Для цитирования
 Скачать 1.05 Mb.
|
|
ВОПРОСЫ ТЕОРИИ Проекция всех точек наблюдения (регионов РФ) на плоскость двух первых осей обобщенно- го пространства дает возможность оценить сте- пень их удаленности друг от друга. С этой це- лью вычислены компоненты матрицы счетов, каждая строка которой – объект наблюдений, а столбцы – оси компромиссного пространства (рис. 4). В результате применения метода STATIS для оценки уровня социальной комфортности по данным субъективного характера определены группы регионов, население которых в большей или меньшей степени удовлетворено условия- ми своей жизни. Среди лидеров находятся Мо- сква, Санкт-Петербург и Чеченская Республи- ка. Это объясняется не только более высокими (по сравнению с прочими территориями) оцен- ками размера заработной платы, режима, усло- вий труда, а также получения профессиональ- ного и морального удовлетворения от работы, но и благоустроенностью прилегающих терри- торий, в том числе наличием хороших детских площадок. Кроме того, сформированы группы регионов, схожие по уровню социально-эконо- мического развития и, на наш взгляд, особен- ностям менталитета в конкретной местности. Это, например, южные территории России: ре- спублики Крым, Карачаево-Черкессия, Ингу- шетия; Пензенская, Волгоградская, Оренбург- ская области и Республика Татарстан. Заключение В настоящее время отмечается существен- ный разрыв между традиционными измерени- ями экономического роста, уровня занятости и другими важными социально-экономиче- скими явлениями (уровень счастья, качество жизни). В некоторых странах подобный раз- рыв подрывает доверие населения к офици- альной статистике. Все это говорит о том, что действующая система измерений социально- экономических явлений несовершенна. Ана- лиз, проведенный Дж. Стиглицом [71], пока- зал, что существующих макроэкономических показателей явно не достаточно, чтобы оце- нить реальный уровень благополучия в стра- не, в связи с чем возникает потребность ввести новую категорию «социальная комфортность проживания населения». Рис. 4. Проекция объектов на две первые оси компромиссного пространства Источник: составлено авторами. 0,13 Московская обл. Пермский край Тульская обл. Ярославская область Москва Коми Ненецкий АО Ленинградскская обл. Псковская обл. Санкт-Петербург Калмыкия Крым Астраханская обл. Волгоградская обл. КЧР КБР Чеченская Р. Марий-Эл Оренбургская обл. Ингушетия Пензенская обл Татарстан Белгородская обл. Брянская обл. Р. Алтай Тыва Алтайский край Новосибирская обл. Якутия Хабаровский край Магаданская обл. ЕАО -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 -25 -20 -15 -10 -5 0 5 10 15 20 25 Ось 2 (0 ,3 % ) Ось 1 (99,4%) 148 Том 13, № 5, 2020 Экономические и социальные перемены: факты, тенденции, прогноз Теоретические и методологические проблемы измерения социальной комфортности... Обоснование и введение в научный оборот комплексной латентной категории «социальная комфортность» внесут значительный вклад в развитие теории качества жизни, позволяя из- мерять и исследовать человека с точки зрения его включенности в социум, семантической соотнесенности осуществления им различных видов деятельности со временем и внешней ситуацией, расширяя субъективный аспект в измерении качества жизни как одной из важ- нейших категорий социальной и экономиче- ской науки. Систематизация и анализ актуальных меж- дународных и отечественных опросов (European Union Statistics on Income and Living Conditions (EU-SILC), European Health Interview Survey (EHIS), European Values Study (Европейский об- зор ценностей), World Values Survey (Всемирный обзор ценностей), Gallup, RLMS (НИУ «Выс- шая школа экономики»), Комплексное на- блюдение условий жизни населения (Росстат), Выборочное наблюдение доходов населения и участия в социальных программах (Росстат), Выборочное наблюдение качества и доступно- сти услуг в