Опыт расчета расстояний между разными типами населенных пунктов России (для оценки дальности миграции населения)1

Размещено на http://www.allbest.ru/

Опыт расчета расстояний между разными типами населенных пунктов России (для оценки дальности миграции населения)¹

Лилия Борисовна Карачурина, Никита Владимирович Мкртчян



Аннотация

Проблема измерения расстояний в миграции является нетривиальной, но важной задачей, например, для делимитации понятий миграции населения и жилищной мобильности. В условиях ограниченного доступа к детальным пространственным данным исследователи решают этот вопрос по-разному. Лишь в немногих странах, например, в Швеции, есть возможность рассчитывать расстояния миграции между точечными локациями, используя евклидово расстояние. В данной статье применительно к России исследуется мера соответствия евклидовых расстояний (измеренных с учетом кривизны земного шара) и реальных расстояний по транспортным путям. С этой целью рассчитаны 3407 пар расстояний для случайно выбранных 23 муниципальных районов России напрямую и по транспортным путям - автодорогам. Также были рассчитаны 411 пар расстояний для населенных пунктов с отсутствующим автосообщением, с использованием сервиса авиасообщения. Эти расстояния дают представление о переселениях разной дальности в России. В результате для гипотетических переселений внутри выбранных муниципальных районов реальные расстояния по автодорогам превышают евклидовы на 51%; для переселений между центрами районов и городских округов в пределах региона - на 40%, для межрегиональных переселений отличия составляют 33%. Используемое авиасообщение «спрямляет» расстояния, но и с его учетом реальные расстояния (преимущественно дальние, межрегиональные) превышают евклидовы на 28,5%. Проведенные расчеты дают представление об отклонениях реальных, транспортных расстояний от сравнительно простых в расчетах евклидовых, что может найти применение при анализе дальности миграции в России.

Ключевые слова: муниципальные образования, миграция населения, дальность, регионы России, евклидово расстояние, транспортное расстояние



The experience of calculating distances between different types of settlements in Russia to assess the range of population migration⁵

Liliya B. Karachurina, Nikita V. Mkrtchyan

Annotation. муниципальное образование миграция население

The problem of measuring distances in migration is not trivial, but important, for example, for delimiting the concepts of population migration and housing mobility. In conditions of limited access to detailed spatial data, researchers solve this issue in different ways. Only a few countries, such as Sweden, have the ability to calculate migration distances between point locations using Euclidean distance (in a straight line). In this article, as applied to Russia, the measure of correspondence between Euclidean distances and real distances along transport routes is investigated. For this purpose, 3407 pairs of distances were calculated for randomly selected 23 municipal districts of Russia directly and along transport routes - roads. Also, 411 pairs of distances were calculated for settlements with no auto connection, using air traffic. These distances give an idea of the migrations of different distances in Russia. As a result, for hypothetical resettlements within the selected municipal districts, real road distances exceed Euclidean distances by 51%. For resettlements between the centers of districts and urban districts within the region, this indicator exceeds 40%, and for interregional resettlements, the differences are 33%. The air service used “straightens” the distances, but even taking it into account, the real distances (mainly long-range, interregional) exceed the Euclidean ones by 28.5%. The calculations performed to give an idea of the deviations of real, transport distances from the relatively easy-to-calculate Euclidean ones, which can be used in the analysis of migration distances in Russia.

Keywords: municipalities, population migration, range, regions of Russia, Euclidean distance, transport distance



Введение и постановка проблемы

Проблема расстояний в анализе миграции - одна из немногих, имеющих реальную практическую значимость и не менее важную теоретическую. Начнем с последней. Как правило, географы при анализе миграции рассуждают на уровне «потоков», их интересует откуда и куда следуют «миграционные потоки»: внутри регионов или межрегионально, и каков общий тренд. Социологи, наоборот, хотят понять действительность на уровне кейсов отдельных людей и вывести палитру возможных вариантов и мнений. Однако за «потоками» стоит многообразие стратегией и логики миграционного поведения, а «палитра кейсов» уводит от понимания больших совокупностей. Зарубежные исследователи и по прошествии десятков лет изучения миграции считают, что собственно объект изучения («миграция населения») понимается не вполне однозначно: из каких крупных составляющих складывается «миграционный поток», который мы изучаем, и можно ли к нему в анализе подходить сколь-нибудь единообразно, насколько верно анализировать «всех прибывших в точку Х»? Можно ли считать, что смыслы, вкладываемые в переселения, идентичны у людей, переселяющихся за 100 км и за 1000 км, только ли общность социальнодемографических характеристик будет объединительной и будет ли она действительно объединять? Если объект исследования столь широк и многообразен, нельзя ли использовать понятную и, по возможности, принятую в разных странах систему простых критериев делимитации миграционных потоков и не может ли дальность миграции быть таким концептуально логичным и привлекательным критерием (Long et al., 1988)? Не может ли дальность миграции выступить ключевым фактором, отличающим миграцию от мобильности и тем самым дать возможность исследователям перестать полагаться на то, что «проблемы, связанные с пространственным аспектом общепринятых определений миграции не слишком серьезны» (Niedomysl and Fransson, 2014: 371)? С «практической» точки зрения анализ способов перемещения, используемых мигрантами, представляется не менее важным: что влияет на выбор способа передвижения, можно ли считать логику «миграция - это одноразовое переселение и поэтому можно переезжать каким угодно вариантом транспорта» и «если решение о миграции принято, то способ переезда не имеет значения» общепринятой? Насколько транспортная освоенность и связанность влияют на миграцию, почему в поисковиках при запросе «расстояние от X до Y» всегда появляется уточнение «по прямой» или «на машине» и насколько это сходные категории?



1. Предыдущие исследования

Анализ дальности миграции почти всегда упирается в вопрос о том, какими мерами ее считать - расстояниями, временем в пути, транспортными расходами, связанной с ними оценкой издержек и рисков переезда (Olsson, 1965). Для разных людей и разных видов миграции эти критерии будут иметь различное значение. Например, для трансконтинентальных переселений актуальной оценкой могут выступать риски передвижения (Williams and Balaz, 2012). Наиболее универсальным подходом, на первый взгляд, представляется расчет расстояний. Однако здесь есть много нюансов и до сих пор нерешенных вопросов. Они связаны как с наличием и качеством данных, так и с методикой расчетов. Несмотря на то, что расстояние является важнейшим критерием при анализе миграции населения и может выступать неким аппроксиматором других характеристик миграции (например, ее мотивов), статистические органы стран редко представляют данные для расчета расстояний переселений, и исследователи пытаются оценивать их иными способами, например, через опросы, причем не всегда «профильные» (так, в США вопросы, с помощью которых можно выйти на расчет расстояний, задавались в опросе о состоянии здоровья), или через текущие обследования населения (Long et al., 1988). В отдельных случаях косвенную информацию о дальности миграции получают также из переписей населения (Lomax et al., 2021). Считается, что в мире есть всего несколько стран, данные по миграции населения которых позволяют делать качественные расчеты дальности миграции. Наиболее передовой в этом отношении выступает Швеция, обладающая подробными данными о расстояниях, преодолеваемых мигрантами.

