CC BY
54
УДК 316.42+519.237.8:332(477)
О. А. Рядно,
доктор техмчних наук,
О. В. Беркут,
Ушверситет митног справи та фтанав, м. Днтропетровсък
ДОСЛ1ДЖЕННЯ СТРУКТУРИ ТА ДИНАМ1КИ ДИФЕРЕНЩАЩ1 СОЩАЛЬНО-ЕКОНОМГЧНОГО РОЗВИТКУ РЕГ1ОН1В УКРА1НИ НА ОСНОВ1 КЛАСТЕРНОГО АНАЛ1ЗУ
Постановка проблеми. Вiдмiнностi сощально-економiчного розвитку регiонiв кра!н останшм часом досить часто обговорюються в науковiй лггера-турi, як вгтчизняних, так i закордонних авторiв. Рiз-ниця в рiвнi розвитку репошв негативно впливае на рiвень розвитку кра!ни в цiлому та повинна втриму-ватися в стшких межах. Результати аналiзу дифе-ренщащ! соцiально-економiчного розвитку регiонiв можуть слугувати основою для державно! полiтики як на рiвнi регiонiв, так i на рiвнi держави в цшому.
Методологiя, яка використовуеться в досль дженнi включае багатовимiрний статистичний метод - кластерний аналiз, який дозволяе виявити стiйкi групи репошв за множиною характеристик. Перевага кластерного аналiзу полягае в тому, що вiн дозволяе розподiляти об'екти не по одному параметру, а по цшому набору ознак. Крiм того, кластерний аналiз на вiдмiну ввд бiльшостi математико-статис-тичних методiв не накладае нiяких обмежень на за-кони розподiлу значень розглянутих факторiв.
«Необхщнють використання методiв кластерного аналiзу у вiтчизнянiй практищ продиктована тим, що вiн дозволяе окреслити рамки i межi iнтег-рацп всiх головних iнструментiв державно! поль тики економiчного розвитку i е засобом забезпе-чення процесу сталого розвитку репошв... Кластерний аналiз повинен проводитися в два етапи: перший етап - у регюнальнш економщ виявляються (вдентифшуються) наявнi та потенцiйнi кластери; другий етап - аналiз виявлених кластерiв, для яких в подальшому буде розроблятися полгтика тдтрим-ки» [1, с. 71-72].
Аналiз останнiх дослщжень i публiкацiй. Кластерний аналiз досить часто використовуеться в наукових роботах для вивчення диференцiацi! сощ-ально-економiчного розвитку регiонiв, як вгтчизня-ними, так i закордонними авторами. Кожен з авторiв використовуе свiй методолопчний пiдхiд щодо про-ведення класифшацл регiонiв за допомогою методiв кластерного аналiзу. Пiд час побудови будь-яко! класифiкацi! досить важливим е вибiр бази та методики класифшацп тому, що цi два фактори можуть дати рiзнi результати.
Кластер - група яких-небудь об'екпв, ям виок-ремлюються у великий сукупност по тш чи iншiй за-гальнiй для цiе! групи ознащ [2]. Об'екти всерединi
такого кластера не повинш мати будь-якi функщо-нальнi зв'язки, не зобов'язанi бути причинно пов'я-занi з будь-яким джерелом !х стану, вони просто схожi за значениями видiлених параметрiв всере-динi генерально! сукупностi.
Розглянемо методолопчш пiдходи, як викори-стовуються в науковiй лiтературi для проведення кластерного аналiзу в задачах до^дження дифе-ренцiацi! соцiально-економiчного розвитку терито-рiй.
Перед проведенням кластерного аналiзу проводиться виключення показникiв, як мають високий ступiнь парно! кореляцн (г>0,8 або навiть г>0,9) тому, що так1 показники можуть домiнувати та привести до спотворення результатов до^дження; для нiвелювания рiзно! ваги показнишв проводиться нормування показнишв [3].
Кластерний аналiз може бути досить суб'ектив-ним, так як його результати можуть залежати ввд об-раного методу та бази до^дження. Саме тому деяк автори проводять аналiз одних i тих даних кшькома методами, а пот^м порiвиюють результати [4; 5]. Кластеризащя проводиться в декшька етапiв. На першому етапi для iдеитифiкацi! кшькосп та визна-чення центро!дiв кластерiв використовуються iерар-хiчнi методи. На другому етат, центро!ди використовуються в якосп вихiдних точок, для неiерархiч-ного методу к - середшх, який покращуе результати утворення кластерiв [6; 7; 8].
В останш роки в економiцi математичш методи кластеризацi! заснованi на кластеризацл значного числа об'екпв по порiвняно малому числу парамет-рiв. В першу чергу це пов'язано з тим, що кластеризащя великого числа репошв по значнш кшькосп параметрiв досить складна з змютовно! точки зору. Тому, що кластеризащя об'екпв проводиться в ба-гатовишрному просторi, i говорити про форму i вь зуалiзацiю кластерiв неможливо, основною гаран-■пею наявносп реально! кластерно! структури е !! якюна змiстовнiсть i аналiтична яснiсть.
