Электронный научно-практический журнал «Современные научные исследования и инновации» » convergence

Социально-экономическое неравенство в регионах Российской Федерации

Дорохова (Воронцова) Анастасия Олеговна — Wed, 28 Oct 2015 11:51:14 +0000

В современных политических, экономических, социальных и культурных условия, а особенно в условиях изоляции Российской Федерации западными странами путем введения санкций, совместная деятельность регионов Российской Федерации способствовала бы открытию новых горизонтов для развития научного, сельскохозяйственного потенциала производства страны, выравниванию доходов у разных слоев населения, развитию культуры, объединению в борьбе с различного рода экологическими проблемами, безработицей и т.д.

Для выявления тенденций к выравниванию социально-экономического положения регионов Российской Федерации, автором предлагается использовать теорию конвергенции.

Для того, чтобы проверить регионы на сходимость–расходимость развития в российской экономике, автором была сформирована база данных по 83 субъектам Российской Федерации (за исключением Республики Крым и города федерального значения Севастополь) за период 2003-2012 гг. и проведена оценка основных статистических характеристик показателя ВРП (на душу населения, рублей) за период 2003–2012 гг., так как именно при помощи данного показателя измерение экономического неравенства регионов становится возможным (см. таблицу 1).

Таблица 1 – Основные статистические характеристики показателя ВРП (на душу населения, рублей) за период 2003-2012 гг.

Год	Минимальное значение	Максимальное значение	Среднее значение	Медиана	Стандартное отклонение
Год	Минимальное значение	Максимальное значение	Среднее значение	Медиана	Стандартное отклонение
А	1	2	3	4	5
2003	10332,4	341146,7	63447,9	50271,4	49080,2
2004	14024,9	467803,8	80637,4	63512,1	62050,1
2005	17435,1	381997,1	98615,2	77313,2	85392,9
2006	21922,4	773076,2	121301,3	95683,4	101034,5
2007	40572,6	831305,3	151422,0	125700,4	120926,2
2008	47002,3	934229,6	184099,1	147929,5	142998,7
2009	46174,4	872422,0	186851,4	151268,7	152686,8
2010	48239,2	977256,0	216702,4	180316,9	169413,1
2011	63569,7	1210003,9	260551,9	221152,7	205575,5
2012	78934,2	1325288,4	287598,8	244441,8	220592,6

Источник: расчеты автора

Основываясь на табличных данных, автор сделал вывод, что все основные статистические характеристики показателя ВРП (на душу населения, рубелей) за период 2003-2012 гг. подвергались изменениям. Так, например, минимальное значение за 10 лет выросло на 68601,8 рублей, максимальное значение на 984141,7 рублей, среднее на 224150,9 рублей, медиана на 194170,4 рублей, а показатель стандартное отклонение увеличился на 171512,4 рублей.

Основными расчетными показателями для измерения региональных различий автор выделяет индекс Джини, индекс Тейла и коэффициент вариации (CV). Также автором предлагается, согласно методике Зубаревич Н.В., рассчитать перцентили, которые отбивают границы 5 % регионов принимающих максимальные и минимальные значения.

Для определения коэффициента вариации CV и построения графика автор рассчитал необходимые данные (см. таблицу 2).

Таблица 2 – Расчет среднеквадратического отклонения

Год	Дисперсия	Среднеквадратическое отклонение	Коэффициент вариации CV
А	1	2	3
2003	2378369287,8	48768,5	0,77
2004	3801474600,2	61656,1	0,76
2005	7176714984,7	84715,49436	0,86
2006	10027849514,7	100139,1508	0,82
2007	14340590992,1	119752,2066	0,78
2008	20028985342,9	141523,7978	0,76
2009	22880835370,7	151264,1245	0,80
2010	28117443142,5	167682,5666	0,76
2011	41415312183,3	203507,5237	0,77
2012	47628846706,6	218240,3416	0,75

Источник: расчеты автора

Таким образом, график CV = f(t) для показателя ВРП (на душу населения, рублей) за период 2003-2012 гг. будет выглядеть следующим образом:

Рисунок 1 – График CV = f(t) для показателя ВРП (на душу населения, рублей) за период 2003-2012 гг.

Графический анализ отображает рост показателя CV в промежутке с 2004 по 2005 гг., а также с 2008 по 2009 гг., что говорит об увеличении неравенства между регионами Российской Федерации, которое обусловлено финансовым кризисом приходящимся на указанный промежуток времени. Длительное уменьшение CV в промежутке с 2005 по 2008 гг. говорит о σ – конвергенции и об увеличении темпов роста схождения.

Еще одним наиболее используемым в исследованиях показателем неравенства является индекс Тейла, который определяется для совокупности R регионов r (см. рисунок 2).

Рисунок 2 – Индекс Тейла

Проанализировав графический анализ, автор сделал вывод о значительном расхождении темпов роста ВРП (на душу населения, рублей) в данной выборке регионов в 2004–2007 гг., 2008-2010 гг., 201002012 гг. и перешел к рассмотрению индекса Джини для рассматриваемого показателя (см. рисунок 3).

Рисунок 3 – Индекс Джини

Исходя из графика, автор пронаблюдал повышение индекса Джини с 2003 по 2005 год, что говорит о периоде дивергенции, и его последующая стабилизация до 2008 года, а с 2008 по 2012 гг. показатель индекса Джини развивался равномерно, что обусловлено периодом региональной конвергенции и отсутствием государственной политики по уменьшению регионального неравенства.

Так как валовой региональный продукт является совокупным показателем экономического развития региона, можно сделать вывод, что Российская Федерация, согласно вышеуказанным индексам, является страной с неравенством и конвергенцией по всем индикаторам: индексу промышленного производства, инвестициям в основной капитал, объему иностранных инвестиций, производству товаров и услуг, доле прибыльных предприятий и т.д. (см. таблицу 3).

Таблица 3 – Коэффициент вариации для основных социально-экономических показателей регионов

Показатель	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012
Численность постоянного населения (чел.)	0,91	0,92	0,93	0,95	0,95	0,97	0,97	0,99	0,99	0,99
Уровень эко-номиической активности населения (%)	0,08	0,07	0,06	0,07	0,06	0,07	0,06	0,07	0,06	0,06
Уровень занятости (%)	0,12	0,11	0,10	0,14	0,12	0,11	0,10	0,10	0,09	0,09
Уровень безработицы (%)	0,65	0,61	0,79	1,03	0,96	0,81	0,63	0,72	0,75	0,82
Реальные денежные доходы (%)	0,06	0,07	0,05	0,05	0,04	0,07	0,06	0,05	0,04	0,03
Индекс про-мышленного производства (%)	0,08	0,09	0,07	0,09	0,15	0,10	0,11	0,07	0,09	0,06

Источник: расчеты автора

Для определения нормальности распределения, автор предлагает перейти к построению гистограмм (см. рисунок 4).

Рисунок 4 – Гистограммы распределения регионов Российской Федерации

Исходя из гистограмм, автор сделал вывод, что выборка регионов Российской Федерации характеризуется нормальным распределением, т.е. за рассматриваемый период с 2003 по 2012 гг. существуют большие центральные регионы, вокруг которых равномерно распределяются оставшиеся. Унимодальное распределение регионов по показателю ВРП (на душу населения, рублей) свидетельствует о наличии процессов конвергенции.

Далее автор предлагает обратиться к графику перцентилей для определения соотношения индикаторов, отделяющих пятипроцентные границы лучших и худших регионов (см. рисунок 5).

Рисунок 5 – Перцентили 5% и 95% по ВРП (на душу населения, рубль)

На основе полученных в ходе статистического, графического и эконометрического анализов данных можно сделал вывод, что сокращение показателя CV в период с 2003 по 2012 гг., говорит об уменьшении неравенства между регионами Российской Федерации, наличии σ–конвергенции и об увеличении темпов роста схождения. Индекс Тейла свидетельствует о значительном расхождении темпов роста ВРП (на душу населения, рублей) в данной выборке регионов в 2004–2007 гг., 2008-2010 гг., 201002012 гг. Исходя из графика индекса Джини, можно пронаблюдать повышению индекса с 2003 по 2005 год, что говорит о периоде дивергенции, и его последующая стабилизация до 2008 года, а с 2008 по 2012 гг. показатель индекса развивался равномерно, что обусловлено периодом региональной конвергенции и отсутствием государственной политики по уменьшению регионального неравенства.

Типология регионов РФ по качеству трудовой жизни

Зонова Ольга Васильевна — Mon, 30 Nov 2015 08:07:33 +0000

Дифференциация административно-территориальных единиц по социально-экономическому развитию бесспорна. Автор считает целесообразным, помимо официального географического деления на федеральные округа использовать синтетическую классификацию регионов, исходя из их исторически сложившиеся особенностей функционирования. Так, например, природно-ресурсный потенциал либо экономико-географическое положение определяют тип региона. Очевидно, что субъекты РФ в значительной степени могут быть дифференцированы по различным признакам.

Автор разделяет точку зрения Е.В. Горшениной относительно того, что за годы реформирования российской экономики различия между регионами только усиливались в результате действия объективных и субъективных факторов [1, с. 35]. При этом объективные факторы, формировались веками и определяли глубинные причины дифференциации: природно-климатические условия, экономический потенциал, демографические тенденции, исторические и культурные особенности, сложившееся разделение труда, состояние промышленности и др. Тогда как субъективные факторы отражают реальную ситуацию последних лет развития экономики и степень дифференциации регионов (политика властей всех уровней по отношению к региону, эффективность институциональных преобразований, уровень отраслевой диверсификации, зависимость от внешних рынков и др.) [1, с. 35].

По-мнению автора, выявление места региона среди прочих субъектов Российской Федерации позволит определить степень соответствия региона российским стандартам и установить реально достижимые показатели социально-экономического развития. Кроме того, выделение разновидностей регионов позволит отразить разнородность региональной структуры федеральных округов, зафиксировать идущие процессы, в том числе конвергенции, а также оценить эволюцию федеральных округов с учетом разницы в развитии регионов, входящих в их состав [2, с. 4-5].

Единой методики типологизации регионов в настоящее время не существует, и в табл. 1 представлен их краткий обзор.

Таблица 1. Существующие подходы к типологии регионов РФ*

Авторы	Типы регионов	Примечание
1	2	3
Лавровский Б. [3, с. 42-52]	Ресурсодобывающие; регионы, ориентированные на военно-промышленный комплекс; регионы с высоким удельным весом обрабатывающей промышленности; северные территории; регионы, проблемы которых обусловлены внеэкономическими факторами	Достоинством данной типологии является целевой характер: использование для анализа кризисной ситуации в промышленности. Недостатки данного подхода: 1) типология на анализе статистических данных, характеризующих лишь сферу материального производства; 2) не позволяет оценить социально-экономическое развитие территорий
Гусева К. [4, с. 90-99]	Регионы с благоприятными стартовыми условиями вхождения в рынок и выгодным геополитическим положением, имеющие поддержку федерального центра и развитую диверсифицированную структуру производства; регионы со скромными стартовыми условиями, имеющие сырьевую специализацию промышленного производства; депрессивные регионы, отличающиеся узкоспециализированным промышленным производством с высоким износом основных фондов, обладающие трудовым и интеллектуальным потенциалом; прочие	Достоинства – учет специфики региона и целевой характер: применима для оценки инвестиционного климата. Недостатки: система показателей не включает в себя индикаторы качества трудовой жизни
Бандман М., Малов В. [5, с. 58-66]	Отсталые с ухудшением уровня; отсталые с сохранением уровня; отсталые с улучшением уровня; благополучные с ухудшением уровня; благополучные с сохранением уровня; благополучные с улучшением уровня	Достоинство – типология регионов РФ на основе оценки социально-экономического развития территорий. Недостаток – не учитывает показатели качества трудовой жизни
Кистанов В., Копылов Н. [6]	Опорные; депрессивные; слаборазвитые; самообеспечивающие; особые (экстремальные, кризисные, приграничные)	Достоинство – возможность ранжирования регионов по уровню экономического развития. Недостаток – ограниченная практическая применимость (типология не применима для анализа качества жизни и качества трудовой жизни в частности)
Чуракова М. М. [7, с. 15-16]	Типология регионов по уровню и качеству жизни: неблагополучные регионы; проблемные регионы; благополучные и развитые регионы	Достоинство – возможность определения типа территории на основе анализа экономических и социальных показателей качества жизни. Недостатки: не применима для оценки качества трудовой жизни; набор индикаторов, по-мнению автора, носит случайный характер и продиктован в основном доступностью статистических данных
Ученые Экспертного института (Россия) и Центра по изучению России и Восточной Европы Бирмингемского ниверситета (Великобритания) [8, с. 42-77]	Регионы «столичного» типа; экспортоориентированные регионы; регионы, взявшие курс на форсирование экономических реформ, финансово сильные с крупной промышленностью; экономически самостоятельные, богатые природными ресурсами регионы; кризисные (депрессивные) регионы со специализацией на лёгкой промышленности и машиностроении; экономически слаборазвитые аграрные и периферийные регионы; отдалённые северные и восточные регионы; регионы, проводящие политику «мягкого» вхождения в рынок	Достоинство – возможность оценки уровня жизни, динамики производства и финансовой самодостаточности региона. Недостатки: 1) данная типология не отражает все возможные типы регионов; 2) возможна неоднозначность трактовки типологии. Так, Кемеровская область, может быть отнесена и к экспортоориентированным регионам и к экономически самостоятельным, богатым природными ресурсами

* Составлено автором

Представленные подходы к типологии регионов в большинстве случаев сводятся к классификации регионов по природно-ресурсному потенциалу, либо по уровню экономического развития территорий. Общим недостатком всех представленных типологий является тот факт, что они построены на усредненных данных, что дает лишь общее представление о месте региона на федеральном фоне, в связи с чем по каждому региону должны проводиться отдельные исследования по выявлению причинно-следственных связей относительно текущего положения региона, а также по выявлению факторов дальнейшего социально-экономического развития.

