CC BY
11
.Л ът^ ЯП
Л М Е К.1 С А !
►егионалмстика
ш- ж
МЕРЗЛЯКОВ Игорь Олегович
Младший научный сотрудник Институт экономических исследований ДВО РАН, ул. Тихоокеанская, 153, Хабаровск, Россия, 680042
imerzlyakov@me.com ORCID: 0000-0003-1715-3225
© Мерзляков И.О., 2023
УДК 332.1
ТЕНДЕНЦИИ ПРОСТРАНСТВЕННОЙ ПОЛЯРИЗАЦИИ СИСТЕМЫ РАССЕЛЕНИЯ НА ДАЛЬНЕМ ВОСТОКЕ РОССИИ
Концентрация населения и экономической активности в крупных городах может приносить экономические выгоды благодаря проявлению положительных агломерационных эффектов. Наряду с этим существуют основания полагать, что проявление выгод концентрации или положительных агломерационных эффектов не всегда достаточно сильно для того, чтобы превысить возникающие при этом издержки. В настоящей работе проверяются две гипотезы. Первая гипотеза заключается в том, что населённые пункты, кроме региональных столиц, в целом «теряют» население, внутри регионов уменьшается разнообразие размеров поселений, что может негативно сказываться на региональных экономиках. Вторая - это предположение о том, что концентрация населения за счёт дальней периферии происходит не только в самих крупных городах, но и в их пригородах, образующих единый экономический центр с региональной столицей. Для построения распределений 528 населённых пунктов семи дальневосточных регионов в 2013-2021 гг. используются сведения Росстата о численности населения и метод, основанный на применении цепей Маркова и матриц вероятностей переходов. Обе гипотезы подтверждаются для исследуемых регионов Дальнего Востока России в целом. В финальном распределении значительно повышается доля небольших населённых пунктов на фоне существенного снижения доли более крупных поселений, что означает уменьшение разнообразия населённых пунктов в долгосрочной перспективе (первая гипотеза). Ближайшие к региональным столицам поселения показывают значительный рост при уменьшении числа крупных населённых пунктов (вторая гипотеза). Вторая гипотеза также подтверждается для Хабаровского края и Амурской области, но не для Приморского края и Еврейской автономной области.
Концентрация, агломерация, цепи Маркова, распределение,
матрица вероятностей переходов, Дальний Восток ■ ■ ■
ШВ&ЗДДОХ» 1Ш
'Счл-М Н » ,
.огд Ы
«—
"V ср ЬлгЖюпг
. I ТЯ I >. Т А 1 рр
Р*01-
MERZLYAKOV Igor
Olegovich
Junior research fellow Economic Research Institute FEB RAS,
153, Tikhookeanskaya Street, Khabarovsk, Russia, 680042
imerzlyakov@me.com ORCID: 0000-0003-1715-3225
TENDENCIES OF SPATIAL POLARIZATION OF THE SETTLEMENT SYSTEM IN THE RUSSIAN FAR EAST
The concentration of population and economic activity in large cities can bring economic benefits due to the manifestation of positive agglomeration effects. At the same time, there is reason to believe that the manifestation of concentration benefits or positive agglomeration effects is not always strong enough to exceed the costs involved. In this paper, two hypotheses are tested. The first hypothesis is that settlements, except for regional capitals, generally «lose» population, within the regions the diversity of settlement sizes decreases, which can adversely affect regional economies. The second hypothesis is the assumption that the concentration of the population at the expense of the far periphery occurs not only in the large cities themselves, but also in their suburbs, which form a single economic centre with a regional capital. To construct the distributions of 528 settlements in seven Far Eastern regions in 2013-2021, Rosstat data on the population and a method based on the use of Markov chains and transition probability matrices are used. Both hypotheses are confirmed for the studied regions of the Russian Far East as a whole. In the final distribution, the share of small settlements increases significantly against the background of a significant decrease in the share of larger settlements, which means a decrease in the diversity of settlements in the long term (the first hypothesis). The settlements closest to the regional capitals show significant growth with a decrease in the number of large settlements (the second hypothesis). The second hypothesis is also confirmed for the Khabarovsk Territory and the Amur Region, but not for the Primorsky Territory and the Jewish Autonomous Region.
Concentration, agglomeration, Markov chains, distribution, transition probability matrix, Far East
Введение
Города, особенно крупные, традиционно считаются источниками инноваций и проводниками экономического роста [7]. В качестве главной причины формирования городов и их роста называется существование положительных внешних эффектов и возможности значительной экономии от масштаба. Положительные эффекты концентрации проявляются через механизмы общего использования инфраструктуры и услуг поставщиков промежуточных благ, в наличии большого рынка труда и широких возможностей для обучения в процессе деятельности [6]. Однако, вероятно, существует порог, после которого издержки концентрации превышают приносимые ею выгоды. К примеру, положительные эффекты могут проявляться недостаточно сильно.
А М £ АIС А
/-b.-if.j- л/тс*.- 'ИгМ! I лгшмм А-'г-м..■!■ ААм
егцанапмстнка
—
Так, в проведённом ранее исследовании [3] показано, что на фоне отрицательных эффектов перенаселённости (выражающихся, например, в недостаточной инфраструктурной обеспеченности) такие положительные эффекты могут и не проявляться в достаточной степени, чтобы итоговый эффект оказался положителен. В целом в точке равновесия предельных издержек и выгод концентрации должен достигаться оптимальный размер города, обеспечивающий максимум чистой выгоды концентрации.
Однако дополнительные издержки могут возникать, даже если город растёт, но ещё не достиг своего оптимального размера, если сильная концентрация происходит за счёт истощения периферии; ведь это означает по сути потерю «центром» ресурсов для своего развития. На то, что чрезмерная концентрация населения в одном крупном городе (столице) крайне отрицательно сказывается на развитии менее крупных городов и соседних регионов, в 1947 г. обратил внимание Ж.-Ф. Гравье [8], анализировавший влияние Парижской агломерации на окружающие территории.
Может существовать и другой механизм влияния высокой концентрации на экономику региона. Е. Коломак подчёркивает [4], что положительный эффект для экономики региона может создавать и разнообразие размеров городов, которое хотя в некоторой степени и мешает реализации экономии от масштаба рядом производств, даёт и ряд преимуществ. Например, большое количество вариантов размещения позволяет множеству фирм добиваться наиболее эффективного масштаба производства, который различается по видам экономической деятельности.
В условиях Дальнего Востока, где на протяжении последних десятилетий сильнее всего проявляются характерные для России в целом низкая плотность населения и его отток, исследование тенденций, связанных с поляризацией и концентрацией, становится особенно значимым. В условиях очаговости расселения даже на юге Дальнего Востока уже в настоящее время выгоды разнообразия размеров поселений могут оказаться значительнее выгод концентрации.
Определить, происходит ли поляризация, стягивание населения с отдалённой периферии региональных центров в их ближайшую периферию (то есть пригороды), позволяет исследование динамики распределения населённых пунктов по их размеру и отдалённости от крупного города, который в российских реалиях в большинстве случаев является региональной столицей.
