Scientific journal
Advances in current natural sciences
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,775

INFLUENCE OF 40 LIFE FACTORS ON POPULATION SHARE BELOW THE LIVING MINIMUM IN THE SUBJECTS OF THE URALS AND SIBERIA

Mazurkin P.M. 1
1 Volga State University of Technology
For 14 subjects of the federation of the Urals and Siberia, a hierarchy of 40 influencing variables was compiled for the indicator of the share of the population below the subsistence level. This indicator was ranked first in factor analysis. In the hierarchy of variables, the first place is taken by the factor of water use, the second is the average per capita income of the population. Based on the analysis of the Lorenz and Kuznets curves, as well as the Gini coefficient for the mutual influence of the incomes of the population X37 on the share below the subsistence minimum X33, the possibility of assessing the criterion of the uneven distribution of the values of influencing variables according to the statistical indicators of the standard deviation of the actual values of the indicator from the calculated one by two-component trends and asymmetric wavelets, as well as correlation coefficients. It turned out that the Lorentz curve is, in the general case, a multicomponent equation containing, in addition to the trend, additional fluctuations. For the X37-X33 pair, we get the arithmetic mean of 17.1 %, while the standard deviation is 2.400 %. For the arithmetic mean, the standard deviation is 6.165 %. Then the coefficient of unevenness for the X33 index will be equal to 0.3893. For the pair X33-X37, the arithmetic mean is 27535.1 rubles / month, and the standard deviation of the formula is 6284.3 rubles / month, and the standard deviation of the arithmetic mean is 8160.5 rubles / month. Then the coefficient of unevenness will be equal to 6284.3 / 8160.5 = 0.7701. As a result, X37-X33 in comparison with X33-X37 is two times more preferable in terms of uneven distribution coefficient. The article proves the quantum definiteness of the parameters of societies in the form of the population of the subjects of the federation. In the future, it is possible to identify wavelets for all subjects of the Russian Federation.
40 parameters
living wage of the population
pair relations
trends
influence rating
1. Mazurkin P.M. Factor analysis of the subjects of the Siberian district by 40 parameters of the population’s life // Biosphere economy: theory and practice. 2021. No. 5 (35). Р. 17–39 (in Russian).
2. Steffen W., Rockström J., Richardson K, Lenton T.M., Folke C., Liverman D., Summerhayes C.P., Barnosky A.D., Cornell S.E., Crucifix M., Donges J.F., Fetzer I., Lade S.J., Scheffer M., Winkelmann R. & Schellnhuber H.J. Trajectories of the Earth System in the Anthropocene // PNAS, 2018. Vol. 115. No. 33. P. 8252–8259. DOI: 10.1073/pnas.1810141115.
3. Dovers S. & Butler C. Population and environment: a global challenge – Curious // Earth & environment. 2015. [Electronic resource]. URL: https://www.science.org.au/curious/earth-environment/population-environment (date of access: 09.09.2021).
4. Porfiriev B.N. «Green» factor of economic growth in the world and in Russia. [Electronic resource]. URL: porfirev-b.n.-zelenyj-faktor-ekonomicheskogo-rosta-v-mire-i-v-rossii.pdf (date of access: 09.09.2021).
5. Population income dynamics // Bulletin on current trends in the Russian economy. Issue 58. February 2020. 16 р. (in Russian).

Колебательная адаптация существует в природе, включая живое и косное вещества по В.И. Вернадскому. Этот принцип адаптации действует и на социумы, например в виде субъектов федерации. Тогда получается, что закон Коммонера «всё связано со всем» исходит из взаимных колебаний процессов адаптации, которые проявляются в виде суммы асимметричных вейвлетов [1]. Коллективные действия необходимы, чтобы отвести земную систему от порога глобального экологического кризиса. Такие действия включают управление системой Земли – биосферой, климатом и обществами – на уровнях изменений поведения [2].

Доход населения также является важным фактором. Неравномерное распределение доходов оказывает давление на окружающую среду как со стороны самого низкого, так и самого высокого уровня доходов. Чтобы просто выжить, многие из беднейших людей мира участвуют в нерациональном использовании ресурсов. Они также вынуждены истощать скудные природные ресурсы, такие как леса или популяции животных, чтобы прокормить свои семьи [3].