сфере образования, здравоохране- ния и социального обслуживания, содействия занятости населения (Росстат)) позволяют про- вести статистическую конкретизацию и сфор- мировать надежную панель валидных индика- торов социальной комфортности, которая будет в дальнейшем редуцирована в соответствии с оцениваемым уровнем (отдельная группа, го- род, регион, страна) комфорта и возможностя- ми гармонизации информационных ресурсов различного типа. В силу своей актуальности, многоаспектно- сти, высокой роли контекстуального фактора социальная комфортность требует новых под- ходов и методов ее оценки. В связи с этим в ра- боте проанализированы матричнозначные вре- менные ряды на основе информации об уровне социальной комфортности в регионах России посредством метода STATIS. Выявлены груп- пы регионов, схожие по уровню социально- экономического развития и, на наш взгляд, по особенностям менталитета в конкретной мест- ности (республики Крым, Карачаево-Черкес- сия, Ингушетия; Пензенская, Волгоградская, Оренбургская области и Республика Татарстан). Метод позволил рассмотреть всю совокуп- ность исходной информации в одном блоке, найти ключевые параметры, формирующие главные оси обобщенного пространства, а так- же выявить особенности распределения регио- нов на плоскости его главных осей. Приведенные результаты исследования яв- ляются первым этапом реализуемого проекта. Учитывая потенциал и перспективы использо- вания больших данных в измерении сложных латентных категорий, предстоит решить зада- чу создания методологических подходов к об- работке больших данных в части построения статистических рядов на их основе с соблю- дением базовых принципов, обеспечивающих качество статистики – сопоставимости, согла- суемости, точности и однородности данных; на основе взаимоувязки данных различного типа построить динамическую систему социальной комфортности с возможностью моделировать институциональный дизайн социально-эконо- мической среды в зависимости от ожидаемых тенденций развития национальной экономи- ки. Углубление анализа по рассматриваемой проблеме позволит расширить практическую значимость исследования. Его результаты могут быть использованы органами исполнительной власти на федеральном, региональном и муни- ципальном уровнях в части разработки орга- низационно-распорядительных и программно- целевых документов для проведения социаль- ной политики субъектов исполнительной вла- сти на уровне, им соответствующем. Также они применимы при определении стратегических приоритетов социальной политики государ- ства, а именно: на федеральном уровне появ- ляется возможность типологизации субъектов Российской Федерации по уровню социальной комфортности в целях проведения целостно- ориентированной социальной политики госу- дарства. Литература 1. Easterlin R.A. Explaining happiness. Proceedings of the National Academy of Sciences, 2003, vol. 100, no. 19, pp. 11176–11183. DOI: 10.1073/pnas.1633144100 2. Frey B.S., Stutzer A. Happiness and economics: How the Economy and Institutions Affect Human Well-being. Princeton University Press, 2010. 220 p. 149 Экономические и социальные перемены: факты, тенденции, прогноз Том 13, № 5, 2020 Шаклеина М.В., Волкова М.И., Шаклеин К.И., Якиро С.Р. ВОПРОСЫ ТЕОРИИ 3. Powdthavee N. Unhappiness and crime: evidence from South Africa. Economica, 2005, vol. 72, no. 287, pp. 531–547. DOI: 10.1111/j.0013-0427.2005.00429.x. 4. Miringoff M., Miringoff M.L. The Social Health of the Nation: How America is Really Doing. Oxford University Press, 1999. 241 p. 5. Lane R.E. Quality of life and quality of persons: A new role for government? Political Theory, 1994, vol. 22 (2), pp. 219–252. DOI: 10.1177/0090591794022002002 6. Layard P.R.G., Layard R. Happiness: Lessons from a New Science. Penguin UK, 2011. DOI: 10.2307/20031793 7. Айвазян С.А. Анализ качества и образа жизни населения: монография. М.: ЦЭМИ РАН, 2012. 