Journal of Applied Economic Research
ISSN 2712-7435
УДК 332.05, 330.4
Экспериментальные траектории процессов конвергенции и дивергенции неравномерности доходов населения регионов России
Д.Б. Берг 1, Д.М. Балунгу 1, А.Г. Шеломенцев 2, К.С. Гончарова 3
1 Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия
2 Институт социально-экономических исследований, г. Уфа, Россия
3 Институт экономики Уральского отделения РАН, г. Екатеринбург, Россия
Аннотация
Исследование посвящено проблеме дифференциации доходов населения регионов России. Целью работы является разработка методики анализа процессов дифференциации доходов населения регионов России на базе теории динамических систем и машинного обучения, а также ее апробация на фактическом аналитическом материале. Гипотеза исследования заключается в предположении одновременного сосуществования процессов конвергенции и дивергенции дифференциации доходов населения регионов России, зависящих от внешних и внутренних факторов. Указанные процессы являются объектом исследования. Информационной базой исследования являются данные Росстата о значениях индекса Джини 80 регионов за период с 1995 по 2018 г. Для построения экспериментальных траекторий помимо индекса Джини использованы две независимые динамические переменные – его первая и вторая производные по времени, что позволило построить три различных пространства состояний (от одномерного до трехмерного). Методом кластеризации «k-средних» всё наблюдавшееся множество состояний было разделено на пять кластеров, количество которых было предварительно определено тестом «на осыпь» («метод локтя»). В результате расчетов было доказано преобладание конвергентных процессов над дивергентными в течение исследованного периода. Было обнаружено, что индивидуальные траектории движения отдельных регионов в пространстве состояний существенно отличаются: траектории некоторых регионов могут быть локализованы в пределах только одного кластера, тогда как отдельные части траекторий других могут принадлежать одновременно нескольким кластерам. Подавляющее большинство траекторий расположены в пределах 2–3 кластеров. Теоретическая значимость полученных результатов заключается в углублении представлений о региональной специфике динамики изменений дифференциации доходов населения субъектов Федерации. Практическая значимость результатов исследования заключается в расширении инструментальной поддержки принятия решений при реализации государственной политики в сфере регулирования дифференциации доходов населения на региональном уровне.
Ключевые слова
машинное обучение; кластеризация; теория динамических систем; пространство состояний; экспериментальные траектории; территориальные диспропорции; дифференциация уровня жизни; конвергенция/дивергенция доходов населения.
JEL classification
R1, C61Список использованной литературы
1. Sala-i-Martin X. The Classical Approach to Convergence Analysis // The Economic Journal. 1996. Vol. 106, Issue 437. Pp. 1019–1036. https://doi.org/10.2307/2235375
2. Barro R.J., Sala-i-Martin X. Economic Growth. Second Edition. Cambridge, MIT Press. 2004. 654 p. URL: http://piketty.pse.ens.fr/files/BarroSalaIMartin2004.pdf
3. Kuznets S. Economic Growth and Income Inequality // American Economic Review. 1955. Vol. 45, No. 1. Pp. 1–28. URL: https://www.aeaweb.org/aer/top20/45.1.1-28.pdf
4. Малкина М.Ю. Оценка факторов внутрирегиональной дифференциации доходов населения РФ // Пространственная экономика. 2015. № 3. С. 97–119. http://dx.doi.org/10.14530/se.2015.3.097-119
5. Юревич М.А. Социальное неравенство, инвестиции и экономический рост // Вопросы регулирования экономики. 2019. Т. 10, № 4. С. 35–46. https://doi.org/10.17835/2078-5429.2019.10.4.035-046
6. Малкина М.Ю. Взаимосвязь типов неравенства с показателями уровня жизни и благосостояния населения регионов России // Тerra Economicus. 2017. Т. 15, № 4. С. 46–63. http://dx.doi.org/10.23683/2073-6606-2017-15-4-46-63
7. Зубаревич Н.В., Сафронов С.Г. Люди и деньги: доходы, потребление и финансовое поведение населения российских регионов в 2000–2017 гг. // Известия РАН. Серия географическая. 2019. № 5. C. 3–17. https://doi.org/10.31857/S2587-5566201953-17
8. Овчарова Л.Н., Попова Д.О., Рудберг А.М. Декомпозиция факторов неравенства доходов в современной России // Журнал Новой экономической ассоциации. 2016. № 3 (31). С. 170–185. https://doi.org/10.31737/2221-2264-2016-31-3-8
