Региональное исследование · 85 регионов · 2017–2025
У российского СПО есть своя география, но она не делит страну на несколько раз и навсегда заданных «образовательных Россий». Число студентов в соседних регионах часто меняется похожим образом, а медицина и фармакология образуют заметный территориальный рисунок. Но стоит немного изменить способ сравнения — и многие регионы меняют группу. Поэтому единой устойчивой карты «типов регионов» нет.
Мы заранее записали четыре гипотезы: похожи ли соседи, образует ли рост географические зоны, складываются ли регионы в устойчивые группы и есть ли у отдельных направлений своя территория. Затем 9 999 раз случайно перемешали значения между регионами. Если настоящий рисунок регулярно возникал и после такого перемешивания, мы не считали его убедительным.
Открыть картуИсследование за 60 секунд
Рост СПО распределён по стране не случайно: регионы с похожей динамикой часто находятся рядом. Этот рисунок сохраняется и после проверки с учётом численности населения 15–19 лет. Значит, дело не сводится только к тому, что где-то стало больше молодёжи.
Но четыре цвета на карте — не четыре устойчивых типа России. При небольшом изменении настроек многие регионы переходят из одной группы в другую. Из 14 направлений только медицина и фармакология дают достаточно убедительный общероссийский географический рисунок. Москва необычна, но найденные закономерности не держатся на ней одной.
01 · Пространственный рисунок
У карты три режима. «Группы сходства» объединяют регионы с похожим набором направлений, динамикой и устройством обучения. «Рост СПО» показывает изменение с 2017 по 2025 год. «Специализация» отвечает на вопрос, где выбранное направление занимает необычно большую или маленькую долю. В каждом режиме цвет отвечает на свой вопрос и не означает «лучше» или «хуже».
Сейчас показано разведочное разбиение, построенное без координат, соседства и названий. Оно наглядно, но не прошло заранее заданный порог устойчивости. Номер группы — нейтральная метка, а не рейтинг.
На картах роста показаны все 85 регионов. Для группировки и анализа направлений доступны 84 полных профиля. В исходной таблице одно значение Курганской области скрыто составителями статистики. Это не означает ноль, а попытка угадать число исказила бы все доли, поэтому регион честно отмечен как «нет данных». Данные: СПО-1 · ЕМИСС / Росстат · тематика АЦ Москвы и сопоставление проекта; геометрия: geoBoundaries / OpenStreetMap и две дополнительные геометрии для сопоставления с отчётностью.
02 · Результаты проверки
Слово «подтверждена» здесь используется узко: результат должен пройти именно тот тест и тот порог, которые были записаны заранее. Это не доказывает причину явления и не превращает статистическую связь в оценку качества образования.
Заранее объявленная проверка
Представьте, что значения напечатаны на карточках. Мы 9 999 раз раскладываем эти карточки по регионам заново и смотрим, часто ли случайная карта выглядит не менее упорядоченной. p — доля таких случайных карт, а не вероятность того, что гипотеза верна.
Когда одновременно проверяется много карт, случайная «красивая» находка почти неизбежна. Поправки Холма и FDR делают порог строже. q — результат после такой поправки.
Гипотеза 1
Сравниваем набор направлений подготовки у географически близких регионов, а затем — у тех же профилей на случайно перемешанных картах.
Загружаем перевод результата на обычный язык…
Гипотеза 2
Проверяем соседство похожей динамики дважды: по общему числу студентов и по числу студентов СПО на 1 000 жителей 15–19 лет.
Загружаем перевод результата на обычный язык…
Гипотеза 3
Сначала алгоритм группирует регионы, не зная их координат. Затем проверяем, часто ли регионы одного цвета оказываются рядом — и повторяются ли сами группы.
Загружаем перевод результата на обычный язык…
Гипотеза 4
Для каждого из 14 направлений проверяем, соседствуют ли регионы с необычно высокой или низкой долей. Поправка отсеивает случайные находки.
Загружаем перевод результата на обычный язык…
Пространственные тесты следуют работам Морана и Анселина; поправки на множественные сравнения — процедурам Холма и Бенджамини—Хохберга. Статистическая различимость не означает большого практического эффекта и тем более не устанавливает причину.