Такий результат можна отримати, якщо зни-зити кшьшсть змiнних - вщмовитися вiд частини змiнних, тобто втратити iнформативнiсть (в цьому випадку необхщно розробити критерi! вибору най-бшьш змiстовних змiнних).
Ще один методолопчний тдхвд до зменшення кiлькостi змiнних пiд час ан^зу - використання групування показнишв за типами, тобто показники подшяються на групи, як вiдносяться до рiзних сфер (економiчноl, сощально!, демографiчноl тощо). Потгм по кожному типу змшних проводиться клас-теризацiя. Результати кластеризацл зiставляються i виявляються групи репошв, стiйких по вiдношенню до кожно! кластеризации Отриманi результати якю-но iнтерпретуються. Дана методика дозволяе порiв-нювати мгж собою репони за вказаними показни-ками i зiставляти рiзнi сфери життедiяльностi реп-ону в розрiзi порiвняльного аналiзу [9].
Для зниження розмiрностi вихвдних даних ви-користовуються методи факторного аналiзу. За отриманими значеннями факторiв проводиться кла-стерний аналiз, який розбивае загальну сукупнiсть регiонiв на тдгрупи «схожих» за факторними зна-ченням регiонiв [10].
У робот! М.М. Райсько! проводиться кластери-защя 76 регiонiв по 13-ти змшним (розглянутi змiннi вiдносяться до економiчноl, комушкацшно!, науко-во! та освгтньо! сфер). Тут не проводиться розбиття на групи змiнних i кластеризащя проводиться тальки одна, вiдразу по вам змiнним, по кожному часовому зрiзу. Отриманi кластери змiстовно описуються i ш-терпретуються, також аналiзуеться склад кластерiв вiд зрiзу до зрiзу, i розглядаються причини переходу суб'екпв в кластери з ввдповвдно бiльш високим або бiльш низьким потенцiалом [11].
Досить цiкавий методичний пiдхiд викорис-тано авторами у робот [5] для класифшацл репошв Бшоруа за економiчним розвитком. Мета ще! ро-боти не класифшувати регiони для кожного часового зрiзу окремо, а проведения до^дження для взде! множини даних, тобто створюеться пул даних для вах п'яти рошв одночасно. Такий шдхвд вико-ристовуеться для того, щоб зрозумiти процеси та тенденцп, як вiдбуваються в регiонах у зв'язку iз змiнами господарсько1 дiяльностi.
Метою даноТ статтi е вивчення диференщацп соцiально-економiчного розвитку регiонiв Укра1ни, класифшащя регiонiв за соцiально-економiчним розвитком у ввдносно однорiднi групи, визначення характеристик цих груп, основних тенденцiй змш складу груп та !х яшсних характеристик.
Виклад основного матерiалу дослщження. В якост метода аналiзу було вибрано кластерний ана-лiз. Кластерний аналiз може бути описаний, як спо-сiб для формування однорвдних груп об'екпв та !х характеристик. Таким чином можна сформувати де-кшька однорiдних груп iз множини об'екпв з одна-ковими характеристиками та порiвияти !х.
1нформац1я про об'екти (репони Украши) може бути представлена у виглядi двовимiрноl таблиц1 па-раметрiв хц розмiрнiстю N х п. Регiони, якi станов-лять сукупнють об'ектiв (число об'ект^в N = 25), ко-
жен з яких характеризуеться набором п = 23 параме-трiв (ознак).
Джерелом статистичних даних е статистичний збiрник «Регiони Укра1ни» за 2009-2014 роки, офь ц1йний сайт Державно1 служби статистики Укра1ни, офiцiйнi сайти обласних державних адмiнiстрацiй областей Укра1ни. До аналiзу не включенi данi за 2014 рш у зв'язку з тим, що данi по Донецькш та Лу-ганський областях е неповними та надаються без урахування частини зони проведення антитерорис-тично1 операцil, що робить данi за 2014 рш несумiс-ними з даними за попереднi роки.
Об'ектами спостереження е регiони Укра1ни. Пiдбiр показникiв здiйсиювався таким чином, щоб охопити основнi сфери соцiально-економiчного розвитку. Для швелювання розмiру регiонiв засто-совувалося нормування на одну людину. Для забез-печення однорiдностi вихiдних даних були виклю-ченi «аномальнi» спостереження, яш складаються пiд впливом особливих факторiв та не е характер-ними для всiеl сукупностi об'ектiв (до аналiзу не були включенi дат по м. Кив).
Ознаки, яш були вiдiбранi для дослiдження ма-ють рiзну розмiрнiсть та рiзну одиницю масштабу. Тому для того, щоб зробити можливим зiставления ознак та усунути вплив розмiрностi матрицю вихiд-них даних необхiдно нормувати, тобто ввести еди-ний масштаб для вах ознак. Найбiльш поширений вид такого нормування матрицi даних - приведення до стандартно1 форми, що передбачае перехвд вiд значень хц до
2Ц =
(1)
де хц - значення ц-! ознаки для /-го об'екта; - се-редне арифметичне значення ц-! ознаки; sj - серед-ньоквадратичне вiдхиленияц-го ознаки ^Ц2 - диспе-рсiя ц-! ознаки).
