CC BY
0
УДК 332.1
DOI 10.52452/18115942_2023_3_44
ИСПОЛЬЗОВАНИЕ ВЕКТОРНЫХ ОЦЕНОК И ГРАФОАНАЛИТИЧЕСКИХ МЕТОДОВ В ИССЛЕДОВАНИИ ДЕМОГРАФИЧЕСКОГО ПОВЕДЕНИЯ НАСЕЛЕНИЯ РЕГИОНА
© 2023 г. А.М. Ситковский, О.А. Козлова
Ситковский Арсений Михайлович; младший научный сотрудник отдела геоурбанистики и пространственной демографии Института демографических исследований ФНИСЦ РАН, Москва
omnistat@yandex.ru Козлова Ольга Анатольевна, д.э.н., проф.; руководитель Центра исследований социоэкономической динамики Института экономики Уральского отделения РАН, Екатеринбург kozlova.oa@uiec.ru
Статья поступила в редакцию 20.06.2023 Статья принята к публикации 26.07.2023
Динамика численности населения - совокупный итог социоэкономических процессов, происходящих на территории. Исследования детерминант демографического и миграционного поведения по-прежнему остаются актуальными. Их можно подразделить на социальные, экономические, экологические и др. Гипотеза исследования состоит в предположении, что факторы, влияющие на демографическое и миграционное поведение, определяются уровнем удовлетворенности или неудовлетворенности качеством жизни на определенной территории. Социологический инструментарий позволяет оценить социальные факторы, а также, косвенно, - экономические, экологические и пр. Цель исследования - выявить пространственные закономерности детерминант демографического и миграционного поведения. Предложено использовать векторные оценки предпочтений населения в качестве метода определения факторов, влияющих на перемещение населения и, следовательно, на трансформацию системы расселения. Данный метод позволяет достаточно точно определить неравенства в развитии территории, разницу в инфраструктурных условиях и качестве жизни по сравнению с другими территориями и среднерегиональным уровнем. Он также позволяет выявить области с наибольшей неоднородностью условий и качества жизни, кластеризовать муниципалитеты по схожим факторам неудовлетворенности. С целью всестороннего анализа многомерных социологических данных и выявления пространственных закономерностей векторов неудовлетворенности населения авторами использован малоизученный и относительно новый инструмент - построение лепестковой картодиаграммы. Дан обзор литературы по теме исследования, описана методика использования данного инструмента. Использованы данные социологического опроса населения Челябинской области об удовлетворенности условиями и качеством жизни. Даны оценки удовлетворенности и неудовлетворенности для жителей всей Челябинской области. Построена лепестковая картодиаграмма - векторы неудовлетворенности населения для всех 43 муниципальных образований Челябинской области.
Ключевые слова: система расселения, население, векторные оценки, геоинформационные методы, качество жизни, демографическое поведение, социологический опрос, муниципальные образования, регион.
Введение
Традиционные экономические оценки динамики развития территорий в последнее время подвергаются критике [1]. Их призваны заменить комплексные оценки качества жизни, которые являются более субъективными оценками самоощущения населения, нежели предшествующие попытки определить универсальные метрики статистических показателей. Как правило, в подобных случаях речь идет о векторных оценках условий и качества жизни, под которыми подразумевается оценка социально-экономических характеристик территории через социологический опрос населения или корректировка объективной социально-экономической динамики на индексы самооценок качества жиз-
ни населения [2]. Векторные оценки позволяют абстрагироваться от социально-экономической информации в случаях возрастания недоверия к ее качеству [3], а также сосредоточиться на более важных характеристиках, с точки зрения детерминант демографического и миграционного поведения. Подробнее с практикой применения векторных оценок можно ознакомиться в ранее опубликованных статьях [4-6].
Развитие инструментария демографических исследований связано, прежде всего, с использованием междисциплинарных подходов, заимствования инструментария из других наук, а также компьютерных методов обработки и визуализации больших объемов информации. Социально-экономические и демографические показатели, как правило, имеют территориальную
привязку, что обусловливает возможность заимствования инструментария геоинформатики. Визуализация и анализ таких данных носят междисциплинарный характер и имеют большой потенциал для модернизации в том числе современных геоинформационных методов анализа социологической информации. Совершенствование методики и инструментария исследований призвано помочь справиться с возникающей проблемой недостатка информации и некорректности формируемых оценок.
Система показателей, которая отражает мнение населения о качестве жизни (удовлетворенности условиями), может быть использована как главный определяющий фактор для оценки благосостояния общества - вектор неудовлетворенности населения. При изучении перспектив развития, учитывая необходимость удовлетворения социальных потребностей, на основе такой системы показателей определяются предпочтения и направления социально-экономического развития. Общее направление определяет приоритеты социальных преобразований, направленных на улучшение благосостояния населения, которое, в свою очередь, влияет на демографические и миграционные процессы.
Использование векторных оценок в социально-экономических и демографических исследованиях базируется на следующих основных положениях.
1. Оценка строится на основе опросов, в которых население выражает свое мнение о качестве жизни и условиях проживания, учитывая состояние общественного мнения. Эта информация является основой для определения общественных предпочтений и вектора приоритетов социально-экономического развития.
2. Конечная цель использования векторов неудовлетворенности населения как инструмента оценки качества жизни в экономических исследованиях - выявить проблемные сферы жизни территории, которые могут оказывать влияние на демографическое и миграционное поведение населения. Недостатки качества жизни, которые замечены населением, используются как индикаторы для выявления этих проблемных сфер.
3. Система показателей, определяющих вектор развития территории, может меняться в зависимости от специфических характеристик социального благополучия. В общем случае система показателей отражает такие аспекты социально-экономического мониторинга территорий, как здравоохранение, образование, комфортность среды проживания, коммунальные услуги, услуги связи, общественный транспорт, дороги, деятельность местной администрации.
