Межстрановые пространственные зависимости по показателям человеческого развития
DOI:
https://doi.org/10.17059/ekon.reg.2021-3-10Ключевые слова:
человеческое развитие, индекс человеческого развития, кластерный анализ, пространственный анализ, социальная география, политическая география, сравнительный анализ, пространственные исследования, международные отношения, страны мираАннотация
Эксперты ООН в ежегодном Докладе о человеческом развитии не затрагивают один важный аспект: какие существуют пространственные закономерности в сходствах и различиях стран мира по показателям человеческого развития?В статье предпринята попытка ответить на этот вопрос. Проведенное количественное исследование включает в себя три этапа. На первом этапе выполнен анализ функциональных зависимостей между показателями на основе индекса пространственной зависимости Морана и аппроксимации данных методом линейной регрессии. На втором этапе проведена кластеризация стран мира по показателям и индикаторам человеческого развития. В результате кластерного анализа получены семь пространственных кластеров стран. На третьем этапе составлена типология стран мира по типам проблем в сфере человеческого развития, которые для этих стран имеют ключевое значение. Выявлены комплексно благополучные, комплексно проблемные и проблемные в определенных сферах страны. Важной закономерностью, обнаруженной в ходе анализа корреляций и пространственных зависимостей, является высокая связанность показателей образования с показателями детства. В частности, связь продолжительности обучения с продолжительностью жизни. По результатам проведенного анализа можно сделать вывод о часто наблюдаемом феномене территориальной концентрации стран с похожей ситуацией в различных сферах человеческого развития. В 51 стране - тип «комплексно благополучные» - отсутствуют выраженные проблемы по какой-либо из четырех групп показателей. Большинство стран в этой группе - члены ОЭСР. 49 стран относятся к типу «комплексно проблемные». Большинство из них расположены в Африке к югу от Сахары, есть также несколько азиатских, латиноамериканских и стран Океании. Относительная общность ситуации, складывающаяся в рамках выявленных территориальных кластеров и групп, может стать основой для разработки типовых решений по повышению уровня человеческого развития. Дальнейшие исследования в данном направлении представляются перспективными.Библиографические ссылки
Aristotle (1984). Politics. Works in 4 volumes. Volume 4 [Politika. Sochineniya v 4 t. T. 4]. Trans. Moscow: Mysl, 381. (In Russ.)
Schultz, T. W. (1961). Investment in Human Capital. American Economic Review, 51, 1–17.
Schultz, T. W. (1981). Investing in People: The Economics of Population Quality. Berkeley: University of California Press, 173. DOI: 10.2307/1240372.
Sen, A. (2004). Development as Freedom [Razvitie kak svoboda]. Trans. from English. Moscow: Novoe izdatelstvo, 432.
Tobler, W. R. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 46, 234–240. DOI: 10.2307/143141
Rogachev, S. V. (2016). Map interpreting lessons (foundations of spatial analysis). Geografiya. Pervoe sentyabrya [Geography. The first of September], 17, 43–46. (In Russ.)
Sokal, R. R., Oden, N. L., Thomson, B. A. & Kim, J. (2010). Testing for Regional Differences in Means: Distinguishing Inherent from Spurious Spatial Autocorrelation by Restricted Randomization. Geographical Analysis, 25(3), 199–210. DOI: 10.1111/j.1538–4632.1993.tb00291.x.
Tiefelsdorf, M. & Boots, B. (1995). The Exact Distribution of Moran’s I. Environment and Planning A, 27(6), 985–999. DOI: 10.1068/a270985
Bartels, C. P. A. & Hordijk, L. (1977). On the Power of the Generalized Moran Contiguity Coefficient in Testing for Spatial Autocorrelation Among Regression Disturbances. Regional Science and Urban Economics, 7, 83–101.