В связи с мировым признанием концепции достойного труда типологизировать административно-территориальные единицы, входящие в состав РФ, по-мнению автора, целесообразно и в соответствии с ее составляющими (возможности занятости, справедливое вознаграждение за труд, социальное обеспечение, социальный диалог).

При разработке авторской типологии субъектов РФ по качеству трудовой жизни за основу была принята типология М. М. Чураковой, которая выделила две группы показателей уровня и качества жизни, характеризующих социальное и экономическое развитие регионов. Так, для оценки экономической составляющей уровня и качества жизни М.М. Чураковой предлагается следующая система показателей: 1) уровень безработицы; 2) коэффициент напряженности на рынке труда; 3) коэффициент фондов; 4) среднедушевые денежные доходы населения; 5) доля населения трудоспособного возраста в общей численности населения; 6) продолжительность жизни; 7) величина просроченной задолженности по заработной плате [7].

Для оценки социальной составляющей уровня и качества жизни М.М. Чураковой используются следующие показатели: 1) коэффициент младенческой смертности; 2) численность граждан, пользующихся социальной поддержкой по оплате жилых помещений и коммунальных услуг; 3) численность учащихся в учебных заведениях; 4) численность зарегистрированных преступлений на 100 тыс. чел. населения; 5) величина жилой площади на 1 чел.; 6) заболеваемость на 1 тыс. чел. населения; 7) величина выбросов загрязняющих веществ в атмосферу [7].

Подобная система показателей применима для типологии регионов по качеству жизни населения, для типологии регионов по качеству трудовой жизни необходимо использование более узких показателей для характеристики именно социально-трудовых отношений (табл. 2). Кроме того, по мнению автора, в качестве показателя для типологии административно-территориальных единиц, наиболее удачным будет использование индекса человеческого развития (индекса развития человеческого потенциала), основанного на агрегировании показателей, отражающих базовые критерии социального развития (долголетие, образование, доход). Тем не менее его включение в авторскую систему показателей типологизации регионов по качеству трудовой жизни на данный момент невозможно в связи с отсутствием глубокой детализации статистической информации в разрезе субъектов РФ (имеется информация об уровне грамотности населения и о среднедушевом ВРП и отсутствует – о количестве обучающихся в возрасте 7-24 лет) и запаздыванием официальных публикаций об уровне развития человеческого потенциала в регионах РФ на несколько лет. В связи с чем в рамках дальнейшего исследования индекс человеческого развития не используется. Это также касается и показателей, входящих в состав группы «Социальное партнерство», так как с 2004 г. ни в одном Субъекте РФ не было зарегистрировано ни одного случая забастовки рабочих [8].

Таблица 2. Система показателей типологизации регионов по качеству трудовой жизни*

Группа показателей	Экономические показатели	Социальные показатели
1	2	3
Возможности занятости	Уровень занятости	Индекс развития человеческого потенциала
	Уровень безработицы по методологии МОТ
		Доля населения трудоспособного возраста
	Коэффициент напряженности на рынке труда
Справедливое вознаграждение за труд	Индекс Кейтца	Доля населения, имеющего доходы ниже прожиточного минимума
	Коэффициент фондов
	Соотношение среднемесячной начисленной заработной платы с величиной прожиточного минимума
Социальное партнерство	-	Доля неотработанных дней по причине забастовок
		Уровень охвата работников коллективными договорами
Социальное обеспечение	Соотношение среднего размера трудовой пенсии с величиной прожиточного минимума

* Составлено автором

Качественная интерпретация количественных показателей экономической и социальной составляющей качества трудовой жизни обобщена в табл. 3.

Таблица 3. Определение типа региона

Тип региона	Характеристика региона
1	2
Неблагополучный	Показатели экономической и социальной составляющих качества трудовой жизни значительно удалены от средних приемлемых значений (среднее значение лежит в интервале от нижнего значения показателя по отношению к среднероссийскому значению до верхнего значения показателя по отношению к среднероссийскому)
Проблемный	Территории, характеризующиеся односторонней асимметрией показателей, т.е. в которых экономическая составляющая лучше, чем социальная и наоборот
Благополучный	Территории, у которых значения показателей экономической и социальной составляющих выше среднего
Развитый	Территории, имеющие высокие значения показателей экономической и социальной составляющих качества трудовой жизни

* Составлено автором

В табл. 4 и 5 представлены данные для оценки экономической составляющей качества трудовой жизни субъектов РФ [8].

Согласно данным табл. 4, можно заключить, что регионы существенно дифференцированы по уровню занятости. Так в 2010 г. наибольшая доля занятых была зарегистрирована в следующих административно-территориальных единицах: Чукотский автономный округ (77,7 %), Магаданская область (73,8 %), Ямало-Ненецкий автономный округ (73 %), г. Санкт-Петербург (70,3 %), Ханты-Мансийский автономный округ – Югра (70,1 %), г. Москва и Мурманская область (69 %), Ненецкий автономный округ (68,7 %), Московская область (68,5 %), Камчатский край (67,5 %), Ленинградская область (67, 1 %) и др. Регионами «аутсайдерами» в 2010 г. по уровню занятости населения стали: Еврейская

Таблица 4. Исходные данные для оценки экономической составляющей качества трудовой жизни*