Важный вопрос связан с тем, как определяется внутренняя миграция - что считается собственно миграцией, а что относится к жилищной мобильности (Hipp and Boessen, 2017; Zax, 1994). В мире нет однозначных подходов для определения времени и расстояний, которые бы квалифицировали переселения строго как миграцию или мобильность (Niedomysl et al., 2017). Существуют разные версии того, как можно отделить «миграцию» от локальной мобильности, например, считать перемещения в радиусе до 50/100 км от населенного пункта мобильностью, а свыше 50/100 км - миграцией. Логика такого подхода связывалась с преодолением пути до работы. Например, согласно Clark (2020: 12), «миграция - это переселение или передвижение, которое слишком далеко, чтобы продолжать ездить на ту же работу при нормальных обстоятельствах». Но очевидно, что любое такое пороговое расстояние не универсально, даже для одной страны и на длинном промежутке времени. В реальности страновые статистические органы в основном считают миграцию как переезд из одной административной ячейки в другую, а переезды внутри низовых административных границ (например, внутри городских или сельских поселений) без каких-либо дополнительных критериев относят к жилищной мобильности (Long et al., 1988). Один из важных исследовательских вопросов заключается в том, как с помощью расстояний иметь возможность точнее и эффективнее разделять миграционные потоки, а значит - лучше понимать собственно объект исследований, вернее оценивать объемы миграции и мобильности (Newbold and Peterson, 2001; Stillwell and Thomas, 2016).

Отдельный пласт методологических вопросов связан с механизмом расчета расстояний. В условиях отсутствия детализированной информации по каждому переселению и предоставления статистическими ведомствами информации, привязанной к пересечению административных границ определенного уровня (например, региональных), расстояние миграции чаще всего определяется с помощью подхода, который можно обозначить как агрегированный. В этом случае рассчитываются расстояния, преодолеваемые мигрантами, не между реальными точками выхода и вселения, а между административными ареалами (ячейками), в качестве которых могут выступать регионы, районы и т.п. Поэтому расстояния определяются в некоторой степени приблизительно. Особенно значительной становится ошибка для коротких расстояний (для перемещений между соседними административными ячейками), а также для ареалов особых форм, наименее приближенных к окружности. Известны разные математические попытки преодоления этих погрешностей (Boyle and Flowerdew, 1997).

Rogerson (1990) для нивелирования влияния форм регионов для оценки дальности миграции (по доле мигрантов, пересекающих границы регионов) предложил и протестировал для США методику оценки дальности миграции с помощью задачи геометрической вероятности (иглы Бюффона). Но чаще всего неточности расчетов расстояний пытаются преодолеть через определение центроидов площади и/или населения, то есть рассчитывать дальность миграции как евклидово расстояние между центрами площади или населенности территорий отправления и назначения. Таким образом, ареалы сводятся к точкам. Было выявлено, что расстояние демонстрирует меньшую чувствительность к размерам территориальных ячеек, но большую зависимость от их конфигурации (Boyle and Flowerdew, 1997).

Одна из попыток дать сколько-нибудь верные и сопоставимые между странами расчеты расстояний сводится к конструированию «оптимизированных регионов» с одинаковой площадью и населением и выполнении расчетов в зависимости от наложения на них ограничений формы (Stillwell et al., 2018). Вообще проблема изменяемой единицы площади для анализа дальности миграции и некоторых других ее характеристик настолько актуальна, что получила специальное обозначение - MAUP (the modifiable area unit problem), с MAUP проходит моделирование дальности миграции на специальной платформе (IMAGE Studio) (Stillwell et al., 2014). Исследователи (Stillwell et al., 2016) пришли к выводу, что в целом эффекты трения расстояния являются достаточно стабильными для пространственных ареалов в разных странах, за исключением территорий с небольшим населением и плохой связанностью.

T. Niedomysl и его соавторы (2017), проанализировав применяемые исследователями способы измерения расстояний, приходят к выводу, что наиболее точным, но редко применяемым из-за отсутствия соответствующих данных является «аctual» подход. Он базируется на расчете расстояний, измеренных между координатами отправления и назначения отдельных перемещающихся лиц.

В работе T. Niedomysl и U. Fransson (2014) по Швеции рассчитываются фактические расстояния миграции, которые затем сопоставляются с типами административных границ (и, соответственно, с территориальными ячейками - приходами, муниципалитетами, регионами местных рынков труда и пр.) и с индивидуальными социально-демографическими параметрами мигрантов. Авторы создавали модели логистических регрессий для расчета шансов людей с определенными характеристиками пересечь различные типы административных границ и расстояний (зависимая переменная). Для нас важно понимать, что в качестве фактического расстояния они использовали расстояние, измеренное между координатами отправления и назначения отдельных перемещающихся лиц (в 2008 г., для которого выполнены расчеты, таких перемещений людей в возрасте старше 18 лет в Швеции было чуть больше 1 млн чел.). Координаты точек, благодаря шведским картографическим, кадастровым и земельным регистрационным органам (а также во исполнение законодательной необходимости быть зарегистрированным в объектах недвижимости) известны максимально точно, но из соображений конфиденциальности были усечены до сетки 100*100 кв м. Таким образом, выполнены, с одной стороны, уникально точные расчеты расстояний (с погрешностью равной всего 142 м) не для агрегированных потоков, а в привязке к конкретным мигрантам. С другой стороны, эти расчеты, обозначаемые фактическими расстояниями, на наш взгляд, не вполне отвечают логике «фактических», так как являются в некоторой степени, виртуальными, «по прямой», а не по сколько-нибудь реальным транспортным линиям, которые даже в Швеции не позволяют покрыть сетку 100*100 м. Однако цель - сопоставления мигрантов, перемещающихся на короткие и длинные расстояния и зависимость расстояний от типов административных границ - для верификации предыдущих работ, базировавшихся в основном на расчетах по административным ячейкам, была достигнута. Авторы пришли к выводу, что значительная доля мигрантов перемещается лишь на короткие расстояния и в этом смысле есть риск спутать мигрантов, переселяющихся (хотя между местами выхода и вселения расстояние может быть небольшим), и, например, маятниковых мигрантов, и сделать ошибочные выводы о многих аспектах миграции, а зависимость между количеством административных единиц и численностью мигрантов нелинейна: сокращение числа административных единиц непропорционально снижает число мигрантов.

В последующей работе шведские исследователи (Niedomysl et al., 2017) сделали попытку связать два подхода к измерению расстояний - описываемого выше фактического по евклидовым расстояниям и ячейкам малого размера и агрегированного с расчетами центроидов по площади и по населенности. Результаты показывают, что дальность переселений, измеренная разными способами, имеет значительное сходство; ближе всего к фактическим расстояниям, рассчитанным по центроидам населенности.

Использование для расчетов индивидуальных данных с точной пространственной локализацией о передвижениях оценивается как «уникальное» и чрезвычайно важное для анализа миграции населения. К остальным подходам так или иначе «приходится прибегать» в отсутствие точных индивидуальных данных. В СССР данные по миграции длительное время были закрытыми, а те, что иногда становились доступными, представляли собой данные по потокам между регионами и экономическим районами. Единственно доступным подходом для анализа дальности миграции в этих условиях был агрегированный. Насколько нам известно, впервые он был применен Р.В. Татевосовым в его кандидатской диссертации «Анализ дальности миграций городского населения СССР и некоторые вопросы моделирования и прогнозирования миграций» (Татевосов, 1971) и статье (Татевосов, 1973). На основе данных матриц межобластной миграции городского населения СССР (РСФСР) со всеми территориальными ячейками (областями, краями, республиками) СССР и расстояний по железной дороге между центрами территориальных единиц (такой же размерностью) он рассчитывал распределение числа прибывших для 1962 и 1967 гг. по 21 зоне удаленности от центра области (края, республики). Каждая зона, кроме последней, принималась равной 250 км, к последней приписывалась вся территория свыше 5000 км. Для тех центров, где не было подъезда по железной дороге, расстояние рассчитывалось по авиасообщению до ближайшего железнодорожного узла.

Впоследствии подобная работа по такой же методологии была выполнена нами (Мкртчян, Карачурина, 2004) на основе миграционных матриц размерностью 73*73 для 1989, 1994 и 2002 гг.

Таким образом, российские исследования, с одной стороны, опирались на подход, связанный с агрегированием по территориальным ячейкам и наличием данных о потоках. С другой стороны, они пытались связать расстояния «с жизнью», имея в виду попытки оценить расстояния с привязкой к реальным транспортным путям. Со времени выполнения этих работ прошло значительное время, изменились разрабатываемые данные, возможности их обработки, представления о связанности внутрироссийского пространства, значимости отдельных видов транспорта для перемещения мигрантов на определенные расстояния и в отдельных частях страны. Вследствие этого иными видятся и текущие исследовательские задачи.

2. Данные и методы

Цель данной работы имеет методический характер: на основе сравнений двух способов расчетов расстояний между потенциально возможными точками отправлений и прибытий, эмпирически определить диапазон различий в оценках этих расстояний и предложить коэффициенты корректировки дальности миграции, рассчитанной разными способами - по прямой (евклидово расстояние, рассчитанное с учетом кривизны земного шара В дальнейшем в тексте мы будем использовать понятия «расстояния по прямой» и «евклидовы расстояния» как синонимы, хотя выполненные расчеты по сути являются расчетами ортодромических расстояний, т.к. рассчитывались расстояния между двумя точками в пространстве по прямой с введением) и с использованием транспортных путей (транспортное). Это необходимо, чтобы в дальнейшем на основе этих представлений анализировать расстояния, преодолеваемые внутренними мигрантами в России. Один из наших способов близок к тому, который используется шведскими исследователями (Niedomysl et al., 2017; Niedomysl and Fransson, 2014) для оценки дальности миграции. Второй способ расчетов приближен к реальным, так как связан с транспортными путями. Учитывая, что в год в России совершается около 4 млн переселений, выполнить расчеты дальности миграции на основе точных данных по действующим транспортным путям не представляется возможным. Зато расчет евклидовых расстояний технически возможен. Поэтому мы полагаем, что, произведенные нами расчеты, представленные в данной статье, позволят в будущем на основе расчета евклидовых расстояний составить представление о «транспортных» расстояниях, преодолеваемых мигрантами в России. Расчет дальности миграции по агрегированным зонам мы считаем заведомо менее точным и грубым.

Анализируемые территориальные уровни миграции населения.

В России 50,7% миграционных перемещений в 2021 г. составляли межрегиональные, 49,3% внутрирегиональные. Согласно действующему порядку статистического учета, в число фиксируемых миграционных событий не попадают передвижения между населенными пунктами внутри поселений - городских и сельских. Все остальные перемещения с той или иной успешностью фиксируются органами МВД и, соответственно, попадают в статистический учет.

Расчет расстояний

В данной статье рассматриваются следующие способы расчета расстояний:

А) евклидово расстояние («по прямой») - расстояние, исчисляемое по географическим координатам широты и долготы точек (км) с помощью общеизвестной формулы исчисления расстояний между двумя точками с учетом кривизны земного шара.

Б) «транспортное расстояние» - расстояние по реально существующим путям сообщения (км). По нашим представлениям, это расстояние, которое преодолевают люди, переселяясь в другие места. Расстояния измерялись нами для уровней:

в формулы расчета расстояний меры углов, учитывающих кривизну земного шара. Это не имеет особого значения при расчетах сравнительно небольших расстояний, поэтому соответствующие ремарки, как правило, отсутствуют в европейских исследованиях. Однако в условиях российских пространств и преодоления расстояний, измеряемых тысячами километров, учитывать это важно.

- межпоселенческого внутрирайонного - между центрами всех поселений (сельских и городских населенных пунктов) в пределах выбранных муниципальных районов;

- внутрирегионального межрайонного - между центрами выбранных муниципальных образований (муниципальных районов, муниципальных округов и городских округов) и центрами всех муниципальных образований соответствующего региона;

- межрегионального - от центров выбранных муниципальных районов (муниципальных округов, городских округов) до центров всех Мы не учитывали Респ. Крым и г. Севастополь, а также, после расчета расстояний, выделили в отдельную группу регионы, чьи центры не имели сообщения по автодорогам с другими регионами России. регионов России.

Везде, где возможно, транспортные расстояния измерялись нами по автодорогам, по самому короткому из доступных маршруту (включая платные участки автодорог), предлагаемого сервисом «Яндекс. Карты». Во всех случаях, когда расчет реальных расстояний по автодорогам был невозможен ввиду их отсутствия, применялся принцип наиболее короткого маршрута другими видами транспорта или их комбинацией (на основе информации о движении данного вида транспорта). Например, расчет расстояния порекам-черезсайт«Северречфлота»

В целом безусловное преимущество отдавалось перемещению по автодорогам. При этом мы не можем утверждать, что человек передвигается на разные расстояния - большие и малые - одним видом транспорта. Даже на сравнительно небольшие расстояния передвижение на автомобиле небезальтернативно, хотя, возможно, и предпочтительно. Если есть доступное железнодорожное сообщение, оно может быть более удобным. Но, в отличие от автодорог, оно не имеет такой «сети покрытия». Где сделать пересадку с одного транспорта на другой, какой аэропорт из двух-трех возможных выбрать - вопросы, не имеющие однозначного ответа.

Полагаем, что в большинстве случаев при переезде на очень длинные расстояния - из азиатской части страны в европейскую и обратно - человек скорее всего предпочтет самолет. Но это - в том случае, если он не перевозит большой объем багажа, животных, и этот способ переезда ему доступен финансово. Известны случаи переезда из Читы в Санкт-Петербург на личном автомобиле (который, к тому же, кто-то должен перегонять, если не предполагается его продажа в месте отъезда). Конкуренция между железнодорожным и авиасообщением на дальних расстояниях еще более острая (Манвелидзе, 2018) и очень различающаяся в разных частях страны (Неретин, 2018; Неретин и др., 2019).

С другой стороны, дальние железнодорожные маршруты и крупнейшие автомагистрали топологически близки, и для расчета реально преодолеваемых расстояний по большому счету не так важно, какой вид транспорта человек выбирает. Расстояние авиаперелета, напротив, ближе всего к расстоянию, рассчитанному методом геокоординат, и даже с учетом подъезда к ближайшему аэропорту, как показали приведенные в данной статье расчеты, отклоняется от него не очень значительно.

Отдельно отметим, что передвижение разными видами транспорта имеет очень существенные различия во времени, которые весьма трудоемки и сложны в оценках без детальной информации о них. Евклидово расстояние, представляя собой прямую (на плоскости), на это не претендует изначально. При этом какой бы вид транспорта не был выбран, затраты времени на преодоление 300 км или 3000 км различны, если только человек не переселяется между двумя городами - авиахабами с регулярными рейсами.

Мы старались рассчитывать расстояния, на которые переселяются мигранты, учитываемые в России как долговременные. На данном этапе расчеты собственно миграции населения в России не выполнялись. В предлагаемом исследовании моделировались возможные варианты миграционного передвижения для дальнейших расчетов с использованием индивидуальных данных о миграции.

Выборка муниципальных образований

На 1 января 2022 г. согласно данным Росстата, в России первый уровень муниципально-территориального устройства формировали: 612 городских округов (ГО), 187 муниципальных округов (МО), 1537 муниципальных районов (МР), (всего 2336 единиц данного территориального уровня). Они включали 1303 городских поселения, 15641 сельское поселение. Общее количество сельских населённых пунктов по итогам Всероссийской переписи населения 2021 г. составило 153157, включая 24751 сельский населенный пункт, в котором отсутствовало постоянное население (таблица 11 «Группировка сельских населенных пунктов по численности населения по субъектам Российской Федерации», https://rosstat.gov.ru/vpn_popul).

Выбор осуществлялся на основе муниципальных образований первого уровня исходя из вероятностных принципов формирования случайной выборки, аналогично тому, как это выполняется для населения: все муниципальные районы были взяты в той очередности, в какой они опубликованы в бюллетене (Численность..., 2022), далее был взят каждый 100-ый из них, первый из которых был выбран с помощью генератора случайных чисел в первой сотне. Таким образом всего было выбрано 24 муниципальных образования, то есть 1,02% от всех территориальных единиц данного уровня. В них проживало на начало 2022 г. (без учета результатов ВПН-2020) 765,2 тыс. человек, в том числе 53,3% городского населения, 46,7% сельского населения. Относительно невысокая доля городского населения объясняется отсутствием в «базовом» репрезентуемом списке внутригородских муниципальных образований городов федерального значения Москвы, Санкт-Петербурга и Севастополя и их самих (как территорий более высокого уровня иерархии) в целом и отсутствие среди выбранных крупных городов.

В число отобранных муниципальных образований вошли 4 ГО, 3 МО, 17 МР. Случайным образом они отображают пространственное разнообразие России: среди них есть северные типа Шурышкарского МР С 21.04.2022 - МО ЯНАО, южные (например, Кавказский МР Краснодарского края), пригородные (Шпаковский МО Ставропольского края), с мелко- (Глинковский МР Смоленской области) и крупноселенной (Магарамкентский МР Дагестана) сетью поселений, с высокой (ГО Бронницы) и низкой (Усть-Янский МР) по российским меркам плотностью населения и степенью освоенности территории (рис. 1). Краткие характеристики выбранных муниципальных образований представлены в Таблице 1.

В соответствии с выделенными видами миграционных потоков общее число рассчитанных расстояний, потенциально преодолеваемых мигрантами, включало (табл. 2):

- между центрами сельских поселений выбранных муниципальных районов (МР) или муниципальных округов (МО) - 1137;

- между центрами выбранных МР, МО, городских округов (ГО) и всеми остальными центрами МР, МО, ГО в пределах регионов, к которым относятся выбранные образования - 737 (рис. 2А, 2Б);

- между центрами выбранных МР, МО, ГО и центрами регионов России - 1533.

Таким образом, были рассчитаны 3407 расстояний 23 выбранных единиц (в

Якутии мы не рассчитывали расстояния от Депутатского до центров других МР, МО и ГО, ограничившись только расстоянием до Якутска, так как населенные пункты Усть-

Янского МР не имеют никакой связи с другими населенными пунктами, кроме авиасообщения, осуществляющегося через Якутск).

Кроме того, мы рассчитали 168 расстояний от центров МР (МО, ГО) до столиц регионов, до которых невозможно добраться по автодорогам (Нарьян-Мар, Калининград, Салехард, Якутск, Петропавловск-Камчатский, Магадан, Южно- Сахалинск и Анадырь) и 243 расстояния от райцентров Шурышкарского МР, Усть- Янского МР и Усть-Илимска до 81 регионального центра. В этом случае расчет производился до ближайшего авиационного хаба (например, до Якутска), который имеет сообщение с другими регионами России, далее рассчитывалось расстояние с учетом авиасообщения. При этом расстояние между отдельными населенными пунктами (например, п. Депутатский республики Саха (Якутии) и многими региональными центрами рассчитывалось с учетом двух пересадок между разными авиарейсами. Не всегда выбор ближайшего авиахаба вполне однозначен, так как между отдельными городами страны число авиарейсов неодинаково - например, между Салехардом и Москвой осуществляется несколько рейсов в день, а между Салехардом и Уфой - 2 рейса в неделю, поэтому возможно проще и финансово доступнее лететь через Москву, т.е. через крупнейший, а не ближайший хаб. Кроме того, рассчитанное расстояние будет зависеть от того, совпадает ли движение к авиахабу с общим направлением поездки, или осуществляется в противоположном направлении. Так, расстояние от Костромы до Салехарда с использованием авиаперелета через Москву будет на сотни километров больше, чем от Калуги до Салехарда. Расстояние между населенными пунктами Сибири и Дальнего Востока с использованием авиасообщения, естественно, будет на сотни или даже на тысячи километров меньше, чем при пути с использованием автодорог. Поэтому путь из, например, Якутска до Калининграда через Новосибирск будет короче, чем путь, например, из Иркутской области до Смоленска по автодороге. Поскольку способ получения данных, рассчитанных таким методом, существенно отличается от основного принятого метода исчисления транспортных расстояний (по автодорогам) и массива сравниваемых данных, мы исключили их из общего рассмотрения и проанализировали отдельно.

