Диссертация (1152312), страница 32

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 32)

Факторные нагрузки показывают степень зависимости междуисходными признаками и первыми главными компонентами.При помощи кластерного анализа, проведенного на основе первых главныхкомпонент,частныхобобщённыхпоказателей,характеризующихпроизводственную эффективность шести видов экономической деятельности,регионы были распределены на однородные группы:f1,1 – производственная эффективность сельского хозяйства;f1, 2 – производственная эффективность обрабатывающих производств;f1,3 – производственная эффективность производства и распределенияэлектроэнергии, газа и воды;f1, 4 – производственная эффективность строительства;f1,5 – производственная эффективность оптовой и розничной торговли;f1,6 – производственная эффективность транспорта и связи.В качестве метода определения расстояний между кластерами попоказателям производственной эффективности в разрезе видов экономической185деятельности был использован метод Варда, основанный на процедурахдисперсионного анализа.

На каждом этапе, при проведении классификации, водин кластер собирались те виды деятельности, которые увеличивали внутрикластерную дисперсию минимально.С целью придания большего веса объектам наиболее удаленным друг отдруга, в качестве меры расстояния между кластерами использовался квадратевклидового расстояния [77]:6r ( x, y )    xi  yi 2(3.9)i 1Дендрограмма распределения регионов по кластерам, характеризующимпроизводственную эффективность занятости представлена на рисунке 3.19.Следует отметить, что три региона: г.

Москва, Ненецкий и Ямало-Ненецкийавтономныеокруга,которыевисследуемомпериодехарактеризовалисьсверхэффективной производственной занятости изначально, были отнесены ккластеру с высокой производственной эффективностью.Анализ дендрограммы, представленной на рисунке 3.20 позволил сделатьвывод о наличии трех разных по размеру кластеров.

Сравнение средних значенийсгенерированных главных компонент в разрезе кластеров доказало, что ониимеют серьезные различия (см. рисунок 3.20)1,501,000,500,00-0,50-1,00-1,50-2,00f1f21 кластерf3f42 кластерf5f63 кластерИсточник: рассчитано автором по данным [213].Рисунок 3.20 – Средние значения главных компонент по показателямпроизводственной эффективности в разрезе кластеров1861 кластер2 кластер3 кластерИсточник: рассчитано автором по данным [213].Рисунок 3.19 – Дендрограмма распределения регионов по кластерам,характеризующим производственную эффективность занятости187Для выделения группырегионов с наибольшей производственнойэффективностью занятости по видам деятельности было произведено сравнениеисходных показателей регионов по видам экономической деятельности (см.таблицу 3.19).Таблица 3.19 – Средние значения производственных показателей эффективностизанятости в разрезе кластеровПоказатели1 кластер2 кластер3 кластер0,640,500,310,710,810,661,781,650,521,160,830,600,670,700,642,921,300,421,160,830,600,670,700,642,921,300,421,270,710,612,523,371,903,431,060,431,490,490,493,971,351,884,520,740,311,560,680,710,210,130,123,690,850,53Сельское хозяйство– производительность труда, тыс.

руб. /челx2 – фондоотдача, руб./руб.x3 – удельный вес региона в суммарном ВДС страныx1Обрабатывающие производства– производительность труда, тыс. руб. /челx2 – фондоотдача, руб./руб.x3 – удельный вес региона в суммарном ВДС страны, %x1Производство и распределение электроэнергии, газа и воды– производительность труда, тыс. руб.

/челx2 – фондоотдача, руб./руб.x3 – удельный вес региона в суммарном ВДС страны, %x1Строительство– производительность труда, тыс. руб. /челx2 – фондоотдача, руб./руб.x3 – удельный вес региона в суммарном ВДС страны, %x1Оптовая и розничная торговля– производительность труда, тыс. руб. /челx2 – фондоотдача, руб./руб.x3 – удельный вес региона в суммарном ВДС страны, %x1Транспорт и связь– производительность труда, тыс. руб. /челx2 – фондоотдача, руб./руб.x3 – удельный вес региона в суммарном ВДС страны, %x1Источник: рассчитано автором по данным [213].Первыйкластерхарактеризуетсявысокойпроизводственнойэффективностью сложившейся в них занятостью по видам деятельности.