Регионы	Уровень занятости, %					Уровень безработицы (по методологии МОТ), %					Коэффициент напряженности на рынке труда, долей ед.					Индекс Кейтца, %
Регионы	2010	2011	12012	2013	2014	2010	2011	12012	2013	2014	2010	2011	12012	2013	2014	2010	2011	12012	2013	2014
1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21
Российская федерация	62,7	63,9	64,9	64,8	65,3	7,3	6,5	5,5	5,5	5,2	4,9	3,6	2,7	2,4	2,1	20,7	19,7	17,3	17,5	17,1
Центральный федеральный округ	65,1	66,3	67,8	67,5	68,4	4,6	4,1	3,1	3,3	3,1	2,8	2,4	1,7	1,5	1,4	-	-	-	-	-
Белгородская область	61,6	61,4	63,7	65,4	66,1	5,2	4,3	3,7	4	4	3,3	2,4	1,7	1,8	1,7	27,2	26,1	23,1	23,4	23,2
Брянская область	60,2	61,1	63,3	62,6	63,4	8	7,1	5,1	5,2	5	8,7	6	3,9	3,5	2,7	35,1	33,1	27,9	27,4	28,7
Владимирская область	63	65	67,2	67,1	66,8	6,1	5,7	4,4	3,8	4,3	4,4	3,6	2,4	1,8	1,9	29,9	28,3	25,1	24,9	26,6
Воронежская область	58,4	60,3	61	61	62	7,5	6,4	5,5	4,7	4,5	5,6	4,3	3,9	3,2	2,3	30,2	28,7	23,6	23,8	23,1
Ивановская область	61,6	62,7	64,2	63,9	64,3	7,6	6,6	6,3	5,2	4,3	5	3,6	2,5	1,7	1,6	33,0	31,9	27,1	27,4	27,0
Калужская область	65,9	66,7	67,4	67,4	66,5	6,7	5,6	4,3	4,5	4,2	4	3	1,8	1,5	1	27,9	27,0	24,7	22,8	27,3
Костромская область	64,6	65,3	66,7	65,2	64,6	6	5,1	4,8	4,9	4,3	4,1	3,2	2,6	2,4	1,5	37,0	31,0	27,3	27,2	37,3
Курская область	60,6	61,4	62,5	63,8	64,5	8,2	6,3	5,1	4,6	3,9	8,5	6,2	4,5	3,8	2,5	38,1	31,6	31,0	26,9	29,6
Липецкая область	64,4	63,7	68,2	65,8	64,9	4,5	4,9	3,6	3,7	3,7	3,3	3,3	2,2	2,4	1,9	28,1	27,1	23,7	24,3	30,5
Московская область	68,5	69,1	70,7	69,6	69,1	3,3	3,7	2,9	2,8	2,7	2,6	2,7	2	1,6	1,6	26,4	23,4	27,9	25,2	31,1
Орловская область	58,7	60	61,6	61,8	62,3	8,9	6,3	5,3	5,8	5,1	8,6	4,8	2,8	2,5	2,4	37,6	31,7	27,3	27,0	26,6
Рязанская область	57,6	59,1	60,6	60,1	58,9	8,4	7,2	4,6	4,7	4,4	7,7	4,7	2,4	2,4	2,1	37,9	34,7	30,4	26,6	26,8
Смоленская область	64,8	65,4	67,3	66,7	66,1	7,4	7,6	5,7	5,2	5,1	10,4	8,5	4,5	3,3	3,1	29,8	28,5	28,4	25,5	27,8
Тамбовская область	59,5	59,8	61	60,8	61	7,8	6,6	4,9	4,6	4,3	4,5	3,4	2,3	2,6	2,2	34,8	32,3	28,2	27,3	33,7
Тверская область	63,4	64,9	66,9	66,3	66,7	6,6	6	5	5,3	5,3	3,6	3,3	2,1	2,1	2,2	34,6	32,1	32,1	28,9	23,3
Тульская область	61,9	63,1	64,5	64,2	65,7	5,8	5,3	4,6	4,2	4,1	5,2	3,9	2,6	1,4	1,3	29,1	26,9	29,7	26,1	40,6
Ярославская область	62,5	65,2	66,5	66	69,5	7,5	5,1	3,4	4,5	3,8	6,2	3,8	1,8	2,1	1,7	26,9	25,5	22,6	22,6	30,0
г. Москва	69	70,8	71,6	71,8	74	1,8	1,4	0,8	1,7	1,5	0,7	0,6	0,4	0,7	0,6	26,3	23,2	24,0	22,0	20,6
Северо-Западный федеральный округ	66,6	67,7	68,7	67,8	67,8	5,9	5,1	4	4,3	4,1	3,6	2,6	1,8	1,8	1,6	-	-	-	-	-
Республика Карелия	62,2	62,2	62,3	61,1	61,7	9,3	8,4	7	8,2	8,1	9,2	5,8	3,8	4	4,7	30,2	21,9	27,6	24,9	19,7
Республика Коми	64,3	64,6	66,3	66,9	65,7	10,1	8,2	6,4	7,1	6	6,8	3,6	2,3	2,4	1,9	16,6	16,0	13,6	21,0	17,9
Архангельская область	63,1	65,5	64,4	63,4	62,1	6,9	5,9	5,4	6,1	7,2	4,5	3,4	3	3,3	3,4	24,0	21,7	18,7	16,0	14,6
Ненецкий автономный округ	57,6	59,1	60,6	60,1	58,9	6,5	8,7	6,9	7,1	5,3	4,8	6,4	2,6	3,2	2,9	-	-	-	-	-
Архангельская область (без автономного округа)	-	-	-	63,3	61,9	-	-	-	6	7,3	-	-	-	3,3	3,4	-	-	-	-	-
Вологодская область	64,5	64,6	65,9	64,5	65,2	7,8	7,3	5,8	6,1	5,6	5,2	4	2,9	3,1	2,9	37,4	22,8	20,4	20,7	20,8
Калининградская область	61,7	64,6	65,5	67,1	67,4	10,3	9,1	7,4	5,6	5,4	10,8	6,2	4	2,3	2,4	32,5	30,1	30,2	25,9	28,2
Ленинградская область	67,1	68,5	69,3	67,5	66,6	5,2	4,3	3,2	4,3	4,5	3,6	2,7	2	2,3	2,2	28,6	25,4	23,2	23,2	22,9
Мурманская область	69	67,5	69,2	69	69,3	8,6	8,6	7,7	7,2	6,7	6,8	5,1	3,9	2,9	2,3	27,0	24,4	25,2	22,7	24,7
Новгородская область	65,2	66,5	66,5	66,8	66,1	5,6	4,9	4,1	4,6	3,7	3,1	2	1,7	1,6	1,1	25,8	24,7	30,1	22,2	32,3
Псковская область	60,5	62,5	64	63,8	63,3	9,5	9,3	6,6	7	6,5	6,7	5,6	3,1	3,4	2,4	29,9	29,3	25,3	26,4	26,4
г. Санкт-Петербург	70,3	71,4	72,8	71,3	71,9	2,6	2	1,1	1,5	1,4	1,3	0,8	0,5	0,6	0,5	25,3	24,7	23,6	22,6	21,8
Южный федеральный округ (с 2010 года)	59,6	60,5	61,6	61,4	61,6	7,6	7	6,2	6,5	6,2	4,3	3,3	2,5	2,4	2,4	-	-	-	-	-
Республика Адыгея	55,3	56,2	56,5	58,3	55,5	9,3	8,4	8,1	7,9	8,6	6,2	3,7	2,8	3,4	3,9	35,6	32,1	27,6	27,0	26,5
Республика Калмыкия	57,1	58,2	58,5	57,6	61,6	14,8	14,2	13,1	12,5	10,9	49,1	34,6	23,4	15,5	10,2	40,4	36,7	30,7	29,8	28,7
Краснодарский край	60	60,4	61,6	60,9	61,1	6,7	5,9	5,6	6,1	5,7	2,7	1,9	1,6	1,7	1,8	37,4	33,2	30,2	26,9	31,1
Астраханская область	61,7	62,6	61,7	64	64,5	8,2	8,8	7,9	7,5	7,5	10	8,2	6	5	4,4	26,1	27,1	23,6	22,9	22,6
Волгоградская область	59,7	61,5	62,8	63	62,5	8	6,9	6	6,6	6,6	4,6	3,7	2,8	2,4	2,1	47,1	28,5	40,9	24,7	40,5
Ростовская область	59,2	60,3	61,5	60,9	61,7	7,7	7,3	6	6	5,9	5,9	4,7	3,3	3	2,9	36,1	27,2	24,0	23,8	37,5
Северо-Кавказский федеральный округ	53,3	55,2	56,7	57,3	58,7	16,5	14,5	13,1	13	11,2	39,9	30,8	22,6	18,3	15,2	-	-	-	-	-
Республика Дагестан	53,2	57,2	56,2	55,9	56,7	14,8	12,7	11,7	11,6	10,2	408,8	373,6	414	293,6	218,5	42,3	41,0	33,8	30,9	30,5
Республика Ингушетия	32,2	35,2	36,2	38,6	49,4	49,7	48,1	47,7	43,7	29,8	70,9	182,2	407,8	183,2	185,5	33,7	31,8	25,2	25,8	26,5
Кабардино-Балкарская Республика	50,6	50,6	54,4	58,7	61,6	12,7	10,5	8,9	10,5	9,5	19,9	11,9	11,3	14,9	12,9	37,1	35,4	32,3	28,3	27,3
Карачаево-Черкесская Республика	58,8	58,9	61,4	57,6	56,7	10,3	9,8	8,9	9,8	13	27,3	22	12,2	11,7	15,6	38,2	37,0	29,7	29,1	28,1
Республика Северная Осетия – Алания	64,3	62	61,9	60,6	60,1	9,7	8,3	7,9	8,1	8,6	27,4	14,5	12,4	14,4	18,3	36,6	34,5	29,0	27,9	27,3
Чеченская Республика	38,3	41,5	49,6	56,2	58	43,3	37,3	29,8	26,9	21,5	384,9	263,3	116,5	124,9	60,7	31,1	32,0	26,5	24,9	25,9
Ставропольский край	59,1	60,4	61,6	60,5	61,5	6,9	6	5,4	5,6	5,3	9,1	6,4	4,4	3,4	3,1	31,0	29,6	25,0	25,2	31,9
Приволжский федеральный округ	62,7	63,9	64,9	64,7	65,3	7,6	6,5	5,3	4,9	4,5	6,3	4,2	2,6	2,2	1,9	-	-	-	-	-
Республика Башкортостан	59,9	62,2	62,7	61,2	61,8	8,9	7,6	6,1	5,8	5,3	7,7	5,3	3,1	2,7	2,4	26,4	29,9	27,1	24,6	22,2
Республика Марий Эл	61,4	61,9	64,1	65	64,5	10,5	10,1	6,5	5,2	4,8	15	9,8	3,8	3,1	3,2	34,2	32,9	35,3	30,8	32,0
Республика Мордовия	66,2	67,3	67,2	67,7	68	5,4	5,2	4,9	4,4	4,2	7	4,6	2,9	2	1,9	36,4	34,7	30,4	28,8	27,3
Республика Татарстан	64,7	66,4	67,5	67,3	68,1	6,2	4,7	4,1	4	3,9	7	3,4	2,3	2,1	1,8	25,0	23,0	19,8	20,0	19,6
Удмуртская Республика	63,8	66,7	67,4	67,5	68,2	9,3	6,9	6	5,7	5,1	5,9	3	2,5	2,5	2,1	30,3	29,1	25,3	24,7	23,7
Чувашская Республика	61,8	63,6	64,7	66,4	68,9	9,5	7,8	5,9	5,7	5	8,4	4,7	2,3	2,1	2	33,3	31,0	26,8	26,8	26,6
Пермский край	62,7	63,6	63,5	62,3	60,8	8,3	7,5	6,3	6,5	5,8	7	4,4	2,5	2,2	1,8	24,8	24,6	21,1	21,1	20,5
Кировская область	63,9	63	62,8	62,8	64,4	8,6	8,3	7,1	5,6	5,1	5,5	4,6	3,6	2,7	2,4	32,6	31,6	27,2	27,0	26,5
Нижегородская область	63,1	64,4	67,5	66,8	67,4	7,7	7,2	5,4	4,3	4,2	3,9	3,6	1,7	1,4	1,2	26,5	24,9	22,0	22,1	28,0
Оренбургская область	62,4	63,1	64	65,7	65,7	7,2	6,3	5,4	4,9	4,4	10,8	6,7	4,2	3,6	2,9	28,5	27,1	23,9	24,1	23,7
Пензенская область	58,3	60	62,3	62,6	64,2	6,4	5,4	4,9	4,8	4,6	5,5	3,3	2,5	2,4	2,5	30,0	28,2	24,1	25,2	24,8
Самарская область	64,6	65,3	66,9	67,1	68,3	5,8	5,1	3,4	3,2	3	5,4	3,3	1,9	1,5	1,2	26,3	24,8	22,2	22,2	21,5
Саратовская область	64,2	62,4	62,2	61,3	62,5	6,3	6	5,4	5,2	4,6	5,4	4	2,8	2,3	1,9	29,8	28,5	24,5	25,2	28,2
Ульяновская область	59,3	63,4	63,9	64,2	62,7	8,8	6,8	5,6	5,5	4,8	7,1	5,2	4	4	2,9	32,5	30,7	27,0	27,1	32,8
Уральский федеральный округ	63,6	65	65,9	66	66	8	6,8	6	5,7	5,8	6,1	3,9	3	2,5	2,1	-	-	-	-	-
Курганская область	56,7	57,7	58,7	60,3	60	12,1	10	8,7	7,5	7	18,9	10,7	7,3	5,3	4,6	32,7	31,1	33,1	29,3	34,6
Свердловская область	62,6	64,1	65,2	65,5	65,2	8,4	7,2	5,8	5,9	6,1	7,5	5	3,4	3,1	2,8	21,9	20,8	21,1	22,1	24,0
Тюменская область	66,4	67,8	68,5	68	68,5	6,9	5,8	5,2	4,7	4,7	3,5	2,1	1,7	1,3	1	11,3	11,1	10,6	13,7	10,4
Ханты-Мансийский автономный округ-Югра	70,1	69,7	70,5	69,8	71	7,5	6,3	5,5	4,9	4,6	3,9	2,1	2	2,3	2,2	22,1	20,1	20,2	18,8	20,4
Ямало-Ненецкий автономный округ	73	75,4	76,3	74,6	75,1	4,3	3,5	3,4	3,2	3,1	2	1,4	1,3	0,7	0,4	0,0	16,1	17,5	16,1	15,0
Тюменская область (без автономных округов)	-	-	-	63,1	62,8	-	-	-	5,2	5,5	-	-	-	1,1	0,9	-	-	-	-	-
Челябинская область	63,8	65,4	66	66,1	66	7,5	6,6	6,4	6	6,2	7,5	5,3	4,4	3,7	3	36,3	23,0	20,5	20,3	27,6
Сибирский федеральный округ	61	61,5	61,9	62	62,6	8,7	8,1	7,1	7,2	7	6,3	4,5	3,3	3,2	2,7	-	-	-	-	-
Республика Алтай	59,4	59	59,5	59,9	59,8	12,2	12,8	11,6	11,5	10,4	14,4	11	8,3	7,5	7,1	30,4	29,5	34,7	25,1	31,0
Республика Бурятия	58,2	58	58,9	58,6	58,4	10,4	9	7,9	8	8,4	7,3	5	4	3,8	4,6	29,7	26,8	23,1	20,5	24,1
Республика Тыва	46,3	52,1	46,1	46,6	48,4	21,7	17,3	18,4	19,3	19,1	22,5	25,1	23,5	25,5	24,3	24,7	24,1	20,7	20,7	20,2
Республика Хакасия	58,9	61,3	59,6	61,9	60,4	9,1	7,2	7,9	6	6,2	7,6	5,2	4,5	3,5	3,6	23,6	22,3	19,6	20,0	17,9
Алтайский край	60,7	59,9	60,9	57,4	59	8,8	8,5	6,2	8,3	7,2	14	7,5	6,4	5,4	4,2	35,9	39,8	39,5	35,0	36,0
Забайкальский край	55,8	57,1	57,6	58	59	11,1	10,6	10,6	10,5	10	23,4	17,1	14,5	10,2	9,1	28,3	21,9	19,0	19,1	23,1
Красноярский край	65,4	64,2	64,8	64,9	66,1	6,2	6	5,5	5,7	5	4,5	3,6	2,2	2	1,6	18,6	19,9	17,8	16,1	16,3
Иркутская область	60,4	61,8	62,4	62,9	62,1	10,1	9,1	7,8	8,3	8,8	5,2	3,7	2,7	2,6	1,7	21,1	20,4	19,8	17,9	17,7
Кемеровская область	59,9	61,1	62	63,7	63,7	8,9	8,1	7,1	6	6,2	5,2	3	2,5	2,6	3	24,0	22,5	19,7	20,6	42,2
Новосибирская область	62,9	64,6	65,1	64,6	65,1	7,7	6,8	5,6	5,9	5,1	4,3	3,5	2,5	2,3	1,9	31,2	38,4	33,6	35,4	33,2
Омская область	62,2	63,9	64,1	64,6	65,1	8,1	7,9	6,9	6,8	6,7	8,1	5,7	3,9	3,5	3,4	25,9	24,2	21,0	20,9	24,4
Томская область	60,8	56,7	54,9	57,8	61,9	7,7	9,1	8,4	7,6	7,6	5	4,3	3	3,2	3,2	20,7	26,5	25,8	21,4	26,8
Дальневосточный федеральный округ	62,6	64,4	65	65,2	65,6	8,6	7,4	6,7	6,5	6,4	3,2	2	1,8	1,6	1,4	-	-	-	-	-
Республика Саха (Якутия)	62	62	64,2	65,2	65,4	8,9	9	8	7,4	7,4	7	3,9	2,5	1,5	1,7	15,1	17,8	16,6	14,2	24,5
Камчатский край	67,5	69,2	68,7	69,7	69,2	7	6,1	5,8	5,7	6,1	2,9	1,3	1,6	1,5	1,7	12,1	11,7	10,6	10,7	24,8
Приморский край	61,2	62,4	63,6	63,9	64,2	9,5	8	6,9	7,1	6,9	2,4	1,3	1,4	1,4	1,1	19,8	18,9	16,8	17,4	17,1
Хабаровский край	62,4	65,2	65,4	66	66,3	8,9	6,6	6,4	5,7	5,9	4,1	3	2,9	2,4	2,4	24,8	21,5	21,6	19,6	22,1
Амурская область	60,9	65,4	63,7	61,9	63,6	6,9	6	5,3	6,1	5,6	2,2	2,3	1,6	2	2,2	20,4	31,5	28,4	18,1	17,1
Магаданская область	73,8	75,9	76,4	76,8	74,4	5,6	4,5	3,4	2,9	3,1	3	1,5	0,8	0,6	0,6	17,8	15,5	9,3	16,6	23,4
Сахалинская область	65,2	66,9	66,9	66,9	67,5	8,9	7,9	7,7	7,2	6,5	4,6	3,4	2,3	2,1	1	25,0	24,5	21,5	23,4	22,0
Еврейская автономная область	57	59,6	59,9	60,2	59,3	9,3	8,5	8,5	8,3	8,7	4,7	3,2	1,8	0,9	0,6	33,3	20,1	18,4	19,0	20,4
Чукотский автономный округ	77,7	78,3	78,9	80,4	81,2	4,5	5,6	4,3	3,3	3,2	1,7	1,6	1	0,8	0,7	9,2	8,6	7,6	7,6	7,3

* Составлено автором

Таблица 5. Исходные данные для оценки экономической составляющей качества трудовой жизни (продолжение)*