Целью настоящего исследования является выявление тенденций, характеризующих изменения в размерах населённых пунктов Дальнего Востока России. Для этого проводится исследование направления эволюции распределения населённых пунктов по размеру (с учётом и без учёта расстояния до регионального центра) с применяем математического аппарата, основанного на использовании цепей Маркова.
Первой гипотезой исследования является предположение о том, что на фоне сокращения численности населения на Дальнем Востоке, но наблюдаемого при этом роста численности населения в региональных столицах (внутрирегиональная периферия в целом «теряет» население), существует тенденция уменьшения числа крупных населённых пунктов, не являющихся региональными центрами. Если гипотеза подтверждается, то население перемещается в региональные центры, что, в свою очередь, должно приводить к ослаблению менее крупных экономических центров, уменьшению разнообразия внутри региона. Такая ситуация, несмотря на существование положительных эффектов концентрации ресурсов в крупных городах, может приводить к ухудшению региональных экономических показателей по описанным выше причинам.
Вторая гипотеза заключается в том, что перераспределение населения внутри регионов происходит не только в пользу регионального центра, но и в пользу его ближайшей периферии. Населённые пункты, даже небольшие, лежащие в непосредственной близости от региональных столиц, будут демонстрировать рост на фоне общего нисходящего тренда числа населён-
ных пунктов с большим количеством жителей. Это может происходить потому, что пригороды, хотя и не являются единой с региональной столицей административной единицей, фактически находятся в границах формируемой вокруг неё агломерации.
В продолжении статьи описываются использованные в исследовании исходные данные и критерии, по которым для включения в выборочную совокупность отбирались регионы и поселения (доступность информации, размер), применяемый метод. В следующем разделе приводятся результаты, полученные при построении матриц вероятностей переходов населённых пунктов (без учёта и с учётом расстояний до региональной столицы) по Дальнему Востоку в целом (всей выборочной совокупности), обозначаются выявленные тенденции. Далее проводится анализ динамики распределения населённых пунктов с учётом расстояний до региональной столицы для отдельных регионов юга Дальнего Востока: Хабаровского и Приморского краёв, Амурской области и Еврейской автономной области. В заключении приводятся краткие выводы.
Данные и метод
Первым использовать цепи Маркова и матрицы вероятностей переходов для изучения динамики экономических показателей как альтернативу регрессионному анализу в 1993 г. предложил Д. Куа [9]. Метод декомпозиции матриц вероятностей переходов на матрицы для отдельных групп изучаемых объектов в 2010 г. использован С. Рейем [10]. Позднее этот математический аппарат был адаптирован А. Буфетовой и применён в исследовании динамики распределения населённых пунктов РФ [2]. Именно предложенная ею методика применяется в настоящей работе.
В исследовании используются сведения о численности населения1 на 1 января за период с 2013 по 2022 г. (10 лет) по 528 населённым пунктам РФ (сельские и городские поселения и аналогичные административные единицы) с численностью населения более 1 тыс. человек на начало исследуемого периода, расположенным в семи дальневосточных регионах2: Хабаровском, Приморском и Забайкальском краях, Амурской и Сахалинской областях, Еврейской автономной области, Республике Саха (Якутия), - а также сведения о численности населения административных центров указанных регионов и данные о расстояниях по автомобильным дорогам3 между населёнными пунктами и столицами регионов, в которых эти населённые пункты располагаются.
Относительно низкий порог отсечения населённых пунктов из выборочной совокупности - 1 тыс. человек, соответствующий большому сельскому поселению, обусловлен тем, что крупный город-спутник есть только у одной дальневосточной региональной столицы - г. Владивостока, а такие города, как Хабаровск и Благовещенск имеют растущие пригороды, состоящие из нескольких населённых пунктов. Численность населения в административных границах отдельных поселений в этих пригородах относительно невелика, но установление порога в 1 тыс. человек позволяет не потерять эти населённые пункты при формировании выборки.
Суть используемого в исследовании метода, основанного на применении цепей Маркова, заключается в следующем: поселения ранжируются (по возрастанию) на основе соотноше-
1 База данных показателей муниципальных образований. URL: https://www.gks.ru/dbscripts/munst/ (дата обращения: 20.12.2022).
2 Из выборочной совокупности были исключены населённые пункты Республики Бурятия, так как в базе данных Росстата отсутствуют сведения о численности населения сельских поселений этого региона за ряд лет исследуемого периода. Кроме того, для подавляющего большинства населённых пунктов Камчатского края, Магаданской области и Чукотского автономного округа невозможно построить автомобильный маршрут до региональной столицы, поэтому эти регионы также были исключены из выборки.
3 Яндекс Карты. URL: https://yandex.ru/maps/ (дата обращения: 21.12.2022).
ния численности населения и средней численности населения по всем населённым пунктам исследуемой совокупности. После этого они разбиваются на 5 классов, причём границы интервалов выбираются таким образом, чтобы в первом году исследуемого периода в каждом классе находилось приблизительно равное число населённых пунктов. Пять классов, построенные на основе четырёх границ интервалов, были применены Д. Куа в исследовании 1996 г., автор называет такой выбор «априори разумным» (a priori reasonable) [9, p. 430]. Столько же классов использовалось А. Буфетовой в исследованиях по российским городам [1; 2]. В научной литературе отсутствует чёткое обоснование данного подхода, однако эмпирически мы пришли к выводу, что уменьшение количества классов затрудняет интерпретацию результатов и не позволяет провести границу между участками, где региональный центр оказывает положительное влияние на численность населения менее крупных населённых пунктов, и той частью региона, где такое влияние отрицательно и практически нейтрально. Увеличение же их количества приводит к тому, что в каждом из них оказывается всё меньше населённых пунктов; это также оказывает негативное влияние на качество полученного результата. При этом такой подход никак не исправляет одно из ограничений используемого метода: самые крупные населённые пункты в любом случае оказываются в последнем классе. Это значит, что их рост, например под влиянием регионального центра, не вносит вклад в изменения в распределении, они остаются в своём классе, так как им «некуда расти».
В настоящем исследовании используются следующие верхние границы интервалов: 0,19; 0,25; 0,46; 1,07; ю. Эти верхние границы разбивают исследуемую совокупность на 5 приблизительно одинаковых частей и соответствуют численности населения равной приблизительно 1 300, 1 809, 3 141, 7 306 человек, ю; при среднем значении по выборке - 6 827,7 человека. Например, для Чигиринского сельсовета (Амурская область) в начале исследуемого периода (2013 г.) отношение численности населения к среднему значению по выборочной совокупности составляло приблизительно 1,001, то есть населённый пункт находился в 4-м классе. В течение исследуемого периода численность населения в населённых пунктах меняется, они переходят из одного класса в другой. При этом новое распределение зависит только от текущего (марковский процесс первого порядка). Уже в 2014 г. показатель для Чигиринского сельсовета составил 1,123; населённый пункт перешёл в 5-й класс. На основе данных о таких переходах за все годы в исследуемом периоде сначала были построены матрицы, показывающие количество переходов из одних классов в другие по отдельным годам. Пример такой матрицы приведён в таблице 1. Затем на их основе была построена матрица вероятностей переходов.