9. Любимов И.Л. Неравенство и экономический рост: вызовы для российской экономики // Российское предпринимательство. 2017. Т. 17, № 1. С. 11–22. http://dx.doi.org/10.18334/rp.17.1.2194
10. Григорьев Р.А., Крамин М.В., Крамин Т.В., Тимирясова А.В. Неравенство распределения дохода и экономический рост в регионах России в посткризисный период // Экономика региона. 2015. № 3. С. 102–113. https://doi.org/10.17059/2015-3-9
11. Niea H., Xingb C. Education expansion, assortative marriage, and income inequality in China // China Economic Review. 2019. Vol. 55. Pp. 37–51. https://doi.org/10.1016/j.chieco.2019.03.007
12. Altunbas Y., Thorntonab J. The impact of financial development on income inequality: Aquantile regression approach // Economics Letters. 2019. Vol. 175. Pp. 51–56. https://doi.org/10.1016/j.econlet.2018.12.030
13. Liu C., Jiang Y., Xie R. Does income inequality facilitate carbon emission reduction in the US? // Journal of Cleaner Production. 2019. Vol. 217. Pp. 380–387. https://doi.org/10.1016/j.jclepro.2019.01.242
14. Ибрагимова З.Ф., Франц М.В. Неравенство доходов, его субъективное восприятие и влияние на психосоциальное самочувствие населения // Статистика и экономика. 2018. Т. 15, № 4. С. 52–60. http://dx.doi.org/10.21686/2500-3925-2018-4-52-60
15. Афонина Т.Н., Ломанов А.О., Шуметов В.Г. Оценка качества жизни населения регионов Центральной России с учетом дифференциации денежных доходов // Региональная экономика: теория и практика. 2018. Т. 16, № 10. С. 1976–1994. https://doi.org/10.24891/re.16.10.1976
16. Войнова В.И. Подходы к декомпозиции доходного неравенства: отличия и условия применения // Учет и статистика. 2021. № 3 (63). С. 88–98. https://doi.org/10.54220/1994-0874.2021.63.3.010
17. Repiská R., Grisáková N., Štetka P. Hierarchical Clustering of EU Countries Based on HDI and EPI Index // Proceedings from the EDAMBA 2021 Conference. 2022. Pp. 420–430. https://doi.org/10.53465/EDAMBA.2021.9788022549301.420-430
18. Fahmiyah I., Ningrum R. Human Development Clustering in Indonesia: Using K-Means Method and Based on Human Development Index Categories // Journal of Advanced Technology and Multidiscipline. 2023. Vol. 2, No. 1. Pp. 27–33. https://doi.org/10.20473/jatm.v2i1.45070
19. Larasati S., Nisa K., Herawati N. Robust Principal Component Trimmed Clustering of Indonesian Provinces Based on Human Development Index Indicators // Journal of Physics: Conference Series. 2021. Vol. 1751. 012021. http://dx.doi.org/10.1088/1742-6596/1751/1/012021
20. Sihombing S., Sembiring R., Irawan E. Application of the K-Means Clustering Algorithm in Grouping Regencies/Cities in North Sumatra Province Based on Human Development Index Indicators // Jurnal Mandiri IT. 2022. Vol. 11, No. 1. Pp. 20–25. https://doi.org/10.35335/mandiri.v11i1.124
21. Olimpia N. Disparities Regarding Competitiveness, Human Capital and Inclusive Development in the EU: A Cluster Analysis // Annals – Economy Series. 2019. Vol. 1. Pp. 61–71. URL: https://econpapers.repec.org/RePEc:cbu:jrnlec:y:2019:v:1:p:61-71
22. Kharlamova G., Stavytskyy A., Zarotiadis G. The impact of technological changes on income inequality: the EU states case study. Journal of International Studies. 2018. Vol. 11, No. 2. Pp. 76–94. https://doi.org/10.14254/2071-8330.2018/11-2/6
23. Panzera D., Postiglione P. Measuring the Spatial Dimension of Regional Inequality: An Approach Based on the Gini Correlation Measure // Social Indicators Research. 2019. Vol. 148. Pp. 379–394. https://doi.org/10.1007/s11205-019-02208-7
24. Espoir D.K. Convergence or divergence patterns in income distribution across countries: A new evidence from a club clustering algorithm // Cogent Economics & Finance. 2022. Vol. 10, Issue 1. 2025667. https://doi.org/10.1080/23322039.2022.2025667
25. Ogundari K. Club Convergence in Income Inequality in Africa // Social Indicators Research. 2023. Vol. 167. Pp. 319–337. https://doi.org/10.1007/s11205-023-03108-7
26. Kydland F.E., Prescott E.C. Time to Build and Aggregate Fluctuations // Journal of Econometrica. 1982. Vol. 50, No. 6. Pp. 1345–1370. https://doi.org/10.2307/1913386
27. Dinopoulos E., Segerstrom P. Intellectual property rights, multinational firms and economic growth // Journal of Development Economics. 2010. Vol. 92, Issue 1. Pp. 13–27. https://doi.org/10.1016/j.jdeveco.2009.01.007