Процес кластеризаци проведено в три етапи:
1) кластеризац1я по кожному часовому зрiзу ок-ремо;
2) кластеризацiя по всьому набору даних одно-часно;
3) порiвняння результатiв першого та другого етатв, визначення основних тенденцiй та характеристик.
Пояснимо докладнiше необхiднiсть видшення двох етапiв аналiзу (першого та другого) замють одного. На першому етапi проводиться кластерний аналiз для кожного року окремо.
На другому етат процес кластеризацИ передбачае класифшащю регiонiв за повним набором даних, який було отримано шляхом об'еднання даних за 2009-2013 роки по вах регiонах в один масив даних. Таке об'еднання дае можливють вiдстежити рух репошв мiж кластерами з року в рш, що обумовлено змшами в !х соцiально-економiчнiй дiяльностi, ощ-
нити змiни рiвня соцiально-економiчного розвитку регюшв, а також основнi тенденцi! цих змiн.
Процедура створення повного набору даних показана на рис. 1. Таким чином, замють того, щоб працювати окремо з п'ятьма щорiчними наборами
даних ми об'еднали !х в одну таблицю. Дослiджения проводиться по 25 регюнах Укра!ни, ям характери-зуються 23 параметрами, в ан^з включенi данi за 5 рошв, тому в результат об'еднання отримуемо таблицю, яка складаеться iз 125 рядков i 23 стовпщв.
2009 р1к
Обласп вгр Облас~п КАРШ\/ Бгр
Область 1 Область 1 (09)
Область 2 Область 1 (10)
Область 1 (11)
Область 25 Область 1 (12)
2010 р1к Область 1 (13)
Область 2 (09)
Обласп КАР11М\/ SZP Ж
Область 1 Область 2(10)
Область 2
Область 2(13)
Область 25 Область 3(09)
2013 р1к
Область 24 (13)
Обласл КАР11^\/ вгр Область 25 (09)
Область 1 Область 22 (10)
Область 2 Область 25 (11)
Ж Область 25 (12)
Область 25 Область 25 (13)
Рис. 1. Процедура створення повного набору даних
Класифшащя регюшв для кожного окремо взятого року, скорше, додатковий шструмент для пе-ревiрки результатов класифiкацi! за повним набором даних у разi виявлених розбiжностей ще! класифша-41!.
З усiх методiв кластерного аналiзу найпошире-нiшими е iерархiчнi агломеративнi методи. Сутнiсть цих методiв полягае в тому, що на першому етапi ко-жен об'ект вибiрки розглядаеться як окремий кластер. Процес об'еднання кластерiв ввдбуваеться пос-лiдовно на mдставi матрицi вiдстаней або матрицi подiбностi об'еднуються найбiльш близью об'екти.
В до^дженш використовуеться iерархiчний кластерний ан^з, а саме метод Уорда. В якост вщ-станi мiж кластерами береться прирiст суми квадратов ввдстаней об'екпв до центрiв кластерiв, що отри-муеться в результат! !х об'еднання. На вiдмiну ввд ш-ших методiв кластерного анатзу для оцiнки вщста-ней мiж кластерами, тут використовуються методи дисперайного аналiзу. На кожному кроцi алгоритму об'еднуються там два кластери, як призводять до мiнiмального збiльшення цшьово! функцi!, тобто виутрiшньогрупово! суми квадратов. Цей метод направлений на об'еднання близько розташованих кла-стерiв i "прагне" створювати кластери малого роз-мiру [12].
На першому та другому етапах до^дження перш шж перейти до проведення кластерного ана-лiзу з метою покращення iитерпретацi! результатiв було проведено зниження кiлькостi вихiдних показ-нишв за допомогою методу головних компонент. Методика використання факторного аналiзу для ощнки диференцiацi! соцiально-економiчного розвитку регюшв Укра!ни розглянуто в робот [13; 14]. Суть методу головних компонент - скоротити число пояснюючих змiнних до найбшьш суттево впливо-вих факторiв.
Перед побудовою головних компонент необ-хвдно перевiрити тесноту зв'язку мiж показниками. Факт корельованост соцiально-економiчних показ-нишв свiдчить про те, що е можливють перейти до опису процесу на пiдставi меншого числа факторiв, нiж загальна кiлькiсть обраних вихвдних показнишв, тобто використання факторного аналiзу е виправда-ним. За допомогою матриц парних кореляцiй мож-на встановити ступiнь лiнiйно! залежносп мiж ви-хiдними показниками. На основi вихiдних показни-кiв була розрахована матриця парних коефiцiентiв кореляцi!. В результат! проведено! ощнки коефщ-енпв кореляцi! виключенi показники, для яких зна-чення бiльшостi коефiцiеитiв парно! кореляцп не пе-ревищують 0,33.