Таблица 1
Матрица переходов населённых пунктов между классами в 2015 г.
Класс 1 2 3 4 5
1 105 2 0 0 0
2 6 98 1 0 0
3 0 3 101 3 0
4 0 0 0 102 1
5 0 0 0 0 106
Источник: составлено по: База данных показателей муниципальных образований. URL: https://www.gks.ru/ dbscripts/munst/ (дата обращения: 20.12.2022).
Каждый элемент матрицы переходов населённых пунктов между классами а. показывает число переходов из класса i в класс j в период t. Так, а = 105 означает, что в 2015 г. в 1-м классе осталось (то есть перешло из 1-го класса в 1-й) 105 населённых пунктов (см. табл. 1); а = 6 означает, что в 2015 г. из 2-го класса в 1-й перешло 6 населённых пунктов; а = 2 означает, что в 2015 г. из 1-го класса во 2-й перешло 2 населённых пункта.
Каждым элементом матрицы вероятностей переходов p. является вероятность того, что элемент, в период t находящийся в классе i, в следующем периоде t + 1 перейдёт в класс j. Для расчёта такой вероятности используется формула (1).
t+i
р..
V2021 t-
¿t=2013 nij
V2°21 „ t ¿t=2013 ni
(1)
где п/ - числонасллённых пунктов, перешедш д изклак с а с вкаассу впериод I т 1; п- - число населённыхпунктов,находящихся ]в пе[иод I вклассе г.
/-¡и
Если с = j, то Пу показывает, сяолько населённых пунктов осталось в классе с. Сумма о/1 рассчитывается как сумма элементов а. матриц переходов за все периоды, кроме 1-го. Показатель п- рассчитывается как сумма элементов а а , а а и а матрицы переходов за каждый период, кроме последнего. При этом а - число всех населённых пунктов, перешедших в класс / из1-го классаит. д.
На основе построенной матрицы вероятностей переходов можно получить финальное мраспределение населённых пунктов между классами при условии, что вероятности переходов остаются неизменными. Хотя для достижения такого финального распределения требуются нереалистичные промежутки времени (распределение практически не меняется после приблизительно 2 тыс. итераций), и предположение о неизменности вероятностей переходов также яглмется не длишкон реалилтичным. Финальнох распределение позврляет приддмонтириро-ватд тенденции иньправвение эволюции распределиния.
Для проверен ителслой гвнневеаес необно-инк учитыввть дасстояния между исследуемыми оаеаллтиыме ттая-амя и р)ег]ион[а,.лыа]^1:е1р[ столицами, лто позьоляет ^р'ссано^е^еь, рестут л и ближайшие к региональным центрам птсеведдявместт сноитом чисеьнностн тасвления ре-мионаддного лре;нт]эе.[ Цт^ко!! анализ такжв <апоео(Рс;н ддтт информацию 1с о г,р)<^]м]и]еаде,зарред^.^^-ми которых ввьтействиеньгиональногн цвптранелабеваанили ипопнена нет.
Для учета ргднтзтний межд}н а1а^€шо^(онр:ысрс^ п^^кет^тчве! т^буатся нс6ко66ко измеаить пад-ход. СВна-чгк.]!;^ дыо -в—доно навакедноет пудрга рл!ес^1т1кт]ывтет:,с;я следуон^с иртчношенни:
-Я
(2)
рде дI - численность населения населённого пункта, для которого рассчитывается соотношение; И - рилппнрлотннасоления сееипнслнной стотыыцы; а - расстояние от этого населённого пунктадорегиональнойстолицы.
После этого по полученному значению данного соотношения населённые пункты ранжируются и разбиваются на пять групп: А, В, С, D, Е. Для каждой группы строится отельная матрица вероятностей переходов, рассчитывается отдельное финальное распределение.
Для того чтобы делать выводы на основе исследования распределений для каждой из групп, необходимо понимать их состав. Из (2) видно, что в группу А попадут небольшие населённые пункты, расположенные очень близко к региональной столице (то есть крупнейшему
городу региона), а в группу E - крупные и отдалённые населённые пункты. В целом при «движении» от группы А к E отдалённость от региональной столицы и размер населённого пункта увеличиваются.
Описание результатов
Вначале рассмотрим матрицу вероятностей переходов для всех исследуемых населённых пунктов, представленную в таблице 2 (то есть без разбиения на группы в зависимости от отдалённости и размера по отношению к региональной столице).
Таблица 2
Матрица вероятностей переходов для всех исследуемых населённых пунктов дальневосточных регионов, %
Класс 1 2 3 4 5
1 98,34 1,66 0,00 0,00 0,00
2 4,29 94,58 1,13 0,00 0,00
3 0,00 3,09 95,73 1,18 0,00
4 0,00 0,00 1,69 97,61 0,70
5 0,00 0,00 0,00 0,33 99,67
Источник: рассчитано автором.
Как и в исследованиях Д. Куа [9] и А. Буфетовой [1; 2], полученная матрица обладает высокой степенью стабильности распределения, значения вероятностей по главной диагонали превышают 94%, вероятность «перескочить» через класс и, например, подняться из 1-го в 3-й -нулевая (то есть каждый населённый пункт в следующем периоде имеет возможность перейти в класс с индексом либо больше на 1, либо меньше на 1), но общая вероятность того, что он совершит нисходящий или восходящий переход составляет менее 6%. В то же время уже по матрице переходов можно говорить об определённых тенденциях. Так, вероятность нисходящего перехода для населённых пунктов 2-го класса составляет 4,29%, а восходящего - всего 1,13%; похожая ситуация наблюдается по 3-му и 4-му классам, для которых вероятности нисходящих переходов (то есть потери населения) выше, чем вероятности восходящих переходов. Вероятность перехода населённого пункта из 1-го класса во 2-й составляет всего 1,66%, а перехода из 2-го класса в 1-й - 4,29%; это позволяет нам предположить, что 1-й класс будет расти за счёт поселений 2-го класса, а также постепенно «спускающихся по ступенькам» поселений более высоких классов.
Рассмотрим финальное распределение, представленное в таблице 3.
Финальное распределение демонстрирует, что в долгосрочной перспективе при сохранении тенденций, проявлявшихся в исследуемый период, 53,0% населённых пунктов переместится в 1-й класс, по которому численность населения составляет не более 1,3 тыс. человек. Число поселений во 2-м классе, где численность населения составляет от 1,3 до 1,8 тыс. человек, увеличивается, но не значительно; причём не за счёт роста и перехода в него менее крупных населённых пунктов, а за счёт перехода «теряющих» население более крупных поселений. Доли поселений с численностью населения от 1,8 до 3,1 тыс. человек и от 3,1 до 7,3 тыс. человек составят лишь 7,8 и 5,5% соответственно. Доля крупных населённых пунктов,
численность населения которых превышает 7,3 тыс. человек, также снизится, хотя и не так значительно, как доли поселений более мелких 3-го и 4-го классов; она стабилизируется на уровне 12,3%.