Одним из актуальных инструментов визуализации разнонаправленной динамики служит лепестковая диаграмма, то есть графическое представление данных, которое помогает систематизировать информацию и отражать ее в виде круговых диаграмм, где каждый сектор отражает одну из категорий или понятий. Лепестковая диаграмма может использоваться для визуализации связей и зависимостей между различными категориями данных. Поскольку векторы неудовлетворенности являются сопоставимыми (доля от общего числа респондентов), при этом разнонаправленными, лепестковая диаграмма лучше всего подходит для их визуализации.
Во многом формирование динамики демографических и миграционных показателей зависит от пространственных особенностей территории. В России, где сложилась многоуровневая система управления территориями, многие исследовательские задачи не могут быть формализованы и визуализированы из-за их сложности. Муниципалитеты и населенные пункты являются сложными, неоднородными и специфическими пространственными объектами социально-экономических исследований. Решением данной задачи выступает применение геоинформационных методов визуализации и анализа векторов неудовлетворенности населения, объединенных с классическими методами представления данных. Объединение лепестковой диаграммы и картодиаграммы рождает лепестковую картодиаграмму, способствующую свежему взгляду на анализ социально-экономической, демографической и миграционной динамики территорий.
Обзор литературы
Использование лепестковой картодиаграммы является перспективным и малоизученным направлением развития инструментария анализа и визуализации сложных (разнонаправленных) пространственных данных. Исследование базируется на имеющихся наработках в области анализа и визуализации данных: построения лепестковых диаграмм и, отдельно, построения картодиаграмм. В синтезе двух этих методик в дальнейшем формируется метод построения лепестковой картодиаграммы.
Поскольку лепестковые диаграммы активно применяются в менеджменте и социологических исследованиях, методики их построения многосторонне представлены в зарубежной литературе, как правило, американских исследователей. Следует отметить наиболее авторитетные источники о сущности построения и использования лепестковых диаграмм.
1) Неизвестно, кто первым предложил лепестковую диаграмму, однако автором большинства известных нам диаграмм является Уильям Плейфэр - основатель графических методов статистики, который еще в XIX веке представил столбчатую и круговую диаграммы [7].
2) В современной литературе под лепестковой диаграммой чаще всего понимается определение, данное Робертом Л. Харрисом в 2000 г. в книге «Информационная графика: всеобъемлющий иллюстрированный справочник» Оксфордского университета [8]. В нем говорится, что лепестковая диаграмма - это граф, позволяющий лучше всего отразить разнонаправленные тенденции при единой шкале измерения данных.
3) «Сила инфографики: использование изображений для общения и связи с вашей аудиторией» Марка Смицикласа [9]. В этой книге 2012 г. представлены различные примеры продвинутой визуализации информации, в основном больших данных. Отдельно рассматривается представление данных в инфографике.
4) «Дизайн для информации: введение в историю, теории и лучшие практики эффективной визуализации информации» Изабель Мейреллес [10]. В этой книге 2013 г. развивается методология построения лепестковых диаграмм, выделяются новые типы лепестковых диаграмм, такие как лучевая (как «диаграмма-дерево», только вписанное в окружность), линейно-узловая, многомерная (3D).
5) «Визуализация данных: практическое введение» Кирана Хили [11]. Эта книга 2018 г. представляет подробное изложение всех актуальных способов визуализации данных, а также инструкции по их воплощению в средах программирования (таких, как Python и др.), включая лепестковые диаграммы и картограммы.
Среди актуальных научных публикаций, развивающих методологию построения лепестковых диаграмм, следует выделить следующие.
1) В своей статье Майкл Берч и др. [12] предлагают использовать цветовое шкалирование данных на лепестковой диаграмме. При таком подходе у них получается «тепловая карта» данных вкупе с векторным отображением значений.
2) Мануэла Вальднер и др. [13] в своем исследовании предпринимают попытку использовать лепестковую диаграмму для отображения цикличной временной шкалы (часов, суток или месяцев года) и приходят к выводу, что данный способ визуализации менее эффективен, чем обычное последовательное представление на временной шкале.
3) Шаолунь Руан и др. из Сингапурского института менеджмента [14] в своей статье крити-
куют лепестковые диаграммы для работы с большими данными и предлагают «график перехвата», новый визуальный дизайн для облегчения эффективного интерактивного сравнения изменений состояния (может быть использован только на компьютере).
4) Лепестковую диаграмму в объеме представили исследователи из Нью-Йорка [15]. Они назвали новый вид представления «виртуальным глобусом», который, по сути, является 3Б-версией лепестковой диаграммы и позволяет отразить значительно большее количество значений, однако работать с ним можно только при помощи компьютера.
5) Миа Мактавиш и др. из Университета Калгари (Канада) [16] предлагают использовать заполнение в лепестковой диаграмме не от центра к краю (общепринятый варианта), а наоборот - от краев к центру. Кроме того, в исследовании представлена гистограмма, столбцы которой располагаются по часовой стрелке. Авторы настаивают на наличии определенных преимуществ их инновационного подхода.
Помимо лепестковых диаграмм для данного исследования большое значение имеет методология построения картограмм и картодиаграмм. Назовем основные труды зарубежных авторов по данной тематике.
1) «Как лгать при помощи карт» Марка Монмонье [17] - эта книга рассматривает способы использования карт для манипуляции и искажения информации. Автор описывает, как карты могут быть использованы для введения в заблуждение, а также предлагает рекомендации по анализу картографической информации.
2) «Тематическая картография и геовизуализация» Терри А. Слокама, Роберта Б. Макма-стера, Фрица К. Кесслера и Хью Х. Ховарда [18] - представляет основные принципы и методы тематической картографии и геовизуализации. Книга охватывает различные техники и инструменты для создания аналитических карт, включая картодиаграммы, и рассматривает перспективы их применения в различных областях.
3) «Картография: дизайн тематических карт» Бордена Д. Дента и Джеффа Торгюсона [19] -сфокусирована на дизайне карт для отдельных сфер применения. Она представляет основы дизайна карт и включает примеры и рекомендации для создания эффективных картодиаграмм и других типов тематических карт.