28. Kenett D.Y., Havlin S. Network science: a useful tool in economics and finance // Mind & Society. 2015. Vol. 14. Pp. 155–167. https://doi.org/10.1007/s11299-015-0167-y
29. Tesfatsion L. Agent-based computational economics: modeling economies as complex adaptive systems // Journal of Information Sciences. 2003. Vol. 149, Issue 4. Pp. 262–268. https://doi.org/10.1016/S0020-0255(02)00280-3
30. Berg D.B., Popkov V.V. General numerical model of the competition life cycle: from physics to economy// Physica A: Statistical Mechanics and its Applications. 2003. Vol. 324, Issue 1-2. Pp. 167–173. https://doi.org/10.1016/S0378-4371(02)01892-7
31. Berg D., Demina M., Isaichik K., Panachev A., Popkov V., Parusheva S. Competition of payment systems in Russia: Numerical analysis // AIP Conference Proceedings. 2018. Vol. 2040, Issue 1. 050014. https://doi.org/10.1063/1.5079112
32. Thorndike R. Who Belongs in the Family? // Psychometrika. 1953. Vol. 18. No. 4. Pp. 267–276. https://doi.org/10.1007/BF02289263
33. Eltibi M.F., Ashour W.M. Initializing K-Means Clustering Algorithm using Statistical Information // International Journal of Computer Applications (IJCA). 2011. Vol. 29. Pp. 51–55. https://doi.org/10.5120/3573-4930
34. Likas A.C., Vlassis N.A., Verbeek J.J. The global k-means clustering algorithm // Pattern Recognition. 2003. Vol. 36, Issue 2. Pp. 451–461. https://doi.org/10.1016/S0031-3203(02)00060-2
35. Коломак Е.А. Межрегиональное неравенство в России: экономический и социальный аспект // Пространственная экономика. 2010. № 1. С. 26–35. http://dx.doi.org/10.14530/se.2010.1.026-035
36. Найден С.Н., Белоусова А.В. Методический инструментарий оценки благосостояния населения: межрегиональное сопоставление // Экономика региона. 2018. Т. 14, № 1. С. 53–68. http://dx.doi.org/10.17059/2018-1-5
Благодарности
Исследование выполнено при поддержке гранта Российского научного фонда № 22–28-01702 «Экспериментальные траектории процессов пространственной конвергенции и дивергенции доходов населения регионов России в условиях их адаптации к динамичным изменениям».
Информация об авторах
Берг Дмитрий Борисович
Доктор физико-математических наук, профессор, базовая кафедра аналитики больших данных и методов видеоанализа Института радиоэлектроники и информационных технологий Уральского федерального университета имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия (620002, г. Екатеринбург, ул. Мира, 19); ORCID https://orcid.org/0000-0002-7703-9750 e-mail: bergd@mail.ru
Балунгу Даниель Мусафири
Ассистент базовой кафедры аналитики больших данных и методов видеоанализа Института радиоэлектроники и информационных технологий Уральского федерального университета имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия (620002, г. Екатеринбург, ул. Мира, 19); ORCID https://orcid.org/0009-0001-5098-7603 e-mail: danielbal03.db@gmail.com
Шеломенцев Андрей Геннадьевич
Доктор экономических наук, профессор, главный научный сотрудник Института социально-экономических исследований – обособленное структурное подразделение Федерального государственного бюджетного научного учреждения Уфимского федерального исследовательского центра Российской академии наук (ИСЭИ УФИЦ РАН), г. Уфа, Россия (450054, г. Уфа, Проспект Октября, 71); ORCID https://orcid.org/0000-0003-1904-9587 e-mail: a.shelom@yandex.ru
Гончарова Ксения Сергеевна
Кандидат экономических наук, научный сотрудник Института экономики Уральского отделения РАН, г. Екатеринбург, Россия (620014, г. Екатеринбург, ул. Московская, 29); ORCID https://orcid.org/0000-0003-2381-3322 e-mail: ksenia.gon4arowa@gmail.com
Для цитирования
Берг Д.Б., Балунгу Д.М., Шеломенцев А.Г., Гончарова К.С. Экспериментальные траектории процессов конвергенции и дивергенции неравномерности доходов населения регионов России // Journal of Applied Economic Research. 2024. Т. 23, № 2. С. 364-393. https://doi.org/10.15826/vestnik.2024.23.2.015
Информация о статье
Дата поступления 4 декабря 2023 г.; дата поступления после рецензирования 10 апреля 2024 г.; дата принятия к печати 24 апреля 2024 г.
DOI: https://doi.org/10.15826/vestnik.2024.23.2.015
Скачать полный текст статьи:
~1,013 кБ, *.pdf
(Размещен
28.06.2024)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte