VAC 05.17.00 Химическая технология
VAC 05.23.00 Строительство и архитектура
UDK 33 Экономика. Экономические науки
The article presents the results of analysis of main indicators, characterizing the system of the quality of life of the population of the Bryansk region for 2010-2014. Developed a model for assessing the quality of life of the population using the regression coefficients. The results of the analysis can be used in the process of development of administrative decisions on improving the quality of life in the region.
Indicators, life quality, simulation, scorecard, average income per capita
В современных социально-экономических концепциях качество жизни является критерием прогрессивности социально-экономических преобразований в обществе, главной целью общественного развития. Однако становится очевидным, что основанные на формальных критериях обеспеченности и доступности базовых государственных социальных услуг, ранее существовавшие методы оценки качества жизни населения в российских регионах стали практически малопригодными, поскольку проблематика определения качества жизни населения стала более сложной.
При этом применение большого количества индикативных показателей для достоверного исследования качества жизни населения не только значительно осложняет процесс самого исследования, но и увеличивает срок его проведения. Применение в исследовании минимального количества индикативных показателей качества жизни населения, хотя и снижает срок его проведения, но вызывает опасение, что полученные результаты сомнительны и не вполне достоверно описывают объективно существующую реальность.
Создание модели «качества жизни» из набора показателей системы качества жизни населения усложняется из-за отсутствия общепризнанной системы показателей [1, 2].
В современных экономических исследованиях достаточно часто применяются методы корреляционно-регрессионного анализа. Расчет коэффициентов корреляции позволяет выявить тесноту и направление взаимосвязи изучаемых показателей. Регрессионный анализ является логичным продолжением корреляционного и заключается в определении аналитического выражения связи результирующей величины с факторными показателями. Использование данных методов позволяет в итоге:
1) получить корреляционно-регрессионную модель связи в исследуемом явлении,
2) сформировать выводы о воздействии того или иного фактора на результирующую величину,
3) прогнозировать результат управленческого воздействия на изменение факторов данной модели.
Информационной базой анализа и разработки модели оценки качества жизни населения Брянской области послужили нормативно-правовые акты и статистические данные, публикуемые Федеральной службой государственной статистики и территориальным органом Росстата по Брянской области в виде сборников, размещенных на страницах официальных сайтов этой службы [3], [4].
Разработка корреляционно-регрессионной модели осуществлялась в несколько этапов: от выделения факторных и результирующего показателя до интерпретации полученных результатов.
Далее представлено подробное содержание каждого из этапов разработки корреляционно-регрессионной модели оценки качества жизни населения Брянской области.
Первый этап – выделение ключевых индикаторов качества жизни населения Брянской области.
Интегральный показатель качества жизни населения Брянской области может быть сформирован на основе анализа таких синтетических блоков категории качества жизни населения как: качество экологической, экономической, социальной и демографической сред.
Второй этап разработки корреляционно-регрессионной модели – это определение результирующего показателя служащего основным индикатором качества жизни населения Брянской области. В качестве такого показателя предлагается использовать среднеожидаемую продолжительность жизни при рождении, лет. В настоящее время продолжительность жизни считается наиболее адекватным и объективным индикатором качества жизни населения [5].
На третьем этапе разработки корреляционно-регрессионной модели необходимо построить систему исследуемых показателей.
Предлагается набор из 10 показателей, сгруппированных по четырем структурным компонентам качества жизни населения. Блоки индикаторов, составляющих комплексную систему показателей качества жизни, выведенную на основе количественных характеристик основных потребностей человека для разработки модели оценки качества жизни населения Брянской области, приведена в табл. 1. Число показателей, включаемых в модель больше двух, поэтому для моделирования используется модель «множественной регрессии».
Таблица 1
Система показателей качества жизни населения Брянской области за 2010-2014 гг.