Евклидовы (по прямой) расстояния и найденные с помощью указанных выше интернет-ресурсов транспортные расстояния (суммированные по разным видам транспорта в тех случаях, когда необходимо было использовать более чем один вид транспорта) были сопоставлены друг с другом и рассчитаны коэффициенты «невязки» (корректирующие коэффициенты). Для каждого из полученных рядов (евклидового и транспортного расстояний) были рассчитаны также базовые статистические показатели: коэффициент вариации, коэффициент осцилляции. Они выявили, что обе совокупности для всех трех групп (центры сельских поселений - центры сельских поселений; центры МР - центры МР; центры МР - центры регионов) весьма неоднородны (в частности, самый низкий коэффициент вариации из всех - для евклидовых расстояний на уровне поселений составляет 59,3%, что существенно выше статистически допустимых 33,3%), коэффициенты осцилляции варьируют от 3,60 до 6,27.

Результаты

В основном массиве рассчитанных по геокоординатам евклидовых расстояний 45% составили межрегиональные (центр МР, МО, ГО - центр региона), остальное приходится на внутрирегиональные расстояния (табл. 2), что примерно соответствует пропорциям внутри- и межрегиональной миграции в России за длительный период времени. Около половины всех расстояний - до 200 км, в этот порог вписываются 86,6% внутрирегиональных расстояний и только 2,6% межрегиональных. Среднее межрегиональное расстояние, рассчитанное таким способом, составило 1,9 тыс. км, внутрирегиональное - 85 км. Расстояния, рассчитанные по реальным транспортным путям, больше - 2,5 тыс. и 120 км соответственно, подробнее об этом будет сказано ниже. В расчетах средней дальности межрегиональной миграции, произведенных на основе матриц межрегиональной миграции и расчета расстояний между региональными центрами, оно составило в 1989 г. 2130 км, в 1994 г. 2345 км, в 2002 г. - 1937 км (Мкртчян, Карачурина, 2004). Близки к этому были и расчеты средней дальности миграции, произведенные для конца 1960-х гг. для межобластной миграции городского населения СССР - 1317 км в 1966 (Татевосов, 1973).

На рис. 3 и 4 представлены отклонения расчетов расстояний - транспортных и евклидовых для тех же 3407 пар населенных пунктов. Наибольшие отклонения отмечены на самых коротких расстояниях, в отдельных (редких) случаях они достигают 5-10 раз. В целом самые большие отклонения транспортных расстояний относительно евклидовых получились между центрами сельских поселений, на расстоянии, не превышающем 20 км., здесь реальные расстояния по автодорогам превышают евклидовы на 50% и более. В среднем отклонения расстояний между центрами сельских поселений составляют 51%.

Отклонение расстояний между центрами районов и городских округов в отдельных случаях может достигать 2,5-3 раз, но в среднем оно составляет 40%. Меньше всего отличаются дальние расстояния, характерные для межрегиональной миграции, здесь только отдельные «выбросы» достигают 2-2,5 раз, а в среднем отличия составляют 33%. Несколько больше отклонения получаются для самых дальних расстояний, их преодоление связано с движением между, например, регионами Европейской части страны и регионами Восточной Сибири и Дальнего Востока с редкой, даже по российским меркам, сетью дорог. Средние расстояния в данной группе (на 1000-3000 км) отклоняются на 30%. Отклонение всех расстояний, рассчитанных по транспортным путям, от евклидовых расстояний составляет 33%, оно почти соответствует отклонению межрегиональных расстояний из-за их большого веса во всех.

В редких случаях евклидовы расстояния могут быть длиннее, чем реальные. Это происходит, в основном, на самых коротких расстояниях, когда критично важным становится то, как определяется центр того или иного населенного пункта. В Яндекс- картах он может рассчитываться до местной администрации, до центральной площади (например, в Бронницах или Гагарине), автовокзала или паромной переправы (например, в Мурманске). Геокоординаты определяются в основном по центру населенного пункта, который не всегда совпадает с административным центром.

Помимо отклонений, рис. 3 дает представление о расстояниях отдельных видов переселений: центры сельских поселений в среднем отдалены друг от друга на 24 км, если считать по геокоординатам, или на 36 км, если считать по автодорогам; средние расстояния между центрами муниципальных районов, округов и городских округов в выбранных регионах составляют, соответственно, 179 и 250 км.

Наиболее сильные отклонения между расстояниями, рассчитанными двумя способами, возникают в случаях сильной «кривизны» дорожной сети между парами населенных пунктов. Она возникает из-за горного рельефа местности (например, рис. 5А, 5Б), присутствия «водных преград» (рис. 5В), наличия лишь редких изолированных дорожных узлов (Тархов, 2018), вызывающих необходимость больших «объездов» (рис. 5Д), осложненной непростым рельефом местности (рис. 5Г, 5Е).

Отклонения могут быть и очень незначительными, если сообщение между населенными пунктами осуществляется по прямой магистрали. В выбранных нами районах такие примеры - между городами Шахунья и Урень Нижегородской области, Бронницы и Коломна Московской области, селом Карагай и городом Кудымкар в Пермском крае.

Для части расстояний, исключенных из общего рассмотрения (411 расстояний до центров 8 регионов страны, связанных с остальной частью России только авиасообщением, и других труднодоступных населенных пунктов - с. Мужи Шурышкарского района Ямало-Ненецкого АО, г. Усть-Илимск и п. Депутатский Усть- Янского района Якутии), отклонение расстояний между рассчитанными по геокоординатам и транспортными оказалось самым небольшим - 28,5%. Большая часть данных расстояний считалась с использованием авиасообщения (то есть ортодромии), поэтому они мало отклоняются от прямых линий (например, таков путь между Бронницами и Магаданом), но даже здесь есть отклонения, они связаны с дорогой до ближайшего авиахаба (например, для с. Вишневка Кемеровской области и Нововаршавки Омской области - г. Новосибирск), а если перелет осуществляется с пересадкой на другой самолет, то это уже также непрямое расстояние. 36% расстояний в этой группе отклоняются менее чем на 20%, еще 16% - на 21-30%. Но и здесь случаются большие отклонения, например, из с. Мужи Ямало-Ненецкого АО до расположенного сравнительно недалеко Нарьян-Мара можно доехать разве что через Москву, что удлиняет путь в 6,4 раза; из поселка Депутатский Якутии до Магадана надо лететь через Якутск и Хабаровск, что увеличивает путь в 3,4 раза. В данной группе расстояний наиболее велик разброс отклонений - от полного их отсутствия до нескольких раз, как в приведенных выше примерах.

Как видно на рис. 6, даже в данной группе расстояний, в среднем больших и очень больших, наиболее сильные отклонения отмечены на сравнительно малых расстояниях. На расстоянии до 3000 км отклонения составляют 38,4%, от 3000 до 5000 км - 35,6%, а свыше 5000 км - только 15,2%. На этих расстояниях даже долгий, измеряемый сотнями километров, путь до ближайшего авиахаба невелик в сравнении с протяженностью трансконтинентального перелета.

