Фактор места проживания в анализе доходного неравенства населения в России

Исследования, направленные на изучение влияния места проживания населения на дифференциацию доходов в обществе, особенно важны для России в силу обширной территории страны. Наряду с разнообразием природно-климатических условий, неравномерностью пространственного развития и ресурсных возможностей регионов и муниципалитетов здесь наблюдаются высокие разрывы в плотности заселения территории и развитости инфраструктуры, обеспечивающей базовые потребности человека. Все это обусловливает обособленность локальных популяций и их зависимость от общих характеристик населенного пункта, резидентами которого они являются.Цель этой статьи состоит в разработке подходов к расширенному измерению и анализу доходного неравенства населения России с учетом места его проживания и имеющейся в открытом доступе информации о доходах населения на уровне муниципалитетов. Основными индикаторами для измерения доходного неравенства на уровне страны были выбраны коэффициент Джини и коэффициент Палма, которые достаточно гармонично дополняют друг друга, характеризуя общий уровень неравенства и разрыв в доходах между богатым и бедным населением. Эти коэффициенты весьма популярны среди исследователей и их интерпретация не требует усилий.Для измерения неравенства на местном уровне требуются специальные инструменты, которые могли бы дать возможность охарактеризовать это явление на основе выборочных данных. В качестве такого инструмента в публикации используется коэффициент внутрикластерной корреляции, благодаря которому можно оценить степень однородности доходов населения внутри кластеров и, соответственно, дифференциацию доходов между кластерами.Предложенный коэффициент позволил связать уровень душевых доходов населения с муниципалитетом как местом постоянного жительства домашнего хозяйства. С его помощью были оценены происходящие изменения в доходном неравенстве с учетом различий между территориальными образованиями и внутри них, как с позиции неравенства в доходах внутри групп населения, так и через разницу в средних значениях доходов у местных популяций.В качестве эмпирической основы проведенного исследования использовались доступные на сайте Росстата файлы обезличенных микроданных Выборочного наблюдения доходов населения и участия в социальных программах (ВНДН) за период с 2013 по 2022 гг., а также информация об объемах социальных выплат населению и налогооблагаемых денежных доходов населения по муниципальным и городским округам, муниципальным районам.

Authors

Publication Details

Journal
Higher School of Economics Economic Journal
Published
2025-03-29
DOI
https://doi.org/10.17323/1813-8691-2025-29-2-248-278
Primary Topic
Socioeconomic and Demographic Analysis
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Фактор места проживания в анализе доходного неравенства населения в России

A. Surinov, A. Luppov
Higher School of Economics Economic Journal
Socioeconomic and Demographic Analysis
article

Фактор места проживания в анализе доходного неравенства населения в России

A. Surinov, A. Luppov
article en

Abstract

Исследования, направленные на изучение влияния места проживания населения на дифференциацию доходов в обществе, особенно важны для России в силу обширной территории страны. Наряду с разнообразием природно-климатических условий, неравномерностью пространственного развития и ресурсных возможностей регионов и муниципалитетов здесь наблюдаются высокие разрывы в плотности заселения территории и развитости инфраструктуры, обеспечивающей базовые потребности человека. Все это обусловливает обособленность локальных популяций и их зависимость от общих характеристик населенного пункта, резидентами которого они являются.Цель этой статьи состоит в разработке подходов к расширенному измерению и анализу доходного неравенства населения России с учетом места его проживания и имеющейся в открытом доступе информации о доходах населения на уровне муниципалитетов. Основными индикаторами для измерения доходного неравенства на уровне страны были выбраны коэффициент Джини и коэффициент Палма, которые достаточно гармонично дополняют друг друга, характеризуя общий уровень неравенства и разрыв в доходах между богатым и бедным населением. Эти коэффициенты весьма популярны среди исследователей и их интерпретация не требует усилий.Для измерения неравенства на местном уровне требуются специальные инструменты, которые могли бы дать возможность охарактеризовать это явление на основе выборочных данных. В качестве такого инструмента в публикации используется коэффициент внутрикластерной корреляции, благодаря которому можно оценить степень однородности доходов населения внутри кластеров и, соответственно, дифференциацию доходов между кластерами.Предложенный коэффициент позволил связать уровень душевых доходов населения с муниципалитетом как местом постоянного жительства домашнего хозяйства. С его помощью были оценены происходящие изменения в доходном неравенстве с учетом различий между территориальными образованиями и внутри них, как с позиции неравенства в доходах внутри групп населения, так и через разницу в средних значениях доходов у местных популяций.В качестве эмпирической основы проведенного исследования использовались доступные на сайте Росстата файлы обезличенных микроданных Выборочного наблюдения доходов населения и участия в социальных программах (ВНДН) за период с 2013 по 2022 гг., а также информация об объемах социальных выплат населению и налогооблагаемых денежных доходов населения по муниципальным и городским округам, муниципальным районам.

Higher School of Economics Economic JournalVol. 29(2)
No poverty
Openalex Percentile: Top 78%
Socioeconomic and Demographic Analysis
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.