Мониторинг социально-экономического положения региона¹

Юлия Шитова², Юрий Шитов³
(Опубликовано в журнале "Федерализм", 2012, №1 (65), с. 73-88)

Комплексный мониторинг социально-экономического положения региона является важной задачей современной региональной экономики. Данная информация является ключевой для успешного управления региональным развитием. В этой связи, полагаем, специалистов заинтересует наш опыт эмпирических исследований и основные результаты социально-экономического положения районов Подмосковья.

Дифференциация доходов

Доходы населения являются одним из важнейших факторов, влияющих на социально-экономическую стабильность в регионе. Поэтому анализ этого показателя с целью мониторинга ситуации выглядит естественным и логичным.

Для эффективного мониторинга дифференциации заработной платы нами были использованы два подхода. В интегральном показателе оценивается степень разброса (дисперсия D) показателей ряда Y (в нашем случае среднемесячная заработная плата по районам) по отношению к среднему значению ряда:

                                         (1)

Этот безразмерный показатель тем больше, чем сильней дифференциация (разброс) зарплат в регионе.

Пространственная методика базируется на модели Людвига фон Мизеса, в рамках которой заработная плата должна убывать при удалении от центра R, поскольку близость района к центру с высокими зарплатами заставляет нанимателя платить работнику больше, чтобы удержать его:

                     (2)

где A – радиальный градиент снижения зарплаты.

Из рисунка 1 следует, что дифференциация доходов в Подмосковье прямо связана с радиальным градиентом А (2) заработной платы⁴, которая «утекает» из удаленных от центра районах, «концентрируясь» в близких к Москве территориях.

Рисунок 1. Зависимость заработной платы от расстояния до Москвы (слева) и динамика интегрального индикатора  (1) и градиента зарплаты A (2)

Отметим в этой связи, что период реформ 1990-х гг. ознаменовался значительным ростом радиальной дифференциации заработной платы в районах Подмосковья, достигшей пика в 2000 г., увеличившись в 4 и 5 раз в интегральном и пространственном показателях соответственно по отношению к уровню 1991 г. Повторный всплеск произошел в 2003 г.

В последние пять лет система находится в состоянии динамического равновесия. Однако оба показателя дифференциации остаются при этом стабильно высокими по сравнению с дореформенным периодом.

Наличие устойчивой радиальной дифференциации заработной платы в регионе означает, что жители имеют выгоду (убыток) в доходах в зависимости от приближенности (удаленности) их района от центра. «Срабатывает» эффект мегаполиса (Э^М), - разница между текущей зарплатой S средней по региону .

Оценку данного эффекта можно получить, переписав (2) в следующем виде:

  (3)

Важным параметром является значение R⁰, при котором он обращается в ноль:

                                                        (4)

Характеристический параметр R⁰ является границей нулевого эффекта мегаполиса (рисунок 2). Работники регионов, расположенных внутри (вне) кольца R < R⁰ вокруг Москвы, имеют положительную (отрицательную) добавку к зарплате за счет эффекта мегаполиса. Динамика эффекта мегаполиса показаны на рисунке3. Из него видно, что величина добавки в зарплате за счет эффекта мегаполиса для жителя ближнего Подмосковья, проживающего в 25 км от Москвы, в последние годы колеблется в пределах 15-20% от средней зарплаты по области. Таков же уровень потерь наблюдается для жителя дальнего Подмосковья (125 км от Москвы), причем с ухудшающейся динамикой. Средняя граница нулевого эффекта мегаполиса составляет R⁰ ~ 75 км, причем за последние 6 лет наблюдается ее сжатие от 80 км к 70 км.⁵

Рисунок 2. Эффект мегаполиса в 2009 г и точка нулевого эффекта R₀.

Рисунок 3. Динамика эффекта мегаполиса Э^М в 25 и 125 км от Москвы, а также границы его нулевого эффекта R⁰

Помимо внутрирегиональных показателей дифференциации доходов интерес представляют и показатели, демонстрирующие положение региона по отношению к внешним факторам (например, сравнение с другим регионом, или средними показателями по стране). Нами был предложен региональный эффект в заработной плате:

                                       (5)

где S и ПМ – средняя заработная плата и прожиточный минимум соответственно.

