Диссертация (1136472), страница 24
Текст из файла (страница 24)
Предполагалось,что регионы России распределятся по трем кластерам в непосредственнойблизости от трех условно эталонных регионов и таким образом будет явна ихконфигурация в поле трех указанных теоретических типов.Условно эталонные регионы Неовеберианства и НГУ принадлежат одномукластеру, а Нового правления – другому. При этом третьему кластерусоответствуют регионы, не тяготеющие ни к одному из анализируемых типов.Результаты анализа (классификация регионов) представлены в Приложении 2.Неовеберианство (без q7_8), Новое государственное управление (без q3_1), Новое правление 1 и 2Значению каждого соответствующего индекса присвоено следующее целое число после максимальногополученного значения31Замена их средними значениями не представляется целесообразной, поскольку в таком случае эти«идеальные регионы» будут попарно идентичны по группам вопросов, что может существенно исказитьрезультаты анализа32Использовалось попарное исключение пропущенных данных в целях сохранения массива данных2930134Прежде чем анализировать группы регионов, которые были отнесены к темили иным типам, и комментировать по существу полученные результаты, следуетобратить внимание на тот факт, что кластерный анализ является методом, взначительной мере зависимым от различных случайностей.
Кроме того, важноучитывать наличие множества пропущенных значений в переменных. Чтобыпроверить устойчивость результатов кластеризации, проведем импутациюпропущенных значений используемых переменных и на полученных новыхвыборках проведем тот же кластерный анализ.В базе удалены все переменные, кроме тех, которые непосредственно нужныдля анализа (19 переменных, включая название региона). Проведена импутацияданных (в статистическом пакете SPSS), допустимые минимальные имаксимальные значения для переменных установлены. На полученном массиведанных созданы индексы методом главных компонент по модели, описаннойвыше33.
Также сконструированы три условно эталонных региона – каждойсоответствующей первой главной компоненте присвоено следующее целое послемаксимального наблюденного значение. Для трех из четырех индексовформируется по одной главной компоненте в каждом случае импутации (всегополучено пять новых выборок) с долей суммарной объяснённой дисперсии более50%; (в одном случае – две). Результаты анализа (классификация регионов)представлены в Приложении 3.Первые главные компоненты включены в кластерный анализ методом kсредних. Полученные результаты повторяют конфигурацию, сложившуюся наоригинальныхданных:типовыеточки(условноэталонныерегионы)Неовеберианства и НГУ формируют одну группу, Новое правление – другую, втретьей группе – регионы, не связанные ни с одним из эталонных регионов (азначит, типов управления).
Подобные результаты получаются также припроведении соответствующего анализа на сокращенной базе данных сИндекс «Неовеберианство» (без показателя q7_8), индекс «Новое государственное управление» (безпоказателя q3_1), индекс «Новое правление 1» (включающий показатели q7_9, q7_10, q7_5, PPP), Индекс«Новое правление 2» (включающий показатели indreadygos, number_mfc, indreadye).33135предварительно удаленными регионами с пропущенными значениями опроса(см. Приложение 4).Важно отметить существенный момент в отношении устойчивостирезультатов классификации.
На всех импутированных выборках в кластер,включающий типовую точку (условно эталонный регион) Нового правления,попадает значительно меньшее число регионов, чем при анализе оригинальнойбазы данных (с пропусками). Более того, в отдельных случаях в этот кластерпопадают только Москва и Московская область (на сокращенной базе данных),что является достаточно ожидаемым результатом, поскольку принципы ипрактики Нового правления целесообразны и доступны для условно называемых«продвинутых» регионов, которых в целом значительно меньше, нежелиостальных. Отвечая на вопрос «почему именно в Москве и в меньшей степени вСанкт-Петербурге так явно и быстро происходят трансформации?», Н.В.Зубаревич отмечает, что особый уровень этих регионов и их модернизационныйпотенциал определяют три фактора: «экономическая самостоятельность,финансовые ресурсы и уровень образования» [Зубаревич 2012, 49].Убедившисьвустойчивостирезультатованализа,обратимсяксодержательной интерпретации полученных результатов.Первоначально необходимо убедиться в том, что выявленные кластерыстатистически значимо различны в отношении показателей социальноэкономического и политико-управленческого развития.