Впервый кластервошли по три региона из Центрального (Белгородская,188Московская области и г. Москва), Северо-Западного (г. Санкт-Петербург,НенецкийавтономныйокругиЛенинградскаяобласть)иСибирского(Новосибирская и Иркутская области, Ямало-Ненецкий автономный округ)федеральныхокругов.ДальневосточногоКроме(Чукотскийтого,вавтономныйнегоокругвошлиидварегионаХабаровскийизкрай)федерального округа и по одному из Южного, Уральского и Приволжскогофедеральных округов: Краснодарский край, Ханты-Мансийский автономныйокруг – Югра и Республика Татарстан соответственно. Все эти регионыхарактеризуются высокой производственной эффективностью занятости по видамэкономической деятельности.Вклад регионов первого кластера в общий объем валовой добавленнойстоимости страны максимален во всех видах деятельности, что в первую очередьсвязано с высокой производительностью труда работников, которая колеблется от0,64 млн.

рублей на человека, занятого в сельском хозяйстве до 1,56втранспортной инфраструктуре. В регионах первого кластера занято 33,7% отобщего числа занятых в экономике страны, и на них приходится 51,0% всейваловой добавленной стоимости, произведенной в стране.На регионы второго кластера, доля занятых в которых составляет 42,9% отобщего числа занятых, приходится всего 31,9% от совокупного объема валовойдобавленной стоимости страны. На регионы третьего кластера приходится 17,1%совокупного объема валовой добавленной стоимости страны при доле занятых 23,4%.О высокой эффективности занятости можно судить по доле занятых внеформальном секторе экономики.

Судя только по показателям производственнойэффективности, однозначно сделать вывод о том, что именно высокаяпроизводственная эффективность позволяет снизить занятость в неформальномсекторе, нельзя, однако ориентация региональных рынков труда на расширениетретичного сектора позволяет снизить неформальную занятость (см. таблицу3.20).189Таблица 3.20 – Средние значения производственных показателей эффективностизанятости в разрезе регионов первого кластеровОкругДоля занятых внеформальномсекторе экономикиокругаЦФО13,3СЗФО13,7ЮФОПФО27,623,5УФО15,8СФОДФО1222,418,5РегионБелгородская областьМосковская областьг. МоскваЛенинградская областьНенецкий автономный округг.