Индикатор (5) показывает выгоду (убыток), которую имеет население региона по сравнению с другими регионами.

На рисунке 4 показана динамика регионального эффекта для Москвы и области в 2001-2010 гг. Из него видно, что Москва демонстрирует устойчивую положительную динамику, в том время как ситуация в Подмосковье стабилизировалась только в последние годы, ранее в 2003-2004 гг. региональный показатель уходил и на отрицательную территорию. И Подмосковье проигрывает Москве: в последние годы за счет эффекта региона жители Москвы получают на 0,2-0,4 средней зарплаты по РФ больше, чем жители Подмосковья.

Рисунок 4. Динамика эффекта региона для Москвы и области в 2001-2010гг.

Таким образом, мониторинг дифференциации доходов по внутренним и внешним показателям является простым, но информативным методом контроля ситуации в регионе, на его основе можно проводить сравнительный межрайонный и межрегиональный анализ.

Усиление внутрирегиональной дифференциации доходов населения, в нашем случае, в виде радиального градиента уровня заработной платы приводит к движению трудовых ресурсов. А именно, возникновению миграционных потоков разного вида в направлении положительного градиента зарплаты. Особенно интересна в этом отношении маятниковая трудовая миграция (далее - МТМ) – ежедневные поездки дом-работа на большие расстояния. Направление и интенсивность МТМ напрямую связаны с градиентом заработных плат, а, следовательно, дифференциацией доходов. Поэтому анализ и мониторинг МТМ является еще одним способом мониторинга социально-экономической ситуации в регионе. Для исследования этого показателя нами был разработан ряд методик, обсуждаемых далее.

Маятниковая трудовая миграция

По данным ряда источников, в процесс маятниковой трудовой миграции (МТМ) в Подмосковье вовлечено более миллиона человек, то есть каждый третий житель работоспособного возраста. Поэтому мониторинг этого процесса, оказывающего серьезное макроэкономическое воздействие, представляется важным фактором контроля социально-экономических процессов в регионе.

Вместе с тем, классический прямой контроль МТМ на базе регулярных опросов и анкетирования, практически не проводится из-за высокой стоимости исследований и проблем достоверности данных. Единственный источник информации о МТМ измерение пассажиропотока между центром и пригородами. Однако, этот косвенный метод недостаточен для выявления деталей, поэтому новые методики изучения МТМ весьма актуальны.

В большинстве теоретических моделей МТМ издержки поездок дом-работа покрываются двумя способами. В урбанистском подходе, известном также как теория равновесия на рынке труда⁶ издержки покрываются за счет меньшей стоимости проживания в периферийных районах:

    (6)

где R – расстояние от района до центра, dC/dR и dH/dR – градиенты общих издержек МТМ-поездок и стоимости проживания соответственно.

Трудовой подход исходит из того, что издержки МТМ компенсируются за счет более высокой оплаты труда на более удаленной работе:

                   (7)

где dS/dR – градиент заработной платы, который входит в формулу (2)

Исходя из модели (7), доля маятниковых трудовых мигрантов ^B в районах должна снижаться по мере удаления от центра в силу увеличения издержек поездок дом-работа, и описываться в первом приближении линейной функцией:

          (8)

Как показывают исследования, в реальной жизни модели (6) и (7) не конкурируют, а дополняют друг друга, формируя смешанный вариант: на МТМ влияют и разница в стоимости проживания, и градиент заплат между центром и периферией. Модель (6) была подтверждена в нашем исследовании⁷, в котором градиент изменения стоимости кв. метра жилья в Подмосковье по отношению к расстоянию до Москвы в 2004-2006 гг. равным dH/dR = -0.5 ÷ -0.7 %/км.

Проверка моделей (7)-(8) была выполнена в рамках двух принципиально различных подходов.