Bjornstad, O. N. & Falck, W. (2001). Nonparametric Spatial Covariance Functions: Estimation and Testing. Environmental and Ecological Statistics, 8, 53–70. DOI: 10.1023/A:1009601932481.
Anselin, L. & Getis, A. (1992). Spatial Statistical Analysis and Geographic Information Systems. Arizona State University. DOI: 10.1007/BF01581478.
Dray, S. & Jombart, T. (2011). Revisiting Guerry’s data: Introducing spatial constraints in multivariate analysis. The Annals of Applied Statistics, 5(4), 2278–2299. DOI: 10.1214/10-AOAS356.
Fotheringham, A. S, Brunsdon, C. & Charlton, M. (2002). Geographically Weighted Regression. Chichester: John Wiley.
Anselin, L. (1995). Local Indicators of Spatial Association-LISA. Geographical Analysis, 27(2), 93–115. DOI: 10.1111/j.1538–4632.1995.tb00338.x.
Carr, D. B., Pickle, L. W. (2010). Visualizing Data Patterns with Micromaps. Boca Raton, FL: Chapman & Hall/CRC. DOI: 10.1111/j.1751–5823.2011.00134_14.x.
Andreev, E. M., Shkolnikov, V. M. & Begun, A. Z. (2002). Algorithm for decomposition of differences between aggregate demographic measures and its application to life expectancies, healthy life expectancies, parity-progression ratios and total fertility rates. Demographic Research, 7(14), 499–522. DOI: 10.4054/DemRes.2002.7.14.
Kohler, I. V., Martikainen, P., Smith, K. P. & Elo, T. (2008). Educational differences in all-cause mortality by marital status — Evidence from Bulgaria, Finland and the United States. Demographic Research, 19, 2011–2042. DOI: 10.4054/DemRes.2008.19.60.
Lawson, A. B., Browne, W. J. & Rodeiro, C. L. V. (2003). Disease Mapping with WinBUGS and MLwiN. Chichester: John Wiley.
Khar’kova, T., Nikitina, S. & Andreev, E. (2017). Dependence of life expectancy on the education levels in Russia. Voprosy statistiki, 8, 61–69. (In Russ.)
Mackenbach, J., Menvielle, G., Jasilionis, D. & Gelder, R. D. (2015). Measuring Educational Inequalities in Mortality Statistics. OECD Statistics Working Papers, 2015/08, OECD Publishing, Paris. 2015. DOI: 10.1787/18152031.
Shkolnikov, V. M, Andreev, E. M, Jasilionis, D., Leinsalu, M., Antonova O. I. & McKee M. (2006). The changing relation between education and life expectancy in central and eastern Europe in the 1990s. Journal of Epidemiology & Community Health, 60(10), 875–881. DOI: 10.1136/jech.2005.044719.
Shkolnikov, V. M, Jasilionis, D., Andreev, E. M, Jdanov, D. A, Stankuniene, V. & Ambrozaitiene, D. (2007). Linked versus unlinked estimates of mortality and length of life by education and marital status: evidence from the first record linkage study in Lithuania. Social Science and Medicine, 64(7), 1392–1406. DOI: 10.1016/j.socscimed.2006.11.014.
Shkolnikov, V. M., Leon, D. A., Adamets, S., Andreev, E. & Deev, A. (1998). Educational level and adult mortality in Russia: An analysis of routine data 1979 to 1994. Social Science & Medicine, 47(3), 357–369. DOI: 10.1016/s0277–9536(98)00096–3.
Enos, R. (2017). The Space Between Us: Social Geography and Politics. Cambridge University Press, 314. DOI: 10.1017/9781108354943.
Bryant, J. (2007). Theories of Fertility Decline and the Evidence from Development Indicators. Population and Development Review, 33(1), 101–127. DOI: 10.1111/j.1728–4457.2007.00160.x.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2021 Окунев Игорь Юрьевич, Баринов Сергей Леонидович, Беликов Александр Александрович, Полякова Яна Олеговна
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