«Спрямляющее» влияние авиаперелетов на расстояния важно в том числе потому, что отклонения на территориях, насыщенных дорожной инфраструктурой, должны быть, при прочих равных, меньше. Так, сравнение расстояний по прямой в Московской области (между г. Бронницы и центрами всех ГО и МО) показало, что здесь это отклонение составляет только 22,1% при 40,3% в остальных выбранных регионах.

Как видим, степень отклонения реальных транспортных расстояний от евклидовых, на разных «плечах», различна и эти различия определяются многими пространственными факторами. Тем не менее, короткие расстояния, преодолеваемые мигрантами, не становятся средними и дальними ни при каком способе расчета. Если учитывать другие факторы неопределенности в миграции, детерминированные уже не только средой, но и человеком (его выбором вида транспорта, личными характеристиками, логикой переезда), то можно полагать, что расчеты евклидовых расстояний, при невозможности иметь сведения о каждом реальном миграционном пути и выполнять соответствующие расчеты, приемлемы и отражают верную пространственную картину. На масштабах российских пространств и при нынешнем развитии транспортного сообщения, искажения реальных расстояний заметнее на миграции на короткие расстояния, чем на средние и дальние. Это показывают, в частности, примеры, приводимые на рис. 5



Заключение

Расстояние - важная, но недопонимаемая в этом смысле и мало исследуемая аналитическая характеристика миграции населения. L. Long и его соавторы называют исследования объемов внутристрановой дальности миграции «пасынком исследований миграции» (Long et al., 1988: 633). Ее слабая изученность связана с недостаточным пониманием методов определения и неточностей возможных для использования методов расчета. В больших странах с крупными по площадям территориальными ячейками измерять дальность через фиксацию расстояний до административных границ, фактически не зная, как далеко внутри них продвигаются мигранты, невозможно. Из других возможных вариантов - через евклидовы расстояния до центроидов площадей и населенности, евклидовы расстояния между «реальными» точками, расстояния между точками по транспортным путям - в настоящей статье нами были выбраны и протестированы два последних перечисленных способа, представляющихся нам наиболее применимыми для России.

Нам представляется, что расчеты евклидовых расстояний между «реальными» точками, помимо того, что проще для исполнения, имеют не меньший, а в определенной мере - и больший смысл, чем расчет расстояний по транспортным путям - железнодорожным или автомобильным дорогам, авиацией и иными, менее распространенными способами передвижения.

Исследователям почти никогда не известно, какие дороги и транспортные средства в реальности будут использованы мигрантами. За достаточно редким исключением, когда добраться от точки X до точки Y можно только самолетом или рекой (а иные средства передвижения недоступны), даже для автотранспорта есть несколько маршрутов, один из которых самый короткий, но другие могут быть более удобными или комфортными. Длительность поездки может варьировать не только в разное время суток, но и в разные дни недели и сезоны года, даже без учета сезонной доступности отдельных видов транспорта (зимник - зимой, катер или паром - летом). Все это делает возможным проведение (условно) упрощенной процедуры расчета евклидовых расстояний взамен реальных транспортных. При этом надо понимать, что для страны с таким количеством населенных пунктов и вычисления евклидовых расстояний представляют перед исследователем немало трудностей. А при расчетах собственно дальности миграции (и соотнесения расстояний с числом мигрантов по каждому направлению), выполнение которых не являлось задачей настоящей работы, но планируется нами в будущем, расчет евклидовых расстояний представляется наиболее приемлемым. Более того, проведенные в данной статье расчеты позволяют из расстояний «по прямой», получить реальные расстояния по транспортным путям. Для этого будут использованы рассчитанные в данной статье поправочные коэффициенты применимые для, условно, коротких и длинных расстояний. Получилось, что на для коротких расстояний они больше, чем для длинных:самые большие отклонения евклидовых расстояний от реальных транспортных - между центрами сельских поселений- 51%; между центрами МР и ГО оно составляет 40%; для дальних межрегиональных расстояний в среднем - 33%, наконец для самых дальних расстояний, отстоящих друг от друга на 1000 км и выше - 30%.

На первый взгляд, это выглядит удивительным: проницаемость пространства, его мнимая доступность, лучшая информированность о том, что ближе, формирует представление о том, то расстояния «по прямой» почти идентичны реальным. Однако в действительности наличие физико-географических барьеров, сложившийся рисунок транспортной сети приводят к прямо противоположному: именно на коротких расстояниях различия рассчитанных расстояний больше. Вероятно, по аналогичным соображениям, могут быть недопонимаемы нами и трудности, с которыми сталкиваются люди в миграции на короткие расстояния: кажется, что они минимальны, реально они значительны и сопровождаются издержками разного рода.

Резюмируя, необходимо констатировать, что расчет и применение поправочных коэффициентов также имеет ограничения: они могут быть различны не только на маршрутах разной протяженности, но и в зависимости от степени хозяйственной освоенности территории, рельефа местности и т.п.

Важно также понимать, что каким бы способом мы не рассчитывали расстояния, сами по себе они характеризуют пространство, «поле» миграции, а не ее дистанции (что делают собственно расчеты дальности миграции населения). Кроме того, абсолютные значения имеют второстепенное значение, важно соотношение коротких, средних и длинных расстояний, а также то, какие мигранты перемещаются на разные виды расстояний, но это - предмет отдельного анализа и обсуждения. В настоящей статье ставились и реализовывались в первую очередь методические задачи.



Литература

1. Манвелидзе, А.Б. (2018). Сравнение пассажирских перевозок авиационным и железнодорожным транспортом. Стратегические решения и риск-менеджмент, 1, 88101.

2. Мкртчян, Н.В., Карачурина, Л.Б. (2004). Дальность межрайонной миграции в России: тенденции и современная ситуация. Научные труды ИНП РАН. Гл. ред. А.Г. Коровкин. М.: МАКС Пресс, 488-504.

3. Неретин, А.С. (2019). Транспортное положение и доступность территорий Европейской России. Дисс. к.г.н. М., 193 с.

4. Неретин, А.С., Зотова, М.В., Ломакина, А.И., Тархов, С.А. (2019). Транспортная связность и освоенность восточных регионов России. Известия РАН. Серия геогр., 6, 3552. https://doi.org/10.31857/S2587-55662019635-52

5. Тархов, С.А. (2018). Транспортная освоенность территории. Вестник Московского университета. Серия 5. География, 2, 3-9.

6. Татевосов, Р.В. (1971). Анализ дальности миграций городского населения СССР и некоторые вопросы моделирования и прогнозирования миграций. Автореферат дисс. к.г.н. М., 18 с.

7. Татевосов, Р.В. (1973). Исследование пространственных закономерностей миграции населения. Статистика миграции населения. Отв. ред. Т.В. Рябушкин. М.: Статистика, 35-48.