Регионы	Коэффициент фондов, раз					Соотношение среднемесячной начисленной заработной платы с величиной прожиточного минимума, раз					Соотношение среднего размера пенсии с величиной прожиточного минимума, раз
Регионы	2010	2011	2012	2013	2014	2010	2011	2012	2013	2014	2011	2012	2013	2014
1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
Российская Федерация	16,6	16,2	16,4	16,2	16	3,3	3,5	3,7	3,8	3,7	1,5	1,6	1,5	1,5
Центральный федеральный округ	-	-	-	-	-	-	-	-	-	-
Белгородская область	14,6	14,4	15,4	14,7	14,2	3,1	3,3	3,5	3,4	3,2	1,8	1,9	1,7	1,7
Брянская область	12,7	12,8	14	13,6	13,4	2,3	2,5	2,8	2,7	2,6	1,7	1,8	1,6	1,5
Владимирская область	11,1	11,1	11,8	12	11,4	2,3	2,5	2,6	2,8	2,6	1,5	1,6	1,5	1,5
Воронежская область	14,7	14,6	14,8	15,6	15,6	2,4	2,7	3,1	3,3	3,2	1,5	1,6	1,7	1,6
Ивановская область	10,5	10,7	11,7	11,6	11,3	2,2	2,3	2,5	2,5	2,3	1,6	1,6	1,5	1,4
Калужская область	13,1	13,3	14,4	13,9	13,2	3,1	3,4	3,8	3,6	3,4	1,7	1,8	1,6	1,5
Костромская область	11,1	10,8	11,3	11,3	10,7	2,2	2,3	2,4	2,6	2,5	1,5	1,5	1,5	1,5
Курская область	12,4	12,6	13,7	13,4	13,7	2,5	2,9	3,2	3,3	3,2	1,6	1,7	1,7	1,6
Липецкая область	12,8	12,5	14	14,3	14,1	2,7	3,0	3,1	3,2	3,0	1,6	1,7	1,7	1,6
Московская область	15,4	15,8	16,5	16	14,8	3,5	3,8	4,0	4,0	3,8	1,6	1,7	1,6	1,6
Орловская область	14,1	14,1	14,6	13,2	11,9	2,5	2,7	3,0	2,8	2,6	1,8	1,9	1,6	1,6
Рязанская область	11,7	11,1	12,5	12,9	13,1	2,5	2,6	2,8	3,0	3,1	1,5	1,5	1,5	1,6
Смоленская область	12,2	11,3	12,3	12,1	12,1	2,3	2,3	2,3	2,5	2,4	1,4	1,4	1,4	1,3
Тамбовская область	14,9	15	15,6	15,7	13,6	2,7	2,8	3,1	3,3	2,8	1,9	1,9	2,0	1,5
Тверская область	10,5	10,2	11,2	10,8	9,8	2,6	2,8	3,0	2,9	2,7	1,6	1,6	1,5	1,4
Тульская область	11,9	12	12,9	12,7	12,2	2,7	2,9	3,0	3,2	3,2	1,6	1,6	1,5	1,5
Ярославская область	12,7	12,1	13,4	13,6	13,6	2,7	3,0	3,1	3,2	3,1	1,7	1,7	1,7	1,7
г. Москва	28,3	27,3	27,3	27,3	21,3	3,9	4,3	4,4	4,5	4,3	1,3	1,3	1,2	1,2
Северо-Западный федеральный округ	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Республика Карелия	10,8	10,6	11,6	11,3	10,2	2,7	2,8	2,9	3,0	2,8	1,6	1,6	1,6	1,5
Республика Коми	16,9	16,5	17	16,5	14,9	3,2	3,3	3,8	3,7	3,5	1,5	1,6	1,5	1,5
Архангельская область	12,7	12,5	13	12,5	12,2	-	-	-	-	-	-	-	-	-
Ненецкий автономный округ	20,1	19,3	19,9	19,1	18,1	3,9	3,8	4,2	3,8	3,8	1,2	1,2	1,1	1,1
Архангельская область (без автономного округа)	-	-	11,8	11,5	11,3	-	-	3,0	2,7	2,7	-	-	-	1,3
Вологодская область	11,7	11,4	12,1	12	11,7	2,8	2,9	3,0	3,1	2,9	1,5	1,5	1,5	1,5
Калининградская область	12,3	12,1	13,4	13	12,7	3,0	3,1	3,2	3,3	3,1	1,5	1,6	1,5	1,4
Ленинградская область	12,4	12,4	13	13,5	12,7	3,7	3,9	4,1	4,3	4,3	1,7	1,7	1,8	1,7
Мурманская область	13,6	13,2	13,9	14	12,4	3,4	3,6	3,8	3,8	3,6	1,4	1,4	1,5	1,4
Новгородская область	14,6	14,5	14,9	14,1	14	2,8	3,0	3,2	3,0	2,9	1,6	1,6	1,5	1,5
Псковская область	11,9	11,5	12,2	11,5	10,4	2,5	2,3	2,6	2,5	2,3	1,5	1,5	1,4	1,3
г. Санкт-Петербург	20	19,4	19,6	20,2	18,7	4,2	4,3	4,5	4,7	4,4	1,8	1,9	1,9	1,7
Южный федеральный округ	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Республика Адыгея	12,8	13	14	13,2	13,8	2,4	2,6	2,8	2,9	2,7	1,6	1,6	1,6	1,5
Республика Калмыкия	11,8	11,8	12,6	12,1	12,1	2,2	2,2	2,5	2,4	2,4	1,5	1,5	1,4	1,4
Краснодарский край	15,9	16,1	16,5	16,8	17	2,6	2,9	3,1	3,1	3,0	1,4	1,5	1,4	1,4
Астраханская область	14,3	14,2	14,7	14,9	14,8	3,0	3,0	3,1	3,4	3,3	1,6	1,6	1,6	1,5
Волгоградская область	11,1	10,8	11,2	11,3	10,9	2,5	2,6	2,7	2,9	2,7	1,5	1,5	1,6	1,5
Ростовская область	14	13,4	14	14	14	2,6	2,7	2,9	2,9	2,8	1,5	1,5	1,5	1,4
Северо-Кавказский федеральный округ	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Республика Дагестан	14,1	14,5	15	13,3	13,3	2,1	2,2	2,5	2,4	2,3	1,5	1,5	1,3	1,3
Республика Ингушетия	10,6	11,6	12,1	11,9	11,7	2,5	2,8	3,4	2,9	2,8	1,4	1,6	1,3	1,4
Кабардино-Балкарская Республика	12	12,1	12,6	11,7	12	2,3	2,5	3,0	2,7	2,6	1,6	1,7	1,4	1,4
Карачаево-Черкесская Республика	11,4	11	12	11,4	11,9	2,2	2,3	2,7	2,5	2,5	1,7	1,7	1,5	1,5
Республика Северная Осетия – Алания	11,3	11,2	12,2	11,9	11,9	2,3	2,5	2,7	2,7	2,6	1,7	1,7	1,6	1,5
Чеченская Республика	-	-	13,4	13,4	15,1	2,2	2,0	2,3	3,0	2,9	1,2	1,3	1,5	1,5
Ставропольский край	13	12,7	13,2	13,6	13,6	2,4	2,5	2,7	3,0	3,0	1,5	1,5	1,5	1,5
Приволжский федеральный округ	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Республика Башкортостан	17,4	17,2	17,5	17,5	17,1	2,9	3,2	3,3	3,3	3,2	1,6	1,7	1,6	1,6
Республика Марий Эл	13	13	13,2	13,3	12,6	2,3	2,5	2,7	2,8	2,7	1,7	1,7	1,6	1,5
Республика Мордовия	11,8	11,3	12	11,8	11,6	2,2	2,3	2,5	2,7	2,7	1,6	1,6	1,6	1,6
Республика Татарстан	16	15,5	17	16,6	16,8	3,4	3,7	3,8	3,9	3,8	2,0	1,9	1,7	1,7
Удмуртская Республика	11,8	11,7	12,5	12,4	12,2	2,6	2,8	2,9	3,1	3,0	1,8	1,8	1,7	1,6
Чувашская Республика	11,3	11	12,1	11,8	11,4	2,4	2,6	2,9	3,0	2,8	1,6	1,7	1,7	1,6
Пермский край	17,8	17,3	17,5	17,6	17,4	2,7	2,6	3,0	3,1	3,1	1,4	1,5	1,5	1,5
Кировская область	11,2	10,9	12,1	11,5	11,6	2,3	2,4	2,6	2,6	2,6	1,6	1,6	1,6	1,6
Нижегородская область	13,5	13,5	14,8	15,5	15,5	2,7	2,9	2,9	3,4	3,2	1,6	1,5	1,7	1,6
Оренбургская область	12,7	12,5	13,3	13,7	13,6	2,8	3,0	3,1	3,3	3,2	1,6	1,6	1,6	1,6
Пензенская область	12,4	12,2	13,2	13,5	13,5	2,6	2,8	3,1	3,2	3,0	1,6	1,7	1,7	1,6
Самарская область	20,5	19,4	19,5	19,3	16,7	2,5	2,7	2,8	2,9	3,0	1,5	1,5	1,5	1,6
Саратовская область	12,2	11,9	12,5	12,5	12,7	2,7	2,9	3,0	3,1	3,0	1,6	1,7	1,7	1,6
Ульяновская область	13,6	13	13,4	13,4	13,4	2,4	2,6	2,7	2,7	2,7	1,6	1,7	1,6	1,5
Уральский федеральный округ	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Курганская область	14,4	13,8	14,1	13,6	12,8	2,3	2,5	2,6	2,8	2,6	1,7	1,7	1,6	1,5
Свердловская область	18	17,2	17,8	17,8	16,8	3,0	3,1	3,3	3,6	3,4	1,5	1,5	1,6	1,6
Тюменская область	20	19,7	20,1	19,5	19	-	-	-	-	-	-	-	-	-
Ханты-Мансийский автономный округ-Югра	17,3	17,1	17,7	17,1	16,9	4,4	4,6	4,9	4,7	4,6	1,5	1,6	1,6	1,6
Ямало-Ненецкий автономный округ	18,2	18,1	19,2	18,7	17,5	5,1	5,4	5,6	5,3	5,0	1,5	1,6	1,4	1,4
Тюменская область (без автономных округов)			15,6	15,3	14,7	0,0	0,0	4,0	3,8	3,8	-	-	-	1,5
Челябинская область	14,3	13,9	14,2	13,2	12,7	3,1	3,3	3,4	3,5	3,3	1,7	1,7	1,6	1,5
Сибирский федеральный округ	-	-	-	-	-
Республика Алтай	11,9	11,5	11,5	11,2	11,2	2,4	2,5	2,7	2,8	2,7	1,4	1,4	1,4	1,3
Республика Бурятия	15,2	14,9	15,3	15,8	15,4	3,0	3,0	3,2	3,3	3,2	1,4	1,4	1,5	1,4
Республика Тыва	11,5	11,3	12	12,1	12,1	2,9	3,0	3,2	3,0	3,1	1,5	1,5	1,3	1,4
Республика Хакасия	12,2	12,1	12,8	12,6	11	3,2	3,3	3,5	3,5	3,4	1,6	1,6	1,6	1,5
Алтайский край	11	11,3	11,9	12,6	12,3	1,9	2,2	2,4	2,6	2,4	1,5	1,5	1,6	1,5
Забайкальский край	14,1	14,3	14,7	14,8	12,9	3,0	3,1	3,3	3,4	3,2	1,4	1,4	1,4	1,3
Красноярский край	17,3	17,3	17	16,9	14,9	3,3	3,4	3,5	3,6	3,5	1,5	1,5	1,6	1,5
Иркутская область	15,9	15,7	15,6	15,4	12,9	3,4	3,5	3,7	3,5	3,4	1,6	1,7	1,5	1,5
Кемеровская область	14,6	14,1	14,9	14	12,2	3,5	3,7	3,8	3,6	3,3	1,9	1,9	1,7	1,6
Новосибирская область	15,1	14,9	15,8	15,7	12,6	2,8	2,9	3,1	3,1	2,9	1,5	1,5	1,4	1,4
Омская область	14,9	15,4	16,4	16,1	16,2	3,1	3,4	3,5	3,7	3,4	1,7	1,7	1,7	1,6
Томская область	13	12,8	13,4	13,2	12	3,3	3,4	3,5	3,6	3,5	1,6	1,6	1,6	1,6
Дальневосточный федеральный округ	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Республика Саха (Якутия)	14,4	14,5	14,8	14,8	14,5	2,9	3,1	3,4	3,7	3,6	1,3	1,3	1,3	1,3
Камчатский край	11,9	12	12,5	12,5	11,5	2,8	3,0	3,1	3,3	3,2	1,1	1,2	1,2	1,2
Приморский край	12,8	13	13,5	12,7	13,2	3,0	3,1	3,2	2,9	2,9	1,3	1,4	1,2	1,2
Хабаровский край	12,9	13	13,1	13,5	13	2,4	2,7	3,1	3,2	3,0	1,2	1,3	1,3	1,3
Амурская область	11,3	12	13,4	13,5	13,4	2,8	2,9	3,0	3,1	3,2	1,2	1,2	1,2	1,3
Магаданская область	15	14,9	15,9	14,8	14,1	3,8	3,9	4,3	3,9	3,8	1,5	1,5	1,3	1,3
Сахалинская область	15,8	15,1	15,2	15,8	16,1	3,8	3,7	4,2	4,2	4,3	1,2	1,3	1,4	1,4
Еврейская автономная область	12,1	11,9	12,3	11,7	11,5	2,8	2,9	2,8	2,7	2,6	1,2	1,2	1,2	1,1
Чукотский автономный округ	14,8	15,8	16	15,4	15,7	4,2	4,6	4,9	4,5	5,4	1,4	1,5	1,5	1,7

* Составлено автором

автономная область (57 %), Курганская область (56,7 %), Забайкальский край (55,8 %), Республика Адыгея (55,3 %), Республика Дагестан (53,2 %), Кабардино-Балкарская Республика (50,6 %), Республика Тыва (46,3 %), Чеченская Республика (38,3 %), Республик Ингушетия (32,2 %, что почти в половину меньше среднероссийского уровня).