Экологические инновации в «зеленых» технологиях становятся основным фактором экономического роста, при этом происходит неравномерное развитие этих инноваций и технологий в разных странах мира [4]. В статье рассмотрены стратегические риски отставания России от ведущих в экономике стран.

Цель исследования – иерархия по коэффициенту корреляции трендов [1] влияния 40 параметров у 14 субъектов Урала и Сибири на долю населения ниже прожиточного минимума, методика коэффициента неравномерности Джини по кривой Лоренца, принятой в виде тренда.

Материалы и методы исследования

По исследованиям [5] за 2014–2019 гг., на протяжении четырех лет начиная с 2014 г., в России наблюдалось снижение реальных располагаемых денежных доходов населения. Коэффициент Джини уменьшился с 0,419 до 0,412, что свидетельствует о незначительном снижении неравенства доходов населения.

Иерархия влияющих переменных была составлена по результатам факторного анализа 40 параметров у 14 субъектов Урала и Сибири. Всего было получено 1600 уравнений в виде закономерности (1), из которых 1360 относятся к парным отношениям. Как зависимый показатель на первом месте оказался фактор Х33 – доля населения ниже прожиточного минимума, % (табл. 1). По иерархии уменьшения коэффициента корреляции как влияющая переменная на первом месте оказался фактор – использование воды, м3/чел. После воздуха потребление воды для человека является второй первичной потребностью.

Таблица 1

Влияющие факторы на показатель Х33 – доля населения ниже прожиточного минимума, %

Ранг

R

Код

x

Коэф.

кор. r

Наименование влияющего параметра

0

Х33

0,9940

доля населения ниже прожиточного минимума ( %) по рангам

1

Х19

0,9527

использование воды, м3/чел.

2

Х37

0,9461

средние душевые доходы населения, руб/мес.

3

Х01

0,9356

приведенная северная широта центра столицы, missing image file

4

Х32

0,9263

уровень безработицы, %

5

Х28

0,9141

младенческая смертность на 1000 родившихся живыми

6

Х27

0,8944

суммарный коэффициент рождаемости

7

Х11

0,8777

сумма осадков за июль 2018 г., мм

8

Х08

0,8607

средняя месячная температура в январе 2018 г., °С

9

Х21

0,8598

выбросы в атмосферу, кг/чел.

10

Х17

0,8316

общий экологический коэффициент

11

Х36

0,8310

ВРП на душу населения за 2018 г., тыс. руб/чел.

12

Х03

0,8244

высота центра столицы над уровнем Балтийского моря, м

13

Х26

0,8165

ожидаемая продолжительность жизни женщин, лет

14

Х30

0,8104

естественный прирост на 1000 населения

15

Х14

0,8100

доля пашни к площади суши, %

16

Х40

0,8086

число умерших женщин в возрасте 16–54 лет на 105 населения

17

Х24

0,7999

ожидаемая продолжительность жизни всех, лет

18

Х07

0,7996

среднее число в месяц дней с осадками > 0,1 мм (1961–1990)

19

Х31

0,7800

уровень занятости, %

20

Х39

0,7717

число умерших мужчин в возрасте 16–59 лет на 105 населения

21

Х35

0,7528

доля сельского населения, %

22

Х04

0,7527

средняя месячная ночная температура (1961–1990), °С

23

Х16

0,7432

доля измененных человеком угодий к площади суши, %

24

Х34

0,7388

доля городского населения, %

Окончание табл. 1

Ранг

R

Код

x

Коэф.

кор. r

Наименование влияющего параметра

25

Х25

0,7142

ожидаемая продолжительность жизни мужчин, лет

26

Х22

0,5907

улавливание выбросов в атмосферу, кг/чел.

27

Х10

0,5677

сумма осадков за январь 2018 г., мм

28

Х20

0,5647

сброс загрязнений в воду, м3/чел.

29

Х23

0,5331

плотность населения, чел/км2

30

Х02

0,5284

приведенная восточная долгота, причем missing image file, °

31

Х09

0,5241

средняя температура в июле 2018 г., °С

32

Х06

0,5015

средняя сумма осадков (1961–1990), мм

33

Х05

0,4922

средняя дневная температура (1961–1990), °С

34

Х38

0,4697

умершие оба пола в трудоспособном возрасте на 105 населения

35

Х18

0,3959

забор воды, м3/чел.

36

Х29

0,3931

коэффициент миграционного прироста на 104 населения

37

Х12

0,3681

доля сельхозугодий к площади суши, %

38

Х13

0,3059

доля лесов к площади суши, %

39

Х15

0,2479

доля растительности «трава + кусты + деревья» к суше, %

Доля растительного покрова от суши почти не влияет на долю населения ниже прожиточного минимума. Однако [3] бедное население влияет на снижение растительности.

Кривая Лоренца является методом графического изображения уровня концентрации явления. Математически эта кривая описывается трендом.

Все модели бинарных отношений были выявлены по формуле

y = aexp(–bxc) + dxeexp(–fxg), (1)

где y – показатель, x – влияющая переменная, a – g – параметры (1) двухчленного тренда, идентифицируемые в среде CurveExpert-1.40. Второй член соответствует кривой Кузнеца.

Коэффициент Джини вычисляется относительно кривой Лоренца. При этом, если кривая Лоренца характеризуется общим уравнением двухсоставного тренда (1), то появляется возможность разработки методики расчета коэффициента Джини.

На рис. 1 приведен график уравнения (1) для влияния среднедушевых доходов населения на долю населения ниже прожиточного минимума для 14 субъектов федерации.

missing image file

Рис. 1. Схема к расчету коэффициента Джини неравномерного влияния среднедушевых доходов на долю населения ниже прожиточного минимума: S – стандартное отклонение; r – коэффициент корреляции

Кривой Лоренца становится график уравнения (1). Но, в отличие от общепринятой методики расчета неравномерности распределения мы примем не диагональ от 0 до 1, а конкретные граничные значения (минимумы и максимумы) влияющей переменой x на изменение зависимого показателя y.

Тогда линия АВ будет линией равномерного распределения. Трапеция ABCD покажет теоретический объем равномерного распределения. В этом случае площадь под кривой Лоренца в интервале от x1 до x2 будет характеризовать фактический объем неравномерного распределения. Тогда отношение площади фигуры кривой Лоренца до прямой линии AB (числитель) к площади трапеции ABCD (знаменатель) станет коэффициентом Джини.

Рассмотрим обратное парное отношение (рис. 2) между этими же параметрами. Здесь картина усложнилась: второй слева субъект получил больший среднедушевой доход.

missing image file

Рис. 2. Схема к расчету коэффициента Джини обратного влияния доли населения ниже прожиточного минимума на среднедушевые доходы

Опыт моделирования показал, что переход от точки A1 к более высокой по оси ординат точке А показывает волновой подъем значения показателя по асимметричному вейвлету.

Результаты исследования и их обсуждение

Для одного показателя и множества переменных в табл. 1 приведены 39 влияющих параметров на долю населения ниже прожиточного минимума. Из математической статистики известно, что в таком случае мерой неравномерности распределения становится стандартное отклонение S, которое автоматически выводится в программной среде CurveExpert-1.40.

В табл. 2 приведены параметры модели (1) для всех влияющих переменных.

Таблица 2

Параметры тренда (1) доли населения ниже прожиточного минимума и стандартное отклонение от влияния разных переменных

Ранг

R

Код

x

Коэф.

кор. r

Экспоненциальный закон

Биотехнический закон

Станд.

откл. S

a

b

c

d

e

f

g

1

Х19

0,9527

247,1966

0,00084935

1

-173,4034

0,057818

0,0010665

1

2,251

2

Х37

0,9461

516,1222

4,54980e-5

1

-3,31655

0,53959

6,62654e-5

1

2,400

3

Х01

0,9356

1,96104e6

4,46699

0,30697

-4,04202e6

0,16996

5,20013

0,29277

2,966

4

Х32

0,9263

11,06136

-0,021548

1

0,039664

2,29383

0

0

2,649

5

Х28

0,9141

41,09944

0,30629

1

0,037217

2,99788

0

0

2,850

6

Х27

0,8944

3,88416

-0,834432

0,88638

32,52691

9,90786

2,51978

2,50719

3,757

7

Х11

0,8777

16,44231

2,74932e-5

2,06631

0,064596

11,53535

0,017520

1,06918

4,026

8

Х081

0,8607

9,99330e5

1,16173

0,58811

-1,03564e6

0,25614

1,40071

5,63718

4,277

9

Х21

0,8598

21968,99

0,0022284

1

-21910,02

0,0005339

0,0022341

1

3,784

10

Х17

0,8316

16,49388

0,032043

1

0,0097469

2,00118

0

0

3,904

11

Х36

0,8310

28707,78

0,0014637

1

-22188,86

0,0044737

0,0014756

1

4,122

12

Х03

0,8244

13,99281

-0,0006371

1

8,6131e-38

13,66546

0

0

3,978

13

Х26

0,8165

705,53701

0,00060270

1

-8,04954

1,23451

0,012435

1

4,278

Окончание табл. 2

Ранг

R

Код

x

Коэф.

