CC BY
137
Территориальный анализ уровня развития строительной отрасли в регионах РФ 29
МЕНЕДЖМЕНТ
УДК 338.45:69
С.М. Анпилов* ТЕРРИТОРИАЛЬНЫЙ АНАЛИЗ УРОВНЯ РАЗВИТИЯ СТРОИТЕЛЬНОЙ ОТРАСЛИ В РЕГИОНАХ РФ
В статье представлен анализ развития строительной отрасли Российской Федерации с 2008 года по текущий год. Выводы, указанные в данной работе, подтверждены значительным объемом статистических данных по различным факторам развития строительной отрасли РФ.
Ключевые слова: индикатор развития, строительная отрасль, экономика региона, регион, социально-экономическое развитие региона, факторы устойчивого развития, эффективность, основные показатели работы строительного комплекса, ввод жилья.
Экономический анализ территориальной дифференциации индикаторов развития строительной отрасли начинается с построения рядов распределения показателей на уровне регионов, позволяющего выявить основные параметрические свойства и закономерности исследуемой совокупности. Результатам наблюдений необходимо придать определенную форму и структуру, прежде чем они будут подвергнуты обобщению и анализу, позволяющим делать обоснованные выводы.
Изучение характера и меры вариации значений признака в изучаемой совокупности является одним из главных вопросов научного исследования. Для решения этой задачи применяются специальные методы исследования вариации и характеристики распределения.
Для более корректной сравнительной оценки различных регионов мы пересчитали все результативные показатели в относительные. Они представляют собой, как правило, удельный вес или уровень распространения какого-либо явления в определенной совокупности (в расчете на 1, 100, 1000 и т. д. человек населения). Это необходимо для того, чтобы нивелировать различия в численности населения и размере территорий отдельных субъектов Российской Федерации.
Рассмотрим основные числовые характеристики рядов распределения некоторых показателей (табл. 1).
Из таблицы 1 мы видим, что по регионам России имеет место неоднородность распределения по показателям общего объема строительных работ и по вводу в действие зданий, о чем свидетельствуют значения коэффициентов вариации (более 33,3 %). В то же время по обеспеченности жильем наблюдается значительная однородность (11,7 %). Отметим также близость медианы и среднего арифметического значения по каждому рассматриваемому показателю.
Если исследовать территориальное распределение частных индикаторов (таких, например, как ввод в действие больниц, образовательных учреждений, квартир и т. д.), то здесь имеет место еще более значительная вариация их значений. Так, по вводу в действие образовательных учреждений коэффициент вариации составил 240,2 %, т. е. совокупность крайне неоднородна.
В построенных рядах распределения нашла отражение количественно выраженная неравномерность в состоянии строительной отрасли по территории Российской Федерации. В то же время ряды распределения помогают лишь в общей форме выразить внутренние особенности и закономерности изучаемого объекта, поэтому с целью качественного анализа территориальных различий мы предлагаем осуществить типологизацию регионов на основе метода группировок.
* © Анпилов С.М., 2012
Анпилов Сергей Михайлович (anpilovsm@gmail.com), кафедра городского строительства и хозяйства Тольяттинского государственного университета, 445667, Российская Федерация, г. Тольятти, ул. Белорусская, 14.
Таблица 1
Показатели вариации рядов распределения регионов РФ по данным развития строительной отрасли в 2010 году [1; 2; 3; 4]
Показатели Объем работ, выполненных по виду деятельности «Строительство», тыс. руб./чел. Ввод в действие зданий различного назначения (на 1000 чел.), кв. м Общая площадь жилых помещений, приходящаяся в среднем на одного жителя, кв. м/чел.
