Елена Владимировна Никифорова — доктор экономических наук, профессор кафедры бизнес- аналитики, главный научный сотрудник Центра научных исследований и стратегического консалтинга
Москва
Elena V. Nikiforova — Dr. Sci. (Econ.), Prof. of the Department of Business Analytics, Chief Research Assoc., Center for Scientific Research and Strategic Consulting
Moscow
Ольга Владимировна Шнайдер — кандидат экономических наук, доцент кафедры бизнес- аналитики, главный научный сотрудник Центра научных исследований и стратегического консалтинга
Москва
Olga V. Schneider — Cand. Sci. (Econ.), Assoc. Prof. of the Department of Business Analytics, Chief Research Assoc., Center for Scientific Research and Strategic Consulting
Moscow
Виктор Викторович Шнайдер — кандидат экономических наук, доцент кафедры бизнес- аналитики факультета налогов, аудита и бизнес- анализа
Москва
Victor V. Schneider — Cand. Sci. (Econ.), Assoc. Prof., Department of Business Analytics, Faculty of Taxes, Audit and Business Analysis
Moscow
Ольга Александровна Петрова — кандидат экономических наук, доцент кафедры бизнес- аналитики, главный научный сотрудник Центра научных исследований и стратегического консалтинга
Москва
Olga A. Petrova — Cand. Sci. (Econ.), Assoc. Prof., Department of Business Analytics, Chief Research Assoc., Center for Scientific Research and Strategic Consulting
Moscow
Предмет исследования — социально- экономические показатели регионов России. Актуальность работы предопределена проблемами пространственной гетерогенности, где регионы- доноры, концентрирующие финансовые потоки и высокотехнологичные производства, сосуществуют с территориями, сохраняющими сырьевую ориентацию или испытывающими структурный кризис. Цель — выявление и количественная оценка статистически значимых пространственных автокорреляционных взаимосвязей, требующих учета, анализа и оценки пространственного контекста, а также и специфики развития выявленных кластеров. Методология исследования базируется на расчёте глобальных и локальных индексов Морана с применением бинарной матрицы пространственных весов и рандомизированного тестирования, анализе динамики одиннадцати репрезентативных показателей. В результате исследования установлено наличие устойчивой пространственной автокорреляции для шести ключевых индикаторов из одиннадцати репрезентативных: динамики оборота розничной торговли, индексов потребительских цен, изменения стоимости фиксированного набора товаров и услуг, цен на первичном рынке жилья, номинальной заработной платы и уровня безработицы. С помощью LISA-кластеризации идентифицированы устойчивые пространственные паттерны, включая формирование контрастных ареалов синхронного роста и спада, а также зоны пространственных выбросов, где локальные барьеры развития препятствуют распространению позитивных экономических импульсов. Сделан вывод: выявленная поляризация между центральными регионами, демонстрирующими опережающий рост доходов и потребительской активности, и периферийными территориями, испытывающими структурные ограничения, свидетельствует о сохранении фундаментальных дисбалансов пространственного развития, воспроизводящихся через механизмы пространственного перелива и конкуренции. Авторы рекомендовали активнее использовать полученные результаты, имеющие существенное практическое значение для разработки дифференцированной региональной политики, требующей учета, анализа и оценки пространственного контекста и специфики выявленных кластеров развития.
The subject of this study is the socioeconomic indicators of Russian regions. The relevance of this work is determined by issues of spatial heterogeneity, where donor regions, concentrating financial flows and high-tech industries, coexist with territories that remain focused on raw materials or are experiencing a structural crisis. The goal is to identify and quantify statistically significant spatial autocorrelation relationships, requiring consideration, analysis, and evaluation of the spatial context, as well as the specific development patterns of the identified clusters. The research methodology is based on the calculation of global and local Moran’s I indices using a binary matrix of spatial weights and randomized testing, as well as an analysis of the dynamics of eleven representative indicators. The study revealed the presence of stable spatial autocorrelation for six key indicators out of eleven representative ones: retail turnover dynamics, consumer price indices, changes in the cost of a fixed set of goods and services, prices on the primary housing market, nominal wages, and the unemployment rate. LISA clustering was used to identify persistent spatial patterns, including the formation of contrasting areas of synchronous growth and decline, as well as zones of spatial outliers where local development barriers impede the spread of positive economic impulses. It was concluded that the identified polarization between central regions demonstrating accelerated growth in income and consumer activity and peripheral territories experiencing structural constraints indicates the persistence of fundamental imbalances in spatial development, reproduced through mechanisms of spatial spillover and competition. The authors recommended more active use of the obtained results, which have significant practical implications for the development of differentiated regional policies that require consideration, analysis, and assessment of the spatial context and specific features of the identified cluster development.
The authors declare that there are no conflicts of interest present.