономических районов. Исходя из логики современных исследований, например работы О.А. Демидовой [28], разложение национальной модели на районные имеет смысл для перекрестного сравнения пространственных эффектов внутри каждого района и оценки возможного взаимного влияния. О.А. Демидовой получены результаты, свидетельствующие о разном взаимовлия-
нии западных и восточных регионов России на безработицу среди молодежи в докризисные годы.
Выше было показано, что западные регионы наиболее сильно отличаются от остальных экономических районов по уровням безработицы и межрегиональным связям рынков труда. Поэтому детализация пространственных регрессий имеет смысл для сопоставления взаимного влияния безработицы «западных» регионов на незападные регионы и наоборот. Также важно сравнить параметры связей в каждой группе регионов: как безработица детерминирована пространственными факторами внутри экономического района.
Общая форма разложения модели пространственной авторегрессии представлена ниже (за исключением фактора агломерации S, как показавшего ранее свою незначимость):
Л г
р ™м'
р ™м'
р „пм■ р ппм'
Л(у„ Л (
р ™м' р ™м'
р „пм■ р ппм-
Л(и„ Л
и'
+ 8
, (6)
где У и Уп - соответственно, безработица в «западных» регионах и остальных; /„=35 и /п=40; матрицыХ иХ", и и и состоят из одних и тех же переменных, но с разным набором наблюдений (соответствующих районов); - индивидуальные региональные эффекты.
Матрица пространственных весов разделена на четыре части:
(0 0 Л
м =
Г 75x75 ;
(м„„ оЛ
(35x35)
00
о м™ 00
00
мп„ о
мпп
(40x40;
(7)
Соответственно первая и последняя из суммируемых матриц в приведенной выше формуле - это влияние пространственного фактора внутри районов, ™ -«западного», п - остальных районов; две промежуточных матрицы - влияние пространственного фактора одного района на другие районы.
Таблица 6
Параметры Модели 5 для экономических районов и пространственные эффекты между ними, результативный признак - коэффициент безработицы
( Л7„\
Л7„
У
У
/А - к
и.А
п
п
п
+
+
= а
У
У
У
/.л - к
1.А
1.А
\ п /
Ч п /
п
+
+
+
0
Фактор Параметр Модель 5 по весам М Модель 5 по весам №
внутри ЭР «Запад» внутри остальных ЭР влияние ЭР «Запад» на остальные ЭР влияние остальных ЭР на ЭР «Запад» внутри ЭР «Запад» внутри остальных ЭР влияние ЭР «Запад» на остальные ЭР влияние остальных ЭР на ЭР «Запад»
Швгсвр1 В 0,032 0,044 0,028 0,030 0,027 ** 0,034 **
У2009 БЕТА ?-крит. 0,258 2,501 0,284 3,204 ** ** 0,425 4,185 0,495 3,905 0,596 5,969 0,315 2,912 0,735 7,415
ми (№и БЕТА ?-крит. -0,671 -6,304 -0,379 -5,529 -0,213 -2,770 -0,496 -3,529 ** ** ** ** -0,692 -2,397 ** **
Ы8 (№8) БЕТА ?-крит. ** ** ** ** -0,219 -2,810 ** ** ** ** ** ** ** ** ** **
мУ (№У) БЕТА ?-крит. 0,696 6,250 0,658 7,607 0,712 9,309 0,722 5,417 ** ** 0,480 3,756 0,724 4,726 0,688 2,316
Коэффициент детерминации Я2 0,812 0,875 0,903 0,814 0,656 0,761 0,797 0,705
Критерий Фишера (Ъ ** Незначимы. 44,646 83,819 69,614 38,310 14,314 27,827 29,436 20,927
Наиболее существенные выводы о пространственных эффектах на основе данных табл. 6.
1. Внутри экономических районов существует зависимость текущих уровней безработицы от уровней 2009 г. с учетом степени локализации. При этом зависимость безработицы в регионах «Запада» от безработицы в остальных ЭР выше, чем обратная, а именно: безработица в западных районах тем выше, чем она была выше в остальных регионах в 2009 г. Для «незападных» регионов текущая безработица сформирована в большей степени за счет инерции собственных значений.