Для подальшого ан^зу були ввдбраш наступ-ш показники: капiтальнi iHBecm^i' (KAPINV), прямi iноземнi швестищ! в регюни Укра!ни (ININVEST), обсяг реалiзовано! промислово! продукцп (товарiв, послуг) (PROM), оборот роз^бно! торгiвлi (ROZTORG), загальний обсяг витрат за напрямами шновацшно! дiяльностi (INOV), фiнансовi резуль-тати тдприемств до оподаткування (сальдо) (FR), коефщент покриття експортом iмпорту (KPEI), ко-ефiцieнт мiграцiйного приросту (скорочення) населения (KMPN), коефiцieит зайнятосп (KZAN), се-редиьомiсячна номiнальна заробгтна плата пращв-нишв (SZP), частка населення iз середньодушовими еквiвалеитиими загальними доходами на мiсяць нижче прожиткового мiиiмуму (CHNPM).
Для визначення кшькост! головних компонент, яка буде достатньою для опису диференщащ! соць ально-економiчного розвитку регiонiв. були розра-ховаш власш значення компонент. За критерieм Кайзера необхiдно вiдкииути всi компонент з вла-сними значеннями менше 1. За цим критерieм була визначена кшьшсть головних компонент для кожного року окремо та для повного набора даних. Для вах варiаитiв аналiзу достатня кшьшсть головних компонент складае 4 [11].
Отримаш компоненти трохи змiнювалися з плином часу, але, порiвнюючи !х загальш риси, можна зупинитися на тих, якi були видшеш пiд час аналiзу повного набору даних.
Наведемо «обернуту матрицю компонентов», використовуючи як метод вiдбору - аналiз головних компонент, метод обертання - варiмакс (табл. 1). У кожному рядку «обернуто! матриц компонентов» визначенi факторш навантаження з найбшьш великим абсолютним значенням, !х величину слiд розу-мiти як корелящйш коефiцiенти мiж показниками i компонентами.
Таблиця 1
Перша компонента складаеться з показиикiв, як прямим та непрямим чином пов'язаш з рiвнем
економiчного розвитку регiоиу та якютю життя на-селення. Першу компоненту формують три показ-ника з найбшьш високими позитивними факторни-ми навантаженнями, а саме оборот роздрiбно! тор-гiвлi (ROZTORG), коефiцiеит зайнятостг (KZAN), середиьомiсячна номiнальна заробiтна плата пращ-виикiв (SZP); один параметр iз значним негативним факторним навантаженням - частка населення iз середньодушовими екшвалентними загальними доходами на мюяць нижче прожиткового мшмуму (CHNPM).
Друга компонента може бути охарактеризована, як рiвень розвитку промисловост в регiонi та тюно пов'язана з ефектившстю роботи тдприемств в регюш До складу компоненти входять наступш показники з позитивним навантаженням: каттальш швестищ! (KAPINV), прямi шоземш ^естищ! в ре-гiоии Укра!ни (ININVEST), обсяг реалiзовано! промислово! продукцп (товарiв, послуг) (PROM), фь нансовi результати пiдприемств до оподаткування (сальдо) (FR).
Третя компонента складаеться з двох показни-шв: одного показника з високим позитивним навантаженням - коефщент покриття експортом iмпорту (KPEI), та одного показника з високим негативним навантаженням - коефщент мiграцiйного приросту (скорочення) населення (KMPN).
Четверта компонента мютить тальки один пока-зник з високим позитивним навантаженням - зага-льний обсяг витрат за напрямами iнновацiйно! дiя-льност (INOV), а сама компонента може бути охарактеризована, як «шноващйнють» регюну.
Далi за визначеними факторами було проведено кластерний аналiз за вима наборами даних (по кожному часовому зрiзу окремо за 2009-2013 роки; одночасно для вах п'яти рошв спостереження).
Для визначення числа кластерiв використову-еться так званий критерш Е. Процесу групування об'екпв в iерархiчному кластерному аналiзi ввдповь дае поступове зростання цього критерiю. Стрибко-подiбне збiльшеиня значення критерiю характери-зуе перехiд вiд сильно зв'язаних об'екпв до слабо зв'язаних об'екпв. Число кластерiв, як дiйсно юну-ють в дослiджуваному наборi даних, розраховують як рiзницю кiлькостi спостережень (об'екпв) та кь лькосп крошв до стрибкоподiбного збiльшения ко-ефщента [10].
Зрозумiло, що з плином часу склад (а iнодi i смислове навантаження) кластерiв змiиювалися. Аналiз всiх результатiв кластеризащ! дозволив видь лити калька досить стабiльиих груп та нестабiльнi за сво! складом кластери. 1х склад i основш характеристики наведенi нижче.