Среднее арифметическое 25,0 569,6 23,1
Среднее квадратическое отклонение 19,8 249,9 2,7
Коэффициент вариации, % 79,1 43,9 11,7
Медиана 19,5 515 23,2
Таблица 2
Типология регионов РФ по объему работ, вышолненных по виду деятельности «Строительство»,
в расчете на 1 жителя (2010 год) [1; 2; 3; 4]
Тип Объем работ, выполненных по виду деятельности «Строительство» (тыс. руб./чел.) Число регионов
Низкий уровень До 15 25
Курганская область, Алтайский край, Республика Тыва, Кировская область, Республика Калмыкия, Республика Карачаево-Черкесия, Республика Удмуртия, Орловская область, Воронежская область, Брянская область, Ставропольский край, Псковская область, Челябинская область, Ивановская область, Костромская область, Республика Марий Эл, Ульяновская область, Республика Хакасия, Новосибирская область, Волгоградская область, Саратовская область, Оренбургская область, Самарская область, Владимирская область, Республика Чувашия
Пониженный уровень 15-35 37
Забайкальский край, Ростовская область, Республика Карелия, Республика Адыгея, Тульская область, Тамбовская область, Республика Бурятия, Астраханская область, Пензенская область, Омская область, Республика Северная Осетия - Алания, Липецкая область, Свердловская область, Тверская область, Смоленская область, Республика Башкортостан, Рязанская область, Республика Дагестан, Республика Мордовия, Архангельская область, Курская область, Иркутская область, Мурманская область, Вологодская область, Пермский край, Белгородская область, Калининградская область, Нижегородская область, Новгородская область, Кемеровская область, Томская область, Калужская область, Ярославская область, Красноярский край, Амурская область, Республика Алтай, Московская область
Средний уровень 35-55 9
Магаданская область, Ленинградская область, Приморский край, Камчатский край, г. Москва, Республика Саха (Якутия), Республика Татарстан, Хабаровский край, Краснодарский край
Повышенный уровень 55-75 3
Республика Коми, Еврейская автономная область, г. Санкт-Петербург
Высокий уровень 75 и более 2
Сахалинская область, Тюменская область
Итого 76
Группировки, будучи одним из важнейших и самостоятельных приемов изучения социальноэкономических явлений, составляют в то же время неотъемлемую часть научного исследования. С помощью данного метода решаются достаточно
сложные аналитические задачи, одна из которых выделение в составе массового явления тех его частей, которые однородны по качеству и условиям развития, в которых действуют одни и те же закономерности влияния факторов.
Построим типологическую группировку по объему работ, выполненных по виду экономической деятельности «Строительство» (табл. 2).
Город Москва как субъект Федерации практически по всем социально-экономических индикаторам занимает первое место с большим отрывом. Обратим внимание, что объем строительных работ в г. Москве находится на достаточно среднем уровне. При этом значение изучаемого показателя в столице (45%) гораздо выше среднего арифметического и медианного, однако на 62 % ниже, чем в Тюменской области.
Еще одним важным итогом группировки является тот факт, что в группу с «низким уровнем» попали регионы с весьма высоким уровнем жизни и экономического развития — Новосибирская, Самарская, Челябинская области.
Типологические группировки решают важную задачу выделения однородных типов, однако они ограничены одним признаком. Но уровень развития строительной отрасли — категория многоаспектная, измеряемая несколькими признаками. Возникает необходимость применить многомерные методы группировок — непараметрические методы и кластерный анализ.
Для исследования было отобрано 12 показателей, характеризующих отдельные аспекты уровня развития строительной отрасли.
Во-первых, к ним относятся частные показатели результативности строительной деятельности:
У1 — ввод в действие зданий различного назначения (в расчете на 1000 чел.), м2;
У2 — ввод в действие жилых домов (в расчете на 1000 чел.), м2;
У3 — ввод в действие квартир (в расчете на 1000 чел.), ед.;
У4 — ввод в действие образовательных учреждений (в расчете на 1000 чел.), ученических мест;
У5 — ввод в действие амбулаторно-поликлинических учреждений (в расчете на 10 0000 чел.), посещений в смену;
У6 — ввод в действие больниц (в расчете на 1000 чел.), коек.
Во-вторых, это показатели деловой активности строительных организаций. Их значения были получены на основе опросов руководителей организаций отрасли:
У7 — индекс предпринимательской уверенности;
У8 — оценка экономической ситуации в отрасли (% респондентов, оценивших ситуацию как «благоприятную»).
В-третьих, это индикаторы состояния строительных организаций:
У9 — средняя загрузка производственных мощностей, %;
У — средняя зарплата, руб.;
У — доля активной части основных фондов, %.
