from 01.01.2021 to 01.01.2023
Mytishchi, Moscow, Russian Federation
VAC 08.00.05 Экономика и управление народным хозяйством (по отраслям и сферам деятельности, в том числе: экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда; экономика народонаселения и демография; экономика природопользования; экономика предпринимательства; маркетинг; менеджмент; ценообразование; экономическая безопасность; стандартизация и управление качеством продукции; землеустройство; рекреация и туризм)
VAC 08.00.10 Финансы, денежное обращение и кредит
VAC 08.00.12 Бухгалтерский учет, статистика
VAC 08.00.13 Математические и инструментальные методы экономики
VAC 08.00.14 Мировая экономика
UDK 332.1 Региональная экономика. Территориальная экономика
Strengthening the economic role of urban agglomerations is a global trend. The economic benefit from the merging of economic resources becomes possible due to agglomeration effects that trigger the accumulative process of space development. The increase in market capacity and business activity, intensive interaction in the labor market and the exchange of knowledge stimulate the development of the space. However, the negative side of agglomeration processes is the resource exposure of peripheral territories and the decrease in the standard of living of the population on the outskirts of the region. More attractive working conditions and wages in the core of the agglomeration lead to inequality in the distribution of income among the population of the region. The article examines economic inequality in the Moscow region using a popular indicator - the Gini coefficient. The author describes the reasons for the differentiation of wages among the population, provides calculations and shows the dynamics of the change in the Gini coefficient.
agglomeration, wages, Lorenz curve, Gini coefficient
Введение. В последние десятилетия в отечественной экономике заметно увеличилась концентрация демографический, финансовых и других ресурсов вокруг крупных городов. В определении понятия агломерация существует целое разнообразие подходов и выбор критериев для определения агломерации широкий: наличие города-ядра и обслуживающих его пригородов, плотность городского населения, непрерывность застройки и т.д. Так или иначе, основным показателей выделения агломерации принято считать концентрация ресурсов и деловой активности на ограниченном пространстве. Формирование агломераций необходимо для страны, поскольку они устраняют пространственные барьеры и способствуют экономическому сжатию территорий.
К положительным характеристикам агломерации можно отнести создание «точек роста», благодаря которым аккумулируются трудовые и финансовые ресурсы, развивается культурная и социальная среда. Однако отрицательной стороной агломерационных процессов является неравномерность процессов территорий, входящих в агломерационный ареал. Экономисты и социологи отмечают диспропорции социально-экономических условий в городах оси центр-периферия. Безусловно, пространственное неравенство не присуща только России, это явление не является редкостью как для развивающихся, так и для развитых стран. Знание степени неравенства необходимы для более эффективного управления территориями, а также для планирования социально-экономического развития регионов.
Крупнейшей агломераций в России считается Московская агломерация. По многим экономическим индексам, включая рост трудовой миграции и технологическую обеспеченность производств, Московская агломерация опережает общероссийские показатели.
Материалы и методы. Значимой проблемой управления агломерацией является отсутствие единой методологической базы в оценке уровня развития агломерации. Существуют популярные методы оценивания пространственной локализации с использованием показателей динамики плотности населения, индексов концентрации Херфиндаля-Хиршмана, П. Кругмана и т.д. По сути, большинство индикаторов на основе статистических наблюдений диагностируют разницу в концентрации трудовых ресурсов в периметре центр-периферия, и для оценки величины неравенства обычно подбирают подходящий измеритель, после рассчитывают по имеющимся данным его величину, используя известные формулы.
Для выявления степени экономического неравенства в научных исследованиях часто используется коэффициент Джини. В соответствии с завяленной темой статьи, полученные на основе статистических данных по городам Московской области результаты позволят оценить насколько концентрация трудовых ресурсов в центре агломерации влияет на уровень заработка жителей агломерации как первого, так и второго порядка. Расчетные показатели подтвердят или опровергнут актуальность использования данного индикатора в измерениях количественных показателей пространственной локализации и агломерационных эффектов.
В начале стоит отметить, что достаточно популярным и вполне логичным объяснением разности в доходах жителей региона с крупной городской агломерацией представляетя то, что концентрация деловой активности мегаполиса порождает повышенный спрос на квалифицированные трудовые ресурсы с предложением высоких заработных плат и перспективами карьерного роста. В то же время периферийным городам региона нечего предложить своим жителям, что приводит к маятниковой миграции – ежедневным возвратным перемещениям людей с периферии агломерации к ее центру.
Итак, коэффициент Джини представляет собой степень неравенства общества страны или региона в распределении доходов. Графическим отображением коэффициента Джини является кривая Лоренца – это график, предложенный американским математиком и экономистом Максом Отто Лоренцем для иллюстрации неравномерного распределения общего объема определенного показателя по группам единиц статистической совокупности. Кривая Лоренца (рисунок 1) строится в системе прямоугольных координат: на оси абсцисс указаны значения кумулятивных (накопленных нарастающим итогом) долей численности единиц совокупности pi, на оси ординат - значения кумулятивных долей распределяемого суммарного показателя qi. Диагональ показывает равномерное распределение pi и qi, или полное отсутствие концентрации. Чем больше фактическое распределение pi и qi отклоняется от равномерного, тем дальше кривая Лоренца удалена от диагонали и тем больше площадь фигуры S1, ограниченной на графике линией равномерного распределения и кривой Лоренца [2].
Рис.1. Кривая Лоренца
Кривую Лоренца для определения степени неравномерности распределения доходов населения и концентрации их в отдельных группах предложил использовать итальянский статистик К. Джини в 1912 г. Впоследствии коэффициент концентрации и получил его имя. С геометрической позиции коэффициент Джини представляет собой отношение площадей фигур S1 и S2. Значение коэффициента «0» соответствует абсолютному равенству, «1» – абсолютному неравенству.