2. Внутри экономического района «Запад» урбанизация является самым сильным экзогенным фактором снижения безработицы (БЕТА = - 0,671), для остальных субъектов РФ влияние урбанизации в два раза слабее. При этом: урбанизация с учетом экономического потенциала «западных» территорий оказывает заметный позитивный эффект снижения безработицы в остальных (-0,692), а влияние урбанизации с учетом экономического потенциала остальных моделей отсутствует. Агломерация «западных» позитивно влияет на снижение безработицы в остальных регионах страны.
3. В регионах экономического района «Запад» локализация экономического потенциала регионов не связана с локализацией безработицы, но прямо влияет на безработицу в остальных регионах.
Таким образом, во-первых, районы «Запада» имеют позитивное влияние на безработицу в остальных регионах России в результате повышения урбанизации и концентрации экономического потенциала; во-вторых, фактор урбанизации по-разному влияет на локализацию безработицы в экономических районах; в-третьих, полученные модели позволяют повысить качество планирования и прогнозирования уровня безработицы через учет взаимных связей как внутри, так и между экономическими районами.
* * *
По результатам проведенного исследования были сделаны следующие выводы.
1. Дифференциация регионов России по уровню безработицы достаточно высокая и снижается только в периоды экономических кризисов. Пространственная локализация безработицы проявляется в наличии большого числа регионов с низким уровнем безработицы и относительно небольшой доле регионов с высокой безработицей. Однако значительное отклонение от среднероссийского уровня в ряде регионов РФ требует адресного подхода к проведению политики занятости.
2. Как показали расчеты, положительный эффект локализации и кооперации регионов в западной и центральной частях России проявляется в том, что близкие между собой регионы имеют сравнимо низкую безработицу. В то же время географическая периферия - регионы экономических районов «Юга» и «Востока» - обладают высокой безработицей и автономными рынками труда.
3. Модели пространственной авторегрессии свидетельствуют о значимом влиянии предшествующих состояний на текущие уровни безработицы (за базу принят 2009 г.).
4. Уровень урбанизации имеет сильное обратное влияние на безработицу. Если включить в модель географические расстояния, то урбанизация усиливает свое влияние: чем больше урбанизирован регион, тем ниже в нем уровень безработицы.
5. Помимо географического фактора, значительное влияние имеет притяжение регионов с большим экономическим потенциалом - этот фактор существенно усиливает зависимость от урбанизации и делает значимым роль агломераций (по России в целом бета-коэффициент = 0,45, а регионы Запада положительно влияют на
снижение безработицы в остальных регионах с бета-коэффициентом = -0,22). При этом регионы с повышенной агломерацией, как правило, имеют более высокую напряженность на своих рынках труда.
6. Пространственные эффекты, выявленные на национальном уровне, заметно дифференцированы внутри экономических районов и могут являться индикативными показателями при прогнозировании перетока рабочей силы из одного экономического района в другой.
Литература
1. Паспорт Федеральной целевой программы «Сокращение различий в социально-экономическом развитии регионов Российской Федерации (2002-2010 годы и до 2015 года)». Постановление Правительства РФ от 11 октября 2001 г. № 717 «О федеральной целевой программе «Сокращение различий в социально-экономическом развитии регионов Российской Федерации (2002-2009 годы) // http:base.consultant.ru
2. Ивантер В.В., Узяков М.Н., Ксенофонтов М.Ю., Широв А.А., Панфилов В.С., Говтвань О.Дж., Кува-лин Д.Б., Порфирьев Б.Н. Новая экономическая политика — политика экономического роста //Проблемы прогнозирования. 2013. № 6. C. 3-16.
3. Коровкин А.Г., Долгова И.Н., Королев И.Б., Полежаев А.В. Взаимодействие региональных рынков труда: опыт анализа, моделирования и прогнозирования //Научные труды ИНПРАН. М.: МАКС Пресс, 2008. C. 543-576.
4. Коровкин А.Г., Долгова И.Н., Единак Е.А. Построение баланса территориального движения занятого населения (на примере федеральных округов РФ) //Проблемы прогнозирования. 2014. № 3. с. 72-85.
5. Elhorst J. P. The Mystery of Regional Unemployment Differentials: Theoretical and Empirical Explanations // Journal of Economic Surveys. 2003. Vol. 17. № 5. Р. 709-748.