В-четвертых, это обобщающий (итоговый) показатель уровня развития строительной отрасли:
У — среднедушевой объем работ, выполненных по виду деятельности «Строительство» (тыс.-руб./чел.).
Чтобы дать обобщающую оценку уровня развития строительной отрасли на основе частных индикаторов и упорядочить показатели регионов, необходимо провести их сравнительный анализ на основе непараметрических методов [6, с. 62]. К ним относятся метод балльных оценок, суммы мест, «Паттерн», метод многомерной средней и др.
Указанные методы имеют ряд преимуществ перед традиционными параметрическими. В частности, их можно использовать по сравнительно небольшим выборкам (в нашем случае объем выборки составляет 76 регионов); путем стандартизации значений исходных показателей достигается необходимый уровень сжатия информации. Кроме того, они достаточно просты для интерпретации и нечувствительны к ошибкам измерения. При их применении вопрос о нормальности распределения не является принципиальным.
В нашем исследовании мы рассмотрели ранжирование видов регионов по методу многомерной средней (табл. 3). Методика заключается в том, что по каждому показателю вычисляется средняя величина, а индивидуальные показатели каждого региона соотносятся с ней. Таким образом, каждый регион получает 12 коэффициентов, из которых на заключительном этапе рассчитывается средний. Итого — 76 средних коэффициентов (многомерных средних), что позволяет ранжировать регионы по уровню развития строительной отрасли. Чем выше многомерная средняя оценка, тем выше рейтинг.
Первые четыре места занимают представители восточной части России. Первый рейтинг — у Республики Алтай, несмотря на то что только по семи из 12 индикаторов она имеет значения выше среднероссийских. Ее лидерство обеспечивается огромным отрывом по показателям ввода образовательных и лечебных учреждений. Например, по числу введенных ученических мест Алтай превышает среднее значение по стране почти в 20 раз.
Высокий рейтинг двух дальневосточных регионов — Сахалинской и Магаданской областей — достигнут также за счет приоритета в показателях строительства объектов социальной сферы.
Именно отсутствие строительной активности в этой сфере во многом обусловило низкий рейтинг Ивановской области и Республики Карелии (в первой из них в 2010 г. не введено ни одного квадратного метра образовательных или лечебных учреждений).
Обратим внимание также на то, что получившая 70-й рейтинг Удмуртия по всем 12 индикаторам имеет значения ниже среднероссийских (это единственный подобный субъект Федерации).
Таблица 3
Рейтинг регионов РФ по средней многомерной оценке (СМО) уровня развития строительной отрасли
(2010 год) [1; 2; 3; 4]
Рейтинг Регионы ¥, ¥7 ¥3 ¥4 ¥5 ¥6 ¥7 ¥8 ¥ч ¥,о ¥11 ¥12 СМО
1 Республика Алтай 1,08 093 1,16 19,7 6 639 775 0,68 059 097 057 138 130 3,55
2 Сахалинская область 1,32 1,13 1,14 658 0,00 275 1,17 047 097 1,80 1,09 420 1,88
3 Магаданская область 068 028 038 125 028 11,75 1,73 000 1,15 200 087 1,68 1,84
4 Тюменская область 151 150 1,75 223 096 067 124 1,19 1,15 1,80 1,05 473 1,65
5 г. Санкт-Петербург 200 153 196 177 1,71 153 1,73 083 097 151 1,15 219 1,62