03 · Проверка влияния столицы
Москва настолько велика и необычна, что могла бы «стянуть» всё разбиение на себя. Поэтому мы убрали столицу, заново сгруппировали остальные регионы, а затем посмотрели, куда Москва попала бы в новой системе. Если карта почти не меняется, значит, столица не создаёт результат в одиночку.
Как читать столичный случай
После загрузки здесь появится описание московского профиля: какие блоки сильнее всего отличают его от центра назначенного типа и остаётся ли решение похожим после исключения столицы.
«Близкий» здесь означает похожую комбинацию показателей, а не небольшое расстояние в километрах. Поэтому ближайшим двойником Москвы может оказаться не Московская область.
Быстрый рост Москвы нельзя автоматически называть «столичным эффектом». Из отчётности не видно, что именно его вызвало: спрос жителей, приток студентов, изменение сети колледжей или правила учёта.
04 · Метод без чёрного ящика
Правила анализа зафиксированы до финального расчёта. Иначе можно долго менять меру сходства, число групп и определение соседства, пока карта случайно не начнёт рассказывать удобную историю.
Композиционный подход: Aitchison, 1982. Проверка числа групп: Rousseeuw, 1987 · Tibshirani, Walther & Hastie, 2001 · Ben-Hur, Elisseeff & Guyon, 2002.
Короткий перевод
Выбор числа групп
Таблица заполнится после загрузки воспроизводимого расчёта.
| Число групп | Разделённость, силуэт | Отличие от случайных данных, gap ± ошибка | Повторяемость, ARI | Самая маленькая группа | Вывод |
|---|---|---|---|---|---|
| 2 | — | — | — | — | Расчёт… |
| 3 | — | — | — | — | Расчёт… |
| 4 | — | — | — | — | Расчёт… |
| 5 | — | — | — | — | Расчёт… |
| 6 | — | — | — | — | Расчёт… |
| 7 | — | — | — | — | Расчёт… |
Основной граф связывает каждый регион с четырьмя географически ближайшими по расстоянию Хаверсина между представительными точками геометрий; связи симметризуются, веса нормируются по строкам. Граф точного соприкосновения полигонов используется только как проверка чувствительности: он включает касание в одной точке и оставляет без связей Калининградскую и Сахалинскую области. Если вывод меняется, он помечается как зависящий от выбора пространственных весов. Полный результат: clusters.json.
Источники и границы вывода
Образовательные и демографические показатели происходят из официальной статистики. Названия широких направлений опираются на тематику АЦ Москвы, но точное сопоставление 58 исходных кодов с 14 группами подготовлено авторами проекта. Ни один источник не публиковал эту типологию регионов.
Региональные контингенты, направления и характеристики организаций за 2016–2025 годы.
Официальная статистикаЧисленность мужчин и женщин по возрасту; для исследования суммируется население 15–19 лет.
Мужчины · женщиныТематика АЦ задаёт словарь широких групп; точная таблица 58 → 14 является авторским аналитическим решением, а не классификатором АЦ.
Спецпроект АЦ МосквыSHA-256: 212e614aeb5a46168b261b3fdf7db68ee375e2da98dd86be41b0ce07fbe93c68
Основные 83 геометрии ADM1 получены из geoBoundaries, который указывает OpenStreetMap / Wambacher как исходный источник. Геометрии Республики Крым и Севастополя из Apache Superset добавлены только как технические соответствия двум недостающим единицам 85-региональной отчётности СПО-1. Основной граф строится по четырём ближайшим регионам, а точное соприкосновение полигонов служит проверкой чувствительности. Отображение не является заявлением о международно-правовом статусе территорий.
geoBoundaries RUS ADM1 · Runfola et al., 2020 · атрибуция OpenStreetMap · ODbL-1.0 · полное уведомление об источникахОснование для CLR-преобразования и расстояния между профилями долей.
The Statistical Analysis of Compositional DataТри независимые диагностики числа типов и качества разбиения.
Rousseeuw, 1987 · Tibshirani et al., 2001 · Ben-Hur et al., 2002Глобальная и локальная пространственная автокорреляция; контроль семейной ошибки и доли ложных открытий.
Moran, 1950 · Anselin, 1995 · Benjamini & Hochberg, 1995Исследование 17 регионов Испании показывает, как многомерные показатели VET можно сравнивать методом k-means. Мы заимствуем исследовательский вопрос, но не предполагаем заранее, что устойчивые группы обязаны найтись.
Moso-Diez et al., 2022