КЛАСТЕРНЫЙ АНАЛИЗ КАК ИНСТРУМЕНТ ИССЛЕДОВАНИЯ

440 
Для оценки фактора социально-экономических связей между некоторыми 
регионами Российской Федерации, а также для изучения фактора транспортной 
инфраструктуры, рассмотрим статистику метапоисков, произведенных внутри 
страны по внутренним направлениям авиасообщения. 
Метапоиском в рамках данного исследования считается процесс подбора 
маршрута в системе «ООО ‘E-Tickets’» [5]. Каждый запрос для покупки 
авиабилета считается поиском. В результате автором была получена статистика 
запросов для покупки авиабилетов в срезе даты поиска, города отправления, 
города прибытия и количества поисковых запросов за период 01.04/20 – 
01.04/21. 
Автор исследования отдаёт себе отчет в том, что именно на указанный 
период пришелся коллапс внутреннего и международного авиасообщения, 
вызванного эпидемией коронавируса Covid-19, тем не менее, в контексте 
данного исследования и в силу ограниченной доступности данных, 
полагается, что объем поисковых запросов в указанный период должен быть 
прямо пропорционален объёму до введения ограничений и закрытия 
внутренних перелетов. 
По причине неравномерного распределения численности населения по 
городам перед исследователем, решившим изучить социально-экономические 
связи на базе поисковых запросов авиабилетов, стояла задача объективно 
взвесить значение каждого направления для региона – отправителя. 
Автором предлагается следующая методология, базирующаяся на 
выявлении и исчислении ранга направления в отношении региональной 
численности населения. Для этого необходимо исключить из статистики 
поисковых запросов те запросы, которые можно отнести к статистическим 
выбросам в силу своей главенствующей позиции на карте РФ (г. Москва, г. 
Санкт-Петербург), а также ряд населённых пунктов, привлекательных, 
например, своими природными и территориальными характеристиками, 
рекреационным потенциалом для всех российских туристов (районы Сочи, 
Симферополя, Геленджика, Анапы и др.). Тем не менее, включение этих 

441 
маршрутов в анализ не обязательно будет свидетельствовать в полной мере о 
существовании каких-либо устойчиво тесных социально-экономических и 
производственных связей по следующим причинам: 
1) На взаимоотношениях со столицей сегодня завязаны все регионы, к 
тому же Москва и Санкт-Петербург не только самые густонаселённые города 
на территории РФ, но и транспортные и перегрузочные хабы. Их котловой учёт 
среди других субъектов может смазать истинную картину формирования их 
действительных региональных связей и негативно повлиять на формирование 
упомянутой карты. 
2). Учет туристических маршрутов, в свою очередь, сильно зависит от 
сезонности отдыха в туристских дестинациях. Данное явление должно быть 
исследовано самостоятельно. Следуя из очевидной предпосылки, что 
количество поисковых запросов напрямую зависит от численности населения в 
рассматриваемом населенном пункте, представляется необходимым включение 
в методологию в качестве составной части изучение маршрутных сетей, 
учитывающих фактор численности населения территории. 
Расчётный показатель двустороннего коэффициента корреляции Пирсона 
подтверждает наличие высокой тесноты связи между количеством поисков и 
численностью населения на уровне 0,92, что нашло отражение в табл. 1. 
Таблица 1 – Расчет двустороннего коэффициента корреляции Пирсона 
для пары количество поисков – численность населения 
searches 
population 
searches 
Корреляция Пирсона 
1 
,922
**
Значения. 
(двухсторонняя) 
.000 
Объем 
рандоминизированной 
выборки 
192 
192 
**. Корреляция значима на уровне 0,01 (двухсторонняя). 

442 
Источник: составлено автором на основе статистики поисковых запросов 
в системе «ООО ‘E-Tickets’» и оценки численности населения по населенным 
пунктам Росстата. 
Таблица 2 – Расчёт одностороннего коэффициента корреляции Пирсона 
по выделенным группам для пары факторов: количество поисков – численность 
населения 
Группа 
Показатель 
searches 
population 
1 
Корреляция 
Пирсона 
1 
,665** 
Знач. 
(односторонняя) 
0.007 
N 
13 
13 
2 
Корреляция 
Пирсона 
1 
,454* 
Знач. 
(односторонняя) 
0.025 
N 
19 
19 
3 
Корреляция 
Пирсона 
1 
0.289 
Знач. 
(односторонняя) 
0.057746191 
N 
31 
31 
4 
Корреляция 
Пирсона 
1 
-0.044 
Знач. 
(односторонняя) 
0.416 
N 
26 
26 
5 
Корреляция 
Пирсона 
1 
,397** 
Знач. 
(односторонняя) 
0.004 
N 
44 
44 
6 
Корреляция 
Пирсона 
1 
,287* 
Знач. 
(односторонняя) 
0.020 
N 
52 
52 
Источник: составлено автором на основе статистики поисковых запросов 
в системе «ООО ‘E-Tickets’» и оценки численности населения по населенным 
пунктам Росстата
. 