На конец 2014 г. состав регионов с максимальной занятостью практически не изменился, незначительно изменились лишь занимаемые ими места при ранжировании: Чукотский автономный округ (81,2 %), Ямало-Ненецкий автономный округ (75,1 %), Магаданская область (74,4 %), г. Москва (74 %), г. Санкт-Петербург (71,9 %), Ханты-Мансийский автономный округ-Югра (71 %), Ярославская область (69,5 %), Мурманская область (69,3 %), Камчатский край (69,2 %), Московская область (69,1 %), Чувашская Республика (68,9 %), Тюменская область (68,5 %), Самарская область (68,3 %) и др. Несколько увеличился уровень занятости и в регионах «аутсайдерах»: Алтайский край и Забайкальский край (59 %), Рязанская область (58,9 %), Республика Бурятия (58,4 %), Чеченская Республика (58 %), Республика Дагестан и Карачаево-Черкесская Республика (56,7 %), Республика Адыгея (55,5 %), Республика Ингушетия (49,4 %), Республика Тыва (48,4 %).

Кроме того, в ходе экономического анализа прослеживается следующая тенденция: увеличение доли занятых в экономике, и соответственно, снижение уровня безработицы. Все субъекты РФ дифференцированы автором и по уровню безработицы. Так на начало 2010 г. к регионам с низким уровнем безработицы можно отнести следующие административно-территориальные единицы: г. Москва (1,8 %), г. Санкт-Петербург (2,6 %), Московская область (3,3 %), Липецкую область (4,5 %), Чукотский автономный округ (4,5 %). Регионами «аутсайдерами» по уровню безработицы являются: Республика Тыва (21,7 %), Чеченская республика (43,3 %), Ингушетия (49,7 %) и др.

К концу 2014 г. количество регионов-лидеров с низким уровнем безработицы увеличилось: г. Санкт-Петербург (1,4 %), г. Москва (1,4 %), Московская область (2,7 %), Самарская область (3 %), Магаданская область (3,1 %), Чукотский автономный округ (3,2 %) и др. Регионы «аутсайдеры» по уровню безработицы остались прежними: Республика Тыва (19,1 %), Чеченская республика(21,5 %), Ингушетия (29,8 %).

Таким образом, практически по всем субъектам РФ отмечается снижение уровня безработицы, а это свидетельствует о снижении социального риска. Опасной становится ситуация в регионах «аутсайдерах», где уровень безработицы значительно превышает естественный уровень безработицы. Кроме того, в ряде субъектов РФ отмечается несоответствие спроса и предложения на рынке труда, речь идет о превышении численности официально зарегистрированных безработных граждан над потребностью в рабочей силе. Тут лидирующими регионами, с наименьшим коэффициентом напряженности на рынке труда, стали на начало 2010 г.: г. Москва (0,7 долей ед.), г. Санкт-Петербург (1,3 доле ед.), Чукотский автономный округ (1,7 доле ед.), Ямало-Ненецкий Автономный округ (2,0 долей ед.), Амурская область (2,2 долей ед.), Приморский край (2,4 долей ед.), Московская область (2,6 долей ед.) и др. Регионами «аутсайдерами» стали: Республика Калмыкия (49,1 долей ед.), Республика Ингушетия (70,9 долей ед.), Чеченская республика (384,9 долей ед.), Республика Дагестан (408,8 долей ед.).

На конец 2014 г. ситуация на рынке труда несколько улучшилась, что отразилось на сокращении количества зарегистрированных безработных на 1 вакансию, наиболее заметна эта динамика на значениях показателей отстающих регионов: Чеченская республика (60,7 долей ед.), Республика Дагестан (218,5 долей ед.). Однако в ряде регионов «аутсайдеров» ситуация усугубилась, это касается Республики Ингушетия (185, 5 долей ед.) и Республики Тыва (24,3 долей ед.).

По индексу Кейтца все Субъекты РФ также весьма дифференцированы. Сопоставление регионов по данному признаку стало актуальным после предоставления возможности регионам устанавливать свой МРОТ на уровне не ниже федерального (с 2007 г.). Рекомендуемое значение Индекса Кейтца в составляет порядка 50-60 % [9]. Ни в одном из Субъектов РФ соотношение минимальной заработной платы к средней не достигло рекомендуемого нормативного значения. Тем не менее на начало 2010 г. в ряде регионов значение Индекса Кейтца приближается к нормативному, в частности: Волгоградская область (47,1 %), Республика Дагестан (42 %). На конец анализируемого периода ситуация несколько изменилась. Так, лидирующими регионами стали: Кемеровская область (42,2 %), Тульская область (40,6 %), Волгоградская область (40,5 %), в других Субъектах РФ значение индекса Кейтца было ниже 40 %.

Регионами «аутсайдерами» на начало анализируемого периода стали: Республика Коми (16,6 %), Республика Саха (15,1 %), Камчатский край (12,1 %), Тюменская область (11,3 %) и Чукотский автономный округ (9,2 %). К концу анализируемого периода ситуация несколько изменилась в ряде случаев в худшую сторону, например, в Чукотском автономном округе значение индекса Кейтца составило 7,3 %. Кроме того в число аутсайдеров вошли: Красноярский край (16,3 %), Ямало-Ненецкий автономный округ (15 %), Архангельская область (14,6 %), Тюменская область (10,4 %).

Отрицательная динамика Индекса Кейтца свидетельствует о значительном разрыве между средним размером оплаты труда и размером оплаты неквалифицировнных работников.

Ранжирование административно-территориальных единиц по степени социального расслоения общества на богатых и бедных дало следующие результаты. Так, регионами-лидерами с наименьшим значением коэффициента фондов на начало 2010 г. стали следующие субъекты РФ: Ивановская и Тверская область (10,5 раз), Республика Ингушетия (10,6 раз), Республика Карелия (10,8 раза) и другие. Регионами с наибольшей степенью расслоения общества на богатых и бедных в 2010 г. стали: Свердловская область (18 раз), Ямало-Ненецкий автономный округ (18,2 раза), г. Санкт-Петербург и Тюменская область (20 раз), Самарская область (20,5 раз), г. Москва (28,3 раза).

Наименьшее расслоение в 2014 г. зафиксировано в: Тверской области (9,8 раз) Республике Карелия (10,2 раз), Псковской области (10,4 раза), Костромской области (10,7 раза), Волгоградской области (10,9 раза). В 2014 г. ситуация несколько изменилась: Ямало-Ненецкий автономный округ (17,5 раз), г. Санкт-Петербург (18,7 раз), Тюменская область (19 раз), г. Москва (21,3 раза).

Разрыв между доходами наиболее и наименее обеспеченного населения незначительно снизился. Пугает тот факт, что неравенство денежных доходов влечет за собой не только социальное расслоение и снижение уровня и качества жизни населения определенных территорий, но и рост социальной напряженности, усиливает сепаратистские настроения в обществе [10]. Вследствие чего возможен миграционный отток наиболее мобильных и квалифицированных трудовых ресурсов из регионов с низким уровнем доходов в регионы с более высоким уровнем оплаты труда, возможностями карьерного и профессионального роста. Этот отток снижает качество трудового потенциала региона выбытия, его инвестиционную привлекательность, запуская механизм социально-экономической деградации.

Ранее сделанные выводы подтверждает и динамика соотношения среднемесячной номинальной начисленной заработной платы с величиной прожиточного минимума трудоспособного населения. Автор считает целесообразным отметить, что это соотношение сильно варьируется по субъектам РФ. Так в число лидеров на начало анализируемого периода попали следующие административно-территориальные единицы: Ямало-Ненецкий автономный округ (5,1 раз); Ханты-Мансийский автономный округ – Югра (4,4 раза); Чукотский автономный округ и г. Санкт-Петербург (4,2 раза); г. Москва и Ненецкий автономный округ (3,9 раза) и др. Регионами «аутсайдерами» с минимальным соотношением между размером оплаты труда и прожиточным минимумом стали: Республика Калмыкия, Костромская область, Ивановская область, Карачаево-Черкесская Республика, Чеченская Республика, Республик Мордовия (2,2 раза); Республика Дагестан (2,1 раза); Алтайский край (1,9 раз),

На конец анализируемого периода состав лидирующих регионов по соотношению между средним размером оплаты труда и величиной прожиточного минимума практически не изменился: Чукотский автономный округ (5,4 раза); Ямало-Ненецкий автономный округ (5 раз); Ханты-Мансийский автономный округ – Югра (4,6 раза); г. Санкт-Петербург (4,4 раза); г. Москва, Ленинградская область, Сахалинская область (4,3 раза); Московская область, Ненецкий автономный округ, Республика Татарстан, Тюменская область (без автономных округов), Магаданская область и др.

В ходе экономического анализа автором была выявлена положительная тенденция: увеличение размера средней номинальной начисленной заработной платы осуществляется более высокими темпами нежели размера прожиточного минимума трудоспособного населения, что наиболее ярко отражается на динамике показателей регионов «аутсайдеров»: Смоленская область, Республика Калмыкия, Алтайский край (2,4 раза); Ивановская область, Псковская область, Республика Дагестан, (2,3 раза) и др.

Соотношение среднего размера пенсии с величиной прожиточного минимума пенсионера также находится на крайне низком уровне. Так, в 2011 г. регионами лидерами, имеющими наибольшее соотношение, стали: Республика Татарстан (2,0 раза); Тамбовская область, Кемеровская область (1,9 раза); Белгородская область, Орловская область, г. Санкт-Петербург, Удмуртская Республика (1,8 раза), Калужская область, Ярославская область, Ленинградская область, Республика Марий Эл, Курганская область, Челябинская область, Омская область (1,7 раза) и др. Регионами с наименьшим соотношением стали: г. Москва (1,3 раза); Ненецкий автономный округ, Чеченская Республика, Хабаровский край, Амурская область, Еврейская автономная область (1,2 раза), Камчатский край (1,1 раза) и др.

К концу анализируемого периода максимального соотношения между анализируемыми показателями, достигнутого в 2014 г. не было достигнуто ни в одном из Субъектов РФ. Так, состав регионов, имеющих наибольшее соотношение существенно изменился: Белгородская область, Ярославская область, Ленинградская область, г. Санкт-Петербург, Республика Татарстан, Чукотский автономный округ (1,7 раза); Воронежская область, Курская область, Липецкая область, Московская Рязанская, Орловская области, Республик Башкортостан, Республик Мордовия, Удмуртская Республика, Чувашская Республика и др. административно-территориальные единицы Приволжского федерального округа, Свердловская область, Ханты-Мансийский край, Кемеровская, Омская, Томская области (1,6 раза) и др.

Состав субъектов РФ с наименьшим соотношением также серьезно изменился: Смоленская область, Республика Дагестан, Республика Алтай, Забайкальский край, Амурская область, Магаданская область (1,3 раза); г. Москва, Камчатский край, Приморский край (1,2 раза), Ненецкий автономный округ, Еврейская автономная область (1,1 раза).

В табл. 6 представлены данные для оценки социальной составляющей качества трудовой жизни административно-территориальных единиц, входящих в состав РФ. В рамках оценки социальной составляющей качества трудовой жизни проводится анализ численности трудовых ресурсов. Практически для всех Субъектов РФ характерна следующая тенденция: старение населения при одновременном сокращении доли населения, находящемся в трудоспособном возрасте, и увеличении доли населения старше трудоспособного возраста. Огромная диспропорция в численности населения трудоспособного и старше трудоспособного возраста приведет к тому, что уже в ближайшие годы в пенсионные возраста будут уходить столь многочисленные контингенты, которых в этих возрастах никогда ранее в этих регионах не было (сейчас этот процесс только начинается), что в свою очередь, потребует кардинального увеличения затрат на социальное обеспечение и здравоохранение [11].

Таблица 6. Исходные данные для оценки социальной составляющей уровня и качества жизни Субъектов РФ*