Наведемо даш щодо належносп до кластерiв, якi були отриманi в результат! перших двох етатв дослiджеиня, кожно! з областей Укра!ни для в«х ва-
Обернута матриця компонент1в
Показник Компонента
1 2 3 4
KAPINV 0,599 0,618 -0,230 -0,009
PROMPR 0,505 0,663 0,438 0,102
ROZTORG 0,910 0,128 -0,091 0,062
ININVEST 0,116 0,660 -0,150 0,426
INOV 0,085 -0,009 0,048 0,909
FR 0,143 0,824 0,099 -0,161
KPEI 0,132 0,183 0,881 -0,017
KMPN 0,413 0,303 -0,724 -0,051
KZAN 0,781 0,161 -0,240 0,220
SZP 0,910 0,195 0,154 0,031
CHNPM -0,724 -0,165 -0,067 0,022
Джерело: складено авторами за результатами факторного аналiзу по повному набору даних.
рiантiв проведеного аналiзу (табл. 2). В табл. 2 вико-ристовуються наступш скорочення: ЧЗ - часовий зрiз, ПД - повний набiр даних.
Даш, що наведеш в табл. 1, дають можливiсть проаналiзувати динамiчнi змiни стану об'ект^в про-
Наведемо результати кластеризацп з врахуван-ням того, що кластеризацiя за часовими зрiзами та за повним набором даних дали дещо рiзнi резуль-тати.
Кластер 5. Мiстить двi обласп - Донецьку та Луганську. Цей кластер е найбшьш стабшьним за складом: протягом перiоду дослiджения за вама видами аналiзу вш складаеться тiльки з цих двох областей (винятком став тшьки аналiз за часовим зрi-зом 2009 року коли до складу 5 кластеру не потра-пила Луганська область).
За економiчним розвитком (компонента 1) обласп мають висом значения розвитку промислово-сп, рiвня заробiтно! плати.
Друга компонента, яка характеризуе ефектив-нють роботи пiдприемств, незважаючи на те, що в цих областях спостер^аеться високий рiвень розвитку промисловосп за рахунок таких показнишв, як каттальш iнвестицi! (КЛРГЫУ) та прямi iноземнi ш-вестицi! в регюни Укра!ни (1№ЫУБ8Т), мае значения нижче середнього рiвня по Укра1ш
Рiвень розвитку зовнiшньо! торгiвлi в грошовому еквiвалентi (компонента 3) е найбшьшим по
тягом перюду дослiдження (2009-2013 рошв). Про-аналiзуемо рух об'екпв з року в рш та знайдемо ана-логiчнi тенденцi! в !х поведiнцi за весь перiод спос-тережень i таким чииом визначимо групи об'екпв з вiдмiнними тенденцiями та характеристиками.
Укра!ш, що компенсуе негативний вплив мiграцi! в цих регюнах.
Загальний обсяг витрат за напрямами iннова-цiйно! дiяльностi (компонента 4) в цшому е нижчим середнього рiвня по Укра!нi.
Кластер 4. Мютить три области Ки!вську, Оде-ську та Харкiвську. Слiд ввдмгтити, що вищенаве-денi областi не кожного року протягом перюду, що до^джуеться, входили до складу кластера 4, але в« вони мали схожу динамiку переходу мiж кластерами:
Ки!вська область: 2009 та 2010 роки входила до складу 2 кластера, 2011-2013 роки - 4 кластера;
Одеська та Харшвська обласп: 2009 рш входили до 1 кластера, 2010 - 2011 роки - 2 кластера, 2012 - 2013 роки - 4 кластера.
Перехвд мiж кластерами викликаний зростан-ням значень показнишв, що входять до складу 1-! та 2-! компонент, з одночасним зменшенням значень 3! та 4-! компонент.
За економiчним розвитком та якютю життя населения обласп займають першi позицi! по Укра1ш. Середне значения компоненти 1 бшьше ввдповвд-ного значения для 5 кластера. Майже в« показники,
Таблиця 2
Розподш областей Укра1'ни за кластерами__
Обласп 2009 рж 2010 рж 2011 рж 2012 рж 2013рж
ЧЗ ПД ЧЗ ПД ЧЗ ПД ЧЗ ПД ЧЗ ПД
АР Крим 1 1 1 1 1 2 2 2 2 2
Вшницька 1 1 1 1 1 1 2 2 2 2
Волинська 2 1 1 1 1 1 1 2 4 2
Дншропетровська 3 1 3 3 3 3 5 3 3 3
Донецька 5 5 5 5 5 5 5 5 5
Житомирська 1 1 1 1 2 1 1 1 1 1
Закарпатська 1 1 1 1 1 1 1 1 1 1
Запорiзька 5 1 5 1 5 3 5 3 3 3
1вано-Франкшська 2 1 2 1 1 1 1 1 4 2
Кшвська 4 4 2 4 4 3 4 3 4
Кiровоградська 1 1 1 1 1 2 2 2 1 2
Луганська 3 5 5 5 5 5 5 5 5
Львiвська 4 1 1 2 1 2 1 2 1 2
Миколагвська 5 5 2 5 2 2 2 2 2
Одеська 4 1 4 2 4 2 4 4 4 4
Полтавська 5 1 5 1 3 3 3 3 3 3
Рiвненська 1 1 1 1 1 1 2 1 1 1
Сумська 1 1 1 1 1 2 2 2 2 2
Тернотльська 1 1 1 1 1 1 1 1 1 1
Харкiвська 4 1 4 4 2 4 4 4 4
Херсонська 1 1 1 1 1 1 2 1 1 1
Хмельницька 2 1 1 1 2 1 1 1 1 1
Черкаська 1 1 1 1 1 1 2 2 1 2
Чершгаська 1 1 1 1 1 1 2 2 1 2
Чершвецька 4 1 1 1 1 1 1 2 1 2
Джерело: складено авторами за результатами кластерного аналгзу.