6 СО - Алания 0,87 078 075 000 678 429 132 024 1,15 0,74 1,16 073 1,57
7 Московская область 275 3,13 280 1,11 1,01 0,00 0,68 1,78 097 132 072 131 1,47
8 Краснодарский край 157 193 1558 068 021 0,36 098 5-22 097 1,06 097 205 1,47
9 Астраханская область 133 138 1,09 1,86 258 3,37 150 059 1,15 0,83 1,14 067 1,46
10 Республика Адыгея 083 086 082 000 297 3,47 1,84 261 1,15 019 123 064 1,43
11 Белгородская область 232 200 1558 262 206 0,74 0,45 1,78 097 081 073 095 1,42
12 Республика Татарстан 1,81 150 149 1,07 092 1,01 203 225 1,15 096 0® 1,87 1,40
13 Республика Саха (Якутия) 092 088 1,14 395 0,00 1,12 1,77 095 1,15 156 050 1,83 1,31
14 Рязанская область 1,00 1,12 120 050 0,00 439 0,49 249 097 090 1,19 0,80 1,26
15 Республика Мордовия 1,05 096 1X5 031 3,15 235 1,13 059 097 071 098 083 1,17
16 Вологодская область 092 095 120 040 5,86 0,00 060 012 097 1,14 077 0,89 1,15
17 Республика Башкортостан 1,06 138 127 194 024 026 128 273 097 0,83 1,03 0,80 1,15
18 Ленинградская область 1,48 1,70 158 1,02 0,10 0,00 1,73 083 1,15 128 096 1,68 1,13
19 Хабаровский край 0^81 065 075 013 1,09 123 1,43 1,78 1,15 134 1,13 200 1,12
20 Калининградская область 141 155 1558 273 0,14 0,00 0,45 1,65 080 093 122 095 1,12
21 Республика Бурятия 070 078 0,89 133 223 0,30 158 130 097 1,08 135 065 1,10
22 Ставропольский край 121 1,10 1,11 060 153 0,00 1,47 249 097 1,01 1,17 0^ 1,09
23 Республика Кар.-Черк. 048 041 022 085 451 053 1,73 083 097 071 1,40 035 1,08
24 Воронежская область 1,18 125 138 1,40 1,44 029 053 213 097 0# 094 039 1,05
25 Амурская область 0160 056 073 050 241 0,80 139 071 133 125 1,00 125 1,04
26 Липецкая область 155 1,75 098 1,78 262 0,00 004 059 080 084 0,75 0,75 1,04
27 Красноярский край 096 097 1,16 067 0,38 194 0,86 071 097 133 090 1,12 1,00
28 Нижегородская область 1,18 122 125 068 0,03 0,18 1,09 213 097 094 1,17 097 0,99
29 Приморский край 066 075 075 034 1,40 0,00 1,05 1,65 097 1,14 1,08 V® 0,97
30 Камчатский край 063 050 053 084 0,00 0,00 152 1,78 1,15 166 0,75 V® 0,96
31 Пермский край 0,83 081 087 1,06 0^ 133 1,17 036 097 1,02 1,10 091 0,93
32 Новгородская область 1,04 1,09 1,40 000 0,00 1*3 094 083 1,15 095 1,17 098 0,93
33 Омская область 097 1,00 1,09 097 223 0,00 071 024 097 1,09 1,07 072 0,92
34 Кемеровская область 090 1,01 1,18 038 1,62 0,68 0,30 130 097 0,89 054 1,01 0,90
35 Еврейская автономная область 099 083 1,02 000 0,00 0,00 1,05 1,19 1,15 1,05 1,01 244 0,90
36 Республика Чувашия 175 195 1,60 000 025 0,86 0,38 1,07 097 067 0,61 059 0,89
37 г. Москва 055 043 045 1,00 0,87 0,14 090 071 1,15 166 091 1,80 0,88
38 Новосибирская область 161 1,45 1,60 0650 0,00 0,04 098 095 097 090 0,88 054 0,88
39 Калужская область 1,85 138 127 000 0,48 0,00 0,41 095 097 093 1,10 1,06 0,87
40 Тамбовская область 131 1,45 1,09 1,02 020 133 056 036 080 067 093 065 0,87
41 Свердловская область 1,24 1,15 1,09 014 021 091 120 059 1,15 0,89 097 078 0,86
42 Архангельская область 073 065 071 209 0,05 0,00 056 1,^ 097 1,19 092 084 0,85
43 Оренбургская область 0^88 080 0® 1,05 035 035 1,17 083 1,15 090 133 057 0,84
44 Ростовская область 1,08 1,18 096 013 0^ 0,31 154 071 097 095 0^ 063 0,84