4) «Создание карт: наглядное руководство по дизайну карт для ГИС» Джона Крайгера и Дениса Вуда [20] - эта книга предлагает практическое руководство по дизайну карт с использованием популярных геоинформационных систем. Включает советы по созданию легко чита-
емых и информационно наполненных карт, таких как картограммы и картодиаграммы.
5) «Картографический дизайн: карта как средство коммуникации» Гретхен Н. Петерсон [21]. Рассматривается картография как средство передачи информации. Представлены принципы дизайна карт, включая обоснование выбора цветовой схемы, композицию и использование различных типов символов и обозначений карт-схем для создания понятных и информативных материалов.
В России основные труды в области картографического анализа данных и геоинформатики представлены В.Я. Цветковым [22-24] и А.В. Скворцовым [25]. Выделить ведущих специалистов в области разработки графоаналитических инструментов не представляется возможным. Однако научный инструментарий в области пространственного развития регионов и муниципальных образований, сочетающий в себе графоаналитические и картографические методы, активно разрабатывается уральским ученым С. С. Гордеевым [26, 27].
Единственным отечественным источником, который удалось обнаружить и который прямо содержит опыт моделирования и анализа лепестковой картодиаграммы, является статья С. А. Гурова [28]. В ней представлено сразу множество продвинутых типов представления многомерных данных на карте, помимо лепестковой картодиаграммы: круговая картодиаграмма (круговые диаграммы, рассредоточенные по карте), полукруговая картодиаграмма, картограмма-схема, карта изоцены и кластерная карта.
Представленный обзор литературы позволяет заключить, что отдельные компоненты методики формирования лепестковой картодиаграммы широко представлены в зарубежной литературе, значительно реже - в российской. Применение лепестковой картодиаграммы для анализа отечественной социально-экономической информации встречается единожды, что позволяет говорить о неполном раскрытии потенциала данного метода, а также о широких перспективах исследования его применения, помимо представленного анализа «регионального рынка жилья» С. А. Гурова [28].
Методология и методы исследования
В последнее время для поиска детерминант в исследованиях стали использовать специализированные и информационно адаптированные подходы, которые сочетают в себе эвристические методы анализа, такие как анализ графиков и математических моделей, с целью достижения максимальной представительности результатов
и учета фактора доверия [29]. В процессе такого анализа используется визуализация данных, где графические материалы дополняются цифровыми оценками. В этих междисциплинарных исследованиях на стыке экономической географии, социологии и демографии классификация, основанная на формальных методах, совмещается с геоинформационными технологиями [30]. Такой информационно адаптированный эвристический подход подразумевает применение методологии «мягких систем» (soft systems methodology) [31] для поиска решений.
Одним из ключевых используемых методов данного исследования является следующий. Лепестковая диаграмма - это тип диаграммы, который используется для отражения сравнительных данных в круговом формате. Круг разделен на секторы, представляющие различные категории, и каждый сектор разбит на радиальные полосы, отражающие значения переменных. Каждая переменная представлена лепестком, который начинается от центра круга и продолжается до внешней границы сектора пропорционально значению переменной. Чтобы сравнить значения переменных между категориями, можно сравнивать длину лепестков, которые соответствуют каждой переменной.
Лепестковые диаграммы широко используются для визуализации данных в различных областях, включая бизнес-аналитику, научные исследования, социологию и маркетинг. Они позволяют быстро сравнивать значения переменных между категориями, а также идентифицировать тенденции и выбросы в данных. Для создания лепестковых картодиаграмм существует множество программ и инструментов визуализации данных, наиболее актуальными из которых являются Microsoft Excel, Tableau, Python и R.
Для создания лепестковой диаграммы необходимо определить категории или концепции, которые будут отражаться в виде секторов диаграммы. Затем каждый источник или концепция должен быть приписан к соответствующей категории. Каждый сектор лепестковой диаграммы может быть связан со ссылками на источники, которые подтверждают или объясняют соответствующую категорию. В данном исследовании используются однородные данные из одного источника для построения диаграмм.
Лепестковая картодиаграмма - это комбинация лепестковой диаграммы и картодиаграммы. Специфический тип визуализации, который позволяет отражать данные, связанные с географическими областями, с использованием лепестковой диаграммы в качестве символов на карте. В лепестковой картодиаграмме каждый
регион или область на карте представлен лепестковой диаграммой, состоящей из секторов, которые отражают значения разных переменных. Размер каждого сектора пропорционален значению соответствующей переменной. Лепестковая картодиаграмма используется для отражения нескольких переменных на одной карте.
Подготовка данных
Существуют различные подходы к оценке качества жизни населения территории с использованием векторных методов. В данном исследовании рассматривается концепция «вектора неудовлетворенности населения», которая отражает негативные оценки жителей территории в отношении различных сфер их жизни, выявляемые с помощью социологического исследования. Путем упорядочения этих сфер жизни по общей тематике формируется вектор неудовлетворенности, который позволяет выявить факторы, влияющие на демографическое поведение населения.
Актуальным остается вопрос надежного и своевременного источника социологической информации. В соответствии с «единой методикой мониторинга состояния и развития конкуренции на товарных рынках субъекта Российской Федерации» [32] в каждом субъекте РФ в обязательном порядке проводится опрос населения об удовлетворенности различными сферами жизни с разбивкой по муниципальным образованиям. Результаты данного опроса публикуются в сети Интернет на официальных интернет-порталах органов исполнительной власти муниципальных образований и регионов. Данное исследование проводится ежегодно и может считаться репрезентативным.
Перед формированием лепестковой картодиаграммы необходимо произвести общую оценку данных об удовлетворенности (неудовлетворенности) условиями и качеством жизни населения муниципалитетов: состоянием инфраструктуры и услугами социальной сферы. По своему содержанию это набор оценок, который характеризует долю населения с негативным восприятием существующих условий (процент не удовлетворенных условиями жизни) и отражает мнение населения по критичности ситуации. Результат подобной оценки может быть представлен в виде лепестковой диаграммы.