Регионы	Доля населения трудоспособного возраста, %					Доля населения, имеющего доходы ниже величины прожиточного минимума, %
Регионы	2010	2011	2012	2013	2014	2010	2011	12012	2013	2014
1	2	3	4	5	6	7	8	9	10	11
Российская федерация	62,0	61,5	60,9	60,1	59,3	12,5	12,7	10,7	11	11,2
Центральный федеральный округ	61,7	61,3	60,7	60,0	59,3	-	-	-	-	-
Белгородская область	61,3	60,9	60,3	59,6	58,8	8,2	8,6	6,5	7,6	7,5
Брянская область	60,8	60,3	59,7	58,9	58,1	13,5	12,6	10,5	11,7	12,4
Владимирская область	60,3	59,7	59,0	58,1	57,3	17,3	17,5	15	13,7	13,5
Воронежская область	60,3	60,1	59,6	59,0	58,3	18,4	17,2	10,3	9,1	9
Ивановская область	60,3	59,7	59,1	58,4	57,6	20,1	19	13,8	14,2	14,2
Калужская область	61,2	60,6	60,0	59,2	58,3	11,3	11,1	8,5	9	9,5
Костромская область	60,5	59,8	58,9	58,0	57,1	15,7	16,5	15,1	15,1	13,5
Курская область	60,0	59,6	58,9	58,2	57,4	10,8	10,4	8,2	9	8,6
Липецкая область	60,6	60,0	59,4	58,5	57,8	9,9	10,6	8,4	8	8
Московская область	62,3	64,1	63,8	61,1	60,5	10,1	9,6	6,9	7,7	7,7
Орловская область	60,1	59,6	59,0	58,2	57,4	14,7	14,5	11,3	13,6	12,9
Рязанская область	59,6	59,1	58,5	57,8	57,0	15	16	12,5	11,7	11,1
Смоленская область	62,0	61,3	60,8	60,0	59,1	15,2	17,3	14,8	15,4	15,2
Тамбовская область	59,8	59,4	58,9	58,3	57,7	10,8	10,7	9,4	8,2	9,4
Тверская область	59,5	59,0	58,4	57,6	56,9	13,2	13,5	11,4	12,1	11,9
Тульская область	59,6	59,1	58,6	57,8	57,1	11	10,9	9,5	9,8	9,8
Ярославская область	59,9	59,2	58,6	57,8	57,1	12,8	13,4	10,9	10,6	10,1
г. Москва	63,8	62,1	61,4	61,9	61,2	10	10	9,6	9,3	9
Северо-Западный федеральный округ	62,5	62,0	61,4	60,6	59,9	-	-	-	-	-
Республика Карелия	61,9	61,1	60,1	59,2	58,2	14,9	15,7	13,6	15	14,4
Республика Коми	65,4	64,5	63,5	62,4	61,3	15,6	16,3	13,4	14	14,5
Архангельская область	62,3	61,4	60,4	59,3	58,3	14	14,4	13,2	14,1	14,1
Ненецкий автономный округ	-	-	-	-	-	7,5	7,7	6,5	7,9	9
Архангельская область (без автономного округа)	2,2	2,2	2,3	2,3	2,3			13	13,9	13,8
Вологодская область	61,7	61,0	60,1	59,1	58,1	16,8	17,1	13,2	13,1	12,9
Калининградская область	62,9	62,4	61,7	60,9	60,1	12,4	12,7	10,8	12,3	12,4
Ленинградская область	62,3	61,6	61,1	60,5	59,8	12,6	13	11,9	11	10,3
Мурманская область	66,1	65,3	64,5	63,5	62,5	13,2	13,6	11,1	11	10,9
Новгородская область	59,7	59,0	58,2	57,2	56,2	14,9	15	11,7	13	12,1
Псковская область	59,8	59,2	58,4	57,6	56,8	15,6	16,7	15,4	16,9	16,3
г. Санкт-Петербург	62,5	62,4	62,0	61,5	61,1	8,6	9,1	9	8,3	8,3
Южный федеральный округ	60,8	60,3	59,8	59,1	58,4	-	-	-	-	-
Республика Адыгея	59,4	58,9	58,5	58,0	57,5	16	14,6	11,3	12	11
Республика Калмыкия	64,1	63,4	62,4	61,3	60,2	35,7	35,8	30,7	35,4	35,1
Краснодарский край	60,1	59,7	59,3	58,7	58,1	15,2	13,5	11,2	10,4	10,1
Астраханская область	62,0	61,4	60,8	59,8	59,0	14,1	14,2	12,5	12	12
Волгоградская область	60,8	60,4	59,8	59,0	58,2	14	15,1	13,6	13,4	13,9
Ростовская область	61,1	60,7	60,2	59,6	58,8	14,9	15,2	12,9	12,9	13
Северо-Кавказский федеральный округ	61,2	61,0	60,7	60,3	59,8	-	-	-	-	-
Республика Дагестан	62,1	62,2	62,2	62,0	61,7	8,8	8,3	7	10,1	10,2
Республика Ингушетия	60,2	59,7	59,6	59,5	59,3	22,1	18,5	17,1	18,8	23,1
Кабардино-Балкарская Республика	63,2	62,7	62,3	61,6	60,9	15,7	15,3	14,2	18,8	18,6
Карачаево-Черкесская Республика	62,0	61,5	61,1	60,4	59,7	17,7	18,8	16	19,8	19,3
Республика Северная Осетия – Алания	59,8	59,6	59,2	58,7	58,0	10,5	12,6	10,4	11,3	12,1
Чеченская Республика	58,0	57,8	57,2	56,7	56,3	-	-	21,7	19,5	14,2
Ставропольский край	61,5	61,2	60,8	60,2	59,5	18,5	18,3	13,7	11,8	11,8
Приволжский федеральный округ	61,8	61,2	60,5	59,6	58,7	-	-	-	-	-
Республика Башкортостан	62,1	61,6	60,9	60,1	59,3	12,1	12,6	10,3	10,3	10,8
Республика Марий Эл	63,4	62,7	61,7	60,5	59,3	24	24,2	20	19,5	19,9
Республика Мордовия	62,6	62,1	61,4	60,7	59,8	18,3	20,2	18	19	17,3
Республика Татарстан	62,3	61,8	61,2	60,4	59,5	7,7	8,1	6,5	7,2	7,1
Удмуртская Республика	62,6	61,8	60,8	59,6	58,5	13,7	14	11,1	11,1	11,2
Чувашская Республика	62,5	62,0	61,3	60,4	59,4	18,2	19,3	16	16,5	16,2
Пермский край	61,6	60,8	60,0	59,1	58,2	13,2	14,4	12,2	11,6	11,8
Кировская область	61,2	60,3	59,3	58,2	57,0	14,2	15	12,4	13,4	12,7
Нижегородская область	60,9	60,5	59,9	59,2	58,4	12,3	12,5	10,3	9,1	8,5
Оренбургская область	61,8	61,2	60,4	59,4	58,4	13,9	14,4	12,7	12,1	11,8
Пензенская область	60,6	60,0	59,3	58,5	57,7	15,2	15,4	13,1	12,6	12,5
Самарская область	61,9	61,4	60,8	59,9	59,1	15,1	15,2	12,3	12,6	12,6
Саратовская область	60,9	60,4	59,9	59,2	58,5	16,4	17,3	15,9	15,7	14,9
Ульяновская область	62,0	61,4	60,6	59,7	58,7	16,4	16,8	13,3	13,4	11,9
Уральский федеральный округ	63,1	62,3	61,6	60,7	59,7	-	-	-	-	-
Курганская область	59,7	58,8	57,7	56,4	55,3	16,9	18,5	15,6	16,8	16,5
Свердловская область	61,6	60,9	60,2	59,3	58,3	10	10,5	8,5	8,4	8,3
Тюменская область	67,5	66,7	66,0	65,1	64,0	11,9	12,3	11	11,8	12,1
Ханты-Мансийский автономный округ-Югра	0,0	0,0	54,3	53,6	53,3	10,3	10,6	9,8	10,6	10,8
Ямало-Ненецкий автономный округ						7,3	7,4	6,4	6,9	7
Тюменская область (без автономных округов)	27,8	27,4	27,6	27,2	26,3			10,4	11,1	11,4
Челябинская область	61,4	60,7	59,9	59,0	58,1	10,2	10,8	10,1	11,6	11,7
Сибирский федеральный округ	62,6	61,9	61,1	60,1	59,2	-	-	-	-	-
Республика Алтай	60,9	60,0	58,8	57,7	56,5	17,7	18,6	18,5	21,1	20,8
Республика Бурятия	62,8	61,9	61,0	60,0	59,0	19,2	20,1	17,7	16,1	17
Республика Тыва	60,3	59,5	58,7	57,9	56,8	29,6	30,6	27,9	35,1	35,2
Республика Хакасия	62,5	61,6	60,5	59,4	58,3	18,4	18,6	16,3	16,9	17,5
Алтайский край	61,5	60,6	59,6	58,5	57,4	23,9	22,6	20,6	18,2	17
Забайкальский край	62,7	62,2	61,4	60,6	59,6	19	18,9	17,6	16,4	18
Красноярский край	63,6	63,0	62,3	61,5	60,6	17,9	18,1	15,6	15,7	17,1
Иркутская область	62,0	61,4	60,6	59,7	58,7	18,1	19,2	16,8	17,2	18,6
Кемеровская область	61,8	61,0	60,2	59,2	58,1	11	11,6	10,6	14	14,5
Новосибирская область	62,9	62,3	61,6	60,8	59,9	16,3	16,5	14,1	15,3	15,9
Омская область	63,1	62,5	61,7	60,7	59,7	14,1	12,7	11	12,2	11,9
Томская область	64,2	63,5	62,9	62,1	61,3	17,4	17,8	16,2	16,6	16,9
Дальневосточный федеральный округ	64,0	63,4	62,7	61,9	61,0	-	-	-	-	-
Республика Саха (Якутия)	64,4	63,9	63,1	62,3	61,4	19	18,6	16,7	16,7	17,4
Камчатский край	66,0	65,4	64,8	64,3	63,6	19,5	19,2	17,8	17,8	17
Приморский край	63,4	63,0	62,4	61,6	60,7	16,3	15,7	14,2	15,9	14,7
Хабаровский край	64,0	63,5	62,9	62,1	61,3	15,9	15,8	14,3	12,5	13
Амурская область	63,0	62,3	61,3	60,5	59,5	23,7	20,4	16	15,7	14,1
Магаданская область	67,4	66,3	65,3	64,2	63,0	13,6	13,9	11,3	13,1	12
Сахалинская область	64,3	63,5	62,7	61,8	60,7	11	11,9	11,8	9,4	9,1
Еврейская автономная область	62,6	62,1	61,1	60,2	59,2	19,5	20,1	18,8	20,9	21,5
Чукотский автономный округ	68,0	67,2	67,0	66,5	65,8	10,3	9	7,7	9,3	8,8

* Составлено автором

В большинстве регионов численность населения в трудоспособном возрасте является доминирующей. К регионам лидерам на начало 2010 г. можно отнести: Чукотский автономный округ (68 %), Тюменскую область (67,5 %), Магаданскую область (67,4 %), Мурманскую область (66,1 %), Камчатский край (66 %), Республику Коми (65,4 %), Якутию (64,4 %), Сахалинскую область (64,3 %), Томскую область (64,2 %), Республику Калмыкию (64,1 %) и ряд др. территорий. Регионами аутсайдерами на начало анализируемого периода стали: Тюменская область (27,8 %) и Архангельская область (без автономного округа) (2,2 %). К концу анализируемого периода состав лидирующих регионов и регионов «аутсайдеров» существенно не меняется.

Соизмерение среднедушевых денежных доходов и с величиной прожиточного минимума также свидетельствует о существенной дифференциации административно-территориальных единиц, входящих в состав РФ. Однозначной тенденции в динамике показателя «Доля населения с доходами нижевеличины прожиточного минимума» выявить не удается, так как одновременно в ряде субъектов РФ их удельный вес растет, тогда как в других субъектах – уменьшается. Отчасти сокращение доли малоимущих граждан в РФ и ее отдельных субъектах может быть вызвано изменением правил расчета потребительской корзины и величины прожиточного минимума в 2012 г. Так в 2010 г. регионами с наименьшим количеством малоимущих граждан стали: Ямало-Ненецкий автономный округ (7,3 %), Ненецкий автономный округ (7,5 %), Республика Татарстан (7,7 %), Белгородская область (8,2 %), г. Санкт-Петербург (8,6 %), Республика Дагестан (8,8 %), Липецкая область (9,9 %), г. Москва (10 %) и др. Доля малоимущих граждан в общей численности населения в регионах «аутсайдерах» превышает более чем в 2-3 раза среднероссийский показатель (также на начало анализируемого периода): Республика Ингушетия (22,1 %), Амурская область (23,7 %), Алтайский край (23,9 %), Республика Марий Эл (24 %), Республика Тыва (29,6 %), Республика Калмыкия (35,7 %).

К концу анализируемого периода состав лидеров существенно не меняется, чего нельзя сказать о регионах «аутсайдерах»: Республика Алтай (20,8 %), Еврейская автономная область (21,5 %), Республика Ингушетия (23,1 %), Республика Калмыкия (35,1 %), Республика Тыва (35,2 %).

Экономический анализ по предложенным автором показателям качества трудовой жизни позволяет осуществить типологизацию регионов РФ (табл. 7).

Таблица 7. Типологизация Субъектов РФ по качеству трудовой жизни

Субъект РФ	Тип региона
Субъект РФ	2010	2011	2012	2013	2014
1	2	3	4	5	6
Белгородская область	Благополучный	Благополучный	Благополучный	Проблемный	Проблемный
Брянская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Владимирская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Воронежская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Ивановская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Калужская область	Благополучный	Благополучный	Благополучный	Проблемный	Проблемный
Костромская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Курская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Липецкая область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Московская область	Благополучный	Благополучный	Благополучный	Благополучный	Благополучный
Орловская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Рязанская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Смоленская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Тамбовская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Тверская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Тульская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Ярославская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
г. Москва	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Республика Карелия	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Республика Коми	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Архангельская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Ненецкий автономный округ	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Архангельская область (без автономного округа)	-	-	Неблагополучный	Неблагополучный	Неблагополучный
Вологодская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Калининградская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Ленинградская область	Благополучный	Благополучный	Благополучный	Благополучный	Благополучный
Мурманская область	Благополучный	Проблемный	Проблемный	Проблемный	Проблемный
Новгородская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Псковская область	Проблемный	Проблемный	Проблемный	Неблагополучный	Неблагополучный
г. Санкт-Петербург	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Республика Адыгея	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Республика Калмыкия	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Краснодарский край	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Астраханская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Волгоградская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Ростовская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Республика Дагестан	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Республика Ингушетия	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Кабардино-Балкарская Республика	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Карачаево-Черкесская Республика	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Республика Северная Осетия – Алания	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Чеченская Республика	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Ставропольский край	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Республика Башкортостан	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Республика Марий Эл	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Республика Мордовия	Неблагополучный	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный
Республика Татарстан	Благополучный	Благополучный	Благополучный	Благополучный	Проблемный
Удмуртская Республика	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Чувашская Республика	Неблагополучный	Проблемный	Проблемный	Проблемный	Неблагополучный
Пермский край	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Кировская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Нижегородская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Оренбургская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Пензенская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Самарская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Саратовская область	Проблемный	Неблагополучный	Проблемный	Проблемный	Неблагополучный
Ульяновская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Курганская область	Проблемный	Неблагополучный	Проблемный	Проблемный	Неблагополучный
Свердловская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Тюменская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Ханты-Мансийский автономный округ-Югра	Благополучный	Благополучный	Благополучный	Благополучный	Благополучный
Ямало-Ненецкий автономный округ	Благополучный	Благополучный	Благополучный	Благополучный	Благополучный
Тюменская область (без автономных округов)	-	-	Благополучный	Проблемный	Благополучный
Челябинская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Республика Алтай	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Республика Бурятия	Неблагополучный	Неблагополучный	Неблагополучный	Проблемный	Неблагополучный
Республика Тыва	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Республика Хакасия	Проблемный	Проблемный	Неблагополучный	Проблемный	Неблагополучный
Алтайский край	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Забайкальский край	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Красноярский край	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Иркутская область	Проблемный	Проблемный	Неблагополучный	Неблагополучный	Проблемный
Кемеровская область	Проблемный	Проблемный	Проблемный	Проблемный	Проблемный
Новосибирская область	Проблемный	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный
Омская область	Проблемный	Проблемный	Проблемный	Проблемный	Неблагополучный
Томская область	Проблемный	Неблагополучный	Проблемный	Проблемный	Неблагополучный
Республика Саха (Якутия)	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный	Проблемный
Камчатский край	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный	Проблемный
Приморский край	Проблемный	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный
Хабаровский край	Проблемный	Проблемный	Неблагополучный	Проблемный	Проблемный
Амурская область	Проблемный	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный
Магаданская область	Благополучный	Благополучный	Проблемный	Проблемный	Проблемный
Сахалинская область	Благополучный	Проблемный	Проблемный	Проблемный	Проблемный
Еврейская автономная область	Проблемный	Неблагополучный	Неблагополучный	Неблагополучный	Неблагополучный
Чукотский автономный округ	Благополучный	Благополучный	Благополучный	Благополучный	Благополучный

Согласно предложенной автором типологии регионов по качеству трудовой жизни, можно констатировать, что развитых регионов в РФ по данному критерию нет. Бесспорно, города федерального значения имеют высокие значения по большинству показателей, однако высокое значение коэффициента фондов (более 20 раз при среднероссийском порядка 16) не позволяет их к таковым причислить. Кроме того, в Москве и Санкт-Петербурге соотношение среднего размера пенсии к величине прожиточного минимума пенсионера находится на уровне ниже среднероссийского.

Анализ эволюции социально-экономического развития Субъектов РФ в разрезе качества трудовой жизни позволил выявить следующие классы регионов:

1) регионы со стабильно высоким качеством трудовой жизни (Московская область, Ленинградская область, Ханты-Мансийский автономный округ-Югра, Ямало-Ненецкий автономный округ, Тюменская область (без автономных округов), Чукотский автономный округ);

2) регионы со стабильно низким качеством трудовой жизни (Архангельская область (без автономных округов), Республика Калмыкия, Республика Дагестан, Республика Ингушетия, Кабардино-Балкарская Республика, Карачаево-Черкесская Республика, Республика Северная Осетия- Алания, Чеченская Республика, Республика Марий Эл, Республика Мордовия, Республика Алтай, Забайкальский край);

3) регионы, в которых наблюдалось снижение качества трудовой жизни (Белгородская область, Брянская область, Владимирская область, Ивановская область, Калужская область, Костромская область, Орловская область, Смоленская область, Республика Карелия, Республика Коми, Астраханская область, Вологодская область, Калининградская область, Мурманская область, Новгородская область, Псковская область, Волгоградская область, Ростовская область, Кировская область, Ульяновская область, Новосибирская область, Омская область, Амурская область, Магаданская область, Сахалинская область, Еврейская автономная область.

4) регионы с неустойчивой ситуацией, колебаниями качества трудовой жизни от года к году без явного тренда в одну или другую сторону: Чувашская Республика, Саратовская область, Курганская область, Иркутская область, Томская область, Республика Саха (Якутия), Камчатский край, Приморский край;

5) регионы со стабильной ситуацией, характеризующиеся средними значениями либо экономической, либо социальной составляющей качества трудовой жизни: Воронежская область, Курская область, Липецкая область, Рязанская область, Тамбовская область, Тверская область, Тульская область, Ярославская область, г. Москва, Ненецкий автономный округ, г. Санкт-Петербург, Республика Адыгея, Краснодарский край, Астраханская область, Ставропольский край, Республика Башкортостан, Удмуртская Республика, Пермский край, Нижегородская область, Оренбургская область, Пензенская область, Самарская область, Свердловская область, Тюменская область, Челябинская область, Красноярский край, Кемеровская область, Хабаровский край.

Проведенное автором исследование показало, что Субъекты РФ, находящиеся относительно близко друг от друга в географическом пространстве, часто принадлежащие одному федеральному округу, значительно различаются по качеству трудовой жизни. При этом наблюдается резкая дифференциация между федеральным центром и неблагополучными регионами «аутсайдерами», что «имеет своим неизбежным следствием расширение ареалов депрессивности и бедности, ослабление механизмов межрегионального экономического взаимодействия и нарастание межрегиональных противоречий» [12]. В связи с чем при разработке мероприятий по повышению качества трудовой жизни необходимо учитывать как минимум три типа административно-территориальных единиц (благополучный, проблемный, неблагополучный).

Возможности конвергенции технологий в освоении минеральных ресурсов

Хопунов Эдуард Афанасьевич — Sun, 07 Feb 2016 08:29:25 +0000

Современный тренд развития технологий – это конвергенция, основанная на принципах междисциплинарного подхода, на объединении различных технологий. Наиболее ярким примером этого направления являются НБИК- технологии (конвергенция нано-, био-, инфо-, когно- технологий), получившие развитие в НБИКС – центре (НИЦ “Курчатовский институт”). Несмотря на всю важность данных подходов для развития цивилизации, существуют технологии, без которых эти новые направления не смогут развиваться. К ним можно отнести технологии недропользования, включающие комплекс дисциплин, обеспечивающих разведку, добычу и переработку минеральных ресурсов. Диапазон размеров объектов НБИК- технологий составляет около шести порядков (от нанометров до миллиметров). Конвергенция технологий рационального недропользования охватывает объекты иного масштабного уровня: десятки метров во взрываемом блоке и десятки микрон для раскрытых минералов, тоже около шести порядков. Несколько слов о причинах обращения к конвергенции технологий в области недропользования. Низкие темпы развития техники и технологии переработки минеральных ресурсов при постоянном снижении запасов и увеличении доли “труднообогатимых” руд заставляют задуматься об изменении некоторых положений парадигмы рудоподготовки, процессов обогащения и в целом технологии недропользования. Основная проблема добычи и переработки минеральных ресурсов – это высокий уровень энергозатрат, недостаточная полнота комплексного использования и высокий уровень техногенных отходов. За многие десятилетия в области недропользования накопилось много проблем, разрешение которых не возможно без новых взглядов и новой парадигмы на основе междисциплинарного подхода. Система учета и контроля над минеральными ресурсами, изменения которой начались в начале 90-х годов, во многом была построена по зарубежным аналогам и отражала интересы рыночной экономики. Созданная на этой основе нормативная база содержит положения, противоречащие современным принципам рационального недропользования.

Базисом конвергенции наук в недропользовании является минеральный ресурс и технологии трансформации его в товарный продукт. Конвергенция технологий разведки, добычи, извлечения (РДИ- технологии) призвана объединить в рамках единых информационных технологий комплекс наук о Земле: геологию – это разведка и описание месторождения; геотехнологию, геомеханику – это добыча, формирование горной массы; минералургию – это рудоподготовка, обогащение полезных ископаемых. Методологической основой объединения является компьютеризация наук и технологий (создание информационных систем), а также единство количественных и качественных характеристик недр: структура (текстура) – состав – свойства минеральных компонентов месторождения, и триада технологий: разведка (поиск и описание) – оценка запасов – добыча горной массы, переработка, получение товарного продукта. В связи с отсутствием нормативного определения рационального недропользования, приведем некоторые предпочтения, отражающие точки зрения собственника недр и недропользователя.

Предпочтения недропользователя:

получить максимальную прибыль от эксплуатации недр при минимальном уровне инвестиций;
минимальные сроки окупаемости инвестиций;

Задачи собственника недр (государства):

охрана недр;
минимальный ущерб при отработке месторождения;
комплексное использование недр и максимальное извлечение содержащихся в месторождении минеральных комплексов и компонентов;
соблюдение баланса между своевременным воспроизводством минерально-сырьевой базы (МСБ) и добычей полезных ископаемых;
эффективный контроль над соблюдением условий лицензионных соглашений;
адекватная система налогообложения, способствующая эффективному освоению месторождений и воспроизводству МСБ;
создание условий для привлечения недропользователей и мотивации их к разработке низкорентабельных месторождений;
контроль над структурой запасов природных ресурсов и их формирование в соответствии с программой обеспечения потребности национальной экономики в минеральном сырье для развития технологического и промышленного потенциала России;
обеспечение устойчивых доходов от эксплуатации недр;
обеспечение гарантий соблюдения интересов государства и недропользователя;
максимальный социально-экономический эффект.

В столь противоречивом перечне интересов достижение баланса между желаниями недропользователя и задачами собственника, представляет собой сложный процесс, включающий необходимость решения законодательных, технологических, экономических, экологических и других взаимосвязанных проблем. Учитывая вариацию рыночной рентабельности финансовых ресурсов, комплексная переработка минерального сырья по своим экономическим параметрам может оказаться неприемлемой для инвестора в силу несовпадения с его коммерческими интересами. С другой стороны, добыча «редких» и стратегических видов минерального сырья, обеспеченность которыми влияет на обороноспособность, политическую и экономическую независимость страны, осуществляется государством без оглядки на рыночные ставки доходности инвестиций. Задача конвергенции – обеспечить научную и технологическую поддержку рациональному использованию недр в рамках единого процесса преобразования минерального ресурса в совокупность товарных продуктов (металл, концентрат, промпродукты, дорожно-строительные и строительные материалы и др.).

Конвергенция технологий различных переделов превращения минеральных ресурсов в товарный продукт создает предпосылки для изменения парадигмы переработки минерального сырья. Технологии, основанные на превращении месторождения в горную массу, на измельчении ее в миллиметрово-микронный промпродукт, на приложении огромных усилий по разделению этой разноразмерной массы и в обретении проблем, связанных с многотоннажными хвостами и отходами обогащения, должны уступить место технологиям, базирующимся на информационных системах и принципах избирательной декомпозиции [1,2]. Новые подходы позволят использовать гибкую и управляемую многопоточную схему переработки сырья, способную адекватно учитывать изменения структурных и физических свойств обогащаемого сырья на всех этапах его переработки. Базисом новой парадигмы является естественная неоднородность ресурсов и непрерывно меняющиеся (после каждого акта разрушения) прочностные и структурные характеристики, а также большая дисперсия взаимосвязанных параметров, определяющих технологические свойства. Технологическая реализация новой парадигмы основывается на принципах избирательных подходов, которые способны учитывать текстурно-структурную иерархию руд, изменение структурных, прочностных и технологических характеристик на всех этапах добычи и переработки минерального сырья. В качестве информационной базы служат данные технологического картирования месторождения по всем извлекаемым минеральным комплексам, дополненные характеристиками, связывающими параметры буримости-взрываемости с текстурными, структурными, прочностными и технологическими свойствами извлекаемых минералов.

При таком подходе перед конвергенцией технологий добычи и переработки минерального сырья стоять следующие задачи:

совместить геоинформационные технологии, построенные на базе цифровых моделей горных работ, с моделями последующей переработки сырья и получения конечных товарных продуктов (создать объединенную модель “горные работы – переработка сырья”);
создать селективные буровзрывные технологии на базе данных геолого-технологического картирования месторождения и моделей связи параметров бурения скважин с технологическими характеристиками руд.

Результатом этих решений может стать единая математическая модель извлечения всех компонентов минерально-сырьевых ресурсов месторождения, включающая в себя:

модели горно-добычных работ;
модели процессов переработки минерального с сырья;
конъюнктурно-маркетинговые модели по типу бенчмаркинга с “привязкой” конечного товарного продукта к отраслям потребления.

Предполагается, что указанные модели, кроме прогнозных функций, будут использованы при оперативном управлении процессами: на стадии добычи – это планирование буровзрывных работ (изменение параметров взрывания); на стадии рудоподготовки – изменение условий дезинтеграции и разделения при изменении физико-механических и разделительных характеристик сырья.

Высокоэффективные инструментальные средства и методы исследования свойств, структуры и состава руд, высокопроизводительная вычислительная техника открывают большие возможности для создания комплексных цифровых моделей, описывающих процессы добычи и переработки минерального сырья на основе интегральных показателей энергоэффективности всего цикла. Для создания сквозных моделей требуется иная информационная база исходных и мониторинговых данных. Например, для ведения горных работ такими данными являются показатели геолого-технологического картирования, сопряженные с моделью связи физических и минералогических характеристик с параметрами буримости, взрываемости и параметрами взрыва. Для рудоподготовки – это набор параметров, характеризующих структурный элемент раскрытия и структурный элемент разделения на каждой стадии переработки [1].

Для моделирования геотехнологических процессов используются различные программно-технические комплексы: MineFrame, Geomix, Blast Maker, Micromine и др. Основная проблема применения этих систем для экономико-математического моделирования заключается в большой вариации структурных и минералогических характеристик минерального сырьевых комплексов, которые не поддается описанию в рамках простых аналитических функций, поэтому в таких системах применяется аппарат математической статистики, вероятностные модели и регрессионные уравнения. Тем не менее, подобные информационные технологии дают возможность строить модели геометризации и оконтуривания месторождения, выделять зоны (блоки) с наименьшей дисперсией геолого-минералогических параметров добываемого сырья и зоны с высоким контрастом свойств [3]. Характерно, что программно-технический комплекс Blast Maker позволяет использовать в качестве исходной информации данные, переданные непосредственно с бурового станка, для оптимизации ведения буровзрывных работ в режиме реального времени и в режиме накопления данных. Таким образом, появляется возможность картирования месторождения не только в ходе разведочного, но и технологического бурения, своего рода динамический мониторинг свойств горных пород по показателям буримости и взрываемости. Учитывая, что данный параметр напрямую связан с энергоемкостью бурения и с технологическими параметрами рудоподготовки [2], подобный программный комплекс может быть легко увязан с цифровыми моделями последующих переделов переработки сырья, используя их, например, как функциональные модули расширения при построении геолого-технологической модели отработки месторождения в целом.

Следующий блок проблем, который предстоит решать новому направления конвергируемых технологий – это вопросы учета и классификации запасов.

Одним из путей снижения противоречий между собственником недр и недропользователем является корректировка системы классификации и базы оценки запасов, поскольку противоречие заложено в самих подходах к определению экономически значимого и незначимого ресурса. Для этого предлагается выделить три категории запасов оцениваемых ресурсов минерального сырья (в данном случае речь идет только о твердых ископаемых):

физические запасы;
извлекаемые (технологические) запасы;
экономические запасы.

Категория “физические запасы” по результатам детальной разведки предполагает оценку всех минеральных ресурсов месторождения в массовых единицах и описание полного набора качественно-количественных характеристик минерального сырья, определяющих его добычу и извлечение из недр. Создание базы данных полных и достоверных характеристик о минерально-сырьевых ресурсах современными методами геологоразведки (включая компьютерные модели и программные комплексы для их построения) в настоящее время не представляет никаких технических сложностей.

Категория “извлекаемые запасы” представляет собой перечень товарных продуктов, которые могут быть сформированы из минерально-сырьевого ресурса в виде металла, концентрата, промпродуктов для соответствующих отраслей и т.п. В характеристике этой категории содержится также описание комплекса технологий (добыча, рудоподготовка, извлечение), необходимых для получения тех или иных продуктов. База данных этой категории используется в дальнейшем для маркетинговых исследований, определения потребителей извлеченного сырья и продуктов. Основное назначение данной категории – это представление минерального комплекса в виде товарной номенклатуры совокупности извлекаемых металлов и иных минеральных компонентов (концентратов, нерудного сырья для различных отраслей промышленности), извлечение которые возможно современными технологическими средствами. Известно, что минеральные ресурсы в недрах в большинстве своем не являются мономинеральными. Даже в относительно богатых железорудных месторождениях содержание железа составляет 50-60%, а остальное – это минеральное сырье, не содержащее минералов железа, однако их нельзя отнести к “бесполезным” ископаемым. В рудах цветных металлов содержание извлекаемого металла составляет единицы процентов, скандий получают из руд при содержании порядка 0,002%, золото и платину – при содержании 0,0005%. В комплексных рудах содержание примесей редких металлов V, Sc, Nb Ga, La и других, даже в долях процента, может существенно увеличить стоимость ресурса. Так, добыча бедных титаномагнетитовых руд Качканарского месторождения (при содержании железа 12-18%) целесообразна только при попутном извлечении ванадия. Современные методы технологической минералогии позволяют на основании анализ параметров категории “физические запасы” составить схемы и модели рудоподготовки и комплексного извлечения всей выявленной продуктовой линейки. Конвергенция технологий на данном этапе предполагает совместную работу горных наук в части объединения современных методов добычи и формирования горной массы и технологий последующей рудоподготовки и переработки добытого минерального сырья. Итогом данного этапа исследований является составление технологического паспорта разработки месторождения и определение технологий переработки сырья для всей совокупности товарных продуктов, которые могут быть извлечены из данного минерального ресурса.

Категория “экономические запасы” основывается на экономической оценке минерально-сырьевых ресурсов как с позиций национального богатства, обеспечивающего устойчивый доход от эксплуатации недр и максимальный социально-экономический эффект, так и с позиций инвестиционного объекта. В действующих нормативных документах утверждение и постановка на баланс запасов осуществляется на базе ТЭО кондиций, в которых отнесение сырья к балансовым, забалансовым и бортовым категориям основывается на экономических параметрах, отражающих преимущественно интересы инвестора, недропользователя и бизнеса. При этом необходимо признать, что в экономической оценке запасов существует масса противоречий, обусловленных разным толкованием понятий рационального использования недр, а также некорректным применением некоторых принципов экономических расчетов, о которых речь пойдет далее. Принцип рационального недропользования (принцип максимального извлечения минеральных ресурсов) оказывается несовместимым с принципом извлечения максимальной прибыли (критерий present value), поскольку сторонники последнего считают, что позиция максимального извлечения ценных компонентов из недр нереалистична. При этом они исходят из определения руды как источника получения прибыли, соизмеримой с доходностью иных инвестиций с аналогичным уровнем риска, заранее объявляя более бедные минеральные ассоциации не экономичными. Требование максимизации извлечения и комплексного освоения недр оценивается ими как желание государства (собственника недр) исполнить социальные обязательства, обеспечить благосостояние населения и избежать нежелательных социальных последствий. Подобные подходы характерны для многих зарубежных горно-перерабатывающих компаний, так наряду со Службой по управлению полезными ископаемыми (MMS) контроль над инвестиционной деятельностью в сфере недропользования осуществляет и федеральная Комиссия США по ценным бумагам и биржам (SEC). Контролирующие органы этой страны исходят из того, что к запасам полезных ископаемых может быть отнесена только “та часть запасов месторождения, которая на момент оценки может рассматриваться в качестве потенциального объекта как с экономической, так и с правовой точек зрения”. Тем не менее, несмотря на распространенность этой точки зрения, есть понимание, что рыночные подходы к оценке минерально-сырьевых активов отражают лишь интересы инвестора, а для оценки недр как элемента национального богатства нужны иные более объективные методы. Поэтому в Публичных отчетах для SEC не допускается представление результатов оценки запасов в стоимостном (денежном) выражении. В зарубежных источниках (международные кредитные учреждения) оценка запасов как национального богатства в целях налогообложения (часто ее называют налоговой стоимостью) оценивается как произведение массы запасов на текущую мировую цену ресурса.

Отметим, что рациональное недропользование – это еще и недропользование регулируемое государством, которое должно учитывать меняющуюся конкурентоспособность запасов, факторы мировой конъюнктуры, колебания цен (товарно-ценовые циклы), стремление потенциальных покупателей искать альтернативных поставщиков, часто в ущерб стоимости поставок по политическим или конкурентным мотивам и целый ряд иных факторов, включая санкции и ограничения на торговлю [5]. Поэтому с позиций национального богатства логично было бы оценивать запасы в массовых единицах (т, кг) полного содержания металлов и иных минеральных комплексов, представляющих промышленный интерес. Оценка запасов в денежном выражении теряет смысл, поскольку ценообразование на металлы и минеральное сырье в значительной степени формируется на мировых сырьевых и товарных биржах (преимущественно в долларах США). Сильная волатильность валют (на биржах) и значительная доля “бумажных денег” в биржевом ценообразовании на сырьё (нефть, привязанная к ней цена на газ, “келейное назначение” цен на золото и т.п.) снижают объективность оценок реального движения сырья в реальном секторе экономике (соотношение спроса-предложения) и увеличивает субъективность в отражении цен на сырье.

Оценка запасов как инвестиционного объекта основывается на инвестиционной стоимости, определяющей ценность месторождения как актива для конкретного инвестиционного проекта переработки минерального ресурса, организации бизнеса и т.п. Очевидно, что одним и тем же методом нельзя оценивать ценность недр как источника национального богатства и как некоторого актива горной компании, стоимость которой зависит от качества ведения бизнеса и от постоянно меняющейся ситуации на рынке. С точки зрения инвестора рационально только то, что способно обеспечить возврат инвестированных ресурсов и доход по ним в течение заданного промежутка времени. При этом инвестор в выборе инвестиционного предпочтения ориентируется на рыночную норму доходности проекта, и дисконтирует свободный денежный поток (CF) по некоторой назначенной им ставке дисконтирования. Дисконтирование денежных потоков при оценке запасов – это математическая процедура приведения будущей стоимости к текущему дню, ее корректное применение имеет смысл только для сравнения вариантов проектов инвестирования с различными временными промежутками движения денежных потоков. Для справки: при оценке инвестиционного проекта ставка дисконтирования принимается равной приемлемой для инвестора норме дохода или отдачи на капитал и устанавливается на уровне, позволяющем инвестору не только компенсировать риск возврата инвестиций, но и получать прибыль с учетом всех возможных рисков [4]. Возникает резонный вопрос: зачем при оценке запасов месторождения приводить мифическую будущую стоимость денежных потоков к текущему дню, при совершенно произвольной ставке дисконтирования, при отсутствии обоснованных прогнозов доходов и затрат, без учета динамики цен в дисконтируемом периоде и т.п. Само по себе дисконтирование при его корректном применении не может повлиять на стоимость и, уж тем более, на содержание минеральных ресурсов в недрах. Однако когда результат процедуры дисконтирования при утверждении ТЭО кондиций применяется в качестве субъективного критерия оценки качества руды, т.е. для принятия решения об отнесении минерального ресурса к балансовым или забалансовым запасам, к рудному или бортовому типу, то это уже прямое субъективное влияние на оценку запасов. Простой пример должен насторожить сторонников бездумного дисконтирования: при норме доходности порядка 20% (наиболее приемлемая ставка для рискованного бизнеса, каким является горное производство) дисконтированная стоимость полезного ископаемого в недрах через 10 лет составит 16% от начальной стоимости (в ценах на дату оценки), через 20 лет – 2%, а через 30лет – 0,4% . Заметим, что речь идет об истощаемых ресурсах, рыночные цены на которые будут только возрастать, достаточно посмотреть на анализ тренда мировых цен на минеральное сырье Всемирного банка за последние несколько десятков лет. Очевидно, что заложенный в “методических рекомендациях по оценке запасов” способ отнесения к тем или иным категориям, мягко говоря, парадоксален: не может падать стоимость ресурса, цена на который со временем только увеличивается в силу его естественной исчерпаемости, даже при постоянном уровне потребления. Совершенно очевидно, что данная процедура должна быть исключена из оценки запасов, в качестве критерия отнесения различных компонентов ресурсов к той или иной категории. Как уже было отмечено, единственно экономически обоснованное применение процедуры дисконтирования – это сопоставление различных вариантов проектов технологий переработки минерального сырья, для принятия управленческого решения по стандартному набору показателей (NPV, IRR,PI, срок окупаемости), которая имеет место при оценке экономической эффективности проекта. Попытка привести отечественные системы учета запасов к зарубежным стандартам под видом облечения процедур привлечения иностранных инвестиций в разработку месторождений и получения лицензий чревата потерей экономического суверенитета, равно как и привлечение иностранных геолого-разведывательных служб и различных сервисных компаний в этой отрасли. Привлечение иностранных участников (зарубежных компании по оказанию сервисных услуг в сфере геологии) снижает не только уровень национального контроля за использованием геологической информации, но и понижает порог требований к рациональному недропользованию. Это не означает, что отечественная система учета запасов не нуждается в изменениях: ее необходимо усилить в части контроля за недропользователем по рациональному использованию недр, устранить влияние денежных оценок на отнесение запасов к той или иной категории, рассмотреть возможность введения трех категорий запасов: физических, извлекаемых, экономических, которые в полной мере способны дать исчерпывающую оценку запасам минеральных ресурсов. Можно согласиться также с мнением авторов [5] относительно диссонанса интересов государства и инвестора и с тем, что государство должно принимать решение об оценке запасов и разработке месторождения не на основе NPV, IRR,PI, а иных параметрах и критериях, предусматривающих рациональное недропользование.

Положительным примером конвергенции горных технологий является методология комплексного освоения месторождений и переработки минерального сырья, разработанная группой ученых Горного института КНЦ РАН на базе моделирующего аналитического комплекса MineFrame. Новая концепция, разработанная на основе информационных технологий моделирования месторождений, процессов горно-обогатительного производства и геоэкотехнологий позволила расширить сырьевую базу предприятий Ковдорского рудного узла, получить новые виды продукции, повысить экологические, технологические и экономические показатели переработки сложных и комплексных по составу рудных тел.

Россия с ее уникальными природными ресурсами должна иметь свою идеологию освоения недр, в основе которой должно стоять рациональное недропользование. Национальное богатство России в виде минерально-сырьевой базы, только тогда будет источником благосостояния и экономической эффективности, когда будет выработана и реализована система рационального недропользования при надлежащем государственном контроле. Конвергенция наук о Земле должна обеспечить научное и технологическое сопровождение всех процессов рационального недропользования.