Таблица 3
Распределения населённых пунктов дальневосточных регионов, % от общего числа населённых пунктов
Распределение Класс
1 2 3 4 5
2013 20,3 19,9 20,1 19,9 19,9
2022 26,3 17,1 17,6 18,4 20,6
Финальное 53,0 21,4 7,8 5,5 12,3
Источник: рассчитано автором.
Однозначно видна тенденция потери населения большинством населённых пунктов: вероятность попасть в 1-й класс составляет 4,29%, а выбраться из него - 1,66%, что и объясняет такую высокую долю малых населённых пунктов в финальном распределении. А. Буфетова называет этот класс классом-«ловушкой» [1, с. 953], так как выбраться из него при неизменных вероятностях переходов гораздо сложнее, чем попасть.
Рассмотрим матрицы переходов и финальные распределения, которые были получены при разбиении населённых пунктов на группы в зависимости от близости к региональной столице, соотношения численности населения и численности населения центра региона (табл. 4). Это позволит прояснить, какие населённые пункты будут более подвержены влиянию столицы и «потеряют» население, в каких оно вырастет, какие не будут подвержены такому влиянию.
Особый интерес представляет группа А - небольшие и максимально близкие к региональному центру населённые пункты. Можно говорить о том, что они входят в агломерацию, существующую вокруг крупнейшего города региона. Для 2-го и 3-го классов данной группы характерна нисходящая мобильность, а 1-й класс всё так же является «ловушкой». Однако для поселений 4-го класса вероятность перейти в 5-й почти в 8 раз выше, чем вероятность перейти на класс ниже: 3,40% против 0,46%; а для населённых пунктов 5-го класса вероятность перейти на класс ниже и вовсе отсутствует.
Обратимся к финальному распределению, представленному в таблице 5.
Вначале в группе А (распределение 2022 г. в сравнении с распределением 2013 г.) увеличивается доля как крайне малых (1-й класс), так и достаточно крупных населённых пунктов (4-й и 5-й классы). Однако в финальном распределении для дальневосточных регионов в группе А отсутствуют населённые пункты из других классов, кроме 5-го, то есть численность населения всех ближайших пригородов региональных столиц растёт. Это класс-«ловушка» наоборот: крупные и близкие к региональным столицам населённые пункты не могут совершить переход в более низкий класс, вероятность этого равна нулю. Влияние регионального центра на рост близких пригородов очень сильное и однозначно положительное.
Группа В представляет собой совокупность населённых пунктов, по размерам сходных с теми, что попали в группу А, но более отдалённых. Её финальное распределение заметно отличается от распределения по группе А (см. табл. 5).
Таблица 4
Матрицы вероятностей переходов для населённых пунктов дальневосточных регионов по группам, %
Группа Класс Класс
1 2 3 4 5
1 98,29 1,71 0,00 0,00 0,00
А 2 2,64 95,51 1,85 0,00 0,00
3 0,00 3,37 93,32 3,31 0,00
4 0,00 0,00 0,46 96,14 3,40
5 0,00 0,00 0,00 0,00 100,00
1 2 3 4 5
1 98,58 1,42 0,00 0,00 0,00
В 2 5,32 92,45 2,24 0,00 0,00
3 0,00 2,32 94,29 3,39 0,00
4 0,00 0,00 2,59 97,41 0,00
5 0,00 0,00 0,00 0,00 100,00
1 2 3 4 5
1 97,64 2,36 0,00 0,00 0,00
С 2 5,02 94,48 0,00 0,00 0,00
3 0,00 2,84 96,68 0,48 0,00
4 0,00 0,00 0,49 99,51 0,00
5 0,00 0,00 0,00 0,49 99,51
1 2 3 4 5
1 98,78 1,22 0,00 0,00 0,00
D 2 6,36 92,84 0,80 0,00 0,00
3 0,00 4,19 95,15 0,66 0,00
4 0,00 0,00 3,19 94,12 2,69
5 0,00 0,00 0,00 0,34 99,66
1 2 3 4 5
1 100,00 0,00 0,00 0,00 0,00
Е 2 0,00 98,55 1,45 0,00 0,00
3 0,00 0,00 99,49 0,51 0,00
4 0,00 0,00 2,60 97,25 0,15
5 0,00 0,00 0,00 0,51 99,49
Источник: рассчитано автором.
Таблица 5
Распределения населённых пунктов дальневосточных регионов по группам, % от общего числа населённых пунктов
Группа Распределение Класс
1 2 3 4 5
А 2013 32,7 25,2 26,2 11,2 4,7
2022 36,5 25,2 19,6 12,2 6,5
Финальное 0,0 0,0 0,0 0,0 100,0
1 2 3 4 5
В 2013 36,2 33,3 15,2 10,5 4,8
2022 51,4 21,0 12,4 10,5 4,8
Финальное 48,6 13,3 13,3 20,0 4,8
1 2 3 4 5
С 2013 21,9 25,7 23,8 21,9 6,7
2022 29,5 23,8 18,1 22,9 5,7
Финальное 67,6 32,4 0,0 0,0 0,0
1 2 3 4 5
D 2013 10,4 15,1 26,4 34,9 13,2
2022 15,1 15,1 27,4 26,4 16,0
Финальное 77,4 14,2 2,8 0,9 4,7
1 2 3 4 5
Е 2013 1,0 1,9 7,6 20,0 69,5
2022 1,0 1,0 9,5 19,1 69,5
Финальное 1,0 0,0 79,1 15,2 4,8
Источник: рассчитано автором.
Здесь доминируют малые населённые пункты, хотя увеличивается доля поселений 4-го класса, причём не за счёт крупных поселений 5-го класса (их доля неизменна), а за счёт менее крупных населённых пунктов из 2-го и 3-го классов, которые, «теряя» жителей, переходят в 1-й класс. Влияние большого города здесь и в последующих группах не так очевидно; возможное позитивное влияние, заключающееся в привлечении новых жителей в эти населённые пункты благодаря близости к региональному центру и сопутствующим такой близости возможностям для работы и повышения уровня жизни, ослабевает. В то же время возрастает негативное влияние крупного города, который стягивает население со своей периферии.
Группа С демонстрирует ещё большее проявление такого негативного влияния. В финальном распределении все населённые пункты в этой группе относятся к 1-му и 2-му классам.
Похожая ситуация в группе D, где более 77% поселений относится к 1-му классу. В этом классе изначально было больше сравнительно крупных населённых пунктов; доли всех классов снижаются, но не до нуля.