Основные моменты процедуры оценки, а также результаты, полученные с использованием технологий визуализации цифровой информации, представлены на рисунке 1 на примере Челябинской области по результатам опроса, проведенного в 2021 году [33]. Ежегодный
опрос потребителей «об удовлетворенности качеством и ценами на рынках товаров и услуг» содержит свыше 300 вопросов. В отношении 40 сфер жизни задаются вопросы о качестве, уровне цен и возможности выбора. В исследовании векторов неудовлетворенности из трех перечисленных интерес представляют только оценки качества. Для каждого из трех вопросов респондентам предлагается ответить: «удовлетворен», «скорее удовлетворен», «скорее не удовлетворен», «не удовлетворен» и «затрудняюсь ответить». Вектор неудовлетворенности населения определяется как сумма ответивших «не удовлетворен» и «скорее не удовлетворен».
На рисунке 1 представлены ответы населения, отобранные для данного исследования и переименованные для удобства визуализации. Полный перечень сфер жизни в опросе и их наименования представлены в источнике [33]. Из представленной информации можно сделать вывод, что население наиболее озабочено сферой здравоохранения, которая организуется государственными или муниципальными органами управления. Почти 70% опрошенных выразили недовольство услугами в этой сфере. Вопросы качества медицинской помощи всегда связаны с ощущением безопасности и личного благополучия, и эти оценки могут быть одной из основных причин миграции. Кроме того, такие резкие негативные оценки непосредственно указывают на низкое качество системы здравоохранения в Челябинской области, что приводит к росту смертности и сокращению средней продолжительности жизни. Почти половина респондентов выразила недовольство и качеством сбора и обработки твердых коммунальных отходов. Наличие несанкционированных свалок ежедневно напоминает о необходимости покинуть территорию и влечет за собой экологические проблемы. Кроме того, почти половина населения не удовлетворена состоянием общего имущества во дворах многоквартирных домов, с чем они ежедневно сталкиваются. Более 40% населения не удовлетворены общественным транспортом внутри и между муниципалитетами. Проблемы в сфере общественного транспорта ограничивают мобильность населения, влияют на миграцию, структуру поселений и движение ресурсов между муниципалитетами.
В дополнение к векторам неудовлетворенности населения, которые отражают негативные демографические процессы, необходимо рассмотреть и векторы удовлетворенности населения, которые представляют позитивные процессы. Высокие уровни удовлетворенности населения в определенных сферах становятся конкурентными преимуществами территории,
Скорее не удовлетворен ■ Не удовлетворен
Медицина (часпЙЭД Интернет 70 Медицина (гос/мун)
Сотовая связь 60 Аптеки
5038.1
Ремонт авто ^ Детский сад
т / 19.0 ...
Такси т_ У/ Школа
,И и.О,, , 19.4 10 III 23.4
Ма®5™™™1ШЙ 33.5 24.4 Проф.обр.
транспорт в-чйа^^ '' г
ШГ 19«
М\ю[ШП|аты1ыЛ 40.6 15.0 Доп. обраювание
транспорт ! 9 6,,, 32.0 детей
Электроснабжение Рекреация
47.0 36.8
Дворы 48 ? Социальные успутн
Благоустройство Теплоснабжение Сбор ТКО
Рис. 1. Векторы неудовлетворенности населения Челябинской области, 2021 (%)
Скорее удовлетворен ■ Удовлетворен
Медт 11нтернег i
л по та (частная)
Медицина (гос/мун)
Саговая свять 70, Аптеки
т 18.0
Ремонт аето 50 Детский сад
:чУИ 1
Такат 4,1 57 , Шкала
Мсжмуншцпшышп -
■ ;Т6 Т а С Проф.обр. транспорт
Муниципальный 54.0 Доп. образование
транспорт ,6, МИ ' чу б детей
Электроснабжение , д 46,4 Ретфеация
Дворы ^ л - Соииалытые услуги
Ьтагоустройсгео Теплоснабжение
Сбор ТКО
Рис. 2. Векторы удовлетворенности населения Челябинской области, 2021 (%)
позволяющими сдерживать отток населения или, в некоторых случаях, привлекать его. В Челябинской области такими сферами являются сотовая связь и Интернет, школы и детские сады, системы тепло- и электроснабжения. Стоит отметить, что в целом векторы удовлетворенности более сдержанны (по соотношению оценок «удовлетворен» (в центре диаграммы) и «скорее удовлетворен» (ближе к краям)).
Обзор векторов удовлетворенности и неудовлетворенности населения всего региона позволяет дать общую оценку сложившейся ситуации. В контексте данного исследования, они позволяют сформировать среднерегиональные значения для выявления отклонений для муниципалитетов. В данном случае проводится анализ сравнения предпочтений между средними показателями для региона и конкретного муниципального образования, основанный на разнице процентного значения неудовлетворенности. Различия в предпочтениях (в отношении условий жизни) указывают на расхождение между общим региональным вектором неудовлетворенности и местным муниципальным вектором неудовлетворенности населения. Кроме того, представление подобных показателей на карте
позволяет обнаружить закономерности в пространственном распределении векторов неудовлетворенности населения.
Результаты исследования
Для данного этапа исследования необходимы данные с разбивкой по муниципальным образованиям. Источником выступил опрос населения об эффективности деятельности руководителей органов местного самоуправления, унитарных предприятий и учреждений Челябинской области за 2021 год [34], который проводится ежегодно в соответствии с действующим законодательством и публикуется на официальных интернет-порталах органов исполнительной власти [35]. Были сформированы лепестковые диаграммы неудовлетворенности населения для каждого из 43 муниципальных образований Челябинской области. Они были распределены по карте, что позволило сформировать лепестковую картодиаграмму на рисунке 3. Обозначения: ГО - городской округ, МР - муниципальный район. Красным отмечены векторы неудовлетворенности жителей муниципального образования, синей заливкой - общий вектор неудовлетворенности для жителей области.