В этих целях кполученным данным применен непараметрический дисперсионный анализ(метод Краскелла – Уоллиса). Критерий Краскелла – Уоллиса является ранговыми представляет собой многомерное обобщение критерия Уилкоксона — Манна— Уитни. Нулевая гипотеза критерия заключается в том, что средние значенияанализируемого показателя для всех кластеров равны, при альтернативнойгипотезе об их неравенстве. Таким образом, данный метод представляет ответ навопрос, есть ли статистически значимые различия между отобранными группами(в данном случае тремя кластерами), то есть можно ли полагать их действительноразличными относительно заданных социально-экономических и политико136управленческих показателей.В число этих показателей отобраны две переменные, измеряющие«социальную эффективность», или качество жизни34: индекс развитиячеловеческого потенциала по субъектам Российской Федерации (ИРЧП), а такжеиндекс качества жизни рейтингового агентства «РИА-рейтинг».
ИРЧПрассчитывается ПРООН, значения индекса представлены в официальныхдокладах организации. Последние доступные данные относятся к периоду 2011г. (расчет индекса производится с временным лагом в два-три года), однаконеобходимо отметить слабую волатильность данных за имеющийся период [см.Доклад 2014, 40 – 42]. Второй индекс основывается на данных официальныхведомств, Центрального Банка РФ, веб-сайтов региональных органов власти ииныхисточниках,методологияпредставленанаофициальномсайтерейтингового агентства [Рейтинг 2014].Кроме того, отобраны переменные, указывающие на уровень социальноэкономического развития и преимущественно экономическое пониманиеэффективности управления региональных органов власти: соответствующийиндексагентства«РИА-рейтинг»;уровеньинвестиционногориска,представляемый рейтинговым агентством «РА-Эксперт»; индекс эффективностигосударственного управления АПЕК и рейтинг инновационного развития.Индекс социально-экономического развития агентства «РИА-рейтинг»основывается на данных официальной статистики, методология и данныепредставлены в докладах организации.
Уровень инвестиционного риска являетсяодной из двух ключевых составных частей Рейтинга инвестиционнойпривлекательности регионов России и представляет собой «качественнуюхарактеристику, зависящую от политической, социальной, экономической,финансовой, экологической и криминальной ситуации» [см. Инвестиционнаяпривлекательность 2014].Социальная эффетивность (в отличие от экономической эффективности) понимается как достижениегосударством социально значимых результатов (социальных эффектов). См. подробнее о понятиия «социальнаяэффективность» в [Государственная политика… 2006, 299-302]34137Рейтинг эффективности управления в субъектах Российской Федерации в2014г.рассчитываетсянегосударственнойорганизацией«Агентствополитических и экономических коммуникаций» совместно с Лабораториейрегиональных политических исследований Национального исследовательскогоуниверситета «Высшая школа экономики» (НИУ ВШЭ) и представляет собой,как пишут авторы, «уникальный интегральный аналитический продукт,основанныйнасинтезеэкспертныхоценокиспециальнымобразомобработанных статистических и рейтинговых данных» [Рейтинг эффективности2014].Рейтинг инновационного развития субъектов РФ подготовлен Институтомстатистических исследований и экономики знаний НИУ ВШЭ на основестатистических данных и «представляет систему рейтинговых оценок и анализинновационного развития 83 российских регионов» [Рейтинг инновационногоразвития 2012].Отобранные для анализа группы показателей являются конвенциональнымидля анализа регионов и принципиально повторяют, например, набор индексов,используемый авторитетной российской исследовательской организацией попроблемам развития регионов – Независимым институтом социальной политики(исследования Н.В.
