Одним из последствий рыночных трансформаций стало усиление внутрирегиональной дифференциации в большинстве российских регионов, под которой имеются в виду различия по общему уровню экономического развития и по уровню жизни между отдельными городами и районами в масштабах субъекта Федерации. Рассматриваемая тенденция объясняется множеством причин, доминирующими из которых являются значительные различия в ресурсном потенциале городов и районов, неодинаковая адаптируемость к рынку муниципальных образований с различной структурой экономики, недостаточный потенциал региональных властей по сглаживанию межмуниципальных социально-экономических различий.
Такое усиление внутрирегиональной дифференциации обуславливает существенность проведения его анализа и в рамках Оренбургской области. В частности при исследовании инвестиционной потенциала в регионе возникает необходимость в классификации муниципальных образований, которая позволит сравнить отдельные города и районы области по уровню инвестиционной потенциала и провести анализ текущего состояния объектов классификации.
В рамках изучения внутрирегиональной дифференциации области будем использовать кластерный анализ, который имеет ряд преимуществ перед другими методами классификации данных. Прежде всего, кластерный анализ позволяет производить разбиение объектов не по одному, а по целому набору признаков. Кроме того, кластерный анализ не накладывает ограничений на вид группируемых объектов, и позволяет рассматривать множество исходных данных практически произвольной природы. Еще одной особенностью кластеризации является то, что многие алгоритмы способны самостоятельно определить число кластеров, на которое следует разбить данные, а так же выделить характеристики этих кластеров при помощи используемого алгоритма.
С помощью методов многомерной классификации, а именно метода К-средних, проведем разбиение исходной совокупности объектов на однородные классы по группам частных потенциалов, отражающих инвестиционный потенциал в регионе. Данный метод позволит получить более устойчивое разбиение, хотя и потребует задания информации о количестве образуемых кластеров. Для классификации были отобраны показатели, характеризующие инвестиционный потенциал муниципальных образований региона, которые представлены в таблице 1.
Таблица 1
Параметры частных потенциалы иих обозначения
|
1. Трудовой потенциал— Z1 |
|
|
Естественный прирост, человек |
a1 |
|
Миграционный прирост, человек |
a2 |
|
Коэффициент демографической нагрузки на 1000 человек |
a3 |
|
2. Инфраструктурный потенциал— Z2 |
|
|
Общая площадь жилых помещений, приходящаяся в среднем на одного жителя, м2 |
b1 |
|
Протяженность автодорог общего пользования местного значения, находящихся в собственности муниципальных образований на конец года, км |
b2 |
|
Число общеобразовательных организаций на начало учебного года, шт |
b3 |
|
3. Финансовый потенциал— Z3 |
|
|
Дебиторская задолженность, тысяч рублей |
c1 |
|
Кредиторская задолженность, тысяч рублей |
c2 |
|
Прибыль (убыток) до налогообложения прошлого года (по уточненным данным), тысяч рублей |
c3 |
|
Удельный вес убыточных организаций в общем числе организаций, процент, % |
c4 |
|
Доходы местного бюджета, фактически исполненные, тысяча рублей |
c5 |
|
Расходы местного бюджета, фактически исполненные, тысяча рублей |
c6 |
|
4. Производственный потенциал— Z4 |
|
|
Отгружено товаров собственного производства, выполнено работ и услуг собственными силами (без субъектов малого предпринимательства), тысяч рублей |
d1 |
|
Продукция сельского хозяйства (в фактически действовавших ценах), тысяч рублей |
d2 |
|
5. Потребительский потенциал— Z5 |
|
|
Среднемесячная заработная плата работников организаций, рублей |
e1 |
|
Общий объем всех продовольственных товаров, реализованных в границах муниципального района, в денежном выражении за финансовый год, тысяч рублей |
e2 |
|
6. Природно-ресурсный потенциал— Z6 |
|
|
Индекс производства продукции сельского хозяйства (в сопоставимых ценах; в процентах к предыдущему году), процент |
f1 |
|
Индекс производства продукции растениеводства (в сопоставимых ценах; в процентах к предыдущему году), процент |
f2 |
|
Индекс производства продукции животноводства (в сопоставимых ценах; в процентах к предыдущему году), процент |
f3 |
|
Посевные площади сельскохозяйственных культур, гектар |
f4 |
|
Поголовье крупного рогатого скота в хозяйствах всех категорий на конец года, голова |
f5 |
Для проведения многомерной классификации районов и городов Оренбургской области приведем исходные переменные к стандартизованному виду, воспользуемся операцией центрирования и нормирования данных. Дальнейшие вычисления будем совершать с преобразованными данными.
В результате была произведена классификация муниципальных образований Оренбургской области по шести составляющим инвестиционного потенциала за период с 2011 по 2015 годы.
Разбиение совокупности муниципальных образований по уровню трудового потенциала произведено на 3 кластера (Рис. 1).
Рис. 1. График средних значений признаков в каждом кластере по трудовому потенциалу (2011, 2015 гг.)
