Краткий аналитический план и набор показателей для оценки пространственного распределения здравоохранения, образования и инфраструктуры в крупной агломерации Латинской Америки — с указанием того, какие показатели чаще всего объясняют внутригородское неравенство.
1) Ключевые индикаторы по секторам
- Здравоохранение:
- клиницисты/медицинские работники на 1 000 чел.; койки/1000 чел.; время/расстояние до ближайшего амбулаторного и стационарного учреждения (медиана и перцентили);
- доля населения с доступом к первичной помощи в 15/30 мин транспортом/пешком;
- исходы: младенческая смертность, материнская смертность, показатели госпитальных госпитализаций (по кварталам/округам).
- Образование:
- школа на 1 000 детей, учителя на класс; средний балл итоговых тестов (PISA–уровень/национальные тесты) по микрорайонам;
- коэффициент завершения школы/высшего образования; доля детей, имеющих дошкольное образование;
- доля высвобождаемых мест/переполненность классов.
- Инфраструктура и базовые услуги:
- доля домохозяйств с централизованной водопроводной сетью, канализацией, подключением электроэнергии и регулярной уличной освещённостью;
- дорожная сеть: длина асфальтированных дорог на км², плотность тротуаров; доступность общественного транспорта (частота на остановке, % населения в 10–15 мин);
- качество жилья и tenure (формальность/информальность владения), доступ к Интернету.
2) Как вычислять пространственную доступность (рекомендуемые формулы)
- Кумулятивная доступность (возможности в пределах порога):
$$A_i=\sum _j{S}_{j}1(c_{ij}\le t)$$ где $S_j$ — ёмкость сервиса в месте $j$, $c_{ij}$ — время/стоимость перемещения, $t$ — порог (например, 15 мин).
- Гравитационная или потенциал‑мера:
$$A_i=\sum _j\frac{S_j}{c_{ij}^{\beta }}\text{или}{A}_i=\sum _j{S}_j{e}^{-\beta c_{ij}}$$ (параметр $\beta$ задаёт чувствительность к расстоянию).
3) Метрики неравенства и пространственной зависимости (формулы)
- Джини:
$$G=\frac{{\sum }_{i=1}^n{\sum }_{j=1}^n|y_i-y_j|}{2n^2\bar{y}}$$ - Индекс Теиля:
$$T=\frac{1}{n}\sum _i\frac{y_i}{\bar{y}}\ln \frac{y_i}{\bar{y}}$$ - Пространственный авто‑корреляционный индекс (Moran’s I):
$$I=\frac{n}{{\sum }_i{\sum }_j{w}_{ij}}\cdot \frac{{\sum }_i{\sum }_j{w}_{ij}(y_i-\bar{y})(y_j-\bar{y})}{{\sum }_i(y_i-\bar{y}{)}^2}$$ - Пространственные регрессии (учёт автокорреляции):
- лаговая модель: $$y=\rho Wy+X\beta +\epsilon$$ - модель с пространственной ошибкой: $$y=X\beta +u,u=\lambda Wu+\epsilon$$
4) Какие показатели обычно лучше всего объясняют внутригородское неравенство (эмипирическая приоритизация)
- Доступность (travel time / % в пределах 15/30 мин) к услугам — один из самых сильных объяснителей пространственного неравенства.
- Качество услуг (школьные тесты, исходы здравоохранения) — объясняют различия в человеческом развитии и межпоколенной мобильности.
- Инфраструктурный доступ (водоснабжение, канализация, электроэнергия, дороги) — предиктор здоровья и образовательных результатов на микроуровне.
- Статус жилья/информальность и доход/бедность — основной фактор, через который проявляются все вышеперечисленные дефициты.
- Транспортная связность (частота, плотность сети) — сильный фактор для распределения рабочих мест и доступа к качественным услугам.
5) Методика оценки вклада факторов (коротко)
- Пространственная регрессия: включить доступность, плотность сервисов, инфраструктуру, доход и долю неформальных поселений; сравнить значимость коэффициентов и вклад R².
- Декомпозиция неравенства: использование индекс‑деформации (Theil) между/внутри районов и регрессий RIF/Shapley‑деокомпозиции для определения вклада переменных.
- Пространственные локальные методы: LISA/локальные регрессии (GWR) — чтобы найти «горячие точки», где один фактор доминирует.
6) Практические замечания по данным и масштабу
- Использовать наиболее детализированные единицы (участки, блоки) или границы муниципальных зон, избегать слишком крупных агрегатов из‑за MAUP.
- Источники: переписи, административные реестры здравоохранения/образования, DHS/Encuesta CASEN/PNAD/ENIGH, OpenStreetMap, данные транспортных операторов, спутниковые снимки для картирования неформальности.
- Учитывать сезонность и режимы работы (клинике/школы) и различие между номинальной доступностью и фактическим качеством.
7) Рекомендация для приоритезации действий/исследования
- Вначале картировать: плотности сервисов + travel‑time accessibility + базовые исходы (младенческая смертность, тесты).
- Построить пространственные регрессии с блок‑фиксированием; оценить вклад доступа и качества услуг против дохода/неформальности.
- Ожидаемый вывод (типичный для латиноамериканских агломераций): основную долю внутригородского неравенства объясняют сочетание плохой доступности к качественным услугам (особенно здравоохранению и школам), дефицит инфраструктуры в неформальных поселениях и концентрация бедности/неформального жилья.
Если нужно, могу предложить конкретный список индикаторов и модель регрессии для вашей агломерации (указать город и доступные данные).