кор. r

Экспоненциальный закон

Биотехнический закон

Станд.

откл. S

a

b

c

d

e

f

g

14

Х302

0,8104

14,65075

-0,0090517

1

8,2048e-28

21,65281

0

0

4,118

15

Х14

0,8100

436,9968

0,20190

0,56916

-566,8485

0,21060

0,55589

0,44460

4,927

16

Х40

0,8086

13,89734

-0,00050076

1

7,703e-115

44,75396

0

0

4,135

17

Х24

0,7999

1034,8541

-0,0055406

1

-10,76146

1,36119

0,012008

1

4,447

18

Х07

0,7996

77,87132

-0,00026476

1,57491

-5,33149

0,63472

0

0

4,449

19

Х31

0,7800

495,48864

0,0097055

1

-0,52297

2,16570

0,044095

1

4,636

20

Х39

0,7717

91,76271

0,00057999

1

75,81e-136

45,34476

0

0

2,939

21

Х35

0,7528

7,81816e10

1,69061

1

0,35638

1,30429

0,022285

1

4,877

22

Х043

0,7527

8,77390e-8

-17,06038

0,044176

-4,7959e-5

7,52045

4,38224

0,33150

5,531

23

Х16

0,7432

32655,89

1,48449

0,17180

-4,28887,4

0,034072

1,76232

0,16206

5,621

24

Х34

0,7388

13,63130

-0,026993

1

-0,0005945

2,75619

0

0

4,736

25

Х25

0,7142

584,41677

-0,0012761

1

-7,25376

1,29477

0,019788

1

5,186

26

Х22

0,5907

26,75275

-0,00023247

1

-1,13134

0,41979

0

0

5,672

27

Х10

0,5677

23,19547

0,011778

1

-5,749e-15

0,23589

1,96318

1

6,099

28

Х20

0,5647

23,22734

-0,0029644

1

-0,29644

0,96725

0

0

5,801

29

Х23

0,5331

21,55956

-0,024806

1

-0,99309

1,03409

0

0

5,947

30

Х02

0,5284

5,14063

-0,016437

1

6,39911

0,15393

0

0

5,968

31

Х09

0,5241

0,69175

-0,32229

1

-1,6362e-6

6,46521

0

0

5,986

32

Х06

0,5015

33,05282

0

0

-0,078449

0,87912

0

0

5,798

33

Х05

0,4922

1,45113

0,063030

1

-3,6539e-9

5,65311

0

0

6,118

34

Х38

0,4697

-0,0040772

0,00028413

1

0,0086862

1,20059

0

0

6,205

35

Х18

0,3959

6723,2324

0,0015142

1

-6675,1053

0,0010532

0,0015231

1

6,804

36

Х294

0,3931

11,81876

-0,027780

1

-0,037033

1,48044

-0,016461

1

6,813

37

Х12

0,3581

13,60576

-0,036640

1

-0,0087807

2,30113

0

0

6,563

38

Х13

0,3059

8,49712

-0,032785

1

-0,0002227

2,97493

0

0

6,692

39

Х15

0,2479

1,77343

-0,046817

1

-8,8003e-9

5,15361

0

0

6,810

Примечания: Х08 – missing image file; Х30 – missing image file; Х04 – missing image file; Х29 – missing image file.

При условии c = 1 первая составляющая (1) превращается в закон Мандельброта (в физике), Лапласа (в математике), Перла – Ципфа (в биологии) и Парето (в эконометрике). Переменная Х27 получает модифицированный закон Мандельброта. При этом биотехнический закон в Х27 идентичен форме кривой Кузнеца. При отрицательном знаке перед второй составляющей она становится кризисной, препятствующей росту показателя. При условиях f = 0 и g = 0 биотехнический закон превращается в степенную функцию.