для разработки корреляционно-регрессионной модели
|
Показатель |
2010 г. |
2011 г. |
2012 г. |
2013 г. |
2014 г. |
|
Качество экологической среды |
|||||
|
объем сброшенной загрязненной сточной воды, млн. м3 |
91,28 |
85,38 |
81,50 |
77,40 |
74,33 |
|
Качество экономической среды |
|||||
|
среднедушевые денежные доходы населения в месяц, руб. |
13358 |
15348 |
176469 |
20152 |
21875 |
|
удельный вес численности населения с денежными доходами ниже величины прожиточного минимума в общей численности населения, % |
13,5 |
12,6 |
10,5 |
11,7 |
12,8 |
|
уровень безработицы, % |
8,0 |
7,1 |
5,1 |
5,2 |
4,5 |
|
Качество социальной среды |
|||||
|
площадь жилищ, приходящихся в среднем на одного жителя, кв. м. |
24,6 |
25,2 |
25,6 |
26,1 |
27,0 |
|
число зарегистрированных преступлений на 100 000 чел. населения |
2184 |
2140 |
2141 |
1973 |
1833 |
|
Качество демографической среды |
|||||
|
население в трудоспособном возрасте из общей численности населения, тыс. чел. |
769,9 |
754,6 |
738,8 |
722,4 |
630,4 |
|
число родившихся на 1000 человек населения, чел. |
10,7 |
10,9 |
11,4 |
11,1 |
11,0 |
|
коэффициент естественной убыли населения на 1000 человек населения |
6,3 |
5,2 |
4,7 |
4,8 |
5,0 |
|
численность пенсионеров, тыс. человек |
407 |
408 |
409 |
411 |
413 |
|
ожидаемая продолжительность жизни при рождении, лет |
67,9 |
68,83 |
69,06 |
69,75 |
69,8 |
Табл. 1 содержит в себе статистические данные по индикаторам качества жизни населения Брянской области за период 2010-2014 гг., которые представляют собой результирующий и факторные показатели [6].
Исходя из таблицы наблюдаем положительную динамику у половины показателей качества жизни населения региона, кроме численности населения с денежными доходами ниже величины прожиточного минимума в общей численности населения, населения в трудоспособном возрасте из общей численности населения, числа родившихся на 1000 человек населения, коэффициента естественной убыли населения на 1000 человек населения и численности пенсионеров.
Статистические данные за период с 2010 по 2014 гг. свидетельствуют об отсутствии единой тенденции изменений данного явления и необходимости выявления факторов, оказывающих наибольшее влияние на показатель, с целью их дальнейшего мониторинга для оценки качества жизни населения Брянской области.
Определение зависимостей между изучаемыми показателями качества жизни населения Брянской области является важнейшей задачей следующего этапа разработки модели.
Для выбора вида зависимости, из-за четкой интерпретации параметров, используется линейная функция. В основе линейной модели лежит гипотеза о том, что каждый фактор что-то добавляет или что-то отнимает от значения результативного признака.
Формула (1) демонстрирует уравнение множественной линейной регрессии:
(1)
где y – результативный признак (зависимая, результирующая, эндогенная переменная); x1, x2, …, xn – признаки-факторы (регрессоры, объясняющие, предикторные, предопреде-ленные, экзогенные переменные); a1, a2, …, an – коэффициенты регрессии; b – свободный член регрессии; ε – компонента, отражающая в модели влияние случайных факторов, из-за которых реальное значение показателя может отклоняться от теоретического (регрессионный остаток).
Для построения модели не используется субъективная оценка качества жизни потому, что спрогнозировать субъективное мнение населения невозможно.
Четвертый этап – построение матрицы коэффициентов парной корреляции. Для оценки тесноты и направления связи (прямая или обратная зависимость) между изучаемыми переменными используются показатели корреляции.
Коэффициент парной корреляции (
) определяется по формуле (2):
(2)
где n – количество измерений; x, y – значения исследуемых величин.
Значение коэффициентов парной корреляции лежит в интервале от (-1) до (+1). Положительное значение показателя свидетельствует о прямой связи между переменными, отрицательное – об обратной (когда с ростом одной переменной другая уменьшается).
Качественная оценка тесноты связи между величинами может быть произведена на основе шкалы Чеддока: «связь признается достаточно сильной (высокой), если коэффициент корреляции по абсолютной величине (без учета положительного или отрицательного знака) превышает 0,7, и слабой, если меньше 0,3».
Для построения матрицы коэффициентов парной корреляции воспользуемся возможностями пакета «Анализ данных» офисного приложения MicrosoftExcel. Результаты расчетов приведены в табл.2.
