Пространственное моделирование человеческого потенциала в Республике Башкортостан

Цель исследования. Целью исследования является выявление пространственных автокорреляционных зависимостей в распределении человеческого капитала в Республике Башкортостан. 

Материалы и методы. В качестве показателя, измеряющего человеческий капитал, рассматривается индекс развития человеческого потенциала, рассчитанный для каждого из 54 муниципальных образований и 8 городских округов Республики Башкортостан в динамике за 2007 и 2013 гг. в соответствии с упрощенной методикой, учитывающей показатели средней ожидаемой продолжительности жизни при рождении, средневзвешенного среднемесячной заработной платы и среднемесячной пенсии, средней продолжительности обучения и грамотности населения по данным переписей населения. Комплексное исследование пространственных автокорреляционных зависимостей в распределении индекса развития человеческого потенциала (ИРЧП) в республике было проведено в соответствии с предложенной авторами пятиэтапной методики. На первом этапе исследования была сформирована весовая пространственная матрица обратных расстояний между административными центрами муниципалитетов, определяющая пространственный лаг. На втором этапе, заключающемся в расчете глобальных и локальных индексов пространственной автокорреляции (Морана и Гири), была подтверждена гипотеза о наличии пространственных зависимостей в распределении ИРЧП. Третий этап позволил наглядно проанализировать пространственное взаимное влияние ИРЧП для конкретных муниципалитетов на основе диаграмм рассеяния, построенных для 2007 и 2013 годов в отдельности. Четвертый этап, состоящий в построении и оценке методом максимального правдоподобия моделей пространственной авторегрессии (SAR) и пространственной ошибки (SEM), дал возможность количественно оценить выявленное взаимное влияние в пространственном распределении ИРЧП в муниципальных образованиях и городских округах. Заключительная часть исследования была посвящена интерпретации полученных результатов пространственно-регрессионного моделирования. В качестве программного средства моделирования использовался R Studio.

Результаты. В результате исследования было показано, что для распределения индекса развития человеческого капитала в муниципалитетах Республики Башкортостан характерна устойчивая положительная пространственная автокорреляция. При этом в динамике наблюдается усиление пространственных зависимостей в распределении ИРЧП в Республике Башкортостан, что объясняется возрастающей ролью урбанизации и стягиванием человеческих ресурсов в относительно крупные города. В ряде муниципалитетов наблюдается конкурентная борьба за ресурсы, способствующие повышению ИРЧП. Ряд муниципалитетов образуют кластер территорий с низким уровнем развития человеческого потенциала. В основном это районы Северо-Востока республики. Полученные модели пространственной регрессии позволили количественно оценить пространственные автокорреляционных зависимости в распределении человеческого капитала.

Заключение. Полученные результаты пространственных зависимостей в распределении человеческого потенциала могут быть использованы как при разработке стратегий долгосрочного социально-экономического развития муниципалитетов, так и служить основой для стратегического планирования развития региона в целом.

1. Аничин В.Л., Тимофеев И.Ю. Использование методики ПРООН для оценки развития человеческого потенциала регионов РФ // Научные ведомости. Серия История. Политология. Экономика. Информатика. 2013. 1 (144). С. 15–20.

2. Доклад о человеческом развитии в Российской Федерации за 2015 год. М.: Аналитический центр при Правительстве Российской Федерации, 2015.

3. Мазелис Л.С., Лавренюк, К.И. Количественная модель оценки регионального человеческого капитала // Азимут научных исследований: экономика и управление. 2017. Т. 6. № 4 (21). С. 167–170.

4. Кравченко Е.Н., Шаркевич И.В. Особенности развития человеческого потенциала регионов современной России // Экономика региона. 2011. № 3. С. 71–79.

5. Fojtíková L., Stanícková M. Modeling of human capital and impact on eu regional competitiveness // Modeling Human Behavior: Individuals and Organizations. 2016. P. 133-164.