В группе Е, состоящей преимущественно из крупных населённых пунктов, отдалённых от центра, возрастают доли 3-го и 4-го классов, причём за счёт 5-го и 2-го. Доля 2-го класса в распределении 2013 г. крайне мала, она падает до нуля. Доля поселений 1-го класса ещё ниже, но она неизменна, так как вероятность перехода в этот класс из 2-го класса (то есть «вниз») и из этого класса во 2-й класс («вверх») равна нулю. Таким образом, крупные и отдалённые от региональных центров населённые пункты группы Е «теряют» жителей. На практике данный переход означает, что такие города, как Николаевск-на-Амуре, Зея, Дальнереченск и другие крупные, но не имеющие статуса региональной столицы населённые пункты в финальном распределении «мельчают», переходя в более низкие классы. Если в начальном распределении таких населённых пунктов было 73, то в финальном их остаётся только 5. Так, переход в 4-й класс означает сокращение численности населения до 7 306 человек и ниже. Иными словами, в финальном распределении (недостижимом, но всё же показывающем направление эволюции распределения) наблюдается тенденция исчезновения крупных центров, за исключением региональных столиц. Какие города могли бы войти в пятёрку населённых пунктов, оставшихся в 5-м классе группы Е? Принимая во внимание выводы, сделанные при анализе группы А (то есть рост населённых пунктов в непосредственной близости от регионального центра), мы можем предположить, что к таким городам относятся Артём и Уссурийск, расположенные соответственно в 49 км от центра г. Владивостока. В пользу этого говорит также и рост численности населения указанных городов в исследуемый период, хотя и незначительный: со 111,9 до 113,7 тыс. человек и со 191,1 до 197,2 тыс. человек соответственно1. Возможно, в эту группу входят и города Комсомольск-на-Амуре и Находка, однако за период 2013-2021 гг. их население сократилось с 257,9 до 239,4 тыс. человек и со 159,3 до 140,1 тыс. человек соответственно.
Аналогичный анализ можно провести и для отдельных территорий, например для расположенных близко друг к другу регионов юга Дальнего Востока. Выбранные территории - это регионы «южной дуги» [5] на Дальнем Востоке: Хабаровский и Приморский края, Амурская область и Еврейская автономная область. В этих территориях сосредоточены обрабатывающие производства, сфера услуг, транспортная инфраструктура, необходимая для выхода на внешние рынки; они относительно (по сравнению с другими дальневосточными регионами) плотно заселены, то есть в них агломерационные эффекты и стягивание населения в крупные экономические центры должны проявляться более значительно. При этом в перечисленных регионах, особенно в Хабаровском и Приморском краях, должны существовать крупные нестоличные центры, сохраняющие население за счёт специализации. Это делает особенно интересной проверку второй гипотезы исследования. Кроме того, помимо её проверки по отдельным территориям, можно будет понять, сильно ли изменятся, и изменятся ли в принципе, выводы при переходе к другой системе координат: не общей для Дальнего Востока группировке населённых пунктов в классы и группы на основе единых критических значений, а собственной для каждого региона. Порог включения населённых пунктов в исследуемую совокупность остаётся прежним (1 тыс. человек), их число в выборках по отдельным регионам составляет: 91 - для Хабаровского края; 81 - для Приморского края; 65 - по Амурской области; 25 - для Еврейской автономной области. В результате были получены по пять финальных распределений (рассчитанных отдельно для групп А - Е с учётом расстояний до соответствующей региональной столицы) для каждого из четырёх регионов.
В таблице 6 представлены финальные распределения для Хабаровского края. Проявляющиеся в регионе тенденции аналогичны тенденциям, выявленным при анализе выборки по Дальнему Востоку в целом. Группа А, включающая наиболее близкие к региональному центру
1 База данных показателей муниципальных образований. URL: https://www.gks.ru/dbscripts/munst/ (дата обращения: 20.12.2022).
небольшие поселения, демонстрирует тенденцию укрупнения населённых пунктов: доля поселений 4-го класса в финальном распределении достигает % по сравнению с 27,8% в начальном распределении; доля самых малых поселений 1-го класса падает в финальном распределении до нуля по сравнению с 22,2% в начальном распределении.
Таблица 6
Распределения населённых пунктов Хабаровского края, % от общего числа населённых пунктов
Группа Распределение Класс
1 2 3 4 5
А 2013 22,2 11,1 33,3 27,8 5,6
2022 16,7 16,7 22,2 38,9 5,6
Финальное 0,0 11,1 16,7 66,7 5,6
1 2 3 4 5
В 2013 33,3 27,8 16,7 5,6 16,7
2022 33,3 27,8 16,7 5,6 16,7
Финальное 33,3 27,8 16,7 5,6 16,7
1 2 3 4 5
С 2013 21,1 42,1 15,8 10,5 10,5
2022 31,6 36,8 10,5 10,5 10,5
Финальное 52,6 21,1 5,3 10,5 10,5
1 2 3 4 5
D 2013 22,2 16,7 27,8 27,8 5,6
2022 27,8 16,7 33,3 16,7 5,6
Финальное 94,4 0,0 0,0 0,0 5,6
1 2 3 4 5
Е 2013 0,0 0,0 5,6 33,3 61,1
2022 0,0 0,0 5,6 27,8 66,7
Финальное 0,0 0,0 5,6 27,8 66,7
Источник: рассчитано автором.
В группе В не происходит никаких изменений, что можно интерпретировать следующим образом: вероятно, это граница, где агломерационные силы, приводящие к укрупнению поселений, близких к региональному центру (то есть крупнейшей агломерации региона), и силы, приводящие к «истощению» периферии, уравновешивают друг друга.
В группах С и D (относительно отдалённые от регионального центра и не очень крупные населённые пункты, например «Рабочий посёлок Мухен» и «Рабочий посёлок Переяславка» в
группе С; г. Вяземский и «Село имени Полины Осипенко» в группе D) наблюдается увеличение доли самых малых поселений, при этом доля крупнейших населённых пунктов (5-й класс) в этих группах не меняется. Особенно ярко эта тенденция видна на примере группы D, где во 2, 3 и 4-м классах не осталось поселений, а доля поселений 1-го класса выросла с 22,2 до 94,4%. Это можно объяснить усилением негативного (то есть приводящего к сокращению численности населения) влияния регионального центра, стягивающего населения со своей более отдалённой периферии.
В группе Е изменений практически не происходит. В этой группе изначально находились такие крупные и отдалённые от регионального центра населённые пункты, как города Комсомольск-на-Амуре, Амурск, Николаевск-на-Амуре и «Рабочий посёлок Чегдомын» (в 5-м классе). Их доля в финальном распределении выросла за счёт 4-го класса; доля поселений 3-го класса осталась неизменной. В целом можно предположить, что силы, приводящие к стягиванию населения в региональный центр, уже не оказывают явного воздействия на населённые пункты группы Е. Это объясняется как значительным размером последних (они являются крупными экономическими центрами со своей специализацией), так и их отдалённостью от краевой столицы - г. Хабаровска.
В таблице 7 приведены финальные распределения (с разбиением на группы) для Приморского края. В группе А не происходит никаких изменений, в отличие от Хабаровского края и Дальнего Востока в целом. При этом в данной группе отсутствуют крупные населённые пункты (4-й и 5-й классы), города Артём и Уссурийск находятся в группе Е.
В группах В и С происходит уменьшение до нуля числа населённых пунктов 2-го класса: численность населения в них сокращается, они переходят в 1-й класс. Число поселений в других классах не меняется.