45 Орловская область 095 088 098 055 205 0,00 1,05 000 1,15 084 1,19 039 0,84
46 Республика Коми 037 025 031 1,07 0,18 0,00 064 1,19 097 1,47 122 231 0,83
47 Республика Марий Эл 1,09 122 1,02 019 0,48 1,74 0,49 059 097 0,62 1,02 050 0,83
48 Тверская область 0,87 093 087 000 032 1,63 1,13 012 097 1,19 1,02 078 0,82
49 Республика Хакасия 070 074 073 000 0,00 286 094 024 097 094 1,15 054 0,82
50 Забайкальский край 083 069 085 000 206 0,00 158 036 097 1,44 о& 061 0,82
51 Иркутская область 074 072 091 040 0,38 133 0,41 1,07 080 1,12 0,89 085 0,80
52 Саратовская область 086 126 1,11 054 0,05 038 094 1,07 097 0,83 1,07 056 0,80
53 Томская область 091 1,17 134 058 0,00 0,00 120 071 097 0,89 081 1,05 0,80
54 Курская область 1,02 094 1,07 009 0,19 123 124 024 1,15 087 072 085 0,80
55 Республика Дагестан 074 1,06 0® 225 029 0,00 1,88 012 097 058 0,15 081 0,80
56 Костромская область 065 063 065 005 096 0,00 120 1,65 1,15 0,83 099 048 0,77
57 Кировская область 097 0^ 096 026 0,61 092 0,68 083 097 0,83 099 031 0,76
58 Алтайский край 0^81 еде 085 050 1,44 0,00 1,43 047 097 0,68 0,85 026 0,75
59 Ярославская область 090 064 073 000 024 0,00 135 083 097 1,03 1,12 1,08 0,74
60 Пензенская область 13 126 1,18 000 0,00 0,18 0,41 1,07 080 0,82 124 068 0,74
61 Курганская область 050 049 049 123 0,00 204 053 071 080 084 1,03 020 0,74
62 Волгоградская область 071 071 062 006 023 153 053 071 097 090 1Д) 055 0,73
63 Республика Тыва 035 045 056 000 1,44 1,00 1,02 095 080 072 1,13 029 0,73
64 Челябинская область 092 086 080 0,00 1,18 133 0,00 024 080 0,88 1,04 046 0,71
65 Смоленская область 0^81 098 096 000 0,00 0,00 0,83 1,07 097 092 1,17 0'® 0,71
66 Ульяновская область 1,08 1,01 073 000 0,00 0,00 0,41 190 080 078 1,01 052 0,69
67 Самарская область 076 090 093 000 096 026 090 012 080 077 121 057 0,68
68 Владимирская область 0,83 093 091 000 0,00 0,00 1,05 024 1,15 081 127 059 0,65
69 Республика Калмыкия 0^78 084 093 000 0,00 0,00 158 036 097 075 1,04 035 0,63
70 Республика Удмуртия 073 088 089 036 057 0,00 еде 024 097 099 039 0,63
71 Брянская область 076 085 087 000 0,09 0,00 053 1,19 097 0,62 1,08 0^ 0,61
72 Тульская область 066 071 0® 000 0,13 0,19 0,49 047 1,15 099 1,16 065 0,61
73 Мурманская область 020 0,10 011 000 122 070 0,86 012 097 1,16 0^ 0,88 0,59
74 Псковская область 061 062 071 000 0,08 0,00 128 047 097 084 1,03 0^ 0,59
75 Ивановская область 0,44 050 047 000 0,00 0,00 038 190 080 084 1,15 048 0,58
76 Республика Карелия 060 062 073 051 0,00 0,00 049 024 097 1,07 1,05 0,64 0,58
Вообще в 2010 г. в 29 регионах не возводились больницы, в 23-х — учреждения сферы образования.
Для упорядочения информации и систематизации сведений мы построили типологию регионов РФ по средней многомерной оценке, выделив 5 типов (табл. 4).
В первых двух группах — регионы, получившие среднюю многомерную оценку ниже общероссийской. Таких регионов более половины — 50. Всего у 26 субъектов значения выше среднероссийских, но здесь разброс значений существенно выше (от 1 до 3,55). Коэффициент вариации по средней многомерной оценке составляет 42,1 %; половина регионов имеет значения менее, а половина — более 0,872.