6. Overman H.G., Puga D. Unemployment Clusters across European Countries and Regions // Economic Policy.
2002. № 34. Р. 115-148.
7. Tyrowicz J., Wojcik P. Active Labour Market Policies and Unemployment Convergence in Transition //Review of Economic Analysis, Rimini Centre for Economic Analysis. 2010. Vol. 2(1). Р. 46-72.
8. Мироненко О.Н. Влияние законодательства о защите занятости на рынок труда: опыт межстрановых сопоставлений. М.: Издательство ВШЭ. 2009. 97 с.
9. Lopez-Bazo E., Barro E.T., Artis M. Geographical Distribution of Unemployment in Spain //Regional Studies.
2005. № 39. Р. 305-318.
10. Blazek J., Netrdova P. Regional Unemployment Impacts of the Global Financial Crisis in the New Member States of the EU in Central and Eastern Europe //European Urban and Regional Studies. 2012. № 19. Р. 42-61.
11. Gan L., Zhan Q. The Thick Market Effect on Local Unemployment Rate Fluctuations //Journal of Econometrics.
2006. Vol. 133. Р. 127-152.
12. De Castris M., Pellegrini G. Agglomeration Effects on Regional Unemployment in Europe // CREI Working Paper, 2015. № 7. 22 р.
13. De Castris M., Pellegrini G. Agglomeration Effects in the Labour Market: an Empirical Analysis for Italy // Statistica. 2007. № 4. Р. 331-350.
14. Обследования населения по проблемам занятости. М.: Росстат, 2014. URL: http://www.gks.ru/bgd/regl/b 14_307Main.htm
15. Регионы России: социально-экономические показатели: Стат. сб. М.: Росстат, 2014. 900 с.
16. Магистральные пояса Почты России, нормативные сроки доставки почты, расстояния между регионами. URL: http://www.postcalc.ru/parcel_zones.html
17. Куснер Ю.С., Царев И.Г. Принципы движения экономической системы. М.: ФИЗМАТЛИТ, 2008. 200 с.
18. Царев И.Г. О моделировании распределения дохода в обществе //Прикладная эконометрика. 2008. № 3. С. 43-51.
19. Кислицына О.А. Неравенство доходов в России в переходный период: чем оно объясняется? М.: EERC,
2003. 79 с.
20. Blinova T., Markov V., Rusanovskiy V. Youth Unemployment in Russia: Models of Interregional Differentiation // Regional Formation and Development Studies // Journal of Social Sciences. 2015. № 1(15). Р. 7-18.
21. Fischer M.M., Stumpner P. Income Distribution Dynamics and Cross-Region Convergence in Europe. Spatial Filtering and Novel Stochastic Kernel Representations //Journal of Geographical Systems. 2008. Vol.10. Issue 2. Р. 109-139.
22. Monfort P. Convergence ofEU Regions: Measures and Evolution // Working Paper. A Series of Short Papers on Regional Research and Indicators Produced by the Directorate-General for Regional Policy. European Commission, Regional Policy. 2008. № 1. Р. 1-20.
23. Dall'erba S., Le Gallo J. Regional Convergence and the Impact of European Structural Funds over 1989-1999: A Spatial Econometric Analysis //Papers in Regional Science. 2008. vol. 87. Р. 219-244.
24. Fisher M.M., Wang J. Spatial Data Analysis. Models, Methods and Techniques / Springer Briefs in Regional Science. 2011. 70р. URL: http://www.springer.com/gp/book/9783642217197
25. Вакуленко Е.С., Мкртчян Н.В., Фурманов К.К. Моделирование регистрируемых миграционных потоков между регионами Российской Федерации // Прикладная эконометрика. 2011. № 1. С. 35-55.
26. Nickell S., Nunziata L., Ochel W. Unemployment in the OECD Since the 1960s. What Do We Know? // The Economic Journal. 2005. Vol. 115. № 500. Р. 1-27.
27. Niebuhr A. Spatial Interaction and Regional Unemployment in Europe // European Journal of Spatial Development. 2003. № 5. Р. 1-26.
28. Демидова О.А. Пространственно-авторегрессионная модель для двух групп взаимосвязанных регионов (на примере восточной и западной части России) //Прикладная эконометрика. 2014. № 34(2). C. 19-35.
