CC BY
20
УДК 311.2:621.31:35.011.4(470.4)
Кластеризация регионов по уровню энергетической
эффективности на примере Приволжского федерального округа
Е. А. Сысоева,
Мордовский государственный университет им. Н. П. Огарева, кандидат экономических наук, доцент кафедры статистики
Для комплексного отражения процессов в области энергосбережения применение статистических методов анализа является необходимым. Он позволяет классифицировать многомерные наблюдения и скорректировать направления региональной политики применительно к различным группам (кластерам) регионов, объединённых по совокупности признаков.
Ключевые слова: энергоэффективность, энергосбережение, энергоёмкость, кластер, регион.
Экономическая роль энергетического фактора в последние десятилетия существенно возросла. В силу таких сопутствующих обстоятельств, как территориальное несоответствие производства и потребления энергоресурсов, рост цен, необходимость создания сложных территориально распределенных систем энергоснабжения и обеспечение их надёжности, экологические и ресурсные ограничения производства и потребления, приобрела актуальность проблема энергоёмкости функционирования экономик всех уровней.
Наибольшее потребление электроэнергии по регионам России приходится на Сибирский (21,2 % от всей потреблённой электроэнергии), Центральный (19,8 %), Приволжский (18,5 %) и Уральский (17,7 %) федеральные округа, где развито промышленное производство по добыче полезных ископаемых и обрабатывающие производства. Для выделения однотипных по уровню энергоэффективности регионов по Приволжскому федеральному округу необходимо проведение кластерного анализа.
Кластерный анализ - метод, позволяющий классифицировать многомерные наблюдения, при которых используется политетический подход образования групп, то есть при отнесении единицы наблюдения в ту или иную группу одновременно участвуют все группировочные признаки. В проведённом исследовании предпочтение данному методу многомерной классификации обусловлено построением научно обоснованных групп (кластеров), выявлением внутренней связи между единицами наблюдений совокупности. Кроме того, метод не требует априорной информации о видах законов распределения исследуемых рядов и обучающей выборки.
Среди наиболее распространённых алгоритмов кластерного анализа - иерархические (древообразные) процедуры, которые бывают двух типов: агло-меративные и дивизимные. Принцип их работы состоит в последовательном объединении или разделении групп элементов - сначала самых близких (далёких), а затем более отдалённых (близких) для
агломеративных и дивизимных групп соответственно.
Иерархические процедуры, по сравнению с другими кластер-процедурами, дают более полный анализ структуры исследуемого множества наблюдений. Привлекательной стороной подобных алгоритмов является и возможность наглядной интерпретации проведённого анализа. Для проведения кластер-анализа был выбран агломеративный метод.
Выбор метрики, или меры близости, является узловым моментом исследования, от которого в основном зависит окончательный вариант разбиения объектов на классы при данном алгоритме разбиения. Кластерный анализ осуществляет классификацию многомерных наблюдений на основе определения расстояний между объектами в целях получения однородных в некотором смысле групп. В нашем случае выберем традиционно используемую в кластерном анализе Евклидову метрику:
где dij - расстояние между г-м и j-м объектами;
Xik, Xjk - значения к-й переменной соответственно у г-го и j-го объектов.
Таким образом, процедуру кластерного анализа можно провести с помощью иерархических агломе-ративных методов, таких как метод «ближнего соседа», метод «дальнего соседа», принцип «средней связи» взвешенный и невзвешенный, метод Уорда.
Поскольку исследуемую совокупность можно разбить на различное количество кластеров, то представляет интерес задача выбора оптимального варианта разбиения. Для этого при помощи пакета прикладных программ «^а^^са» осуществим реализацию иерархического агломеративного кластерного анализа. В результате были получены дендрограммы разбиения совокупности регионов ПФО на кластеры различными методами.
ЭНЕРГОБЕЗОПАСНОСТЬ И ЭНЕРГОСБЕРЕЖЕНИЕ / wmv.etidi.ru
№ 6(54) 2013, ноябрь-декабрь
Для выделения сходных между собой регионов метода позволяет сделать вывод о том, что всю сово-
(кластеров) по факторам развития промышленного купность наблюдений можно разделить на три кла-
производства, потребления электроэнергии и элек- стера(рис. 1).
троёмкости ВРП были использованы данные табл. 1. На основе полученных результатов была состав-
На основании данных таблицы можно заключить, лена таблица средних значений для участвующих
что по потреблению электроэнергии наиболее выде- наблюдений (табл. 2).
Таблица 1
Данные для кластерного анализа
Регион Темпы роста ВРП, % Доля обрабатывающих и добывающих производств в ВРП, % Потребление электроэнергии на тысячу населения, млн кВт-ч Электроёмкость ВРП, кВт-ч/руб.