В группах D и E происходит сокращение численности населения в поселениях 4-го класса, они переходят в 3-й. Можно предположить, что во всех группах, кроме группы А, достаточно сильным является влияние г. Владивостока на окружающие населённые пункты, приводящее к сокращению численности населения исследуемых поселений: его «вытягиванию» в региональную столицу. При этом, в отличие от Хабаровского края и Дальнего Востока в целом, по полученным оценкам нельзя сделать вывод о стягивании населения близко к региональному центру, так как в группе А, включающей небольшие поселения, расположенные близко в столице Приморского края, не происходит никаких изменений. Поэтому гипотеза о росте численности населения пригородов региональной столицы на фоне её сокращения в отдалённой периферии не подтверждается. Однако, используя сведения о численности населения1, можно понять, что население крупных населённых пунктов, расположенных близко к г. Владивостоку (городов Артёма и Уссурийска), растёт, но это никак не отражается в финальном распределении, они и так находятся в 5-м классе группы Е, то есть им некуда переходить при таком росте численности населения. Для полноценной проверки гипотезы в условиях, когда вблизи региональной столицы имеются города, сопоставимые с ней по размеру, требуются дальнейшие исследования.
В Амурской области (финальные распределения приведены в таблице 8) в группе А наблюдается поляризация: увеличивается число поселений в 1-м и 4-м классах, а доли 2-го и 3-го классов снижаются до нуля.
1 База данных показателей муниципальных образований. URL: https://www.gks.ru/dbscripts/munst/ (дата обращения: 20.12.2022).
Таблица 7
Распределения населённых пунктов Приморского края, % от общего числа населённых пунктов
Группа Распределение Класс
1 2 3 4 5
А 2013 43,8 37,5 18,8 0,0 0,0
2022 43,8 37,5 18,8 0,0 0,0
Финальное 43,8 37,5 18,8 0,0 0,0
1 2 3 4 5
В 2013 43,8 37,5 6,3 12,5 0,0
2022 50,0 31,3 6,3 12,5 0,0
Финальное 81,3 0,0 6,3 12,5 0,0
1 2 3 4 5
С 2013 11,8 23,5 35,3 23,5 5,9
2022 23,5 11,8 35,3 23,5 5,9
Финальное 35,3 0,0 35,3 23,5 5,9
1 2 3 4 5
D 2013 0,0 6,3 31,3 56,3 6,3
2022 0,0 6,3 37,5 50,0 6,3
Финальное 0,0 6,3 50,0 37,5 6,3
1 2 3 4 5
Е 2013 0,0 0,0 6,3 6,3 87,5
2022 0,0 0,0 12,5 0,0 87,5
Финальное 0,0 0,0 12,5 0,0 87,5
Источник: рассчитано автором.
В финальном распределении в группе B все населённые пункты оказываются в 4-м классе. Это обусловлено тем, что в матрице вероятностей переходов, построенной отдельно для данной группы, вероятность перехода из 4-го класса составляет 0,00%, а перехода в 4-й класс из 3-го - 7,69%; из-за этого при достаточно большом количестве итераций все населённые пункты скапливаются именно в 4-м классе. Стоит с осторожностью относиться к этому результату: он, вероятнее всего, случаен и обусловлен небольшим числом населённых пунктов в каждой группе (13; при общем числе населённых пунктов Амурской области, данные по которым используются в исследовании, равном 65 и количестве групп равном 5). Распределение 2022 г. в этом случае может помочь сделать более реалистичный вывод. Оно демонстрирует, в частности, значительное увеличение доли населённых пунктов 1-го класса за счёт 2-го.
Таблица 8
Распределения населённых пунктов Амурской области, % от общего числа населённых пунктов
Группа Распределение Класс
1 2 3 4 5
А 2013 15,4 30,8 38,5 15,4 0,0
2022 23,1 23,1 30,8 15,4 7,7
Финальное 46,2 0,0 0,0 53,9 0,0
1 2 3 4 5
В 2013 38,5 46,2 7,7 7,7 0,0
2022 61,5 15,4 15,4 7,7 0,0
Финальное 0,0 0,0 0,0 100,0 0,0
1 2 3 4 5
С 2013 38,5 15,4 23,1 15,4 7,7
2022 38,5 7,7 30,8 15,4 7,7
Финальное 0,0 0,0 76,9 15,4 7,7
1 2 3 4 5
D 2013 7,7 7,7 30,8 38,5 15,4
2022 30,8 0,0 15,4 38,5 15,4
Финальное 38,5 7,7 0,0 38,5 15,4
1 2 3 4 5
Е 2013 0,0 0,0 0,0 23,1 76,9
2022 0,0 0,0 0,0 23,1 76,9
Финальное 0,0 0,0 0,0 23,1 76,9
Источник: рассчитано автором.
В группе С заметно увеличение доли населённых пунктов 3-го класса как в распределении 2022 г., так и в финальном распределении. Доли 4-го и 5-го классов при этом остаются неизменными. В финальном распределении доли 1-го и 2-го классов падают до нуля. Это происходит по той же причине, что и рост доли 4-го класса в группе С: вероятность перейти в 3-й класс составляет 7,69%, а выйти из него - 0,00%.
В группе D доля 3-го класса в финальном распределении, наоборот, снижается до нуля, возрастает доля поселений 1-го класса. Доли 2, 4 и 5-го классов, по сравнению с начальным распределением, неизменны. В группе Е изменений не происходит.
В целом с учётом замечаний, изложенных при описании группы В, можно сделать вывод, что положительный эффект близости к региональному центру Амурской области, выражающийся в росте численности населения и, как следствие, в переходе в более высокий класс,
испытывают лишь населённые пункты группы А. Анализ финального распределения в группе B по описанной выше причине не позволяет сделать вывод о том, что такой положительный эффект проявляется и для населённых пунктов этой группы. По той же причине в группе С увеличивается доля поселений 3-го класса. Более того, анализ распределения 2022 г. показывает, что «вытягивание» населения региональным центром начинается уже в этой группе, так как доля самых малых населённых пунктов увеличивается с 38,5 до 61,5% всего за 10 лет наблюдений. В группе D эффект стягивания ресурсов с периферии проявляется наиболее явно: значительно возрастает доля самых малых поселений. В группе Е, включающей крупные и относительно отдалённые населённые пункты, и этот эффект не проявляется.
Рассмотрим финальное распределение, полученное для Еврейской автономной области (табл. 9). В группах А, D и E между начальным и финальным распределением различия отсутствуют.