■ Челябинская область ОМуницппалитет
В ЫБЬеиъГу! к> пэкоуе
1. Деятельность Главы
2. Деятельность Администрации
3. ' Транспортное
обслуживание
4. ДоропК"0™
5. Дворы в к
6. Водоснабжение
7. Теплоснабжение
8. Электроснабжение
9. Газоснабжение
10. Благоустройство
Уикоузк
Кепкага
Смайловка
Моека/
Камысгы
Рис. 3. Лепестковая картодиаграмма векторов неудовлетворенности населения в муниципалитетах Челябинской области, 2021 (%)
Подобное представление данных позволяет достичь следующих результатов.
1. Данное представление помогает определить специфические территориальные отклонения векторов от общерегиональных трендов, то есть факторы, влияющие на движение населения на территории. Более благоприятные векторы являются основой для развития территории, а негативные - причиной убыли населения. Например, в Карабашском городском округе население в целом более удовлетворено качеством жизни по большинству направлений, однако оно более критично оценивает водо-, тепло- и электроснабжение. Наоборот, в Трехгор-ном городском округе (ЗАТО) население более критично оценивает все сферы, кроме ресурсо-снабжения.
2. Такое представление позволяет оценить степень удовлетворенности или неудовлетворенности населения территории в целом. Например, можно увидеть, что жители админи-
стративного центра - города Челябинска не удовлетворены почти всеми сферами жизни больше, чем в среднем по региону, тогда как в Магнитогорске ситуация обратная - почти по всем направлениям неудовлетворенность населения значительно ниже среднерегиональной.
Подобное исследование помогает выделить группы территорий по схожести векторов неудовлетворенности, среди всех или сопредельных территорий. Например, население сопредельных Южноуральского городского округа, Увельского и Пластовского муниципальных районов в целом значительно менее критично оценивает условия своей жизни, чем жители всего остального субъекта РФ. Векторы сопредельных Верхнеуральского и Уйского муниципальных районов практически идентичны по форме, и в обоих случаях значения неудовлетворенности выше, чем в среднем для региона.
Если сравнить показатели естественного и миграционного движения населения с инфор-
Источник: вычисления авторов на основе данных о численности населения базы данных муниципальных образований Росстата [36] и опроса населения об эффективности деятельности руководителей органов местного самоуправления, унитарных предприятий и учреждений Челябинской области за 2021 год [34].
Таблица
Численность и общий вектор удовлетворенности населения муниципальных образований Челябинской области (человек, % прироста)
Муниципальное образование 2011 2021 Прирост Общий вектор
Агаповский муниципальный район 34590 32037 -7.4 -43.8
Аргаяшский муниципальный район 41059 40512 -1.3 -42.1
Ашинский муниципальный район 63898 55395 -13.3 70.6
Брединский муниципальный район 27858 23844 -14.4 9.3
Варненский муниципальный район 26782 24184 -9.7 50.1
Верхнеуральский муниципальный район 35848 32156 -10.3 -79.4
Еманжелинский муниципальный район 53099 47728 -10.1 -20.6
Еткульский муниципальный район 30758 29797 -3.1 -1.5
Карталинский муниципальный район 48797 44235 -9.3 -127.8
Каслинский муниципальный район 34240 29636 -13.4 -99
Катав-Ивановский муниципальный район 32627 27825 -14.7 -27.2
Кизильский муниципальный район 25463 20211 -20.6 81.2
Коркинский муниципальный район 63837 57281 -10.3 -70.5
Красноармейский муниципальный район 42480 42324 -0.4 49.7
Кунашакский муниципальный район 30073 27946 -7.1 29.1
Кусинский муниципальный район 28973 25292 -12.7 28.9
Нагайбакский муниципальный район 20415 17357 -15.0 -26.2
Нязепетровский муниципальный район 17883 15378 -14.0 -87.1
Октябрьский муниципальный район 20727 18215 -12.1 -35.9
Пластовский муниципальный район 25783 24530 -4.9 217.5
Саткинский муниципальный район 85244 75801 -11.1 70.7
Сосновский муниципальный район 62335 84596 35.7 -52.4
Троицкий муниципальный район 27822 23441 -15.7 47.1
Увельский муниципальный район 31627 31255 -1.2 209.1
Уйский муниципальный район 25663 21602 -15.8 -37.9
Чебаркульский муниципальный район 29642 29000 -2.2 -26.2
Чесменский муниципальный район 19928 17525 -12.1 -12.9
Челябинский городской округ 1143458 1179288 3.1 -61.7
Верхнеуфалейский городской округ 34371 29586 -13.9 -61.7
Златоустовский городской округ 175829 161813 -8.0 76.6
Карабашский городской округ 13001 10643 -18.1 -101.7
Копейский городской округ 140562 147074 4.6 -67.5
Кыштымский городской округ 41525 37829 -8.9 143
Магнитогорский городской округ 409593 411984 0.6 -52
Миасский городской округ 166179 164880 -0.8 -78.3
Троицкий городской округ 78089 72279 -7.4 183.3
Усть-Катавский городской округ 26635 23884 -10.3 -78.6
Чебаркульский городской округ 42114 41565 -1.3 -19.8
Южноуральский городской округ 37952 37381 -1.5 178
мацией об уровне неудовлетворенности населения, можно заметить связь между сокращением числа жителей в областях с высокой степенью неудовлетворенности жизнью и стабилизацией или приростом населения в тех, где оценки более благоприятные. Стоит отметить, что субъективные оценки качества жизни не всегда сов-
падают с объективными (социально-экономическими) оценками условий жизни, но они всегда определяют демографическое и миграционное поведение.
В таблице представлена численность населения по всем муниципальным образованиям Челябинской области, за исключением трех
ЗАТО (Снежинский, Озерский и Трехгорный городские округа), так как данные для них отсутствуют в открытом доступе. В таблице отражен общий вектор оценок населения муниципалитета, вычисляемый как сумма отклонений от среднерегиональных значений по отдельным направлениям оценки, т.е. это среднее отклонение критичности от общерегиональной. Общий вектор позволяет определить усредненное отношение населения к своему месту проживания.
Прослеживается зависимость между общим вектором оценок населения и динамикой численности. Однако следует отметить, что в ряде случаев динамика численности населения определяется в большей степени пространственными характеристиками территории.