Преимуществом данного показателя является простота расчетов. Недостаток состоит в том, что его невозможно декомпонировать. Разные распределения могут привести к одинаковым результатам, поскольку коэффициент делит двумерную область до одного числа, он скрывает информацию о «форме» неравенства: кривая Лоренца не отражает демографические различия между подгруппами внутри распределения (пол, возраст и т.д.)
На практике используется несколько вариантов коэффициента Джини, но исходя из удобства и простоты, в данном исследовании использована следующая формула:
pi – кумулятивная доля i-группы в общей численности единиц совокупности;
qi – кумулятивная доля i-группы в общем объеме распределяемого суммарного показателя.
Результаты. В качестве статистической базы для исследования использовались данные Министерства экономики и финансов Московской области[1] по 64-м муниципальным образованиям Московской области с численностью населения, по состоянию на 2020 г., от 534 человек (городской округ Молодежный) до 125 тыс. человек (Подольский городской округ). В исследовании для измерения экономического неравенства использовались показатели среднемесячных заработных плат жителей муниципальных городов Подмосковья, так как достоверные данные по доходам с привязкой к конкретному городу области в открытых источниках отсутствуют. Более того, источниками дохода могут быть доходы от собственности и текущие трансферты.
Для анализа поведения показателя неравенства в динамике, расчет проводился за период 2018-2020 гг. Для прозрачности процесса расчета, в таблице 1 приведен алгоритм нахождения кумулятивных долей для определения коэффициента Джини.
Таблица 1
Распределение населения Московской области по величине среднемесячных заработных плат в 2018 г.
Результаты расчета коэффициента Джини:
1. 2018 г. – G2018 = 0,103
2. 2019 г. – G2019 = 0,099
3. 2020 г. – G2020 = 0,085
4. 2021 г. – G2021 = 0,092
Дискуссия. Низкие показатели коэффициента Джини (нормой большинство экономистов считают (G <0,3) говорят о достаточно равномерном распределении доходов в Московской области. Причиной резкого снижения коэффициента Джини в 2020 г. вероятно послужили ограничения, связанные с распространением COVID-19. На фоне общего падения объема производства товаров и услуг, зарплаты в 2020 г. росли только у жителей дальнего Подмосковья (Таблица 2).
Таблица 2.
Динамика показателя «Средняя заработная плата» населения Московской области на период 2018-2021 гг.
|
Удаленность от Москвы, км. |
Средняя з/п в руб. по годам |
|||
|
2018 |
2019 |
2020 |
2021 |
|
|
0-30 |
55 457 |
59 308 |
59 405 |
66 988 |
|
30-60 |
44 742 |
46 830 |
46 727 |
51 929 |
|
60-90 |
42 281 |
45 379 |
46 398 |
52 702 |
|
90-120 |
42 733 |
46 325 |
47 229 |
54 929 |
|
120-150 |
37 416 |
40 112 |
41 589 |
45 901 |
|
150-180 |
36 043 |
38 874 |
40 283 |
42 835 |
Как было сказано выше, недостатком коэффициента Джини является невозможность декомпоновки, и чтобы получить более четкую картину хоть и небольшого, но всё же неравенства в заработках, логично предположить, что диспропорцию в уровне заработков вносят города-спутники Москвы. На рисунке представлен график распределения средних зарплат в зависимости от расстояния до центра Московской агломерации.
Рис. 2. Зависимость средней з/п населения от расстояния до Москвы
Данные графика говорят о том, что существенное влияние на экономическое неравенство оказывают города-спутники, расположенные в радиусе до 30 км. от центра.
Заключение. На основе оценки экономического неравенства Московской области, можно сделать следующие выводы:
- Использование коэффициента Джини в исследованиях неравномерности социально-экономического развития агломераций оправдано простотой расчета и легкостью интерпретации результата, однако различия в методах сбора статистических данных могут привести к искажению результата.
- Столица по-прежнему выступает центром притяжения трудовых ресурсов области. Города-спутники, встроенные в деловой ритм центра, способны обеспечивать население рабочими местами с более высокими заработками, чем периферия.
- Низкие значения коэффициента Джини позволяют сделать вывод об относительно равномерном социально-экономическом развитии городов, особенно дальнего Подмосковья.
[1] Прогноз социально-экономического развития Московской области на среднесрочный период 2021-2023 годов. [Электронный ресурс]. Официальный сайт Министерства экономики и финансов Московской области. – Режим доступа: https://mef.mosreg.ru/dokumenty/socialno-ekonomicheskoe-razvitie/prognoz-socialno-ekonomicheskogo-razvitiya/srednesrochnyy-period (дата обращения 14.12.2022)
1. Glushchenko K.P. On the assessment of interregional inequality // Spatial Economics. 2015. No. 4. S. 39-58.
2. Gromyko G.L., Matyukhina I.N. On the use of the Gini coefficient in economic and statistical studies // Questions of statistics. - 2015. - No. 9. - P.56-66.
3. Lavrinenko P.A., Mikhailova T.N., Romashina A.A., Chistyakov P.A. Agglomeration effects as a tool for regional development // Problems of Forecasting, No. 3, 2019. P. 50-59.
4. Pavlov Yu. V. (2019). Development of urban agglomerations: problems and solutions // Central Russian Bulletin of Social Sciences. T. 14, No. 5. S. 112-140. DOI:https://doi.org/10.22394/2071-2367-2019-14-5-112-140.
