Введение

Пространственная организация эколого-социально-экономической системы субъектов Российской Федерации выступает важнейшим фактором, определяющим качество жизни населения, комфортность проживания, степень реализации политики продовольственной безопасности и принципы рационального использования природно-ресурсного потенциала. При этом пространственная дифференциация пронизывает все сферы регионального функционирования и развития [1, с. 60–62].

Вопросы изучения региональной дифференциации имеют продолжительную историю. Основы теории организации экономического пространства были заложены в работах немецкого ученого А. Лёша [2, с. 634–635]. Основоположником отечественной школы пространственной экономики считается А. Г. Гранберг, разработавший методологию анализа национальной экономики и впервые применивший экономико-математический инструментарий для планирования территориального развития [3]. Анализом причин и следствий социально-экономического неравенства регионов занимается Н. В. Зубаревич, сформулировавшая «теорию четырех Россий» [4, с. 27–29]. П. А. Минакир объединил теоретические выкладки с прикладными задачами, разрабатывая подходы к программному развитию территорий [5]. Пространственным анализом на основе панельных данных о доходах и потреблении по регионам России занимались И. А. Лакман, В. М. Тимирьянова [6].

Неравномерность пространственного развития региональной экономики обусловливает необходимость применения дифференцированных подходов к аккумуляции потенциала, формирующего устойчивое развитие в разрезе муниципальных образований и городских округов.

Цель исследования – оценка пространственной дифференциации и выявление факторов, влияющих на уровень социо-эколого-экономического развития региона с использованием эконометрического анализа. Социо-эколого-экономическое развитие понимается как сбалансированное и взаимосвязанное изменение трех подсистем территории: экономической (производство, инвестиции, доходы), социальной (образование, здравоохранение, демография) и экологической (состояние окружающей среды, природоохранные затраты). Работа выполнена на примере Республики Башкортостан.

Материалы и методы исследования

Для определения уровня развития социально-эколого-экономической системы был осуществлен отбор показателей по каждому блоку. Информационной базой исследования выступили данные Госкомстата Республики Башкортостан за 2017–2024 гг.1 Перечень показателей экономического и социального блоков выбран на основе экспертных оценок, кластерного и регрессионного анализа из показателей оценки эффективности деятельности органов местного самоуправления для муниципальных образований (МО) и городских округов (ГО) [7]. Состав показателей для оценки экологической компоненты определен с ориентацией на цели ООН и на общедоступные статистические данные [8]. После нормирования показателей по формуле средней арифметической определены интегральные оценки по блокам. Нормирование выполнялось по формуле минимаксного шкалирования для показателей стимуляторов (их увеличение повышает уровень развития):

К показателям дестимуляторов (увеличение снижает уровень развития) относятся заболеваемость населения, доля убыточных организаций:

где xit – фактическое значение показателя для i-го МО или ГО в год t,

min(xi) – минимальное значение среди всех МО или ГО за весь период,

max(xi) – максимальное значение среди всех МО или ГО за весь период.

Остальные показатели являются стимуляторами.

Экономические, социальные и экологические индикаторы равноправно вошли в общую интегральную оценку. Вес каждого блока принят равным 1/3 исходя из гипотезы о равнозначности экономической, социальной и экологической компонент устойчивого развития, что согласуется с целями ООН в области устойчивого развития [9]. Муниципальные образования и городские округа анализировались отдельно.

При построении панельной модели в качестве зависимой переменной выступила общая интегральная оценка социо-эколого-экономического развития (IO). Для идентификации факторов, связанных с пространственной дифференциацией, определен набор переменных, которые могут оказывать влияние на IO: институциональные (бюджетная обеспеченность, доходы местного бюджета, доля занятых в малом бизнесе, уровень безработицы, кадровая обеспеченность, коэффициент рождаемости), пространственно-инфраструктурные (плотность дорог, удаленность от регионального центра, общая жилплощадь на одного человека, численность населения, земли под строительство, выделенные субсидии на строительство) и структурно-экономические (инвестиции с лагом в 1–3 года, доля обрабатывающих производств, доля убыточных производств, стоимость основных фондов, износ основных фондов, финансовый результат предприятий, продукция сельского хозяйства). Переменные должны пройти отбор на основе диагностики мультиколлинеарности и проверки статистической значимости. После проверки гипотезы о некоррелированности индивидуальных эффектов с регрессорами (тест Хаусмана) построена панельная регрессионная модель с фиксированными эффектами (EF), опирающаяся на структуру панельных данных, что позволяет учитывать неизмеримые индивидуальные различия объектов:

,

где i = 1,…,N – индекс МО, ГО; t = 1,…,T – индекс временного периода; k = 1,…,K – индекс показателей; yit – значение IO для i-го объекта в год t; x1it,…, xkit – значения переменных; β1,…, βk – коэффициенты при регрессорах, общие для всех объектов и периодов; αi – индивидуальный фиксированный эффект (свободный член); εit – случайная ошибка.