Во-первых, Челябинский и Копейский городские округа, являясь, по сути, Челябинской агломерацией, демонстрируют прирост населения при крайне высокой критичности. Объективно наиболее сильная экономика внутри региона позволяет достигать наилучших условий и качества жизни, вместе с тем увеличивая ожидания населения и, соответственно, критичность восприятия.
Во-вторых, население некоторых сельских территорий при относительно высокой удовлетворенности демонстрирует убыль. Из этого следует, что удовлетворенность условиями и качеством жизни сама по себе не является драйвером роста и при отсутствии экономической базы способна лишь сдерживать темпы сжатия.
В-третьих, территории, которые являются периферией Челябинской и Магнитогорской агломераций, при более высокой критичности демонстрируют рост численности населения, что обусловливается разрастанием ядра агломерации за пределы своих административно-территориальных границ.
В заключение стоит отметить, что не выявлено устойчивой корреляции между векторами неудовлетворенности (как общим, так и по отдельным направлениям), а также численностью населения, ее динамикой за разные временные интервалы, миграционным оттоком и притоком, сальдо миграции. Таким образом, векторы неудовлетворенности населения не являются исчерпывающим инструментом анализа демографических и миграционных тенденций территорий.
Обсуждение результатов и заключение
Векторные оценки по результатам социологического опроса, представленные в виде лепестковой диаграммы, являются наглядным инструментом анализа детерминант демографического поведения. Векторы указывают на наибо-
лее проблемные места, которые могут стать причиной миграционного оттока населения и, предположительно, могут влиять на рождаемость (с точки зрения ощущения комфорта и безопасности) и смертность (с точки зрения экологии, здравоохранения).
Использование лепестковой картодиаграммы позволило представить многомерные пространственные данные в виде единого изображения для последующего анализа. Подобная форма представления продемонстрировала свою эффективность и позволила выявить ранее не прослеживаемые закономерности. В частности, вектор неудовлетворенности в некоторых сопредельных территориях имеет схожий контур. Неудовлетворенность вблизи городских агломераций выше, чем в отдалении от них. Группа сопредельных территорий южнее г. Челябинска имеет значительно более низкие показатели неудовлетворенности, чем в среднем по региону.
Анализ корреляций между векторами неудовлетворенности (по отклонениям от среднереги-ональных значений) и демографической динамикой (численностью населения, миграционным итогом, притоком и оттоком) не дал ожидаемых результатов. Корреляция прослеживается, но математически крайне мала. Отсюда авторы делают вывод, что социальные факторы, такие как удовлетворенность условиями и качеством жизни, являются важными, но не единственными и определяющими детерминантами демографического и миграционного поведения. В дальнейших исследованиях они будут рассмотрены во взаимосвязи с экономическими, экологическими и, возможно, иными группами факторов.
Муниципальные образования имеют свои особенности. Они являются частью общих региональных процессов и одновременно испытывают специфические локальные проблемы. Исследование территорий требует более детализированного описания внутреннего развития. С помощью социологического исследования удовлетворенности населения различными инфраструктурными условиями жизни можно определить, какие проблемы требуют более пристального внимания в рамках развития муниципального образования.
Геоинформационные методы исследования пространственных изменений являются наиболее современными и способными дать комплексную оценку ситуации. В некоторых случаях использование уникальных местных факторов, которые являются конкурентными преимуществами, может значительно повлиять на социально-экономическое развитие. Чтобы своевременно обнаруживать проблемы и перспективные «точки роста», необходимы новые методы их изучения.
Дальнейшее развитие инструментов геоинформационного анализа пространственных изменений в экономике является ключом к повышению эффективности практико-ориентированных исследований в области демографии.
Список литературы
1. Стиглиц Д., Сен А., Фитусси Ж.-П. Неверно оценивая нашу жизнь: Почему ВВП не имеет смысла? Доклад Комиссии по измерению эффективности экономики и социального прогресса. М.: Изд-во Института Гайдара, 2016. С. 3-216. URL: https://www. phantastike.com/other/neverno_otsenivaya_nashu_zhizn/ pdf/ (дата обращения: 19.06.2023).
2. Kozlova O.A., Gladkova T.V., Makarova M.N. & Tukhtarova Y.K. Methodical Approach to Measuring The Life Quality in Region // Economy of Region. 2015. № 2 (42). P. 182-193. URL: https://elar.urfu.ru/bitstre am/10995/47773/1/r-economy_2015_v1_2_11 .pdf (дата обращения: 19.06.2023).
3. Бобылев С.Н., Зубаревич Н.В., Соловьева С.В. Вызовы кризиса: как измерять устойчивость развития? // Вопросы экономики. 2015. № 1. С. 147-160. URL: https://doi.org/10.32609/0042-8736-2015-1-147-160 (дата обращения: 19.06.2023).
4. Гордеев С. С., Зырянов С. Г., Ситковский А. М. Оценки качества жизни и социальных приоритетов развития территорий // Вестник Челябинского государственного университета. 2019. № 11 (433). С. 38-47. URL: https://cyberleninka.ru/article/n/otsenki-kachestva -zhizni-i-sotsialnyh-prioritetov-razvitiya-territoriy (дата обращения: 19.06.2023).
5. Gordeev S., Zyryanov S., Sitkovskiy A. Visualization in models of transformation of social space of the eurasian macroregion: the example of the Urals // E3S Web of Conferences. International Scientific and Practical Conference «Environmental Risks and Safety in Mechanical Engineering», ERSME. 2020. P. 07021. URL: https://www.e3s-conferences.org/articles/e3sconf/pdf/20 20/77/e3sconf_ersme2020_07021.pdf (дата обращения: 19.06.2023).
6. Ситковский А.М. Моделирование многокритериальной оценки социо-эколого-экономического состояния и динамики территории // Вопросы управления. 2021. № 2 (69). С. 102-119. URL: https://cyberle ninka.ru/article/n/modelirovanie-mnogokriterialnoy-otse nki-sotsio-ekologo-ekonomicheskogo-sostoyaniya-i-dina miki-territorii (дата обращения: 19.06.2023).