Таблица 2
Матрица коэффициентов парной корреляции
|
|
Y |
X1 |
X2 |
X3 |
X4 |
X5 |
Х6 |
Х7 |
Х8 |
Х9 |
Х10 |
|
Y |
1 |
|
|
|
|
|
|
|
|
|
|
|
X1 |
-0,9827 |
1 |
|
|
|
|
|
|
|
|
|
|
X2 |
0,9624 |
-0,9913 |
1 |
|
|
|
|
|
|
|
|
|
X3 |
-0,8479 |
0,8050 |
-0,7266 |
1 |
|
|
|
|
|
|
|
|
Х4 |
0,9271 |
-0,9739 |
0,9824 |
-0,6730 |
1 |
|
|
|
|
|
|
|
Х5 |
-0,8960 |
0,9591 |
-0,9792 |
0,6287 |
-0,9918 |
1 |
|
|
|
|
|
|
Х6 |
-0,4421 |
0,4170 |
-0,3366 |
0,8070 |
-0,2422 |
0,2434 |
1 |
|
|
|
|
|
Х7 |
-0,9116 |
0,9527 |
-0,9344 |
0,8504 |
-0,9065 |
0,9130 |
0,6177 |
1 |
|
|
|
|
Х8 |
-0,7655 |
0,8532 |
-0,8827 |
0,4421 |
-0,9490 |
0,9523 |
0,0030 |
0,7754 |
1 |
|
|
|
Х9 |
0,5452 |
-0,5475 |
0,4737 |
-0,8546 |
0,4029 |
-0,4078 |
-0,9789 |
-0,7430 |
-0,1937 |
1 |
|
|
Х10 |
0,9160 |
-0,9616 |
0,9849 |
-0,6123 |
0,9913 |
-0,9912 |
-0,1814 |
-0,8793 |
-0,9423 |
0,3369 |
1 |
где Y – среднеожидаемая продолжительность жизни при рождении, лет; Х1 – объем сброшенной загрязненной сточной воды, млн. м3; Х2 – cреднедушевые денежные доходы населения, руб.; Х3 – коэффициент естественной убыли населения, человек на 1000 населения; Х4 – площадь жилищ, приходящихся в среднем на одного жителя (кв. м); Х5 – число зарегистрированных преступлений, на 100 000 чел. населения; Х6 – удельный вес численности населения с денежными доходами ниже величины прожиточного минимума в общей численности населения, %; Х7 – уровень безработицы, %; Х8 – население в трудоспособном возрасте из общей численности населения, тыс. чел.; Х9 – число родившихся на 1000 человек населения, чел.; Х10 – численность пенсионеров, тыс. чел.
Как видно из данных таблицы 2, существует достаточно высокая и положительная (прямая) связь показателей cреднедушевых денежных доходов населения (0,96237), площади жилищ, приходящихся в среднем на одного жителя (0,9271) и численности пенсионеров (0,9160) с показателем средней ожидаемой продолжительности жизни при рождении.
Показатели числа родившихся на 1000 человек населения (0,5452) и удельный вес численности населения с денежными доходами ниже величины прожиточного минимума в общей численности населения (-0,4421) находятся в обратной и умеренной или слабой зависимости с показателем средней ожидаемой продолжительности жизни при рождении, что позволяет принять решение об исключении указанных факторов в дальнейшем анализе из модели.
Также стоит указать на обнаруженную высокую тесноту связи между показателями cреднедушевых денежных доходов населения (0,9624), площади жилищ, приходящихся в среднем на одного жителя (0,9271) и численности пенсионеров (0,9160) и показателем средней ожидаемой продолжительности жизни при рождении, что приводит к мысли о возможном наличии явления мультиколлинеарности.
Мультиколлинеарность между факторами делает вычисление параметров регрессионной модели в дальнейшем либо невозможным, либо затрудняет содержательную интерпретацию параметров модели. Окончательное решение по этим факторам будет принято по результатам следующего этапа – проверки качества модели.
Из таблицы 2 видно, что между факторами X1 и X2, X1 и X4, X1 и X5, X1 и X7, X1 и X10, X2 и X4, X2 и X5, X2 и X7, X2 и X10, X4 и X5, X4 и X7, X4 и X8, X4 и X10, X5 и X7, X5 и X8, X5 и X10, X6 и X9, X8 и X10 существует заметная корреляционная связь ( >0,7). Для того, чтобы избежать мультиколлинеарности требуется исключить некоторые из них из модели.
В данном случае исключим факторы: Х3, Х4, Х6, Х7и Х9. Исключаем Х3, Х4, Х7 для избежания мультиколлинеарности, а X9 - число родившихся на 1000 человек населения и Х6 - удельный вес численности населения с денежными доходами ниже величины прожиточного минимума в общей численности населения т.к. они оказывают меньшее влияние на Y 0,5452 и -0,4421 соответственно.
Таким образом, в модель множественной линейной регрессии необходимо включить факторы X1- (объем сброшенной загрязненной сточной воды), X2- (cреднедушевые денежные доходы населения), X5- (число зарегистрированных преступлений, на 100 000 чел. населения) и X8- (население в трудоспособном возрасте из общей численности населения).
На пятом этапе предстоит определение вида уравнения регрессии, численная оценка ее параметров и определение качества регрессионной модели.
Использование функции «ЛИНЕЙН» офисного приложения MicrosoftExcel позволило получить следующие параметры линейной регрессионной зависимости при аргументе «Константа» равном 1, которые представлены в табл.3.