Оценка неравномерности иерархии из 39 влияющих параметров по стандартному отклонению показала, что разница между ними три раза.

Для случая многих показателей даже два из них имеют разные значения. Предлагаем коэффициент неравномерности, равный отношению стандартных отклонений формулы (1) и среднеарифметического y0 = a (рис. 3).

missing image file

Рис. 3. Графики среднеарифметических значений двух показателей

Для важнейшей пары Х37–Х33 (рис. 3) получаем среднее арифметическое a = 17,1 %, при этом по табл. 2 S = 2,400 %. Из рис. 3 видно, что S0 = 6,165. Тогда коэффициент неравномерности K для показателя Х33 будет равен K = 2,400 / 6,165 = 0,3893. А для пары Х33–Х37 (рис. 3) будет a = 27535,1 руб/мес., а на рис. 2 видно, что S = 6284,3 руб/мес., а на рис. 3 стандартное отклонение среднеарифметического равно S0 = 8160,5 руб/мес. Коэффициент неравномерности будет равен 6284,3 / 8160,5 = 0,7701. Тогда в 0,7701/ 0,3893 = 1,98 ≈ 2 раза по линии неравномерного распределения предпочтительнее пара Х37–Х33 в сравнении с парой Х33–Х37.

Оказалось, что кривая Лоренца является в общем случае многокомпонентным уравнением, содержащим, кроме тренда, дополнительные колебания. Например, вейвлет-анализ динамического ряда температуры воздуха за 1959–2017 гг. дал 188 составляющих, из которых первые две составляющие относятся к тренду, а остальные 186 – к асимметричным колебаниям. При этом каждая составляющая является квантом поведения приземного слоя воздуха в процессе колебательной адаптации атмосферы. Причем все они распределяются фрактально по модифицированному закону Мандельброта по критерию стандартного отклонения.

Распределение коэффициента корреляции

Далее рассмотрим, как распределяются влияющие 39 переменных по коэффициенту корреляции из табл. 1 внутри иерархии. При этом ранговое распределение Х33 по двухсоставному тренду характеризуется коэффициентом корреляции 0,9940. В табл. 1 дадим ему ранг 0.

После идентификации вейвлета было получено (рис. 4) уравнение вида

missing image file, (2)

missing image file,

missing image file,

missing image file,

missing image file,

missing image file.

missing image file

Рис. 4. Графики распределений коэффициента корреляции по рангам в иерархии влияющих переменных

Тренд является частным случаем вейвлета, поэтому из остатков видно, что возможно идентифицировать четвертое и последующие колебания. Первый член получает модифицированный закон Мандельброта, который показывает на фрактальное распределение переменных, влияющих на один показатель Х33 – доля населения ниже прожиточного минимума, %.

В итоге доказана квантовая определенность параметров социумов в виде населения субъектов федерации. В дальнейшем возможна идентификация вейвлетов для всей России.

Заключение

Предложена система из 40 факторов жизнедеятельности населения 14 субъектов федерации Урала и Сибири, соотнесенная с географическими координатами (широтой и долготой) и высотой над уровнем Балтийского моря центров столиц этих же субъектов федерации. Обособленно рассмотрено влияние этих факторов как влияющих переменных на показатель в виде доли населения ниже прожиточного минимума. В факторном анализе этот показатель занял первое место в иерархии. Затем влияющие переменные были расставлены в рейтинге по убыванию коэффициента корреляции двухчленного тренда.

Выполнено сравнение кривой Лоренца по взаимообратному влиянию доходов населения (социумов) на долю ниже прожиточного минимума. Тогда коэффициент Джини неравномерности распределения превращается в статистические показатели в виде стандартного отклонения и коэффициентов корреляции.

Показано, что для коэффициента неравномерности пары переменные – показатель применяются стандартные отклонения, а для многих показателей учитывают отношения стандартных отклонений идентифицированной формулы к средней арифметической. Все закономерности имеют квантовую определенность в процессах колебательной адаптации социумов. Кванты поведения имеют фрактальные распределения по модифицированному нами закону Мандельброта.

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований, Правительства Красноярского края, Красноярского краевого фонда науки в рамках научного проекта: «19-45-240004р_а Прогноз эколого-экономического потенциала возможных «климатических» миграций в Ангаро-Енисейском макрорегионе в меняющемся климате 21-го века».