6. Ren Z., He J.-J. The research on human capital and economic development of reservoir area: Based on the empirical study of Yunyang // 19th International Conference on Industrial Engineering and Engineering Management: Engineering Management. 2013. P. 329–335.

7. Menéndez Blanco J.M., Montes-Botella J.-L. Exploring nurtured company resilience through human capital and human resource development: Findings from Spanish manufacturing companies // International Journal of Manpower. 2017. Vol. 38. Iss. 5. P. 661–674.

8. Матвеенко В.Д., Алькаева М.С., Королев А.В. Пространственная модель экономического роста с учетом человеческого капитала // Научно-технические ведомости СПбГПУ. Экономические науки. 2014. № 1(187). С. 184–190.

9. Shamsutdinova N. et al. Spatial Distribution of Human Development Index in the Regions of Russia // Journal of Advanced Research in Law and Economics. 2018. V. 8. N. 8. P. 2594–2604.

10. Mendoza-González M., Valdivia-López M., Quintana-Romero L. Spatial Interaction Regional Model for the Mexican Economy (SIRMME): A Special Case for Mexico City Metropolitan Area // Journal of Reviews on Global Economics. 2016. Vol. 5. P. 84–100. doi: http://dx.doi.org/10.6000/1929-7092.2016.05.08.

11. Zhang J., Liu Q., Wang C., Li H. Spatial– Temporal Modeling for Regional Economic Development: A quantitative Analysis with Panel Data from Western China // Sustainability. 2017. № 9. P. 19–55. doi: 10.3390/su9111955.

12. Li J., Miao C. Impact of population flow on regional economic disparities in the Yangtze River economic belt // Acta Geographica Sinica. 2017. Vol. 72. Iss. 2. P. 197–212. doi: 10.11821/dlxb201702002.

13. Goschin Z. Exploring regional economic convergence in Romania. A spatial modeling approach // Eastern journal of European studies. 2017. Vol. 8. Iss. 2. P. 127-146.

14. Kalapouti K., Petridis K., Malesios C., Dey P. K. Measuring efficiency of innovation using combined Data Envelopment Analysis and Structural Equation Modeling: empirical study in EU regions // Annals of Operations Research. 2017. doi: 10.1007/s10479-017-2728-4.

15. Jaya I. G.N.M., Toharudin T., Abdullah A.S. A bayesian spatial autoregressive model with k-NN optimization for modeling the learning outcome of the junior high schools in West Java // Model Assisted Statistics and Applications. 2018. Vol. 13 (3). P. 207-219. doi: 10.3233/mas-180435.

16. Ripamonti E., Barberis S. The Effect of Cultural Capital on High School Dropout: An Investigation in the Italian Provinces // Social Indicators Research. 2017. doi: 10.1007/s11205017-1754-6.

17. Гафарова Е.А. Исследование пространственного распределения человеческого капитала в региональной системе // Проблемы функционирования и развития территориальных социально-экономических систем. Уфа: ИСЭИ УНЦ РАН, 2017. С. 84–88.

18. Technical notes. Human development report. 2016. [Электрон. ресурс]. Режим доступа: http://hdr.unds.org/sites/default/files/hdr2016_technical_notes.pdf.

19. Валиахметов Р.М., Баймурзина Г.Р., Хилажева Г.Ф., Бурханова Ф.Б. Семья и человеческое развитие. Доклад о развитии человеческого потенциала в Республике Башкортостан. Под ред. Р.М. Валиахметова, Ф.Б. Бурхановой, Г.Ф. Хилажевой. Уфа: Восточная печать, 2013. 283 с.

20. Getis A., Aldstadt J. Constructing the Spatial Weights Matrix Using a Local Statistic // Geographical Analysis. 2004. Vol. 36 (2). P. 90– 104. doi:10.1111/j.1538-4632.2004.tb01127.x.

21. Lesage J. P., Pace R. K. Introduction to spatial econometrics. Boca Raton, FL: CRC Press, 2009.