В первый кластер вошли муниципальные образования, характеризующиеся высоким уровнем естественного и миграционного прироста населения, низким уровнем демографической нагрузки населения, характеризующим нагрузку на общество непроизводительным (нетрудоспособным) населением.
В 2011 году в данный кластер входили следующие муниципальные образования: города: Оренбург, Бузулук, Бугуруслан, Гай, Сорочинск, районы: Адамовский, Акбулакский, Домбаровский, Оренбургский, Первомайский, Сакмарский, Соль-Илецкий, Ташлинский, Тоцкий, Ясненский.
В сравнении с 2011 годом в 2015 году в муниципальных образованиях первого кластера произошло значительное увеличение естественного и миграционного прироста и снижение коэффициента демографической нагрузки. В 2015 г. состав данного кластера значительно сократился, сюда вошли только г. Оренбург и Оренбургский район.
Второй кластер характеризуется средним относительно остальных кластеров уровнем естественного и миграционного прироста и высоким значением коэффициента демографической нагрузки. Состав данного кластера является самым многочисленным.
В третий кластер входят муниципальные образования с низким уровнем естественного и миграционного прироста и средним уровнем демографической нагрузки. Причем по сравнению с 2011 годом в 2015 году в муниципальные образования данного кластера значительно вырос уровень естественного прироста населения, приблизившись к уровню естественного прироста населения во втором кластере. Незначительно вырос уровень миграционного прироста.
Разбиение совокупности муниципальных образований по финансовому потенциалу произведено на 3 кластера (Рис. 2).
Рис. 2. График средних значений признаков в каждом кластере по финансовому потенциалу (2011, 2015 гг.)
Муниципальные образования, входящие в первый кластер, имеют высокий уровень дебиторской и кредиторской задолженности, прибыли до налогообложения, доходов и расходов местного бюджета; низкий уровень убыточных предприятий. За весь рассматриваемый состав кластера не изменяется и включает г. Оренбург и г. Бузулук.
Во второй кластер входят города и районы с низким уровнем дебиторской и кредиторской задолженности, прибыли до налогообложения; средним уровнем доходов и расходов местного бюджета, удельным весом убыточных предприятий.
Третий кластер объединяет муниципальные образования с низким уровнем дебиторской и кредиторской задолженности, прибыли до налогообложения, доходов и расходов местного бюджета; с высоким удельным весом убыточных предприятий. Данный кластер объединяет большую часть муниципальных образований области.
Разбиение совокупности муниципальных образований по природно-ресурсному потенциалу произведено на 3 кластера (Рис. 3).
Рис. 3. График средних значений признаков в каждом кластере по природно-ресурсному потенциалу (2011, 2015 гг.)
Для муниципальных образований первого кластера характерны высокий индекс производства продукции сельского хозяйства и индекс производства продукции растениеводства, большой объем посевных площадей сельскохозяйственных культур, высокое поголовье крупного рогатого скота. При этом данные территории имеют средний относительно других кластеров индекс производства продукции животноводства. В 2015 году к числу таких муниципальных образований относятся: Адамовский, Кваркенский, Октябрьский, Саракташский, Светлинский, Соль-Илецкий, Тюльганский муниципальные районы.
Второй кластер объединяет районы с низким индексом производства продукции сельского хозяйства, индексом производства продукции растениеводства, индексом производства продукции животноводства; средней площадью посевов сельскохозяйственных культур и средним поголовьем крупного рогатого скота. Таким уровнем природно-ресурсного потенциала характеризуется половина муниципальных образований области (23 и 25 муниципальных образований в 2011 и 2015 годах соответственно).
Территориальные образования третьего кластера имеют средний индекс производства продукции сельского хозяйства и индекс производства продукции растениеводства, высокий индекс производства продукции животноводства, низкие показатели по посевным площадям сельскохозяйственных культур и поголовью крупного рогатого скота.
В результате анализа муниципальных образований Оренбургской области по частным потенциалам было выявлено, что районы и города области сильно ранжированы в зависимости от уровня отдельных потенциалов. Только немногие из муниципальных образований региона имеют высокий уровень развития по всем частным потенциалам. К таким территориям можно отнести г. Оренбург, г. Бузулук, Оренбургский муниципальный район. В число муниципальных образований с относительно низкими значениями по всем потенциалам можно отнести г. Абдулино, г. Ясный, Кваркенский, Матвеевский, Гайский, Грачевский, Пономаревский, Ясненский муниципальные районы.
Литература:
- Жемчужникова, Ю. А. Классификация муниципалитетов Оренбургской области по уровню инвестиционной привлекательности // Воспроизводственный потенциал региона: сборник материалов III Международной научно-практической конференции. — Уфа: РИЦ БашГУ, 2007. — С. 357–360.
- Романов, А. А. Понятие, классификация инвестиций, отличие от инвестиционной деятельности / А. А. Романов // Актуальные вопросы экономических наук. — 2014.-№ 4.-С. 155–161.