Оценка модели выполнена в пакете Gretl с использованием кластерных стандартных ошибок (устойчивых к гетероскедастичности и автокорреляции). Для количественной оценки пространственной дифференциации применена декомпозиция дисперсии (однофакторный ANOVA). В работе используется линейная панельная модель с FE, которая не учитывает пространственную автокорреляцию и нелинейные эффекты. Это ограничение связано с малым числом наблюдений и фокусом на внутрирегиональной дифференциации.

Результаты исследования и их обсуждение

В ходе анализа пространственной внутрирегиональной дифференциации установлено, что наибольший уровень полярности наблюдается в экологическом блоке. Максимальная полярность зафиксирована по текущим затратам на охрану окружающей среды, минимальная – по посевным площадям сельскохозяйственных культур. В экономическом блоке наиболее высокая полярность наблюдается по показателю, характеризующему объем отгруженных товаров, выполненных работ и услуг для МО и ГО, а также по объему инвестиций на душу населения в МО, наименьшая – по заработной плате. Социальный блок среди всех групп характеризуется наименьшей полярностью, она наиболее выражена по расходам местного бюджета на образование. Показатели, характеризующие долю муниципальных общеобразовательных организаций, соответствующих современным требованиям, и уровень обеспеченности учреждениями культуры в каждом МО практически соответствуют нормативам, поэтому их полярность низка, они исключены из IO.

Для оценки пространственной дифференциации выполнена декомпозиция дисперсии интегральной оценки, однофакторный ANOVA – Analysis of Variance (табл. 1).

F-тест подтверждает статистическую значимость межгрупповых различий (p < 0,001). Доля дисперсии, объясняемая различиями между МО, составляет η² = 0,931 (93,1 % общей вариации IO обусловлено устойчивыми пространственными различиями между муниципалитетами, а 6,9 % – временными колебаниями внутри отдельных территорий). Пространственная дифференциация является доминирующим источником изменчивости. Для выявления факторов, влияющих на IO, построены панельные регрессионные модели. Для обоснования выбора модели с фиксированными эффектами проведен тест Хаусмана, полученное значение χ² = 48,3 (p < 0,001) подтверждает предпочтительность FE-модели по сравнению со случайными эффектами (RE). Дополнительный тест на наличие индивидуальных эффектов (F(53,372) = 97,4, p < 0,001) свидетельствует о статистической значимости межгрупповых различий. После исключения мультиколлинеарных и статистически незначимых переменных (на основе диагностики BKW), показавшей максимальный условный индекс 12, порог составляет 30.

Таблица 1

Декомпозиция дисперсии интегральной оценки для муниципальных районов

Примечание: составлена автором на основе полученных данных в ходе исследования.

Таблица 2

Панельная регрессия с фиксированными эффектами для муниципальных районов

Примечание: составлена автором на основе полученных данных в ходе исследования.

Модель для МО включает субсидии на строительство и временные даммы 2018, 2019, 2021, 2023, 2024 гг. Остальные переменные из трех групп (институциональные, пространственно-инфраструктурные, структурно-экономические) оказались статистически незначимыми или были исключены вследствие мультиколлинеарности. Результаты оценивания представлены в табл. 2.

Коэффициент детерминации равен 0,3. Стандартные ошибки кластеризованы по МО. Совместный тест регрессоров:

F(6,372) = 25,03 (p < 0,001).

Субсидии на строительство оказывают статистически значимое отрицательное влияние на IO, что может объясняться направлением субсидий в МО с низким уровнем развития или наличием временного лага между выделением средств и эффектом. Коэффициенты при временных даммах для 2018, 2019, 2021, 2023 и 2024 гг. отрицательны, происходит снижение IO по сравнению с 2017 г.

Показатель «удаленность от регионального центра» не включен в панельную модель из-за неизменности во времени. Дополнительные проверки не подтверждают наличие значимой связи между удаленностью и IO, кросс-секционный регрессионный анализ на данных за 2024 г. показал, что p > 0,05, R² = 0,003.