Балансовый макроэкономический метод оценки МТМ, основанный на данных официальной макро-статистики⁸. Из числа работоспособного населения района последовательно вычитались: занятые на крупных и средних предприятиях, в малом бизнесе, в неформальном секторе и самозанятые, безработные. Оставшаяся доля ^МТМ приписывалась МТМ.

В основе микроанализа МТМ лежит обработка базы уникальных микро-данных, созданной авторами путем слияния информации из «утекших» в интернет баз данных налоговой инспекции, пенсионного фонда и государственного реестра российских предприятий. Отметим, что использование этой информации осуществляется исключительно в научных целях в силу недоступности по иным каналам, а применяемые методы статистического анализа исключают обнародование конфиденциальной персональной информации. При объединении первичных данных из указанных источников для каждого индивида осуществлялась сшивка информации – увязка мест его проживания и работы при одновременном сохранении ряда индивидуальных данных работника (далее - ДР) – адрес места проживания (далее - АМП), годовой доход, возраст и пол – и данных нанимателя ДН: адрес места работы (далее – АМР), род деятельности, форма собственности, капитал и т.д.

После первичного отбора, для анализа была сформирована выборка из ~2,3 млн. записей жителей Подмосковья (60% от всего трудоспособного населения) с записями по каждому работнику в формате⁹:

Работник (АМП, АМР, ДР, ДН)                (9)

В ходе сортировки микро-данных для каждого подмосковного района определялись количество жителей, работающих в своем регионе N_РЕГ, в Москве N_МОС, в других районах региона N_МО, а также число приезжающих в район на работу из других районов МО N_ИЗМО. На основе этих данных и велся расчет МТМ.

На первом шаге методика была успешно апробирована на примере подмосковной Дубны¹⁰. Один из интересных результатов – выявление отраслевой структуры предприятий, принимающих МТМ. Сопоставление ее со структурой вакансий городского центра занятости показало, что в сферу МТМ вовлечены работники профессий, дефицитных в самом городе. Таким образом, эмпирически был подтвержден тот факт, что МТМ создает проблемы обеспеченности трудовыми ресурсами в периферийных районах. На следующем этапе микроанализ был нами распространен на всю выборку по Подмосковью¹¹.

Особо следует подчеркнуть, что расчеты по обеим методикам проводились на данных одного и того же 2001 г., что позволило осуществить прямое перекрестное сравнение результатов. Анализ подтвердил радиальную зависимость доли МТМ центр-периферия в модели (8) и близость результатов, полученных в разных методиках на разных данных. В количественном отношении доля маятниковых трудовых мигрантов в трудоспособном населении районов Подмосковья увеличивается примерно на процент 1% на каждые 10 км приближения к Москве.

Пассажиропоток МТМ Москва-область был оценен на уровнях: 1-1,3 млн человек в макро-анализе; 0,9-1,2 млн человек в микроанализе, и 0,8 млн человек по другим оценкам. Таким образом, обе методики дают близкие результаты, превышающие оценки других авторов.

Помимо основного МТМ-потока центр-периферия существует и обмен работниками между районами Подмосковья – межрайонная маятниковая трудовая миграция (далее - ММТМ). Анализ и мониторинг ММТМ также представляет интерес для управления регионом, поскольку картина ММТМ-потоков отражает социально-экономические явления и процессы, происходящие в регионе. При оценке уровня ММТМ-миграции были получены практически совпадающие результаты: 100-300 тыс. чел. в микроанализе и 200-260 тыс. чел. в микро-подходе. Таким образом, примерно каждый пятый маятниковый трудовой мигрант Подмосковья ездит на работу не в Москву, а в другой район области. Картина ММТМ-баланса потоков входящей и исходящей маятниковой трудовой миграции между районами области (по микро-данным):

N_MMTM = N_МО - N_ИЗМО               (10)

Эта картина представлена на рисунке 5, из которого видно, что ММТМ, так же как и МТМ, линейно спадает при удалении от центра агломерации (градиент ~ -0,05%/км). При этом нулевой ММТМ-баланс достигается на расстоянии R⁰ = 62 км от Москвы, т.е. районы ближе (дальше) этой границы характеризуются положительным (отрицательным) сальдо ММТМ. Этот результат созвучен оценке эффекта мегаполиса в доходах населения (см. рис. 2), где получились близкая величина границы (5).