443 
Для учёта фактора численности населения предлагается следующая 
типология субъектов РФ и иных населённых пунктов, социально-
экономические связи которых должны быть исследованы в зависимости от 
численности населения: 
1. Более 1 млн чел. населения; 
2. От 500 тыс. чел. – до 1 млн чел.; 
3. От 250 тыс. чел. – до 500 тыс. чел.; 
4. От 100 тыс. чел. – до 250 тыс. чел.; 
5. От 10 тыс. чел. – до 100 тыс. чел.; 
6. Менее 10 тыс. человек населения. 
Как можно видеть из данных табл. 2, в которой представлены расчеты 
одностороннего коэффициента корреляции Пирсона между показателями 
количества поисков и численности населения, зависимость остается значимой 
на 1%-м уровне для типа территорий № 1 и № 5 (более 1 млн чел. Населения и 
10 тыс. чел. – 100 тыс. чел., соответственно). Для типов территорий №2, № 4 и 
№ 6 (500 тыс. чел. – 1 млн чел.; 100 тыс. чел. – 250 тыс. чел. и менее 10 тыс. 
чел., соответственно) уровень статистической значимости определён для 5%. 
Для типа территорий № 3 (250 тыс. чел. – 500 тыс. чел.) зависимость по 
авторским расчётам признается статистически незначимой. Для целей 
региональной экономики социально-экономические связи, оцениваемые по 
малонаселенным пунктам, представляют собой особый интерес по целому ряду 
вопросов, но в рамках данного исследования были рассмотрены 
густонаселённые поселения на карте России, а именно с численностью 
населения свыше 250 тыс. человек. 
Исследуя полученные данные, автор пришёл к выводу, что субъекты РФ в 
качестве объекта анализа поддаются типологизации в зависимости от размера 
маршрутных сетей. Помимо этого, поддаются качественной оценке и сами 
межрегиональные связи в контексте маршрутной сети. В качестве 
промежуточной гипотезы можно сделать предположение, что размер 
маршрутной сети может быть связан с социально-экономической 

444 
привлекательностью регионов. К базовым ключевым признакам в данном 
случае можно отнести следующие показатели: 
• Уровень среднемесячной номинальной заработной платы [6] 
• Региональный прожиточный минимум [7] 
• Доля безработного населения [8]. 
Таблица 3 – Кластерный анализ для определения экономически 
привлекательных регионов РФ 
Кластер 1 
Кластер 2 
Состав кластера 
Дистанция 
Состав кластера 
Дистанция 
Москва 
0 
Московская область 
0.4231 
Ханты-Мансийский 
автономный округ 
0.7364 
Приморский край 
0.7071 
Красноярский край 
0.7514 
Амурская область 
0.7108 
Сахалинская область 
1.2354 
г. Санкт-Петербург 
1.8263 
Республика Крым 
0.6761 
Город федерального значения 
Севастополь 
0.4067 
Республика Татарстан 
0.5035 
Нижегородская область 
0.7491 
Краснодарский край 
0.6485 
Кластер 3 
Состав кластера 
Дистанция 
Состав кластера 
Дистанция 
Белгородская 
область 
0.3063 
Свердловская область 
0.476 
Брянская область 
0.5399 
Астраханская область 
0.1419 
Воронежская 
область 
0.1186 
Волгоградская область 
0.1223 
Калужская область 
0.3055 
Ростовская область 
0.3365 
Костромская область 
0.3759 
Республика Дагестан 
0.5393 
Рязанская область 
0.1764 
Карачаево-Черкесская 
Республика 
0.3643 
Смоленская область 
0.4721 
Республика Северная Осетия 
0.3688 
Тамбовская область 
0.4683 
Чеченская Республика 
0.1139 
Ярославская область 
0.2294 
Ставропольский край 
0.3412 
Республика Хакасия 
0.2965 
Республика Башкортостан 
0.3281 
Алтайский край 
0.0893 
Республика Марий Эл 
0.3932 
Хабаровский край 
0.3441 
Республика Мордовия 
0.2245 

445 
Иркутская область 
0.4415 
Удмуртская Республика 
0.1908 
Кемеровская область 
0.1605 
Чувашская Республика 
0.2558 
Новосибирская 
область 
0.5838 
Пермский край 
0.3952 
Омская область 
0.1274 
Кировская область 
0.2086 
Томская область 
0.2408 
Оренбургская область 
0.2802 
Забайкальский край 
0.4944 
Пензенская область 
0.136 
Республика Карелия 
0.2307 
Самарская область 
0.0936 
Вологодская область 
0.2337 
Саратовская область 
0.3472 
Калининградская 
область 
0.3409 
Ульяновская область 
0.1472 
Ленинградская 
область 
0.5623 
Тюменская область 
0.3929 
Псковская область 
0.3606 
Республика Саха (Якутия) 
0.1434 
Республика 
Калмыкия 
0.6261 
Челябинская область 
0.4482 
Результаты кластерного анализа, представленные в табл. 3, можно 
назвать вполне показательными, так как наблюдается определённое 
соответствие между регионами из второго кластера (из четырёх выделенных) и 
регионами лидерами по размеру маршрутной сети: Ханты-Мансийский АО, 
Краснодарский край, Красноярский край – отнесены ко второму кластеру, то 
есть к группе социально привлекательных регионов [9]. 
Помимо классификации по принципу размера маршрутной сети региона 
отправления следует отдельно рассматривать статистическую тесноту 
межрегиональных связей для каждого региона. Обосновать это можно разным 
уровнем значимости каждого направления в маршрутной сети регионов. Так, к 
примеру, размер маршрутной сети Псковской области составляет 5 
направлений, но 81,0% всех поисков приходится на Калининградскую область, 
что делает связи с Краснодарским краем, Республикой Татарстан, Ростовской и 
Свердловской областями явно несущественными, что представлено в табл. 4. 
Автором исследования предлагается следующая интерпретация уровня 
значимости направления (
K shm
) для региона отправителя, что позволяет 
сформулировать деление субъектов на так называемые мононаправленные и 
полинаправленные: 

446 
• 0% <

жүктеу/скачать 5.62 Mb.

Достарыңызбен бөлісу: