Multi-Scale Analysis and Modelling of Spatial Heterogeneity of Income Distribution in Foreign Countries

Cover Page

Cite item

Full Text

Abstract

The article deals with the level of socioeconomic development and regional inequality within the territories of countries around the world. The evaluation of the socioeconomic development of countries is proposed by calculating the indicator of gross regional product per unit area. Calculation and mapping of socioeconomic features are provided by the indicator of GRP per sq. km. The analysis of relative GRP per sq. km indicates that the countries of the world can be classified as developed and developing not only by the level of socioeconomic development, but also by the nature of regional inequality. It has been established that the relative GRP distribution is more gradual in developed countries, while developing countries tend to have a high concentration of economic resources in capitals. The calculation of the geographical generalization ratio indicates that for many developed countries (the USA, European countries) the greatest increase in information on the heterogeneity of space occurs at the upper scale level, while for most of the studied developing countries (China, Mexico, Brazil, Argentina) the largest increase is at the lower scale levels. Calculation of the spatial autocorrelation model made it possible to establish the differences between developed and developing countries in terms of the nature of spatial inequality: based on the difference between real and modelled values of spatial autocorrelation. The proposed method of spatial analysis of the distribution of indicators of economic well-being using the methods of spatial statistics can act as an alternative to the criteria traditionally accepted in the economy for determining the developed and developing countries of the world.

About the authors

A. S. Gladkiy

Lomonosov Moscow State University, Faculty of Geography

Author for correspondence.
Email: antony.gladky@gmail.com
Russia, Moscow

References

  1. Антонов Е.В. Территориальная концентрация экономики и населения в странах Европейского союза и в России и роль глобальных городов // Региональные исследования. 2019. № 3 (65). С. 26–41.
  2. Баранский Н.Н. Научные принципы географии. М.: Мысль, 1980. 239 с.
  3. Василевский Л.И., Полян П.М. Системно-структурный подход и экономическая география // Системные исследования: Ежегодник. М.: Издательство “Наука”, 1978. С. 242–260.
  4. Голубченко И.В. Полимасштабная модель изучения территории: подходы к созданию. Уфа: БГПУ им. М. Акмуллы, 2016. 11 с.
  5. Григорьев Л.М., Салмина А.А. Структура социального неравенства современного мира: проблемы измерения // Социологический журн. 2013. № 3. С. 5–21.
  6. Полян П.М., Трейвиш А.И. Территориальные структуры в науке и практике. М.: Знание, 1988. 46 с.
  7. Самсонов Т.Е. Визуализация и анализ географических данных на языке R. М.: Географический факультет МГУ, 2021. https://tsamsonov.github.io/r-geo-course (дата обращения 01.07.2021).
  8. Самсонов Т.Е., Юрова Н.Д. Применение картограмм и картодиаграмм на мультимасштабных социально-экономических картах // Геодезия и картография. 2014. № 11. С. 30–38.
  9. Типология зарубежных стран: учебно-методическое пособие / под ред. А.С. Наумова. М.: Типография “Пеликан”, 2019. 336 с.
  10. Трейвиш А.И. Географическая полимасштабность в развитии России // География. 2006. № 11. С. 3–8.
  11. Трейвиш А.И. Принцип полимасштабности в географии и страноведении // Вопросы экономической и политической географии зарубежных стран. Смоленск: Ойкумена, 2007. Т. 17. С. 50–65.
  12. Трейвиш А.И. География и развитие // География мирового развития. М.: ИГ РАН, 2009. Т. 1. С. 8–43.
  13. Шевчук Е.И., Кириллов П.Л., Петросян А.Н. Проблема генерализации данных в исследованиях пространственной неоднородности социально-экономических явлений на разных масштабных уровнях // Региональные исследования. 2019. № 3 (65). С. 4–15.
  14. Almeida E. Econometria espacial aplicada. Campinas: Editora Alínea, 2012. 498 p.
  15. Grekousis G. Spatial Autocorrelation // Spatial Analysis Methods and Practice: Describe – Explore – Explain through GIS. Cambridge: Cambridge Univ. Press, 2020. P. 207–274.
  16. Krugman P.R., Venables A.J. Globalization and the Inequality of Nations // The Quarterly J. of Economics. 1995. Vol. 110. № 4. P. 857–880.
  17. Kuznets S. Economic growth and income inequality // American Economic Review. 1953. Vol. 45. № 1. P. 1–28.
  18. Milanovic B. Worlds Apart. Measuring International and Global Inequality. Princeton: Princeton Univ. Press, 2005. 240 p.
  19. Piketty T. Capital in the Twenty-First Century. Cambridge: Harvard Univ. Press, 2014. 686 p.
  20. Reddit: Map of world GDP density. https://www.reddit.com/r/russia/comments/4ze0ou/map_of_world_gdp_density/ (дата обращения 01.09.2021).
  21. Shorrocks A. Inequality decomposition by factor components // Econométrica. 1982. Vol. 50. № 1. P. 193–211.

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (2MB)
3.

Download (1MB)
4.

Download (1MB)
5.

Download (1MB)

Copyright (c) 2023 А.С. Гладкий

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».