Рисунок 5. ММТМ-баланс (14) по районам Подмосковья в 2001 г.

Эффект мегаполиса создает привлекательные зарплаты в пределах 70-80 км от Москвы, и туда устремляется ММТМ-мигранты из районов за пределами границ R⁰. То есть ММТМ-поток радиально направлен из более дальних, к более ближним регионам и является реальной альтернативой, позволяющей снизить издержки поездок на работу.

ГИС-анализ микро-данных является дальнейшим развитием методики микроанализа. Применение ГИС-технологий заключается в вычислении (восстановлении) при помощи ГИС-программы пути дом-работа для каждого маятникового трудового мигранта с привязкой к реальной транспортной сети региона:

ПУТЬ (X₁,X₂,...X_N) = ГИС (АМП, АМР)                           (11)

где X_I – смоделированные ГИС-программой параметры маршрута между местами проживания АМП и работы АМР, доступными из базы микро-данных (9).

В простейшем случае – это полная длина маршрута и время поездки. В более сложном варианте в параметры пути может входить подробная информация о сегментах и узлах маршрута (названия улиц, географические координаты узлов и т.д.). Анализ этой уникальной ГИС-информации в сочетании с остальными микро-данными позволяет поднять анализ МТМ на новый качественный уровень с целью решения ряда научных и прикладных задач.

Для решения задачи маршрутизации (11) в качестве ГИС-инструмента нами был выбран интернет-сервис «Яндекс Карты»¹². Достоинства этой ГИС-платформы заключаются в:

• возможности автоматизированной обработки множественных данных¹³;
• надежности принадлежащей крупнейшей российской интернет компании в плане поддержки и дальнейшего развития;
• возможности визуализации полученных данных и их онлайн-представления мировой аудитории.

Для решения поставленной задачи нами было разработано веб-приложение¹⁴, которое осуществляет восстановление маршрутов дом-работа в формате (11) из массива исходных записей в формате (9) методом последовательных обращений к серверу «Яндекс карты».

Как и в случае с микроанализом, на первом этапе исследований отработка методики была осуществлена на примере подмосковной Дубны. Из исходной выборки 3538 человек маршруты дом-работа были успешно восстановлены для 3147 человек (89% записей). Анализировались основные ГИС-параметры выборки – длина и длительность поездок МТМ, представленные на рисунке 6.

Рисунок 6. Длительность и длина поездок МТМ Дубны в 2001 г.

Из полученных распределений видно, что основным центром притяжения МТМ является Москва (главный пик), МТМ преодолевают 120-160 км, затрачивая на поездки 2,5-3 часа. Вторичными центрами притяжения межрайонной МТМ являются Дмитров и его окрестности (40-60 км в пределах 40-60 минутной доступности), а также Сергиев Посад (110 км). Полученные результаты совпадают с данными обычной сортировки МТМ по районам и городам мест работы, что подтверждает правильность работы использованной методики ГИС-маршрутизации.

На следующем этапе работы ГИС-обработка будет осуществлена для всей выборки работников Подмосковья. Это позволит построить количественную пространственную картину (паттерн) МТМ в Московском регионе для мониторинга районов притяжения и оттока рабочей силы; отраслевых диспропорций между спросом (места работы) и предложением (места жительства); загрузку транспортных магистралей; направленность, протяженность и интенсивность маятникового движения трудовых ресурсов, социальную структуру маятниковых трудовых мигрантов и т.д.