Республика Башкортостан 108,2 38,2 745,784 0,0265
Республика Марий Эл 106,0 28,4 640,726 0,0331
Республика Мордовия 109,4 23,1 633,349 0,0265
Республика Татарстан 105,7 40,1 686,059 0,0206
Удмуртская Республика 104,8 43,9 589,982 0,0262
Чувашская Республика 106,7 25,6 667,761 0,0273
Пермский край 108,3 51,0 844,813 0,0315
Кировская область 104,8 25,9 661,742 0,0364
Нижегородская область 106,9 30,0 863,065 0,0293
Оренбургская область 105,1 48,3 889,820 0,0301
Пензенская область 107,9 20,1 628,631 0,0223
Самарская область 105,9 39,6 987,495 0,0295
Саратовская область 108,0 20,8 830,668 0,0321
Ульяновская область 107,9 24,1 840,550 0,0263
ляются несколько регионов ПФО: Самарская, Оренбургская, Нижегородская области. При этом в Пермском крае более половины ВРП занимают обрабатывающие и добывающие производства, в Самарской области их доля несколько ниже -39,6 %.
Метод Уорда наглядно представляет разделение исследуемой совокупности регионов ПФО на кластеры. Графическое изображение результатов этого
Таблица 2
Средние значения по кластерам
Евклидово расстояние
Показатель 1 кластер 2 кластер 3 кластер
Темпы роста ВРП, % 107,0 106,3 107,0
Доля обрабатывающих и добывающих производств в ВРП, % 28,8 32,4 35,6
Потребление электроэнергии на тысячу населения, млн кВт-ч 623,1 690,2 876,0
Электроёмкость ВРП 0,027 0,027 0,029
1200
1000
я и
| 800
ин д
* 400
^ 200 0
X
_
1
С 12С 10С 14С 13С 9С 7С 5С 11С 3С 2С 8 С 6С 4С 1
Рис. 1. Дендрограмма разбиения регионов ПФО по методу Уорда
После разбиения в первый кластер вошли: Удмуртская Республика, Республика Марий Эл, Республика Мордовия и Пензенская область. Регионам этого кластера соответствуют невысокий уровень потребления электричества населением, невысокая доля промышленного производства в валовом региональном продукте (около 28 %), большая энергоёмкость производства.
Во второй кластер вошли регионы, которые имеют более развитый реальный сектор экономики: Кировская область, а также республики Башкортостан, Татарстан и Чувашия. В регионах этого кластера потребляется электроэнергии населением немного выше, чем в первом кластере, а обрабатывающие производства составляют 32,4 %, электроёмкость ВРП в среднем такая же, как и в первом кластере.
Я 600
№ 6(54) 2013, ноябрь-декабрь
redaktor@endf.ru
Третий кластер включил в себя наибольшее число регионов, причём с максимальным потреблением электроэнергии. К нему относятся Пермский край, Нижегородская, Оренбургская, Самарская, Саратовская и Ульяновская области. Этот кластер является лидером в потреблении электроэнергии (876,0 млн кВт-ч), а также в доле обрабатывающих и добывающих производств (35,6 %), сохраняя достаточно хороший темп роста ВРП.
Таким образом, на основе проведённого исследования можно констатировать, что в регионах ПФО с высокой долей обрабатывающего производства уровень электроёмкости соответственно ниже, то есть в определённой степени просматривается эффективность в потреблении электроэнергии.
И поскольку эффективность использования энергетических ресурсов в каждом субъекте Российской Федерации в связи с разнообразием её природно-климатических и энергетических условий, исторически сложившейся неоднородностью социально-экономического пространства, которая усилилась в период становления рыночных отношений, существенно различается, в регионах формируются собственные энергоэкономические проблемы. Гарантией стабильного их решения в современных условиях может стать проведение активной региональной политики в области энергосбережения, учитывающей территориальные условия и российскую специфику формирования и освоения потенциала энергосбережения.
Литература
1. Регионы России. Социально-экономические показатели. 2011: Стат. сб. - М.: Росстат, 2011. - 990 с.
Clustering of regions according to energy efficiency level on the example of Volga Federal district E. A. Sysoeva,
N. P. Ogarev Mordovia State University, PhD
Energy efficiency and energy economy are among the strategic priorities for technological development of Russia. Statistical methods of analysis are necessary for a comprehensive reflection of energy efficiency processes in regions and their ranking.
Keywords: energy efficiency, energy economy, energy intensity, cluster, region.
ЭНЕРГОБЕЗОПАСНОСТЬ И ЭНЕРГОСБЕРЕЖЕНИЕ / wmv.endi.ru
№ 6(54) 2013, ноябрь-декабрь