432 c. 8. Антипина О.Н. Экономическая теория счастья как направление научных исследований // Вопросы экономики. 2012. № 2. С. 94–107. DOI: 10.32609/0042-8736-2012-2-94-107 9. Родионова Л.А. Методологические аспекты измерения и моделирования уровня счастья // Экономика. Управление. Право. 2012. № 1–2 (25). С. 25–30. 10. Cobb C., Halstead T., Rowe J. The Genuine Progress Indicator: Summary of Data and Methodology. Redefining Progress, San Francisco, 1995. Т. 15. 11. Estes R.J. Praxis: Resources for Social and Economic Development. School of Social work & Practice, University of Pennsylvania, 1995. 12. Rahman T., Mittelhammer R.C., Wandschneider P. Measuring quality of life across countries: A multiple indicators and multiple causes approach. The Journal of Socio-Economics, 2011, vol. 40 (1), pp. 43–52. DOI: 10.1016/j.socec.2010.06.002 13. Kacapyr E. Are you middle class? American Demographics, 1996, vol. 18 (10), pp. 30–35. 14. Андреев Е.М., Алексеев А.И., Зубаревич Н.В. Россия регионов: в каком социальном пространстве мы живем? М.: Поматур, 2005. 278 с. 15. Schmidt-Traub G, Kroll C., Teksoz K., Durand-Delacre D., Sachs D. National baselines for the Sustainable Development Goals assessed in the SDG Index and Dashboards. Nature Geoscience, 2017, vol. 10, pp. 547–555. DOI: 10.1038/NGEO2985 16. Ferrans C., Powers M. Quality of life index: Development and Psychometric properties. Advances in Nursing Science, 1985, vol. 8, pp. 15–24. DOI: 10.1097/00012272-198510000-00005 17. Raphael D., Waalen J., Karbanow A. Factor Analytic Properties of the Quality of Life Profile: Examination of the nine subdomain Quality of Life model. Psychological Reports, vol. 88 (1), pp. 265–276. DOI: 10.2466/ pr0.2001.88.1.265 18. Hagerty M. et al. Quality of life Indexes for National Policy: review and agenda for research. Social Indicator Research, 2001, vol. 55 (1), pp. 1–97. DOI: 10.1023/A:1010811312332 19. Veenhoven R. Happy life expectancy: A comprehensive measure of quality of life in nations. Social Indicators Research, 1996, vol. 39 (1), pp. 1–58. DOI: 10.1007/BF00300831 20. Kahneman D., Deaton A. High income improves evaluation of life but not emotional well-being. Proceedings of the National Academy of Sciences, 2010, vol. 107 (38), pp. 16489–16493. DOI: 10.1073/pnas.1011492107 21. OECD, How’s Life? 2020: Measuring Well-being. Paris, OECD Publishing, 2020. DOI: 10.1787/9870c393-en 22. Prata D.N. et al. social data analysis of brazilian’s mood from twitter. International Journal of Social Science and Humanity, 2016, vol. 6 (3), pp. 179. DOI: 10.7763/IJSSH.2016.V6.640 23. Nguyen Q.C. Leveraging geotagged Twitter data to examine neighborhood happiness, diet, and physical activity. Applied Geography, 2016, vol. 73, pp. 77–88. DOI: 10.1016/j.apgeog.2016.06.003 24. Yang C., Srinivasan P. Life satisfaction and the pursuit of happiness on Twitter. PloS One, 2016, vol. 11 (3), pp. 1–30. DOI: 10.1371/journal.pone.0150881 25. Wang W., Hernandez I., Newman D.A., He J., Bian J. Twitter analysis: Studying US weekly trends in work stress and emotion. Applied Psychology, 2016, vol. 65 (2), pp. 355–378. DOI: 10.1111/apps.12065 26. Liu P., Tov W., Kosinski M., Stillwell D.J., Qiu L. Do Facebook status updates reflect subjective well-being? Cyberpsychology, Behavior and Social Networking, 2015, vol. 18 (7), pp. 373–379. DOI: 10.1089/cyber.2015.0022 27. LiKamWa R., Liu Y., Lane N. D., & Zhong, L. Moodscope: Building a mood sensor from smartphone usage patterns. Proceeding of the 11th Annual International Conference on Mobile Systems, Applications and Services, 2013, pp. 389–402. DOI: 10.1145/2462456.2464449 28. Schwartz H.A., Sap M., Kern M.L., Eichstaedt J.C., Kapelner A., Agrawal M., Kosinski M. Predicting individual well-being through the language of social media. Biocomputing 2016: Proceedings of the Pacific Symposium, 2016, pp. 516–527. DOI: 10.1142/9789814749411_0047 150 Том 13, № 5, 2020 Экономические и социальные перемены: факты, тенденции, прогноз Теоретические и методологические проблемы измерения социальной комфортности... 29. Carlquist E., Nafstad H., Blakar, R., Ulleberg, P., Delle Fave A., Phelps J. Well-being vocabulary in media language: An analysis of changing word usage in Norwegian newspapers. The Journal of Positive Psychology, 2017, vol. 12 (2), pp. 99–109. DOI: 10.1080/17439760.2016.1163411 30. Algan Y., Beasley E., Guyot F., Higa K., Murtin F., & Senik,C. Big data measures of well-being: Evidence from a Google well-being index in the United States. OECD Statistics Working Papers, 2016, 38 p. DOI: 10.1787/5jlz9hpg0rd1-en 31. Fantazzini D., Shakleina M., Yuras N. Big Data for computing social well-being indices of the Russian population. Applied Econometrics, 2018, vol. 50, pp. 43–66. 32. Mavragani A., Tsagarakis K. YES or NO: Predicting the 2015 Greek Referendum results using Google Trends. Technological Forecasting and Social Change, 2016, vol. 109, pp. 1–5. DOI: 10.1016/j.techfore.2016.04.028 33. Oliveira-Brochado A. Google Search-Based Sentiment Indexes. IIMB Management Review, 2019, pp. 1–38. DOI: 10.1016/j.iimb.2019.10.015 34. Da Z., Engelberg J., Gao P. The sum of all FEARS investor sentiment and asset prices. The Review of Financial Studies, 2015, vol. 28 (1), pp. 1–32. DOI: 10.1093/rfs/hhu072 35. Singer E. The use of incentives to reduce nonresponse in household surveys. Survey Nonresponse, 2002, vol. 51, pp. 163–177. 36. Vissing-Jorgensen A. Perspectives on behavioral finance: Does” irrationality” disappear with wealth? Evidence from expectations and actions. NBER Macroeconomics Annual, 2003, vol. 18, pp. 139–194. DOI: 10.1086/ ma.18.3585252 37. Askitas N., Zimmermann K.F. Google Econometrics and Unemployment Forecasting. 2009. Available at SSRN: https://ssrn.com/abstract=1465341 38. Varian H.R. Big data: New tricks for econometrics. Journal of Economic Perspectives, 2014, vol. 28 (2), pp. 3–28, DOI: 10.1257/jep.28.2.3 39. Reimsbach-Kounatze C. The Proliferation of “Big Data” and Implications for Official Statistics and Statistical Agencies: A Preliminary Analysis. Paris, OECD Digital Economy Papers, no. 245, OECD Publishing, 2015. DOI: 10.1787/5js7t9wqzvg8-en 40. Della Penna N., Huang H. Constructing Consumer Sentiment Index for US using Google Searches. Working Papers 2009-26, University of Alberta, 2009, 22 p. 41. Benjamin D.J. Beyond happiness and satisfaction: Toward well-being indices based on stated preference. American Economic Review, 2014, vol. 104, no. 9, pp. 2698–2735, DOI: 10.1257/aer.104.9.2698 42. Baker S., Fradkin A. The impact of unemployment insurance on job search: Evidence from Google search data. Review of Economics and Statistics, 2017, vol. 99 (5), pp. 756–768. DOI: 10.1162/REST_a_00674 43. Josselin R. The Diary of Ralph Josselin, 1616–1683 (vol. 3). OUP Oxford, 1991, 707 p. 44. Crowley J.E. The Invention of Comfort: Sensibilities and Design in Early Modern Britain and Early America. JHU Press, 2003, 349 p. 45. Berens L.H. The Digger Movement in the Days of the Commonwealth, 2014, 315 p. 46. Smith A. An Inquiry into the Nature and Causes of the Wealth of Nations. JJ Tourneisen; and JL Legrand, 1791. DOI: 10.1093/oseo/instance.00043218 47. Odile-Bernez M. Comfort, the Acceptable Face of Luxury: An Eighteenth-Century Cultural Etymology. Journal for Early Modern Cultural Studies, 2014, vol. 14 (2), pp. 3–21. DOI: 10.1353/jem.2014.0015 48. Scitovsky T. The Joyless Economy: The Psychology of Human Satisfaction. Oxford University Press on Demand, 1992, 449 p. 49. Slater K. Human Comfort (vol.1). Springfield, III., USA: CC Thomas, 1985. 