ям входять до ще! компоненти мають максимальш значення по Укра!ш
Обсяг прямих iноземиих iивестицi! в регюни Укра!ни (ININVEST) та фiнансовi результати тд-приемств до оподаткування (сальдо) (FR) (компонента 2) е середшми по Укра!ш При цьому перехiд мiж кластерами вiдбувався за рахунок збшьшення обсягу прямих шоземних iнвестицiй.
Зменшення компоненти 3 ввдбулося за рахунок одночасного впливу двох показнишв: зменшенням коефiцiеита покриття експортом iмпорту (KPEI) з одночасним збшьшенням коефiцiента мiграцiйного приросту (скорочення) населення (KMPN), який мае високе негативне навантаження.
Загальний обсяг витрат за напрямами iииова-щйно! дiяльностi (компонента 4) в щлому е нижчим середнього рiвия по Укра!нi та мае тенденцю до зменшення.
Тобто поряд з ростом економiчного розвитку регiонiв кластера та тдвищенням якостi життя насе-лення, вiдбуваеться зменшення коефiцiенту покриття експорту iмпортом, та зменшення витрат на шновацшну дiяльнiсть.
Кластер 3. Мютить три област Дшпропетров-ську, Запорiзьку та Полтавську. Слад ввдмгтити, що вищенаведеш областi не кожного року протягом пе-рюду, що дослiджуеться, входили до складу кластера 3, але переходи мiж кластерами, мали схожу ди-намiку для всiх областей:
Дшпропетровська область: у 2009 рощ входила до складу 1 кластера;
Запорiзька та Полтавська областi: у 2009 та 2010 роках входили до 1 кластера, 2011-2013 роки -3 кластера.
Перехвд мiж кластерами викликаний зростан-ням значень всiх 4-х компонент.
Економiчно-соцiальнi показники, якi визнача-ють величину значення компоненти 1, е близькими до середнiх по Укра!ш Незважаючи на те, що каш-тальш iивестицi! (KAPINV) та обсяг реалiзовано! промислово! продукцп (товарiв, послуг) (PROM) е максимальними по Укра!ш, величина iиших показ-нишв, як мають бiльше навантаження зменшують значення компоненти в цiлому.
Значення компоненти 2, як визначаються обся-гом каштальних та iноземних iнвестицiй (KAPINV та ININVEST), обсягом реалiзовано! промислово! продукцп (товарiв, послуг) (PROM), та фшансовим результатом пiдприемств до оподаткування (сальдо) (FR), е найбшьшими по Укра!ш Тобто за ефектив-шстю роботи пiдприемств областi кластера 3 е лвде-рами по Укра!ш
Значення коефiцiента покриття експортом iм-порту (KPEI) е бшьшими за середнi по кра!ш i при майже нульовому значеииi коефщента мiграцiй-ного приросту (скорочення) населення (KMPN) ви-значають досить високi значення компоненти 3.
Кластер 3 за щею компонентою поступаеться тальки кластеру 5.
Середшй загальний обсяг витрат за напрямами шновацшно! дiяльностi (INOV) (компонента 4) цього кластера е максимальним серед вах кластерiв (компонента 4).
Пiдводячи шдсумок аналiзу по 3 кластеру, можна зазначити, що по вах головних компонентах кластер займае лiдируючi позицп серед iнших клас-терiв, що пояснюеться високим рiвнем економiч-ного розвитку Дшпропетровсько!, Запорiзько! та Полтавсько! областей, а також яшстю життя насе-лення, вищою за середню по Укра!ш
Кластер 2. Це найбшьший кластер з досить не-стабшьним складом. До нього входять АР Крим та наступиi област^: Вшницька, Волинська, 1вано-Франк1вська, Кiровоградська, Львiвська, Микола!в-ська, Сумська, Черкаська, Чершпвська, Чернiве-цька.
Слiд вiдзначити, що стабшьно до складу кластера входить тшьки Микола!вська область. Всi iншi на початку перiоду дослiджения входили до складу кластера 1.
Кластер 1. До складу кластеру входять насту-пш обласп: Житомирська, Закарпатська, Рiвнен-ська, Терношльська, Херсонська, Хмельницька, якi входили до складу кластера 1 протягом всього перь оду дослiджеиня.
Перехвд м1ж кластерами викликаний зростан-ням значень показиикiв, що входять до складу 1-! та 2-! компонент, а саме каттальш iнвестицi! (KAPINV), обсяг реалiзовано! промислово! продук-ци (товарiв, послуг) (PROM), фiнансовi результати тдприемств до оподаткування (сальдо) (FR), коефь цiент мiграцiйного приросту (скорочення) насе-лення (KMPN), коефiцiеит зайнятосп (KZAN), сере-дньомiсячна номiнальна заробгтна плата працiвни-к1в (SZP); зменшенням показника частка населення iз середньодушовими еквiвалентиими загальними доходами на мюяць нижче прожиткового мiнiмуму (CHNPM).