Таблица 9
Распределения населённых пунктов Еврейской автономной области, % от общего числа населённых пунктов
Группа Распределение Класс
1 2 3 4 5
А 2013 40,0 20,0 20,0 20,0 0,0
2022 40,0 20,0 20,0 20,0 0,0
Финальное 40,0 20,0 20,0 20,0 0,0
1 2 3 4 5
В 2013 40,0 20,0 20,0 20,0 0,0
2022 40,0 20,0 20,0 20,0 0,0
Финальное 40,0 0,0 40,0 20,0 0,0
1 2 3 4 5
С 2013 20,0 40,0 40,0 0,0 0,0
2022 20,0 20,0 60,0 0,0 0,0
Финальное 20,0 0,0 80,0 0,0 0,0
1 2 3 4 5
D 2013 0,0 20,0 20,0 40,0 20,0
2022 0,0 20,0 20,0 20,0 40,0
Финальное 0,0 20,0 20,0 40,0 20,0
1 2 3 4 5
Е 2013 0,0 0,0 0,0 20,0 80,0
2022 0,0 0,0 0,0 20,0 80,0
Финальное 0,0 0,0 0,0 20,0 80,0
Источник: рассчитано автором.
В финальном распределении в группе B населённый пункт 2-го класса переходит в 3-й, в группе С два населённых пункта из 2-го класса переходят в 3-й. Важно отметить, что переходы в более высокий класс могут происходить как за счёт роста численности населения в исследуемом населённом пункте, так и за счёт её сокращения по региону в целом. Это происходит из-за того, что разбиение на классы осуществляется на основе соотношения численности населения в исследуемом поселении и среднего значения по выборке, в которую в этом случае включаются сведения только по Еврейской автономной области. В случае сокращения численности населения во всех рассматриваемых населённых пунктах для перехода в более высокий класс достаточно «терять» население более низкими темпами, чем другие поселения выборочной совокупности. Именно это и происходит в Еврейской автономной области, где население «теряет» не только периферия, но и региональный центр: с 2013 по 2022 г. численность населения г. Биробиджана сократилась с 75,5 до 68,9 тыс. человек1. Более того, небольшое число поселений в выборке (в каждой группе их оказывается всего 5) приводит к таким значительным изменениям в распределении, как увеличение доли класса с 20,0 до 40,0%.
Таким образом, проявляются определённые ограничения метода, в частности, крупные населённые пункты, даже находящиеся близко к региональному центру (как, например, г. Артём в Приморском крае), оказываются в 5-м классе группы Е. Это значит, что существенный рост численности населения поселения не будет заметен при рассмотрении финального распределения, так как класс выше 5-го отсутствует2.
Кроме того, видно, что число населённых пунктов в выборке имеет критическое значение: уже при наличии данных по 65 населённым пунктам (Амурская область) возникают сложности с применением метода и интерпретацией результата, при меньшем объёме данных (Еврейская автономная область) это становится практически невозможным.
Тенденции, выявленные по Дальнему Востоку в целом, явно проявляются в Хабаровском крае: стягивание населения к пригородам Хабаровска и его сокращение в относительно отдалённых населённых пунктах. Таким образом, для Хабаровского края вторая гипотеза, выдвинутая в исследовании, подтверждается. В Приморском крае в группе, в которую входят небольшие и близкие к г. Владивостоку населённые пункты, изменений не наблюдается, а в группах, в которые попали более отдалённые поселения, сильно проявляется эффект, вызывающий сокращение численности населения, то есть гипотеза о росте столичных пригородов, не подтверждается. Стоит отметить, что население больших и близких к Владивостоку городов (Артёма и Уссурийска) растёт, но это не отражается в финальном распределении, так как они изначально находятся в классе самых крупных населённых пунктов. Общей чертой полученных финальных распределений при анализе данных по отдельным регионам оказывается то, что влияние региональных центров на крупные отдалённые города оказывается довольно слабым. В Амурской области поляризация наблюдается в группе А, в которую входят ближайшие к г. Благовещенску населённые пункты: финальное распределение состоит примерно наполовину из самых малых населённых пунктов (1-й класс), наполовину - из относительно больших (4-й класс), поселения других размеров отсутствуют. Это единственная группа населённых пунктов, в отношении которой можно говорить об увеличении численности населения под влиянием регионального центра. В случае Амурской области начинают проявляться проблемы, связанные с небольшим размером выборки, по Еврейской автономной области эти проблемы вместе с характерным для региона сокращением численности населения всех населённых пунктов, включая региональную столицу, не позволяют сделать каких-либо выводов.
1 База данных показателей муниципальных образований. URL: https://www.gks.ru/dbscripts/munst/ (дата обращения: 20.12.2022).
2 Эта проблема не будет решена и при разбиении исследуемой совокупности на большее число классов: такие города по-прежнему будут оказываться в последнем из них.
Заключение
В целом можно говорить о значительном положительном (в том смысле, что оно выражается в росте численности населения отдельного населённого пункта) влиянии регионального центра лишь на ближайшую периферию. Этот положительный эффект пропадает для всех поселений, кроме тех, что находятся в непосредственной близости к региональной столице. Именно эти поселения и входят в агломерацию, можно ожидать распространения на них и положительных эффектов, сопутствующих концентрации населения и экономической активности. По мере отдаления от крупного города интенсивность сил, приводящих к концентрации населения в пригородах, быстро убывает, набирают силы противоположные эффекты -«вытягивание» ресурсов из населённых пунктов на более отдалённой периферии. Это воздействие остаётся сильным даже в случае с крупными населёнными пунктами, удалёнными от регионального центра (при использовании выборочной совокупности по Дальнему Востоку в целом). Такой вывод несколько отличается от вывода А. Буфетовой, в работе [1] которой отмечена «защитная» функция роста расстояния и снижающееся отрицательное воздействие региональной столицы после достижения определённой границы, что может быть связано с присутствием в выборке городов, отдалённых от столиц регионов и в то же время растущих за счёт специализации на добыче природных ресурсов или благодаря благоприятным климатическим условиям (города Юга России).
При анализе данных по отдельным регионам отчётливо видно, что общие для Дальнего Востока тенденции сохраняются в Хабаровском крае. Более осторожно об этом можно говорить в случае с Приморским краем, однако там тенденция сокращения численности населения под воздействием региональной столицы начинает проявляться уже в группе В. Малый размер выборочной совокупности начинает оказывать воздействие при анализе расчётов, полученных для Амурской области, где можно с определённой уверенностью говорить о положительном воздействии регионального центра на поселения в группе А, отрицательном - в случае группы D, нейтральном - в группе Е. Для Еврейской автономной области ввиду небольшой выборки и сокращения численности населения во всех населённых пунктах, включая г. Биробиджан, нельзя сделать обоснованных выводов.
В целом на Дальнем Востоке наблюдается тенденция сильнейшей поляризации. При неизменной ситуации относительно крупных городов отдалённых от регионального центра населённых пунктов практически не останется. Кроме того, анализируя приведённые матрицы, мы имеем дело с де-факто закрытой системой. Учитывая, что на Дальнем Востоке наблюдается значительный отток населения (более 215 тыс. человек с 2013 по 2021 г., то есть за 9 из 10 лет исследуемого периода1), можно предположить, что миграционный отток только усиливает эту тенденцию поляризации и потери населения отдалёнными от региональных центров населёнными пунктами.