Кластерный анализ — одно из направлений многомерного исследования. Особо важное место он занимает в тех отраслях науки, которые связа-
ны с изучением массовых явлений и процессов. Необходимость развития методов кластерного анализа и их использования продиктована прежде всего тем, что они помогают построить научно обоснованные классификации, выявить внутренние связи между единицами наблюдаемой совокупности. Кроме того, методы кластерного анализа могут использоваться с целью сжатия информации, что является важным фактором в условиях постоянного увеличения и усложнения потоков статистических данных [5].
Одна из задач кластерного анализа — построение новых классификаций для слабоизученных явлений, когда необходимо установить наличие связей внутри совокупности и попытаться привнести в нее структуру. Это самый математически точный и распространенный метод многомерной группировки.
Таблица 4
Типология регионов РФ по средней многомерной оценке (2010 год) [1; 2; 3; 4]
Тип Средняя многомерная оценка Число регионов
Низкий уровень До 0,75 18
Республика Карелия, Ивановская область, Псковская область, Мурманская область, Тульская область, Брянская область, Республика Удмуртия, Республика Калмыкия, Владимирская область, Самарская область, Ульяновская область, Смоленская область, Челябинская область, Республика Тыва, Волгоградская область, Курганская область, Пензенская область, Ярославская область
Пониженный уровень 0,75-1,00 32
Алтайский край, Кировская область, Костромская область, Республика Дагестан, Курская область, Томская область, Саратовская область, Иркутская область, Забайкальский край, Республика Хакасия, Тверская область, Республика Марий Эл, Республика Коми, Орловская область, Ростовская область, Оренбургская область, Архангельская область, Свердловская область, Тамбовская область, Калужская область, Новосибирская область, г. Москва, Республика Чувашия, Еврейская автономная область, Кемеровская область, Омская область, Новгородская область, Пермский край, Камчатский край, Приморский край, Нижегородская область, Красноярский край
Средний уровень 1,00-1,25 12
Липецкая область, Амурская область, Воронежская область, Республика Карачаево-Черкесия, Ставропольский край, Республика Бурятия, Калининградская область, Хабаровский край, Ленинградская область, Республика Башкортостан, Вологодская область, Республика Мордовия
Повышенный уровень 1,25-1,50 8
Рязанская область, Республика Саха (Якутия), Республика Татарстан, Белгородская область, Республика Адыгея, Астраханская область, Краснодарский край, Московская область
Высокий уровень 1,50 и более 6
Республика Сев. Осетия - Алания, г. Санкт-Петербург, Тюменская область, Магаданская область, Сахалинская область, Республика Алтай
Итого 76
Рассмотрим наиболее часто используемые расстояния и меры близости в задачах кластерного анализа.
Наибольшее распространение получила обычная евклидова метрика, например, если объект описывается двумя параметрами, то он может быть изображен точкой на плоскости, а расстояние между объектами — это расстояние между точками,
вычисленное по теореме Пифагора. То есть возводится в квадрат расстояние по каждой координате, суммируется, и из полученной суммы извлекается квадратный корень.
Рв - (X, X) -
£ (х„ - Х, )2.
I =1
где X.. и X.. — величина 1-й компоненты у і-го (.го) объекта.
Использование этого расстояния оправдано в случаях, если:
— наблюдения берутся из генеральных совокупностей, имеющих многомерное нормальное распределение, компоненты X взаимно независимы и имеют одну и ту же дисперсию;
— компоненты наблюдений X однородны по физическому и экономическому смыслу, одинаково важны для классификации.
С геометрической точки зрения и содержательной интерпретации евклидово расстояние может оказаться бессмысленным, если признаки имеют разные единицы измерения. Для приведения признаков к одинаковым единицам измерения прибегают к нормировке каждого признака путем деления центрированной величины на среднее квадратическое отклонение и переходят от матрицы признаков X к нормированной матрице с элементами:
X
H
Xu - Xi
di
где 8t — среднее квадратическое отклонение
l-го признака.
Но данная операция может привести к нежелательным последствиям, если кластеры хорошо разделены по одному признаку и не разделены по другому, то после нормировки дискриминирующие возможности первого признака будут уменьшены в связи с увеличением «шумового» эффекта второго.
В случае когда показатели объектов имеют различные единицы измерения, целесообразнее применить «взвешенное» евклидово расстояние. В этом случае каждой компоненте X приписывается некоторый «вес» wl , пропорциональный степени важности признака в задаче классификации.
В нашем исследовании мы применили именно евклидову метрику в качестве меры близости объектов.
Следующим шагом в кластерном анализе будет выбор правила иерархического объединения кластеров. Наиболее распространенными являются следующие:
— Single linkage — метод одиночной связи;
— Complete linkage — метод полной связи;
— Unweighted pair group average — невзвешенный метод «средней связи»;
— Weighted pair group average — взвешенный метод «средней связи»;
— Weighted centroid pair group (median) — взвешенный центроидный метод;
— Ward method — метод Уорда и др.
Перечисленные алгоритмы различаются правилами объединения объектов в кластеры.
В методе одиночной связи на первом шаге объединяются два объекта, имеющие между собой максимальную меру сходства. На следующем шаге к ним присоединяется объект с максимальной мерой сходства с одним из предыдущих объектов кластера и так далее. Для включения объекта в кластер требуется максимальное сходство лишь с одним членом кластера. Отсюда вытекает название метода одиночной связи, то есть необходима только одна связь, чтобы присоединить объект к кластеру. Недостатком этого метода является образование слишком больших кластеров.
Метод полных связей позволяет устранить указанный недостаток. Здесь мера сходства между объектом-кандидатом на включение в кластер и всеми членами кластера не может быть меньше некоторого порогового значения. Данный метод был реализован в нашем исследовании.
Особенность кластер-анализа в том, что число групп в нем устанавливается не самим исследователем, а определяется в результате расчетов. При этом остается свобода выбора точного количества кластеров в зависимости от меры близости объектов, которую аналитик считает приемлемой.
На основе анализа мы установили, что совокупность разбивается на 13 кластеров (табл. 5), причем в первом кластере есть только один представитель — Мурманская область. Он характеризуется достаточно низкими значениями большинства индикаторов развития строительной отрасли, в первую очередь жилищного строительства (худшие значения по России). Например, ввод жилых домов составляет всего 35 кв. м, а квартир —
0,5 кв. м в расчете на 1000 жителей.
В отдельном кластере находится и Магаданская область, имеющая лучшие показатели по вводу в строй больниц (115 коек на 1000 жителей) и средней зарплаты работников строительных организаций (42 тыс. руб.). Однако никто из руководителей предприятий отрасли данного региона не оценил экономическую ситуацию как благоприятную.
Хорошие показатели жилищного строительства и неблагоприятные — медицинского — объединили в один кластер Томскую и Саратовскую области. Высокие натуральные показатели ввода строительных объектов разного назначения отличают Московскую и Белгородскую области. В то же время они разъединены по отдельным кластерам, так как у них весьма различный стоимостной объем выполненных строительных работ (соответственно 32,7 и 23,7 тыс. руб./чел.).
Татарстан, Калужская область и Санкт-Петербург объединяет высокий уровень ввода зданий различного назначения, но за счет более высокой зарплаты строительных работников (в 1,5 раза) город федерального подчинения Санкт-Петербург выделен в отдельный подкластер.
И
Важным ресурсом строительных организаций выступают машины и оборудование — это активная часть их основных фондов [7, с. 5]. Высокий процент активной части фондов объединяет в один кластер (номер 3) восемь субъектов Федерации, среди которых выделяется Республика Карачаево-Черкесия (91,2 %).
Низкий уровень деловой активности (по мнению руководителей предприятий), выражающийся в неблагоприятной экономической ситуации в строительстве и низком уровне предпринимательской уверенности, присущ строительной отрасли ряда регионов. Они объединены в кластер номер 10.
Таблица 5
Результаты кластеризации регионов РФ по индикаторам развития строительной отрасли в 2010 году [1; 2; 3; 4]
Кластеры Подкластеры Число регионов Состав
1 - 1 Мурманская обл.
2 - 1 Магаданская обл.