Представленные выше методики мониторинга социально-экономического состояния региона осуществлялись за счет локальных факторов доходов и мобильности населения. Преимуществами этих подходов является относительная простота построения и использования индикатора. Недостатком является тот факт, что состояние региона, как сложного объекта, зависит от большого числа параметров, и учет только локальных факторов, пусть даже самых информативных, может оказаться систематически сдвинутым из-за не учета совокупного влияния всех показателей. Поэтому в дополнение к локальным методикам, представленным в первых двух разделах, на практике нашли широкое применение и интегральные методы мониторинга ситуации в регионе. Общей чертой большинства таких подходов является агрегирование ряда показателей, характеризующих регионы, в общий индикатор и последующий его анализ. Различия разных методик заключаются обычно в методах агрегирования и интерпретации полученного показателя. В нашей работе был применена одна из интегральных методик анализа – ранжирование, обсуждаемой в следующем разделе.

Рейтинговый подход

Методика ранжирования элементов системы широко применяется в различных сферах экономики и за ее пределами¹⁵: коммерческие рейтинговые агентства, рейтинги инновационного¹⁶ и социально-экономического¹⁷ (включая официально утвержденные¹⁸) развития регионов России, индексы человеческого развития стран¹⁹, рейтинги качества жизни²⁰ и отдельных городов²¹. Это только малая доля «рейтингового бизнеса», обзор которого выходит далеко за рамки настоящей статьи. В основе большинства методик лежит расчет агрегированного (интегрального) показателя на основе нескольких исходных параметров, отобранных в соответствии с тематикой рейтинга. Главными проблемами являются:

• наличие исходных данных;
• объективное определение весов, с которыми отдельные параметры входят в интегрированный показатель.

В основе экзотических рейтингов лежат уникальные, иногда разовые, данные. Регулярный мониторинг региона преследует прямо противоположную цель, то есть для этой цели нужна максимально стандартизованная и регулярно собираемая информация. Следовательно, ранжирование районов для мониторинга наиболее уместно осуществлять на основании данных регионального органа государственной статистики (Москомоблстат в нашем случае), публикуемых на регулярной основе²².

В таблице 1 представлены 25 отобранных для анализа показателей, сгруппированных по профилям: финансы, доходы населения, демография, индустрия, инвестиции, экология, социальная сфера, жилищно-коммунальное и сельское хозяйство.

Таблица 1. Список параметров, использованных для рейтинговых расчетов

* З – знак вклада в интегральный рейтинг (12)
** Г – группа для расчета группового индикатора

Интегральный рейтинг j-того района S_J рассчитывался как:

     (12)

с нормировкой исходных переменных в виде через их минимальные и максимальные значения. В наших расчетах A_iº1 во избежание субъективности выбора весовых коэффициентов.

Ранжирование осуществляется методом сортировки районов по интегральному показателю с последующей группировкой по близким величинами рейтинга (см. рисунок 7)²³.

Рисунок7. Ранжирование районов по интегральному рейтингу в 2009 г.

Далее определяются параметры групп для сравнительного анализа.

Расчет агрегированных рейтингов по группам (групповые индикаторы) позволяет выявить состояния региона по разным предметным профилям. В частности, выявить расхождение (дивергенцию) или сближение (конвергенцию) показателей районов во временной динамике можно при помощи уже применявшегося ранее интегрального показателя (1). Динамика интегрального и групповых индикаторов представлена на рисунке 8.

Рисунок 8. Дифференциация интегрального и групповых индикаторов рейтинга районов Подмосковья в 2001-2009гг.

Из рисунка 8 следует, что наименьший разброс и наибольшая стабильность (~0,35) характерны для индикатора экологии и социальной сферы. Входящие в него показатели обладают большой инерцией, слабо изменяясь во времени. Такая же стабильность (начиная с 2002 г.) характерна и для доходов населения, хотя уровень дифференциации держится на высоком уровне ~ 0,55. Причиной этого является выявленная ранее радиальная дифференциация доходов (см. рисунок 2), демонстрирующая бурный рост в конце 1990-х - начале 2000-х гг., последствия которого отражает скачок индикатора в 2001-2002 гг. Индикаторы финансовых ресурсов и демографии демонстрируют конвергенцию, хотя для последнего характерны сильные колебания от года к году.