7. Playfair W., Wainer H., Spence I. Playfair's Commercial and Political Atlas and Statistical Breviary. Cambridge University Press, 2005. 248 р. URL: https://www.academia.edu/54823511/Playfair_s_comme rical_and_political_atlas_and_statistical_breviary (дата обращения: 19.06.2023).
8. Harris R.L. Information graphics: A comprehensive illustrated reference, Oxford University Press, 2000. 452 р. URL: https://epdf.tips/information-graphics-a-comprehensive-illustrated-reference.html (дата обращения: 19.06.2023).
9. Smiciklas M. The Power of Infographics: Using Pictures to Communicate and Connect With Your Audi-
ences. Que Publishing, 2012. 199 p. URL: https://zlib rary.to/filedownload/the-power-of-infographics-using-pi ctures-to-communicate-and-connect-with-your-audiences (дата обращения: 19.06.2023).
10. Meirelles I. Design for Information: An Introduction to the Histories, Theories, and Best Practices Behind Effective Information Visualizations. Rockport Publishers, 2013. 224 p. URL: https://www.academia.edu/ 67235667/Design_for_Information_An_Introduction_to _the_Histories_Theories_and_Best_Practices_Behind_E ffective_Information_Visualizations (дата обращения: 19.06.2023).
11. Healy K. Data Visualization: A Practical Introduction. Princeton University Press, 2018. 293 р. URL: https://vk.com/doc255577237_552340616?hash=twCRY FeDxIfVmgKDTpVqBzImWm5iOM2kH7Ekoh56VVT &dl=sJPCpfdZFqWtPZmzQspzHDIsKoKpf8DXomuh GbLVNdz (дата обращения: 19.06.2023).
12. Burch M., Bott F., Beck F., Diehl S. Cartesian vs. Radial - A Comparative Evaluation of Two Visualization Tools // Advances in Visual Computing. ISVC 2008. Lecture Notes in Computer Science. Vol. 5358. Springer, 2008. Р. 151-160. URL: https://link. springer. com/chapter/10.1007/978-3-540-89639-5_15 (дата обращения: 19.06.2023).
13. Waldner M., Diehl A., Gracanin D. et al. A Comparison of Radial and Linear Charts for Visualizing Daily Patterns // IEEE Transactions on Visualization and Computer Graphics. 2020. Vol. 26. № 1. Р. 1033-1042. URL: https://www.researchgate.net/publication/3353548 78_A_Comparison_of_Radial_and_Linear_Charts_for_ Visualizing_Daily_Patterns (дата обращения: 19.06.2023).
14. Ruan S., Wang Y. and Guan Q. Intercept Graph: An Interactive Radial Visualization for Comparison of State Changes // IEEE Visualization Conference (VIS), New Orleans, LA, USA, 2021. Р. 111-115. URL: https://ink.library.smu.edu.sg/cgi/viewcontent.cgi?article=7 756&context=sis_research (дата обращения: 19.06.2023).
15. Satriadi K.A., Ens B., Czauderna T. et al. Quantitative Data Visualisation on Virtual Globes // Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (CHI '21). Association for Computing Machinery, New York, NY, USA, 2021. Article 460. Р. 1-14. URL: https://www.researchgate.net/public cation/348706131_Quantitative_Data_Visualisation_on _Virtual_Globes (дата обращения: 19.06.2023).
16. MacTavish M., Etemad K., Samavati F.F., & Willett W. Perspective Charts. University of Calgary, Canada, 2021. 10 p. URL: https://graphicsinterface.org/ wp-content/uploads/gi2021-28.pdf (дата обращения: 19.06.2023).
17. Monmonier M. How to Lie with Maps. University of Chicago Press, 1996. 232 р. URL: https://www. researchgate.net/publication/37420071_How_to_Lie_wi th_Maps (дата обращения: 19.06.2023).
18. Slocum T. A., McMaster R.B., Kessler F.C., & Howard H.H. Thematic Cartography and Geovisualiza-tion. 3rd ed. Pearson, 2014. 648 р. URL: https://dokumen. pub/qdownload/thematic-cartography-and-geovisualization -pearson-new-international-edition-3-ed-129204067x-97 81292040677.html (дата обращения: 19.06.2023).
19. Dent B.D. & Torguson J.S. Cartography: Thematic Map Design. 7th ed. Waveland Press, 2018. 416 р. URL : http ://nitro flare. com/view/EC71403F5 8EDB7E/sa
net.cd.0072943823_Cartography.pdf (дата обращения: 19.06.2023).
20. Krygier J., & Wood D. Making Maps: A Visual Guide to Map Design for GIS. 3rd ed. The Guilford Press, 2016. 272 р. URL: https://www.researchgate. net/publication/44463780_Making_maps_a_visual_guid e_to_map_design_for_GIS_John_Krygier_Denis_Wood (дата обращения: 19.06.2023).
21. Peterson G.N. GIS Cartography: A Guide to Effective Map Design. 2nd ed. Esri Press, 2018. 308 р. URL: https://www.researchgate.net/publication/335274 292_GRETCHEN_N_PETERSON_-_GIS_CARTOGR APHY_A_GUIDE_TO_EFFECTIVE_MAP_DESIGN_ SECOND_EDITION (дата обращения: 19.06.2023).
22. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. URL: https://studfile.net/preview/5375751/ (дата обращения: 19.06.2023).
23. Савиных В.П., Цветков В.Я. Геоданные как системный информационный ресурс // Вестник Российской академии наук. 2014. Т. 84. № 9. С. 826. URL: https://elibrary.ru/item.asp?id=22408562 (дата обращения: 19.06.2023).
24. Цветков В.Я. Пространственные знания // Международный журнал прикладных и фундаментальных исследований. 2013. № 7. С. 43-46. URL: https://applied-research.ru/ru/article/view?id=3680 (дата обращения: 19.06.2023).