8. Численность населения Российской Федерации по муниципальным образованиям на 1 января 2022 г. (статистический бюллетень) (2022). М.: Росстат.

9. Boyle, P., Flowerdew, R. (1997). Improving Distance Estimates between Areal Units in Migration Models. Geographical Analysis, 29(2), 93-107.

10. Clark, W.A.V. (2020). Human Migration (1986). Reprint. Ed. by Grant I. WVU Research Repository, 70 p.

11. Hipp, J. R., Boessen, А. (2017). The Shape of Mobility: Measuring the Distance Decay Function of Household Mobility. The Professional Geographer, 69(1), 32-44.

12. Lomax, N, Norman, P, Darlington-Pollock, F. (2021). Defining distance thresholds for migration research. Population, Space and Place, 27(4). https://doi.org/10.1002/psp.2440

13. Long, L., Tucker, C. J., Urton, W. L. (1988). Migration distances: an international comparison. Demography, 25, 633-640.

14. Newbold, K. B., Peterson, D. A. (2001). Distance weighted migration measures. Papers in Regional Science, 80, 371-380.

15. Niedomysl, T., Ernstson, U., Fransson, U. (2017). The accuracy of migration distance measures. Population, Space and Place, 23(1), e1971. https://doi.org/10.1002/psp.1971

16. Niedomysl, T., Fransson, U. (2014). On distance and the spatial dimension in the definition of internal migration. Annals of the Association of American Geographers, 104, 357372. https://doi.org/10.1080/00045608.2013.875809

17. Olsson, G. (1965). Distance and Human Interaction: A Review and Bibliography. Regional Science Research Institute: Philadelphia, PA, 112 р.

18. Rogerson, P.A. (1990). Buffon's needle and the estimation of migration Distances. Mathematical Population Studies, 2(3), 229-238. https://doi.org/10.1080/08898489009525308

19. Stillwell, J., Daras, K., Bell, M. (2018). Spatial Aggregation Methods for Investigating the MAUP Effects in Migration Analysis. Applied Spatial Analysis and Policy, 11, 693-711. https://doi.org/10.1007/S12061-018-9274-6

20. Stillwell, J., Daras, K., Bell, M., Lomax, N. (2014). The IMAGE studio: A tool for internal migration analysis and modelling. Applied Spatial Analysis and Policy, 7, 5-23.

21. Stillwell, J., Bell, M., Ueffing, P., Daras, K., Charles-Edwards, E., Kupiszewski, M., Kupiszewska, D. (2016). Internal migration around the world: Comparing distance travelled

22. and its frictional effect. Environment and Planning А,48(8),1657-1675.

23. https://doi.org/10.1177/0308518X16643963

24. Stillwell, J., Thomas, M. (2016). How far do internal migrants really move? Demonstrating a new method for the estimation of intra-zonal distance. Regional Studies, Regional Science, 3(1), 28-47. https://doi.org/10.1080/21681376.2015.1109473.

25. Williams, A.M., Balaz, V. (2012). Migration, Risk, and Uncertainty: Theoretical Perspectives. Population, Space and Place, 18(2), 167 - 180. https://doi.org/10.1002/psp.663 Zax, J. S. (1994). When is a move a migration? Regional Science and Urban Economics, 24(3), 341-60.

миграции в России

Составлено авторами



Рис. 2. Примеры расчетов внутрирегиональных расстояний

Составлено авторами

Рис. 3. Распределение отклонений рассчитанных расстояний (отношение расстояния по автодорогам к евклидову расстоянию), раз

Составлено авторами на основе выполненных расчетов



Составлено авторами на основе выполненных расчетов

Рис. 5. Примеры больших отклонений расстояний, рассчитанных и по автодорогам и евклидовых

Примечание: цвет участков автодорог отражают особенности дорожного покрытия и скорость движения

Источник: Выполнено авторами по данным Яндекс-карт

Рис. 6. Распределение отклонений рассчитанных расстояний (по автодорогам к расчетному методом геокоординат), на труднодоступных территориях, раз

Составлено авторами на основе выполненных расчетов

Таблица 1. Характеристики выбранных муниципальных об разовании

Название МР (МО, ГО)	Регион	Численност ь населения, на 01.01.2022 (чел.)	в том числе (чел.):	Количество поселений (шт.):	Количеств о населенны х пунктов (шт.)
			Городског о	Сельског о	город -ских	сель ских
Шпаковский МО1	Ставропольски й край	146870	94553	52317	1	11	42
Кавказский	Краснодарски й край	118823	76295	42528	1	8	29
ГОУсть- Илимск	Иркутская	78718	78718	0	1
Магарамкентск ий	Дагестан	61020	0	61020		22	32
Яковлевский ГО	Белгородская	55929	34049	21880	3	14	86
Суровикинский	Пензенская	32293	18171	14122	1	10	44
ГО Кудымкар2	Пермский край	29853	29853	0	1
Уренский МО3	Нижегородска я	27568	16791	10777	2	13	122
Беловский МО4	Кемеровская	24571	0	24571		8	47
Усть-Вымский	Коми	24103	16174	7929	2	10	53
Нововаршавски й	Омская	21484	9302	12182	2	9	33
ГО Бронницы	Московская	21384	21384		1
Бижбулякский	Башкортостан	20475	0	20475		13	86
Шатровский МО5	Курганская	14527	0	14527		13	61
Лопатинский	Пензенская	11986	0	11986		11	40
Бакчарский	Томская	11486	0	11486		6	24
Турковский	Саратовская	9887	5363	4524	1	3	46
Селтинский6	Удмуртия	9535	0	9535		9	72
Шурышкарский 7	ЯНАО	9436	0	9436		7	24
Октябрьский	Еврейская а.о.	9207	0	9207		3	15
Новичихинский	Алтайский край	8463	0	8463		7	16
Усть-Янский8	Саха	6968	3830	3138	3	7	10
Ермишинский	Рязанская	6681	3460	3221	1	5	61
Глинковский	Смоленская	3906	0	3906		3	90
Итого		765173	407943	357230

¹ до 31.01.2020 г. - МР

² с 27.01.2022 - МО вместе с Кудымкарским МР

³ до 29.04.2020 г. - МР

⁴ до 1.06.2021 - МР

⁵ до 12.05.2021 г. - МР

⁶ до 18.04.2021 - МР

⁷ с 21.04.2022 г. - МО

⁸ с 23.09.2022 г. - МО

Составлено авторами по данным: (Численность..., 2022)

Таблица 2. Распределение рассчитанных евклидовых расстояний по видам и дальности

Евклидово расстояние, км	Всего	Виды расстояний:
		межрегиональные (центр МР (МО, ГО)-центр региона)	внутрирегиональные (центр МР (МО, ГО) - центры других МР (МО, ГО) данного региона)	внутрирайонные (центр поселения - центр поселения)
0-10	187	0	3	184
11-20	357	1	4	352
21-30	292	1	8	283
31-40	213	0	24	189
41-50	110	0 ...