В цшому обидва кластери характеризуються найнижчими показниками економiчного розвитку та якост^ життя населення порiвняно з iишими кластерами.
Таким чином, за результатами аналiзу сощ-ально-економiчного розвитку регюшв Укра!ни було отримано п'ять кластерiв. Просторовий розподiл кластерiв надано на рис. 2.
Висновки. В дослвдженш проведена класифь кац1я регiоиiв Укра!ни в однорiднi групи за рiвнем соцiально-економiчного розвитку, визначено характеристики цих груп, основн1 тенденцИ змш складу груп та !х яшсних характеристик. В якост1 метода аналiзу було вибрано iерархiчиий кластерний ана-лiз, а саме метод Уорда. Пiдбiр показиикiв здiйсию-вався таким чином, щоб охопити основн1 сфери со-
щально-економОчного розвитку. Для швелювання розмОру репошв застосовувалося нормування на одну людину. Для забезпечення однорОдностО вихвд-них даних були виключеш «аномальш» спостере-ження, як складаються тд впливом особливих фак-
тор1в та не е характерними для всш сукупност1 об'ектОв (до аналОзу не були включеш дан по м. Ки1в). Для того, щоб зробити можливим зОстав-лення ознак та усунути вплив розмОрностО матрицю вихвдних проведено нормування.
] 1 Кластер
] 2 Кластер
| 3 Кластер
| 4 Кластер
] 5 Кластер
Рис. 2. Просторовий розподш кластерiв
З метою зменшення кшькостО вихОдних змОнних тд час проведения процедури кластеризаци викори-стовувалися не сам1 статистичш показники, а побу-доваш методом факторного аналОзу узагальнюючО фактори. Шсля проведеного аналОзу розмОршсть вихОдних даних скоротилася з 23 показнишв до 4 компонент, по яким спостерОгаеться найбОльша репона-льна диференщащя: рОвень економ1чного розвитку та ямсть життя населення, рОвень розвитку промис-ловостО та ефектившсть роботи тдприемств, коефь щент покриття експорту Омпортом, «анновацш-шсть».
Кластерний анал1з проведено по кожному часовому зр1зу окремо (2009-2013 роки) та по всьому набору даних одночасно. Проведено пор1вняння результатов вс1х вид1в аналОзу. Визначено склад 5 кла-стер1в репошв та 1х основш характеристики.
В щлому репони, що входять до 1-го та 2-го кластерОв характеризуються найнижчими показни-ками економ1чного розвитку та якостО життя насе-лення пор1вняно з Оншими кластерами. В щлому як-Ость життя населення регОонОв 2-го кластера вища нОж в регОонах 1-го кластера тодО, як обсяг ¿ноземних Онвестищй в деяких регОонах 1-го кластера вище нОж по 2-му.
По всОх головних компонентах кластер 3 займае лОдируючО позищ! серед ¿нших кластерОв, що пояс-нюеться високим рОвнем економОчного розвитку областей 3-го кластера, найбОльшою ефективнОстю тд-приемств, позитивним торговим балансом, високою якОстю життя населення, що е вищою за середнОй рО-вень по Укра1ш.
Для регОонОв, що входять до 4-го кластера характерно: економОчне зростання, тдвищення якостО життя населення, найбОльший мОграцОйний прирОст населення в щлому по Укра1нО, низьк значення кое-фОщету покриття експорту Омпортом та зменшення витрат на Онноващйну дОяльнОсть.
За економОчним розвитком областО, що входять до складу 5-го кластера, мають високО значення розвитку промисловостО, рОвня заробОтно! плати, але ефективнОсть роботи тдприемств е нижчою серед-нього рОвня по Укра1нО, рОвень розвитку зовшшньо! торгОвлО в грошовому еквОвалетО е найбОльшим по Укра1нО, що компенсуе негативний вплив мОграш! в цих регОонах, загальний обсяг витрат на Онноващйну дОяльнОсть е нижчим середнього рОвня по Укра1нО.
Лiтература 1. Структурные трансформации старопромышленных регионов Украины: монография / В.И.