Большой разброс колебания также характерен для экономических результатов, демонстрирующих дивергенцию, так же как и интегральный показатель (от 0,4 до 0,6). Отметим, что на графике заметен эффект кризиса 2008 г., выражающийся в резкой конвергенции индикаторов финансовых ресурсов (наиболее сильно), экономических результатов и интегрального показателя. Резкий обвал инвестиций и экономических результатов в 2008 г. привел к снижению дифференциации показателей.

Трендовая методика вписывает линейную регрессию во временной ряд интегрального рейтинга IR (12) по каждому j-району за каждый Y-год:

                       (13)

Чем больше положительный тренд интегрального рейтинга K_J, тем лучше развивается район, и наоборот. Информативное представление об уровне и динамике развития района дает двухмерный график зависимости тренда интегрального рейтинга K_J (13) от его среднего значения за весь период 2001-2009 гг. , показанный на рисунке 9.

Рисунок 9. Зависимость тренда интегрального индикатора уровня жизни K_J (13) от среднего значения интегрального индикатора за 2001-2009 гг.

Четыре квадранта образованны нулевой горизонтальной линией (смена знака тренда интегрального рейтинга K_J) и вертикальной линией среднего рейтинга по всем районам и годам ~4. В верхней полуплоскости (квадранты I и II) находятся 23 района (60% от общего их числа) характеризующихся положительной динамикой индикатора уровня жизни. Рейтинг еще 6 районов (Волоколамский, Озерский, Орехово-Зуевский, Сергиево-Посадский, Коломенский и Серпуховский) остается постоянным (близкий к нулю тренд). Остальные 10 районов (25%), расположенные в нижней полуплоскости, характеризуются отрицательной динамикой индикатора уровня жизни, причем наибольшую тревогу вызывают 7 районов III квадранта (Зарайский, Шаховской, Шатурский, Лотошинский, Луховицкий, Павлово-Посадский и Серебряно-Прудский), имеющие вдобавок низкий средний интегральный рейтинг. Тем самым, трендовая методика позволяет анализировать динамику показателей с целью выделения проблемных и успешных районов.

Наконец, по аналогии с поведением других региональных показателей, исследованных нами ранее (доходы, МТМ и др.), пространственная методика предполагает наличие взаимосвязи интегрального рейтинга IR_J и его временного тренда K_J c удаленностью j-того района до Москвы. Как показывают расчеты (см. рис. 10), в обоих случаях наблюдается отрицательная корреляция. Чем дальше расположен район от центра, тем хуже его рейтинг, в количественном отношении падение индикатора на единицу происходит при удалении от центра на каждые 25-40 км.

Рисунок 10. Зависимость интегрального рейтинга (слева, 2009 г.) и его временного тренда (справа, 2001-2009 гг.) от расстояния район-Москва

Наконец, можно констатировать факт, что в среднем, чем дальше от Москвы находится район, тем худшую динамику интегрального рейтинга он демонстрирует, хотя детерминированность результата не слишком велика.

Основной вывод из осуществлявшегося в течения ряда лет мониторинга социально-экономического положения Подмосковья в том, что за последние 10 лет в регионе наблюдаются устойчивые центростремительные тенденции. Это порождает ряд проблем в развитии, прежде всего, его периферийных районов.

В качестве таких проблем выделим:

Значительную дифференциацию доходов населения региона, где зарплата концентрируется вокруг районов, прилегающих к центру. Кроме того, жители этих районов получают доход от местоположения (региональный эффект и эффект мегаполиса), а жители дальних регионов, соответственно, несут потери из-за этого.

Чем ближе районы к центру, тем выше в них качество жизни и темпы экономического роста. Соответственно, экономики удаленных районов отстают от динамики центрального ядра.