Таблица 3
Параметры линейной регрессионной зависимости факторов модели
|
Показатель |
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95 % |
Верхние 95 % |
Нижние 95,0 % |
Верхние 95,0 % |
|
Y-пересечение |
59,6182 |
#Н/Д |
#Н/Д |
#Н/Д |
#Н/Д |
#Н/Д |
#Н/Д |
#Н/Д |
|
X 1 |
-0,1205 |
0,1733 |
0,5946 |
0,6585 |
-2,0989 |
2,3050 |
-2,0989 |
2,3050 |
|
X 2 |
0,0003 |
6,2047 |
19,122 |
0,0333 |
0,0004 |
0,0020 |
0,0004 |
0,0020 |
|
X 5 |
0,0090 |
0,0126 |
2,0664 |
0,2869 |
-0,1346 |
0,1868 |
-0,1346 |
0,1868 |
|
X 8 |
-0,0052 |
0,0181 |
-1,0308 |
0,4903 |
-0,2483 |
0,2110 |
-0,2483 |
0,2110 |
Цифры первого столбца табл. 3 позволяют сформировать уравнение линейной регрессии, демонстрирующей зависимость результирующего показателя у (средней ожидаемой продолжительности жизни при рождении, лет) от факторных: объема сброшенной загрязненной сточной воды (Х1), cреднедушевых денежных доходов населения (Х2), числа зарегистрированных преступлений, на 100 000 чел. населения (Х5) и населения в трудоспособном возрасте из общей численности населения (Х8).
Таким образом, многофакторная корреляционно-регрессионная модель оценки качества жизни населения Брянской области будет представлена в виде формулы (3):
у = 59,6182 – 0,1205· Х1 + 0,0003· Х2 + 0,0090· Х5 – 0,0052· Х8, (3)
где X1 – объем сброшенной загрязненной сточной воды; X2 – cреднедушевые денежные доходы населения; X5 – число зарегистрированных преступлений, на 100 000 чел. населения; X8 – население в трудоспособном возрасте из общей численности населения.
Цифры второго столбца таблицы дают возможность определить стандартные значения ошибок для коэффициентов регрессии. Значения находятся в достаточно большом диапазоне, что объясняется числовыми значениями используемых факторных признаков. Главное – это отсутствие нулевых значений, которые бы свидетельствовали о наличии явления мультиколлинеарности. Следовательно, в построенной регрессионной модели можно оставить все обозначенные переменные.
Проведенный корреляционно-регрессионный анализ позволил выявить наиболее значимые факторы, определяющие нахождение возможных направлений повышения качества жизни населения Брянской области. К ним относятся (по мере убывания тесноты связи): объем сброшенной загрязненной сточной воды, cреднедушевые денежные доходы населения, число зарегистрированных преступлений на 100 000 чел. населения, население в трудоспособном возрасте из общей численности населения. Полученная многофакторная корреляционно-регрессионная модель может быть использована органами государственной власти субъекта РФ при разработке государственной целевой программы «Повышение качества жизни населения», при осуществлении мониторинга качества жизни населения в том или ином субъекте РФ.
1. Ayvazyan S. A. Analiz sinteticheskih kategoriy kachestva zhizni naseleniya sub'ek-tov Rossiyskoy Federacii: ih izmerenie, di-namika, osnovnye tendencii// Uroven' zhizni regionov Rossii. 2012. № 11. S. 210-216.
2. Ayvazyan S.A. Integral'nye pokazateli kachestva zhizni naseleniya: ih postroenie i ispol'zovanie v social'no - ekonomicheskom upravlenii i mezhregional'nyh sopostavle-niyah. M.: CEMI RAN, 2010. S. 115-120.
3. Territorial'nyy organ Federal'noy sluzhby gosudarstvennoy statistiki po Bryan-skoy oblasti: [Elektronnyy resurs]. Bryansk, 2014.URL:http://brya№sk.gks.ru/ (data obrasche-niya 19.09.2015).
4. Upravlenie gosudarstvennoy sluzhby po trudu i zanyatosti naseleniya Bryanskoy ob-lasti: [Elektronnyy resurs]. Bryansk, 2014. URL:http://www.rabota- brya№skobl.ru/(data obrascheniya 17. 10. 2015).
5. Grishina I.V., Polynev A.O., Timonin S.A. Kachestvo zhizni naseleniya regionov Ros-sii: metodologiya issledovaniya i rezul'taty kompleksnoy ocenki// Sovremennye proizvo-ditel'nye sily. 2012. № 1. S. 70- 83.
6. Kulikov N.I., Vdovina E.S. Voprosy sovremennoy nauki i praktiki: Ocenka kache-stva zhizni naseleniya regiona, universitet im. V.I. Vernadskogo. №7- 9(30). 2010.S.191- 203.