25. Скворцов А.В. Триангуляция Делоне и ее применение. Томск: Томский университет. 2002. 128 с. URL: https://indorsoft.ru/books/2002/SkvortsovAV-20 02-01.Book(Trn).pdf (дата обращения: 19.06.2023).
26. Гордеев С. С. Оценка устойчивости пространственного социо-эколого-экономического развития в среде геоинформатики // Вестник Челябинского государственного университета. 2016. № 11 (393). С. 37-50. URL: https://cyberleninka.ru/article/n/otsenka-ustoychivosti-prostranstvennogo-sotsio-ekologo-ekonom icheskogo-razvitiya-v-srede-geoinformatiki (дата обращения: 19.06.2023).
27. Гордеев С.С., Кочеров А.В. Основы анализа региональной экономической динамики: визуализация и оценка в среде MS Office. Челябинск: Изд-во ЧелГУ, 2017. 130 с. URL: https://elibrary.ru/item.asp ?id=28375113 (дата обращения: 19.06.2023).
28. Гуров С.А. Подходы к картографированию регионального рынка жилья для обеспечения визуализации национального проекта «Жилье и городская среда» // ИнтерКарто. ИнтерГИС. 2020. Т. 26. № 1. С. 503-515. URL: http://intercarto.msu.ru/jour/articles/ article770.pdf (дата обращения: 19.06.2023).
29. Сорокин Д.Е. Фактор доверия // Журнал экономической теории. 2016. № 3. С. 133-138. URL: https://jet-russia.com/?download=1&kcccount=431 (дата обращения: 19.06.2023).
30. Тикунов В. С. Моделирование в картографии. М.: МГУ, 1997. 405 с. URL: https://vk.com/doc-89821077_384240778?hash=W8wZ0SSq5q63WLqREU MbJwb2njpQeJyBBAPV3aTYcJH&dl=84YHuaiaEWR PV4uZ6j SZ2z6v54puYgdEvuouRU3NRxk (дата обращения: 19.06.2023).
31. Checkland P. Soft systems methodology in action. N. Y.: John Wileys Sons Inc., 1990. Р. 3-329. URL: https://citeseerx.ist.psu.edu/viewdoc/download? doi=10.1.1.390.9236&rep=rep1&type=pdf (дата обращения: 19.06.2023).
32. Приказ Министерства экономического развития Российской Федерации от 11 марта 2020 года № 130 «Об утверждении единой методики мониторинга состояния и развития конкуренции на товарных рынках субъекта Российской Федерации» // СПС Консорциум «Кодекс». URL: https://docs.cntd.ru/docu ment/564484783 (дата обращения: 19.06.2023).
33. Результаты опроса потребителей об удовлетворенности качеством и ценами на рынках товаров и услуг Челябинской области (2021 г.) // Официальный интернет-портал Администрации Еманжелин-ского муниципального района Челябинской области. URL: http://admemr.ru/images/FILES/Razv-Konkur/20 21-10-04-opros-potrebiteley.pdf (дата обращения: 19.06.2023).
34. Итоги опроса населения об эффективности деятельности руководителей органов местного самоуправления, унитарных предприятий и учреждений Челябинской области за 2021 год // Официальный интернет-портал Правительства Челябинской области. URL: https://pravmin.gov74.ru/files/upload/prav тт/Новости/0прос%202021.pdf (дата обращения: 19.06.2023).
35. Подпункт «и» пункта 2 Указа Президента РФ от 07.05.2012 г. № 601 «Об основных направлениях совершенствования системы государственного управления» // Официальный интернет-портал Президента Российской Федерации. URL: http://www.kremlin.ru/ acts/bank/35265 (дата обращения: 19.06.2023).
36. Численность всего населения по полу и возрасту на 1 января текущего года, человек [Электронный ресурс] / База данных муниципальных образований // Росстат. 2021. URL: https://www.gks.ru/dbscrip ts/munst/munst75/DBInet.cgi (дата обращения: 19.06.2023).
THE USE OF VECTOR ESTIMATES AND GRAPH-ANALYTICAL METHODS IN STUDYING THE DEMOGRAPHIC BEHAVIOR OF THE REGIONAL POPULATION
A.M. Sitkovskiy1, O.A. Kozlova2
1 Institute for Demographic Research - Branch of the Federal Center of Theoretical and Applied Sociology of the Russian Academy of Sciences, Moscow 2 Institute of Economics, Ural Branch of the Russian Academy of Sciences, Ekaterinburg
Population dynamics is the cumulative result of the socio-economic processes taking place in the territory. Research on the determinants of demographic and migratory behavior is still relevant. They can be divided into social, economic, environmental, etc. The hypothesis of the study is the assumption that the factors influencing demographic and migration behav-
ior are determined by the level of satisfaction or dissatisfaction with the quality of life in a particular area. Sociological tools allow you to evaluate social factors, as well as, indirectly, economic, environmental, etc. The purpose of the study is to reveal the spatial patterns of the determinants of demographic and migratory behavior. The article proposes to use vector assessments of the population's preferences as a method for determining the factors influencing the movement of the population and, consequently, the transformation of the settlement system. This method allows you to accurately determine the inequalities in the development of the territory, the difference in infrastructure conditions and the quality of life in comparison with other territories and the average regional level. It also makes it possible to identify areas with the greatest heterogeneity of conditions and quality of life, to cluster municipalities according to similar factors of dissatisfaction, etc. For the purpose of a comprehensive analysis of multidimensional sociological data and the identification of spatial patterns of the population's dissatisfaction vectors, the authors used a little-studied and relatively new tool - the radar cartodiagram. The article provides an overview of the literature on the research topic, and also describes the methodology for using this tool. The data of a sociological survey of the opinion of the population of the Chelyabinsk region on satisfaction with the conditions and quality of life were used. Estimates of satisfaction and dissatisfaction for residents of the entire Chelyabinsk region are given. The radar cartodiagram was constructed - the vectors of social dissatisfaction for all 43 municipalities of the Chelyabinsk region.
Keywords: settlement system, population, vector estimates, geoinformation methods, quality of life, demographic behavior, sociological survey, municipalities, region.