Зубаревич)35.Таблица 8. Результаты непараметрического однофакторного анализакластеровВ исследовании «Россия регионов: в каком социальном пространстве мы живем?» [Россия регионов 2005]приведены индексы развития человеческого потенциала, качества жизни, инновативности, демократичности исоциально-экономическая типология регионов. Использование непосредственно указанных данных невозможнов связи с их устарелостью (2004 год).35138ПеременныеХи-УровеньквадратзначимостиИРЧП19.5060.0001Социально-экономическое26.2820.0001Качество жизни25.1960.0001Эффективность управления15.9060.0004Инвестиционный риск20.3200.0001Инновационное развитие22.9530.0001развитиеВ таблице представлены результаты непараметрического однофакторногоанализа кластеров методом Краскелла – Уоллиса: значение статистики хиквадрат для каждого случая и уровень значимости.
В приложении представленыразвернутые таблицы результатов анализа для каждой переменной по кластерам(см. приложение 5).Какследуетизтаблицы,повсемпредставленнымпоказателям,свидетельствующим как о социально-экономической ситуации, так и о качествежизни и эффективности государственного управления, распределение данных вкластерах не может быть признано одинаковым. Нулевые гипотезы о равенствераспределенийотвергаютсявкаждомслучае,чтоозначаетналичиестатистически значимых различий между группами регионов, объединенных вразных кластерах.В целях выяснения взаимной связи между кластерами, проведенымножественные попарные сравнения кластеров методом Данна (Dunn's method).Метод Данна, также относящийся к группе непараметрических методов, былпредложен Оливом Данном в 1964 г. В качестве post hoc критерия, используемоговслед за отклонением нулевой гипотезы в тесте Краскелла – Уоллиса.
Задачаданного этапа анализа – выяснить, каковы различия между группами и как ихможно охарактеризовать на основании теоретических представлений оразличных типах государственного управления, представленных в первой главе139настоящей работы, а также особенностей российской политико-правовойсистемыисоциально-экономическойпредставлены в таблице 9.140реальности.РезультатыанализаТаблица 9.
Результаты попарных множественных сравнений кластеров по методу ДаннаПеременныеКластерыZ-УровеньУровень значимости сстатистиказначимостипоправкойЧто это значитБонферрониИЧРКластер 1 / к 3.6732530.00010.00041 лучше 20.00000.00011 лучше 30.26670.8002Некластеру 2Кластер 1 / к 3.942451кластеру 3Кластер 2 / к 0.622768кластеру 3значиморазличие между 2и 3 группамиСоциально-Кластер 1 / к 3.245200экономическоекластеру 2развитиеКластер 1 / к 5.0113610.00060.00181 лучше 20.00000.00001 лучше 30.01710.05122 лучше 30.00060.00191 лучше 2кластеру 3Кластер 2 / к 2.118294кластеру 3Качество жизниКластер 1 / к 3.227120141кластеру 2Кластер 1 / к 4.8927200.00000.00001 лучше 30.02190.06582 лучше 30.16420.4926Некластеру 3Кластер 2 / к 2.015146кластеру 3ЭффективностьКластер 1 / к 0.977402управлениякластеру 2значиморазличие между 1и 2 группамиКластер 1 / к 3.8969850.00000.00011 лучше 30.00120.00352 лучше 30.01210.03642 больше 10.00000.00003 больше 10.00610.01823 больше 2кластеру 3Кластер 2 / к 3.042049кластеру 3ИнвестиционныйКластер 1 / к -2.253180рисккластеру 2Кластер 1 / к -4.510808кластеру 3Кластер 2 / к -2.509206кластеру 3142ИнновационноеКластер 1 / к 2.619498развитиекластеру 2Кластер 1 / к 4.7715150.00440.01321 лучше 20.00000.00001 лучше 30.00730.02202 лучше 3кластеру 3Кластер 2 / к 2.441248кластеру 3143В таблице представлены значения z-статистики, уровень значимости длякаждого случая, а также уровень значимости с поправкой Бонферрони,учитывающей число раз проведения анализа указанным методом на имеющихсяданных.