Financial, economic, environmental and social determinants for Ukrainian regions differentiation by the vulnerability level to COVID-19

Abstract

Як свідчить перебіг пандемії COVID-19, регіони України суттєво відрізняються за рівнем вразливості населення до цієї інфекції. Причини регіональної диференціації захворюваності та смертності населення від COVID-19 ідентифікуються певними патернами (комбінаціями) факторів, які кумулятивно накопичуючись протягом тривалого періоду часу, сформували так звані «ретроспективних портретів вразливості регіону до COVID-19» для кожного регіону. Основною метою дослідження є визначення таких комбінацій фінансових, економічних, екологічних та соціальних факторів, які обумовили різну кількість летальних випадків та захворюваності серед населення різних регіонів України від COVID-19. Дослідження здійснено на основі побудованої просторової нелінійної моделі, в якій за ступінчастим алгоритмом окремі факторні змінні додавалися / вилучалися зі специфікацій моделі покроково методом Ейткена залежно від їх кореляції із показниками захворюваності та смертності від COVID-19 в регіоні, до тих пір, поки не була сформована специфікацію моделі з найвищим рівнем адекватності за p-значенням та t-статистикою. Для побудови індивідуальних «ретроспективних портретів вразливості регіону до COVID-19» для кожного регіону побудовані нелінійні багатофакторні регресійні рівняння залежності між результативною ознакою (рівень захворюваності та смертності населення регіону від COVID-19) від змінних – 23 індикаторів соціального, економічного, екологічного та фінансового розвитку кожного регіону України та міста Київ, сформовані кореляційні матриці та побудовано кореляційні плеяди. Перевірка на мутиколінеарність здійснена на основі кореляційної матриці з використанням алгоритму Фаррара-Глобера, перевірка залишків на наявність автокореляції здійснена методом Дарбіна-Уотсона, перевірка на гетероскедастичність здійснена за допомогою тесту рангової кореляції Спирмена. Результати емпіричного аналізу засвідчили, що на рівень захворюваності від COVID-19 та кількість смертельних випадків найбільше впливає показники міграційного руху, кількісний склад населення та екологічна ситуація в регіоні, але також суттєвим є індикатор готовності медичних закладів до якісного обслуговування хворих в період пандемії та динаміка доходів населення. Використання ретроспективних результатів дослідження можуть бути корисними при створенні дорожніх карт окремих регіонів, для подолання наслідків епідеміологічних впливів у майбутньому.

According to the COVID-19 pandemic, the Ukrainian regions significantly differ in the population’s vulnerability to this infection. Specific patterns (combinations) of factors identify the reasons for regional differentiation of morbidity and mortality from COVID-19. They were accumulated over a long period and formed the so-called «retrospective portraits of the region’s vulnerability to COVID-19» for each region. The main purpose of the study is to define such combinations of financial, economic, environmental and social factors causing many deaths and morbidity from COVID-19 among the population of different Ukrainian regions. The study is based on a constructed spatial nonlinear model. According to the step-by-step algorithm, individual factor variables are gradually added / removed from the model specifications by the Aitken method depending on their correlation with morbidity and mortality from COVID-19 in the region until the model’s specification with the highest adequacy by p-value and t-statistics is formed. The nonlinear multifactorial regression equations regarding the dependence of the resulting indicator (the level of morbidity and mortality of the region from COVID-19) on variables — 23 indicators of social, economic, environmental and financial development of each Ukrainian region and Kyiv are built for the creation of the «retrospective portraits of the region’s vulnerability to COVID-19». Besides, the correlation matrices and correlation pleiades are formed. Based on a correlation matrix, the multicollinearity test is performed using the Farrar — Glauber algorithm. The Durbin — Watson method checks residuals for autocorrelation. The heteroskedasticity test is performed using the Spearman rank correlation test. The empirical analysis results show that migration, population size, the environmental situation in the region, a significant index of medical institutions readiness for qualitative patient care during the pandemic and citizens’ income dynamics mostly affect the incidence of COVID-19 and the number of deaths. The retrospective research results can help create road maps of individual regions to overcome the future epidemiological influence effects.