Ляшенко, Л.Г. Червова, Л.М. Кузьменко и др. // НАН Украины, Ин-т экономики пром-сти. - Донецк, 2013. - 412 с. 2. Крысин Л.П. Толковый словарь иноязычных слов / Л.П. Крысин. - М.: Эксмо, 2008. - 944 с. 3. Kronthaler F. A study of the competitiveness of regions based on cluster analysis, the example of East Germany / F. Kronthaler // Halle Institute for Economic Research. - 2003. - №179. -22 p. 4. Brauksa I. Use of Cluster Analysis in Exploring Economic Indicator Differences among Regions: The Case of Latvia. / I. Brauksa // Journal of Economics. Business and Management. - Vol. 1. - 2013. - №1. -P. 42-45. 5. Kukolj S. A Classification of Belarusian Regions upon Economic Development Using Cluster Analysis / S. Kukolj, Yu shu Li, V. Naurotski // Department of Economics and Society, Dalarna University. -2006. - 23 p. 6. Rovan J. Socio-economic Differences among Slovenian Municipalities: A Cluster Analysis Approach / J. Rovan, J. Sambt // Metodoloski zvezki, Ljubljana. -2003. - №19. - P. 265-278. 7. Пис-кунова Е.В. Институциональные особенности социально-экономических трансформаций в Украине и Беларуси: монография / Е.В. Пискунова, А.А. Рядно // Днепропетровск: ДГФА, 2008. - 268 с. 8. Войтович А.Д. Кластеризашя репотв за рiвнем соща-льно-економiчного розвитку / А.Д. Войтович // Вю-ник Хмельницького нацюнального утверситету. -2010. - № 4. - T. 1. - С. 248-252. 9. Калашш-кова Т.М. Кластерний аналiз репотв Украши за показниками соцiо-еколого-економiчного розвитку / Т.М. Калашткова // Вюник економiчноi науки Украши. - 2006. - № 2 (10). - С. 105-109. 10. Кули-нич Х.В. Кластерний аналiз репотв Украши за рiв-нем соцiально-економiчного розвитку та податко-вого навантаження / Х.В. Кулинич // Проблеми рат-онального використання соцiально-економiчного та природно-ресурсного потенталу регюну: фшансова пол^ика та iнвестицii: зб. наук. праць. - Ки'в СЕУ; Рiвне: НУВГП, 2014. - Вип. XX, № 4, Ч. 1. - С. 6-13. 11. Райская Н.Н. Кластерный анализ регионов России по уровню инвестиционного потенциала / Н.Н. Райская, Я. В. Сергиенко, А. А. Френкель // Вопросы статистики. - 2007. - №5. - С. 3-9. 12. Многомерный статистический анализ в экономике: Учеб. пособие для вузов; ред. проф. Тамашевича. -М.: ЮНИТИ-ДАНА, 1999. - 598 с. 13. Беркут О.В. Факторний аналiз диферентацй сощально-економь чного розвитку репотв Украши / О.В. Беркут // Вь сник ДДФА. - 2015. - №1 (33). - С. 229-234. 14. Чмир О.С. Удосконалення методiв комплексно].' дiагностики соцiально-економiчного розвитку тери-торш / О.С. Чмир, Д.А. Арзянцева // Економша i ре-гюн. Науковий вюник Полтавського нацюнального техтчного утверситету iм. Юргя Кондратюка. -2009. - №2 (21) - С. 7-12.
Рядно О. А., Беркут О. В. Дослщження стру-ктури та динамжи диференщацп сощально-еко-H0Mi4H0r0 розвитку регюшв Украши на основi кластерного аналiзу
В статп наведено результати до^дження ди-ферентаци соцiально-економiчного розвитку репотв Украши з використанням кластерного аналiзу та методологiю, яка може бути використана для вирь шення цього завдання. Об'ектами спостереження е регюни Укра!ни. Пiдбiр показникiв здiйснювався таким чином, щоб набiр показникiв охоплював ос-новнi сфери соцiально-економiчного розвитку. Для зменшення кiлькостi вхiдних даних використову-вався факторний аналiз. Для розрахунку кластерiв було використано метод Уорда. За результатами кластерного аналiзу видшено 5 кластерiв.
Ключовi слова: регiон, диференцiацiя, соцi-ально-економiчний розвиток, факторний аналiз, кластерний аналiз.
Рядно А. А., Беркут Е. В. Исследование структуры и динамики дифференциации социально-экономического развития регионов Украины на основе кластерного анализа
В статье приведены результаты исследования дифференциации социально-экономического развития регионов Украины с использованием кластерного анализа и методология, которая может быть использована для решения этой задачи. Объектами наблюдения являются регионы Украины. Подбор показателей осуществлялся таким образом, чтобы набор показателей охватывал основные сферы социально-экономического развития. Для уменьшения количества входных данных использовался факторный анализ. Для расчета кластеров был использован метод Уорда. По результатам кластерного анализа выделено 5 кластеров.
Ключевые слова: регион, дифференциация, социально-экономическое развитие, факторный анализ, кластерный анализ.
Ryadno O., Berkut O. A study of the structure and dynamics of differentiation of social and economic development of Ukraine based on a cluster analysis
This paper will present summary of previous research of differentiation of socio-economic development of Ukraine's regions using cluster analysis and describe the methodology that can be used for this task. The objects of observation are regions of Ukraine. The indicators were selected so that the set of indicators covering the main areas of socio-economic development. For reducing the number of input data is used factor analysis. For the calculation of the clusters the Ward technique is used. The cluster analysis identifies 5 clusters.
Keywords: region, differentiation, social and economic development, factor analysis, cluster analysis.
Стаття надшшла до редакцл 14.03.2016
Прийнято до друку 27.04.2016