В удаленных районах происходит «вымывание» трудовых ресурсов, концентрирующихся в центре и ближних его пригородах за счет МТМ под влиянием более высоких доходов. Отсюда дефицит трудового капитала, порождающий стагнацию в дальней периферии.

Предотвращение указанных негативных тенденций должно быть одной из приоритетных целей и задач действующих и планируемых программ регионального развития, построенных на надежных данных мониторинга, методикам получения которых посвящена настоящая работа.

¹ Работа поддержана грантом РФФИ 11-06-00323-а.
² ГБОУ ВПО МО Международный Университет природы, общества и человека "Дубна"
³ ГБОУ ВПО МО Международный Университет природы, общества и человека "Дубна"
⁴ Падение зарплаты составляет 3-4% на каждые 10 км удаления от Москвы.
⁵ В ряде публикаций, посвященных анализу Московской агломерации, также отмечалось ее преимущественное развитие внутри зоны радиусом 50-60-км (см., напр.: Трудовые передвижения в Московском районе расселения. М.: ГОСИНТИ / Обзоры по проблемам больших городов. 1974. № 4).
⁶ Mills, E.S. Studies in the Structure of the Urban Economy. Baltimore. Johns Hopkins University Press. 1972; Simpson W., van der Veen A. The economics of commuting and the urban labour market // Journal of economic surveys. 1992. Vol. 6. No. 1. P. 45-62.
⁷ Шитова Ю.Ю. Влияние рынка жилья на маятниковую трудовую миграцию в Московской агломерации // Экономическая наука современной России. № 4. 2009. C. 99-106.
⁸ Шитова Ю.Ю. Маятниковая трудовая миграция в Московской области: методический и прикладной анализ // Экономический журнал ВШЭ. № 1. 2006. C. 63-79.
⁹ Обособление адресных переменных АМП и АМР в отдельные переменные связано с их особой ролью в ГИС-анализе, обсуждающемся в следующем параграфе.
¹⁰ Шитова Ю.Ю., Шитов Ю.А. Анализ и прогнозирование маятниковой трудовой миграции в Подмосковье на примере города Дубна // Проблемы прогнозирования. № 4. 2008. C. 112-122.
¹¹ Шитова Ю.Ю., Шитов Ю.А. Микроанализ маятниковой трудовой миграции в Московской области // Регион: экономика и социология. 2008. № 4. C. 119-137.
¹² http://api.yandex.ru/maps.
¹³ Большинство ГИС-программ, например, навигаторы, работают только интерактивно.
¹⁴ Веб-страница на языке Javascript, размещаемая на веб-сервере.
¹⁵ Агрегированные рейтинги различного профиля – http://rating.rbc.ru.
¹⁶ Обзор в http://www.urban-planet.org/materials/081110-regional-innovation-rankings-UP.pdf.
¹⁷ Рейтинг от РИА-аналитика за 2011 г. – http://vid1.rian.ru/ig/ratings/rating_regions_2011.pdf; ТРК «Петербург» http://www.5-tv.ru/rating/method.html.
¹⁸ Рейтинг социально-экономического развития городов и районов республики Крым (Украина) – http://economistka.org.ua/2011/03/reityngovaya-otsenka-gorodov-i-rayonov.html.
¹⁹ Данные ООН 2011 г.: http://hdr.undp.org/en/reports/global/hdr2011
²⁰ Рейтинг от института региональной информации – http://inreginfo.ru/rating.
²¹ Рейтинг от института территориального планирования – http://urbanica.spb.ru/?p=846.
²² Социальное и экономическое положение муниципальных образований Московской области: статистические сборники. М.: Мособлкомстат, 2001-2009. [Электронный ресурс]. Режим доступа: http://msko.fsgs.ru.
²³ Чтобы избежать главной проблемы ранжирования (субъективность выбора весов в интегральном показателе, количества групп и их границ в рейтинге, сложность анализа динамики процесса, грубость самого интегрального показателя, не чувствительного к тонким деталям структуры показателей отдельных районов) нами был предложен ряд комплементарных методик анализа.