Санкт-ПетербургКраснодарский крайРеспублика ТатарстанХанты-Мансийскийавтономный округ – ЮграИркутская областьНовосибирская областьЯмало-Ненецкий автономныйокругХабаровский крайЧукотский автономный округТип рынкатруда1Тип рынкатруда2СмешанныйСервисныйСервисныйСмешанныйАгропромышленныйСервисныйАгропромышленныйИндустриальныйВнутреннийВнутреннийВнутреннийВнутреннийВнутреннийВнутреннийВнутреннийВнутреннийДоля занятых внеформальномсекторе экономикирегиона20,310,23,917,59,65,128,721,1АгропромышленныйВнутренний8,9ИндустриальныйСервисныйСмешанныйВнутренний27,215,7СмешанныйВнутренний7,6СервисныйСервисныйВнутреннийВнутренний11,24,7в соответствии с группировкой, предложенной в параграфе 3.1 диссертационной работы (таблица 3.7)в соответствии с группировкой, предложенной в параграфе 3.2 диссертационной работы (таблица 3.15)Источник: рассчитано автором по данным [224].Следует отметить, что все регионы первого кластера ориентированы навнутренний рынок труда, исключение составляет только Иркутская область,рынок труда в которой был охарактеризован, как смешанный, то есть все регионыданного кластера характеризуются незначительным уровнем безработицы ивозможностью населения трудоустроиться на территории региона.Проверкаустойчивостирезультатовкластеризациирегионовосуществлялась с помощью дискриминантного анализа, в рамках которого былипостроены канонические дискриминантные функции:d1k  0,22  1,38 f1,1б  0,42 f1, 2k  0,29 f1,3k  0,01 f1, 4k  0,24 f1,5k  1,55 f1,6kd 2k  0,17  0,72 f1,1k  1,00 f1, 2k  0,55 f1,3k  0,72 f1, 4k  1,31 f1,5k  0,74 f1,6kгде k  1,2,...,85 – номер региона.Координаты центров кластеров и расстояния между ними представлены втаблице 3.21.190Таблица 3.21 – Координаты центров кластеров и расстояния между нимиКоординаты центровкластеров№ кластера1-ая дискриминантная 2-ая дискриминантнаяфункцияфункция1 кластер-3,940,902 кластер-0,23-0,953 кластер1,420,62Расстояния междуцентрами кластеров1 кластер2 кластер3 кластер04,155,374,1502,275,372,270Источник: рассчитано автором по данным [224].Сравнение расстояний между центрами классов показало, что первыйкластер больше удален от второго и третьего, чем последние, между собой.Регионы внутри кластеров также находятся на разном расстоянии от центровсвоих кластеров.Анализ расстояний (в пространстве канонических дискриминантныхфункций), на которых расположены регионы относительно центров кластеров, ккоторым они были отнесены, показал, что в первом кластере ближе всего к центрурасположены Ханты-Мансийский автономный округ – Югра, Ленинградская иМосковская области; во втором – Кемеровская, Калужская, Саратовская,Оренбургская и Омская области, а также Ставропольский край, в третьем –Курганская, Сахалинская, Тверская,Ульяновскаяобласти, РеспубликиМордовия, Карелия, Бурятия и Кабардино-Балкарская Республика.

В данныхрегионах характеристики кластеров проявляются наиболее сильно.К регионам, находящимся на периферии первого кластера, то есть тем,которые удалены от центра на достаточное расстояние, были отнесены г. СанктПетербург, Краснодарский край, Белгородская область, Чукотский автономныйокруг; второго – Ростовская область, Республика Алтай, Липецкая область,Воронежская область; третьего – Забайкальский край, Приморский край (см.таблицу 2.22).Эффективнаяпроизводственнаязанятостьприводиткповышениюинвестиционной привлекательности региона и позволяет формировать доходнуючасть консолидированного бюджета более эффективно.191Таблица 3.22 – Распределение регионов России по степени удаленности отцентров кластеров, 2015 6.№кластера1 кластер2кластер3кластерРегионы, близко расположенные кцентру кластера (<0,5)Регионы, расположенные на перифериикластера (>2,0)г.

Санкт-Петербург, Краснодарский край,Белгородская область, Чукотскийавтономный округЛенинградская областьКемеровская область, Оренбургскаяобласть, Калужская область,Саратовская область, Ставропольскийкрай, Омская областьУльяновская область, РеспубликаМордовия, Тверская область,Сахалинская область, РеспубликаКарелия, Кабардино-БалкарскаяРеспублика, Курганская область,Республика БурятияРостовская область, Республика Алтай,Липецкая область, Воронежская областьЗабайкальский край, Приморский крайИсточник: рассчитано автором по данным [224].Разбиение регионов на три кластера по показателям финансовойэффективности структуры занятости проводилось с помощью метода кластерногоанализа – метода k -средних, алгоритм которого заключается в минимизациисуммарногоквадратичногоотклоненияточекV отцентровзаранееопределенного количества кластеров:kV  x j  i 2(3.10)i 1 x j S iгдеk – число кластеров, S i – полученные кластеры, i  1,2,..., k и  i – центрымасс векторов x j  Si .Суть данного метода заключается в том, что на каждом шаге происходитперерасчет центров масс по каждому кластеру, полученному на предыдущейитерации, после чего векторы вновь разбиваются на кластеры в соответствии сблизостью выбранной метрики к новому центру.

Характеристики

Список файлов диссертации