3 8 Карачаево-Черкесия, Тыва, Коми, Амурская обл., Камчатский край, Москва, Курганская обл., Ивановская обл.
4 4.1 2 Томская обл., Саратовская обл.
4.2 5 Башкортостан, Марий Эл, Ростовская обл., Новгородская обл., Рязанская обл.
5 5.1 2 Астраханская обл., Тамбовская обл.
5.2 6 Сахалинская обл., Свердловская обл., Ставропольский край, Пензенская обл., Нижегородская обл., Воронежская обл.
6 6.1 1 Алтай
6.2 3 Адыгея, Сев.Осетия - Алания, Вологодская обл.
7 7.1 8 Саха, Челябинская обл., Оренбургская обл., Еврейская АО, Кировская обл., Омская обл., Кемеровская обл., Орловская обл.
7.2 4 Мордовия, Ульяновская обл., Красноярский край, Курская обл.
8 — 5 Хабаровский край, Забайкальский край, Алтайский край, Пермский край, Ярославская обл.
9 10 Приморский край, Бурятия, Хакасия, Иркутская обл., Волгоградская обл., Архангельская обл., Псковская обл., Карелия, Тульская обл., Костромская обл.
10 8 Тверская обл., Смоленская обл., Владимирская обл., Дагестан, Самарская обл., Удмуртия, Калмыкия, Брянская обл.
11 11.1 4 Новосибирская обл., Тюменская обл., Ленинградская обл., Калининградская обл.
11.2 3 Чувашия, Краснодарский край, Липецкая обл.
12 12.1 1 Санкт-Петербург
12.2 2 Татарстан, Калужская обл.
13 — 1 Московская обл.
14 — 1 Белгородская обл.
Итого — 76 -
В целом объединяющим моментом в группировке по многомерной средней и кластер-анализе является особое место Республики Алтай. В то же время сравнивать результаты этих двух группировок некорректно, так как они имеют разные задачи и построены по разным методологическим принципам. Каждая из них имеет свое место в экономическом анализе уровня развития строительной отрасли региона.
Библиографическй список
1. Сайт Росстата. ИЯЬ: www.gks.ru.
2. Регионы России: Социально-экономические показатели: стат. сб. 2010. М.: Росстат, 2011.
3. Строительство в России: стат. сб. 2010. М.: Росстат, 2011.
4. Основные показатели инвестиционной и строительной деятельности в Российской Федерации: бюллетень. М.: Росстат, 2012.
5. Анпилов С.М. Современный подход к устойчивому развитию предприятия // Основы экономики, управления и права. 2012. № 1(1). С. 53—57.
6. Анпилов С.М., Сорочайкин А.Н. Организационно-экономические механизмы воздействия на строительную отрасль в современных условиях // Экономика и управление в XXI веке. Т. 2: Экономика и управление. Региональный аспект: кол. монография / под общ. ред. А.Н. Сорочайкина. Самара: Глагол, 2011. С. 60-72.
7. Анпилов С.М., Сорочайкин А.Н. Проблемы государственного вмешательства в экономику регионов / / Региональное развитие — основа перестройки украинского государства: материалы Международной научно-практической конференции (Секция 3: Проблемы управления региональным развитием), 4— 5 апреля 2012 г., г. Донецк / Донецкий государственный университет управления. Донецк: Изд-во Дон-ГУУ, 2012. С. 3—12.
S.M. Anpilov* TERRITORIAL ANALYSIS OF THE LEVEL OF DEVELOPMENT OF THE BUILDING SECTOR IN THE REGIONS OF THE RUSSIAN FEDERATION
In the article the analysis of development of building sector of the Russian Federation from 2008 up to the present year is given. The solutions drawn out in this work are supported by a large quantity of statistical data on different factors of development of the building sector of the Russian Federation.
Key words, indicator of development, building sector, economy of the region, region, social and economic development of the region, factors of sustainable development, effectiveness, basic indicators of work of building complex, housing.
* Anpilov Sergey Mihailovich (anpilovsm@gmail.com), the Dept. of Municipal Construction and Economy, Togliatti State University, Togliatti, 445667, Russian Federation.