Подобные документы

• Оценка деятельности производственных объектов. Анализ объемов продукции

  Определение деятельности производственных объектов с помощью методов: суммы мест, расстояний, балльной оценки. Расчеты квадратов расстояний. Расчет изменений объемов реализации и выпуска продукции, используя балансовый способ и метод цепных подстановок.
  
  контрольная работа [130,1 K], добавлен 14.12.2010
  

• Статистические наблюдения по валовому региональному продукту автономных образований России

  Статистическое наблюдение автономных образований по валовому региональному продукту. Расчет теоретических частот попадания количества регионов в соответствующие группы. Определение порядковых номеров, вида выборки. Построение уравнения регрессии.
  
  контрольная работа [77,2 K], добавлен 19.01.2010
  

• Основные статистические расчеты

  Предельная ошибка выборки при установлении среднего значения. Цепные и базисные темпы роста. Среднее квадратическое отклонение и коэффициент вариации. Частоты интервалов предшествующего и последующего модальному. Индекс себестоимости переменного состава.
  
  контрольная работа [93,8 K], добавлен 02.12.2010
  

• Анализ миграционных процессов, протекающих между Россией и Украиной в период с 1992 по 2013 год

  Распад Союза Советских Социалистических Республик. Изучение межреспубликанской и межгосударственной миграции в России. Этнический состав населения государства и регионов. Региональные аспекты трудовой миграции из Украины в Россию в последние годы.
  
  дипломная работа [1,4 M], добавлен 31.12.2015
  

• Причины и последствия внешней трудовой миграции

  Причины трудовой миграции. Неравенство между богатыми и бедными странами. Связь между принимающими и отправляющими странами. Проблемы адаптации мигрантов. Последствия трудовой миграции для посылающих и принимающих стран. Демографические последствия.
  
  эссе [289,5 K], добавлен 17.12.2007
  

• Рынки с ассиметричной информацией. Рыночные сигналы

  Изучение понятия асимметричности информации - неравномерного распределения информации о товаре между сторонами сделки. Теория сигнализирования Майкла Спенса. Асимметричность информации на примере рынка страхования, ценных бумаг, труда и кредитования.
  
  презентация [5,7 M], добавлен 26.12.2012
  

• Оценка инвестиционной привлекательности муниципальных образований

  Роль инвестиций в стратегическом развитии территории. Социально-экономическая характеристика и оценка инвестиционной привлекательности муниципальных районов Московской и Смоленской областей. Анализ ресурсного обеспечения инвестиционной деятельности.
  
  дипломная работа [4,8 M], добавлен 12.05.2014
  

• Экономические последствия миграции населения

  Усиление социальной напряженности на рынке труда. Основные миграционные потоки. Отток квалифицированной рабочей силы. Последствия миграции как фактор экономического развития. Меры по снижению негативных последствий миграции населения в современной России.
  
  дипломная работа [330,7 K], добавлен 26.04.2015
  

• Теория статистики

  Статистический ряд распределения фермерских хозяйств по удою от одной коровы. Определение ошибки выборки и границ для среднего удоя в генеральной совокупности. Связь между признаками методом аналитической группировки. Расчет межгрупповой дисперсии.
  
  контрольная работа [535,7 K], добавлен 14.11.2013
  

• Статистические методы оценки уровня и качества жизни населения

  Статистические методы изучения уровня и качества жизни населения на примере "Домашних хозяйств населения района". Анализ валового дохода на продукты питания на одного члена домохозяйства в год. Выявление закономерностей изменения благосостояния населения.
  
  курсовая работа [175,7 K], добавлен 19.03.2011
  

• Статистические показатели

  Расчет плана по реализации продукции. Динамика численности населения. Плановое задание по росту производительности труда за год. Основные статистические показатели зарплаты и основных фондов (моду и медиану, дисперсию, коэффициент вариации, отклонение).
  
  контрольная работа [95,4 K], добавлен 21.11.2010
  

• Внутренняя миграция. Трудовые ресурсы

  Анализ масштабов внутренней миграции в России. Причины сокращения численности населения. Замещение естественной убыли населения миграционным приростом. Общие итоги миграции за 2006 и 2007 гг. Определение численности экономически неактивного населения.
  
  практическая работа [22,1 K], добавлен 12.01.2010
  

• Демографический кризис в России и Нижегородской области: причины, факторы и пути преодоления

  Обеспечение движения населения и его территориального перераспределения как одна из важнейших социально-экономических функций миграции. Изменение соотношения между работниками и пенсионерами - фактор, способствующий демографическому кризису в стране.
  
  курсовая работа [288,4 K], добавлен 14.01.2018
  

• Анализ статистики и миграции населения

  Задачи демографической статистики. Источники данных о населении. Текущий учет населения. Определение перспективной численности населения. Регистрация рождений, смертей, браков, миграции. Естественное движение населения. Коэффициенты движения населения.
  
  презентация [320,6 K], добавлен 18.02.2015
  

• Расчет статистических показателей

  Построение дискретного ряда распределения по группировочному признаку. Выявление зависимости между экономическими показателями деятельности предприятий. Анализ показателей бухгалтерского баланса. Механическая выборка из генеральной совокупности.
  
  контрольная работа [79,1 K], добавлен 12.12.2010
  

• Источники информации о доходах и расходах населения

  Понятие о статистической информации. Статистическое наблюдение как стадия экономико-статистического исследования. Задачи и данные статистики при изучении доходов, расходов. Домашние хозяйства как источник информации. Доходная и расходная часть баланса.
  
  контрольная работа [21,7 K], добавлен 06.12.2010
  

• Статистический анализ сельского населения Амурской области

  Экономическая сущность статистики, статистические методы анализа сельского населения. Динамика численности и структура сельского населения. Группировка городов и районов Амурской области по количеству сельских жителей. Величины и показатели вариации.
  
  курсовая работа [461,5 K], добавлен 04.09.2013
  

• Статистическое изучение внутренней миграции в стране

  Сущность, характеристика и виды внутренней миграции, ее влияние на демографические и социально-экономические процессы в России. Анализ статистических данных внутренней миграции. Урбанизация, процесс роста городов и увеличения доли городского населения.
  
  курсовая работа [335,4 K], добавлен 15.05.2014
  

• Анализ финансового состояния предприятия

  Аналитический баланс оценки финансовой устойчивости организации. Анализ состава, структуры и динамики активов и пассивов, доходов и расходов, рентабельности активов, выручки от продаж. Оценка результатов деятельности организаций методом расстояний.
  
  контрольная работа [65,9 K], добавлен 31.01.2016
  

• Особенности расчета статистических показателей

  Группировка единиц наблюдения статистической совокупности по факторному признаку. Расчет средних значений, моды и медианы, показателей вариации. Направление связи между факторной и результативной переменными. Определение вероятности ошибки выборки.
  
  контрольная работа [634,5 K], добавлен 19.05.2014
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам