Typology of Russian regions according to human potential indicators

Abstract

The article presents the results of creatiing a typology of the country’s regions according to the characteristics of various components of human potential. The purpose of the study is to group regions by the level of human potential development and identify exemplary and lagging regions among them in this aspect. The object of the study is 85 Russian regions and indicators of their human potential. First, 22 indicators of human potential were considered, characterizing various aspects of human potential: demographic, labor, educational, cultural, environmental and related to social health, including its negative components — alcohol consumption and crime. Further, the selected indicators were analyzed and checked for multicollinearity, resulting in 9 indicators reflecting life expectancy, fertility, morbidity, the proportion of highly skilled workers, the proportion of managers and specialists, alcohol consumption, the number of visits to museums and theaters, the number of divorces, environmental behavior. Creation of a typology was carried out using the methods of cluster analysis: hierarchical and k-means. The official statistics data on the socio-economic development of the regions for 2021 were used. As a result of clustering, 9 groups of regions were obtained, from 1 to 22 regions in the group. Each group is given a meaningful characteristic. The grouping of regions differs greatly from the usual typologies of economic development. For example, the Moscow and Leningrad oblasts are defined as «below average» in terms of human potential characteristics, while the highly economically developed Republic of Tatarstan and the subsidized Pskov oblast are in the same group. The resulting typology expands our understanding of the regional differentiation of human potential and allows us to take a different look at the level of its development in separate regions and their groups. The main benefit of the presented typology is that groups with high values of human potential indicators should become the objects of analysis of the effective measures implemented by regions, thanks to which the regions have achieved good results. This experience should be extended to other regions that are less successful in terms of human development.

About the authors

Elena V. Ryumina

ISESP FCTAS RAS

Email: ryum50@mail.ru
ORCID iD: 0000-0002-7386-1077
SPIN-code: 6902-7304
Doctor of Economics, Professor, Chief Researcher Moscow, Russia

Artem A. Fedotov

ISESP FCTAS RAS

Email: fedotov.arr@gmail.com
ORCID iD: 0000-0003-4185-4013
SPIN-code: 5172-1491
Candidate of Economics, Senior Researcher Moscow, Russia

References

  1. Локосов, В.В. Человеческий потенциал: концептуальные подходы и методики измерения / В.В. Локосов // Народонаселение. — 2023. — Т. 26. — № 4. — С. 4–14. doi: 10.19181/population.2023.26.4.1; EDN: FFZUND
  2. Токсанбаева, М.С. Социально-экономические факторы, влияющие на качество трудового потенциала населения регионов России / М.С. Токсанбаева, О.А. Коленникова, Р.И. Попова // Народонаселение. — 2024. — Т. 27. — № 3. — С. 98–110. doi: 10.24412/1561-7785-2024-3-98-110; EDN: WEHHTT
  3. Everitt B.S. Cluster analysis. Fifth Edition / Brian S. Everitt. Sabine Landau, Morven Leese, Daniel Stahl. — U.K : John Wiley & Sons, — 2011. — 330 p.
  4. Lior R. A Survey of Clustering Algorithms / R. Lior // Data Mining and Knowledge Discovery Handbook. Second Edition / Ed. Oded Maimon and Lior Rokach. — New York : Springer, 2010 — P. 269–298. doi: 10.1007/978-0-387-09823-4
  5. Simovici, D.A. Mathematical Tools for Data Mining. Second edition / D.A. Simovici, C. Djeraba. — London : Springer-Verlag, 2014. — 831 p. doi: 10.1007/978-1-4471-6407-4
  6. Рюмина, Е.В. Анализ факторов региональной дифференциации показателей потребления электроэнергии населением России / Е.В. Рюмина // Народонаселение. — 2023. — Т. 26. — № 3. — С. 107–116. doi: 10.19181/population.2023.26.3.9; EDN: YRYQVK

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».