Для ГО выявлена высокая мультиколлинеарность между регрессорами, оценка панельной регрессии некорректна (максимальный условный индекс BKW = 148,3). Результаты ANOVA для ГО показывают, что межгрупповая вариация составляет 1,271 (df = 7), а внутригрупповая – 0,587 (df = 56). Доля дисперсии, объясняемая различиями между ГО,

η² = SSB/SST = = 1,271/1,858 = 0,684,

означает, что 68,4 % общей дисперсии IO объясняется устойчивыми различиями между ГО. F = 17,3 (p < 0,001) подтверждает статистическую значимость выявленных межгрупповых различий. Наиболее выраженный выброс – г. Уфа (столицы республики), имеющий высокие значения интегральной оценки по сравнению с остальными городами.

Актуальность выбранной темы обусловлена тем, что пространственное развитие территорий выступает важнейшим условием социально-экономического развития страны, что согласуется с выводами, представленными в работах Л. А. Третьякова, А. С. Астахина [10]. Неравномерность пространственного развития, как справедливо отмечает И. А. Ладыгина, обосновывает необходимость выработки дифференцированных подходов к раскрытию потенциала регионов [11]. Пространственная дифференциация охватывает все сферы, поэтому М. А. Джугшапарова предлагает использовать интегральные оценки, в работе представлен интегральный показатель социо-эколого-экономического развития [12]. Установлено, что в Республике Башкортостан не наблюдается согласованности в интегральной оценке по этим блокам, высокие показатели в экономической сфере не всегда соответствуют высоким показателям в социальной и экологической сфере.

В современной научной литературе все большее внимание уделяется экологической проблематике. К. А. Ростислав, Ю. Ю. Пономарев в своих работах подчеркивают, что экологический фактор все чаще учитывается при анализе социально-экономического развития [13]. Ряд исследователей утверждают, что устойчивое развитие находится под влиянием инновационной активности [14]. В настоящем исследовании инновационные показатели не использовались ввиду отсутствия открытых статистических данных в муниципальном срезе, а также малочисленности инновационных предприятий в сельских территориях республики, хотя развитие в данном направлении осуществляется [15]. М. В. Морошкина приходит к выводу, что фактор «географическое положение» оказывает значительное влияние на показатели экономического развития территории [16]. Показатель «удаленность от регионального центра» не показал значимой связи с интегральной оценкой, что может объясняться внутрирегиональным масштабом анализа, а также относительно развитой транспортной сетью в республике.

Выделение трех групп потенциальных факторов (институциональные, пространственно-инфраструктурные и структурно-экономические) представляло собой систематизированный перечень теоретически обоснованных переменных, проверяемых эмпирически. Тот факт, что только субсидии на строительство обнаружили статистически значимую связь с IO, указывает на ограниченность линейной FE-спецификации и сложность агрегированного показателя IO, аккумулирующего три подсистемы.

Ограничения исследования. Использование агрегированных муниципальных статистических данных не позволяет учитывать внутримуниципальные различия и качественные институциональные факторы; возможна эндогенность между субсидиями и интегральной оценкой (например, субсидии могут выделяться в ответ на низкие показатели); малый размер выборки для ГО делает невозможным построение надежной регрессионной модели; результаты зависят от выбранного набора индикаторов. Линейная FE-модель не учитывает пространственные взаимодействия и нелинейные эффекты. Данные ограничения открывают направления для дальнейших исследований.

Заключение

Проведенное исследование позволило выявить уровни полярности в Республике Башкортостан. Экологический блок характеризуется наиболее высокой степенью полярности, социальный – наименьшей, что может свидетельствовать о выравнивающей роли государственной поддержки в социальной сфере. В работе дана количественная оценка пространственной дифференциации социо-эколого-экономического развития на внутрирегиональном уровне. Декомпозиция дисперсии подтверждает наличие выраженной пространственной неоднородности. В работе представлены возможные детерминанты пространственной дифференциации социо-эколого-экономического развития на внутрирегиональном уровне, для оценки их влияния построена панельная модель, которая была реализована в программе Gretl.

Полученные результаты указывают на необходимость дополнительной проверки эффективности распределения субсидий на строительство, нужно учитывать экологическую составляющую при оценке эффективности крупных предприятий, особенно в ресурсодобывающих городских округах; разрабатывать программы адаптации социальной инфраструктуры с учетом выявленных временных трендов. Предложенные меры позволят сгладить пространственные диспропорции и повысить устойчивость развития региона. Дальнейшие исследования могут быть направлены на учет нелинейных эффектов, пространственных взаимодействий.