50. Kolcaba K. Comfort Theory and Practice: a Vision for Holistic Health Care and Research. Springer Publishing Company, 2003, 201 p. 51. Тетиор А.Н. Экологическая гармония, красота, комфортность города (на базе экологической инфраструктуры). М.: ФГОУ ВПО МГУП, 2010. 312 с. 52. Тетиор А.Н. Экологическая инфраструктура и среда жизни. М.: РЭФИА, 2002. 102 c. 53. Меринов Ю.Н., Меринова Ю.Ю. Эколого-социальная комфортность жизни населения в юго-западной части Ростовской области // Актуальные вопросы и инновационные технологии в развитии географических наук. 2020. С. 328–331. 151 Экономические и социальные перемены: факты, тенденции, прогноз Том 13, № 5, 2020 Шаклеина М.В., Волкова М.И., Шаклеин К.И., Якиро С.Р. ВОПРОСЫ ТЕОРИИ 54. Cabanac M. Pleasure and Joy, and Their Role in Human Life (Creating the productive workplace). E&FN Spon, 2006, pp. 40–50. 55. Lyons A.C., Spicer J. A new measure of conversational experience: The speaking extent and comfort scale (SPEACS). Assessment, 1999, vol. 6 (2), pp. 189–202. DOI: 10.1177/107319119900600206 56. Owens T. J., Stryker S., Goodman N. (ed.) Extending Self-Esteem Theory and Research: Sociological and Psychological Currents. UK: Cambridge University Press, 2001, pp. 198–222. 57. Spake D., Beatty S., Brockman B., & Crutchfield T. Consumer comfort in service relationships: Measurement and importance. Journal of Service Research, 2003, vol. 5 (4), pp. 316–332. DOI: 10.1177/1094670503005004004 58. Cole R.J. Re-contextualizing the notion of comfort. Building Research & Information, 2008, vol. 36 (4), pp. 323– 336. DOI: 10.1080/09613210802076328 59. Shin J. Toward a theory of environmental satisfaction and human comfort: A process-oriented and contextually sensitive theoretical framework. Journal of Environmental Psychology, 2016, vol. 45, pp. 11–21. DOI: 10.1016/ j.jenvp.2015.11.004 60. Stiglitz J., Sen A., Fitoussi J. Report by the Commission on the Measurement of Economic Performance and Social Progress, 2009. 61. McGregor A., Sumner A. Beyond business as usual: what might 3-D wellbeing contribute to MDG momentum? IDS Bulletin, 2010, vol. 41 (1), pp. 104–112. DOI: 10.1111/j.1759-5436.2010.00111.x 62. Allin P., Hand D.J. The Wellbeing of Nations: Meaning, motive and measurement. UK: John Wiley & Sons, 2014. DOI: 10.1002/9781118917046 63. Лещайкина М.В. Межстрановой эконометрический анализ социальной комфортности проживания населения // Прикладная эконометрика. 2014. № 36 (4). С. 102–117. 64. Scitovsky T. The Joyless Economy. An Inquiry into Human Satisfaction and Consumer Dissatisfaction. London: Oxford University Press, 1976, 310 р. 65. Образцова О.И., Поповская Е.В. Опыт применения многомерного статистического анализа для характеристики контекстуальных условий предпринимательской деятельности в регионах РФ // Социологические исследования. 2017. №. 4. С. 93–106. 66. Escoufier Y. L’analyse Conjointe de Plusieurs Matrices de Donn ées. In M. Jolivet (Ed.), Biométrie et Temps. Paris: Soci été Française de Biométrie, 1980, pp. 59–76. 67. Lavit C., Escoufier Y., Sabatier R., Traissac P. The ACT (STATIS method). Computational Statistics & Data Analysis, 1994, vol. 18, pp. 97–119. DOI: 10.1016/0167-9473(94)90134-1 68. Rivadeneira F.J., Figueiredo A.M.S., Figueiredo F.O.S., Carvajal S.M., Rivadeneira R.A. Analysis of well-being in OECD countries through STATIS methodology. HOLOS, 2016, vol. 7, pp. 335–351. 69. Nguyen L.H., Holmes S. Ten quick tips for effective dimensionality reduction. PLoS Comput Biol, 2019, vol. 15 (6). DOI: 10.1371/journal.pcbi.1006907 70. Corrales D., Rodriguez O. Interstatis: the statis method for interval valued data. Rev. Mat., 2014, vol. 21 (1), pp. 73–83. 71. Плато К. Два года спустя после доклада комиссии Стиглица-Сена-Фитусси: что нового в статистическом измерении благосостояния и устойчивого развития общества? // Вопросы статистики. 2011. № 11. С. 3–11. |