Можно говорить, что обе гипотезы, выдвинутые в начале исследования, в целом подтверждаются. Проведённый анализ распределений населённых пунктов на Дальнем Востоке России показывает, что явно проявляются тенденции, во-первых, потери населения отдалёнными от региональных столиц населёнными пунктами, причём преимущественно независимо от их размера (первая гипотеза), а во-вторых, концентрации населения в пригородах региональных центров. Похожие тенденции наблюдаются в Хабаровском и Приморском краях, хотя при анализе данных по отдельным регионам «измельчание» крупных населённых пунктов, не являющихся региональными столицами, проявляется в гораздо меньшей мере. Наблюдается тенденция сильной поляризации, которая усиливается оттоком населения с Дальнего Востока.
1 Общий прирост населения. URL: https://www.fedstat.ru/indicator/31272 (дата обращения: 22.12.2022).
Это, как уже отмечалось ранее, может привести не к повышению экономической эффективности вследствие концентрации, а к уменьшению внутрирегионального разнообразия и потере связанных с ним экономических выгод, а в долгосрочной перспективе - к лишению центра ресурсов для развития. В такой ситуации ряд выгод концентрации значительной части экономической активности в городах (например, «просачивание» созданных в городах инноваций в периферию) невозможно будет реализовать из-за отсутствия достаточно населённой периферии как таковой.
В то же время используемая методика имеет ряд описанных выше недостатков (в частности, не учитывается возможный рост крупнейших после региональной столицы экономических центров, уже находящихся в самом верхнем классе), а также предполагает, что вероятности переходов населённых пунктов между классами внутри распределения неизменны. Она позволяет получить представление о направлении эволюции имеющегося распределения в данный момент, но это направление может сместиться с течением времени, ведь оно зависит от текущего состояния распределения. Так, в силу специализации численность населения крупных экономических и транспортных центров не может опуститься ниже значения, которое позволяло бы им полноценно выполнять свои функции. При приближении к этому порогу должны сработать механизмы сохранения населения, например, такие как повышение уровня заработной платы на фоне дефицита на рынке труда и снижение цен на рынке недвижимости. Вероятнее всего, существуют оптимальные конфигурации расселения, учитывающие все факторы, а наблюдаемые тенденции являются движением к этому оптимуму. Нахождение такого оптимума, или баланса, определяющих его параметров, должно служить предметом дальнейших исследований.
Список литературы
1. Буфетова А.Н. Динамика распределения размеров нестоличных городов России в постсоветский период // Экономика региона. 2020. Т. 16. Вып. 3. С. 948-961. http://dx.doi.org/10.17059/ekon.reg.2020-3-21
2. Буфетова А.Н. Как меняется распределение размеров городов России // Интерэкспо Гео-Сибирь. 2020. Т. 3. № 1. С. 35-43. http://dx.doi.org/10.33764/2618-981X-2020-3-1-35-43
3. Исаев А.Г., Ким А.Л., Мерзляков И.О. Оценка вклада агломерационного фактора в производительность труда в российских регионах // Регионалистика. 2022. Т. 9. № 1. С. 5-19. http://dx.doi.org/10.14530/ reg.2022.1.5
4. Коломак Е.А. Городская система современной России. Новосибирск: Издательство ИЭОПП СО РАН, 2018. 144 с.
5. Синтез научно-технических и экономических прогнозов: Тихоокеанская Россия - 2050 / под ред. П.А. Минакира, В.И. Сергиенко. Владивосток: Дальнаука, 2011. 912 с.
6. Duranton G., Puga D. Micro-Foundations of Urban Agglomeration Economies // Handbook of Regional and Urban Economics. Ed. by J.V. Henderson, J.-F. Thisse. 2004. Vol. 4. Pp. 2063-2117.
7. FujitaM., Thisse J.-F. Economics of Agglomeration // Journal of the Japanese and International Economics. 1996. № 10. Pp. 339-378.
8. Gravier J.-F. Paris et le désert français. Paris: Le Portulan, 1947. 421 p.
9. Quah D. Empirical Cross-Section Dynamics in Economic Growth // European Economic Review. 1993. Vol. 37. № 2-3. Pp. 426-434. https://doi.org/10.1016/0014-2921(93)90031-5
10. Rey S.J. Spatial Empirics for Economic Growth and Convergence // Geographical Analysis. 2001. Vol. 33. № 3. Pp. 195-214. https://doi.org/10.1111/j.1538-4632.2001.tb00444.x
References
1. Bufetova A.N. Dynamics ofthe Size Distribution of the Russian Non-Capital Cities in the Post-Soviet Period. Ekonomika regiona [Economy of Region]. 2020. Vol. 16. Issue 3. Pp. 948-961. http://dx.doi.org/10.17059/ ekon.reg.2020-3-21 (In Russian)
2. Bufetova A.N. How Does City Size Distribution in Russia Change? Interekspo Geo-Sibir ' [Interexpo GEO-Siberia]. 2020. Vol. 3. No. 1. Pp. 35-43. http://dx.doi.org/10.33764/2618-981X-2020-3-1-35-43 (In Russian)
3. Isaev A.G., Kim A.L., Merzlyakov I.O. Estimate of the Contribution of the Agglomeration Effect in the Labor Productivity in Russian Regions. Regionalistica [Regionalistics]. 2022. Vol. 9. No. 1. Pp. 5-19. http:// dx.doi.org/10.14530/reg.2022.1.5 (In Russian)
4. Kolomak E.A. The Urban System of Modern Russia. Novosibirsk, 2018. 144 p. (In Russian)
5. The Synthesis of Scientific-Technological and Economic Forecasts: Pacific Russia - 2050. Ed. by P.A. Minakir, V.I. Sergienko. Vladivostok, 2011. 912 p. (In Russian)
6. Duranton G., Puga D. Micro-Foundations of Urban Agglomeration Economies. In: Handbook of Regional and Urban Economics. Ed. by J.V. Henderson, J.-F. Thisse. 2004. Vol. 4. Pp. 2063-2117.
7. Fujita M., Thisse J.-F. Economics of Agglomeration. Journal of the Japanese and International Economics. 1996. No. 10. Pp. 339-378.
8. Gravier J.-F. Paris et le désert français. Paris: Le Portulan, 1947. 421 p. (In French)
9. Quah D. Empirical Cross-Section Dynamics in Economic Growth. European Economic Review. 1993. Vol. 37. No. 2-3. Pp. 426-434. https://doi.org/10.1016/0014-2921(93)90031-5
10. Rey S.J. Spatial Empirics for Economic Growth and Convergence. Geographical Analysis. 2001. Vol. 33. No. 3. Pp. 195-214. https://doi.org/10.! 111/j.1538-4632.2001.tb00444.x
■ ■ ■
Для цитирования:
Мерзляков И.О. Тенденции пространственной поляризации системы расселения на Дальнем Востоке России // Регионалистика. 2023. Т. 10. № 2. С. 58-77. http://dx.doi.org/10.14530/ reg.2023.2.58
For citing:
Merzlyakov I.O. Tendencies of Spatial Polarization of the Settlement System in the Russian Far East. Regionalistica [Regionalistics]. 2023. Vol. 10. No. 2. Pp. 58-77. http://dx.doi.org/10.14530/
reg.2023.2.58 (In Russian) ■ ■ ■
