Sanitary and Environmental Analysis of Municipal Entities in the Republic of Mari El on the Basis of Morbidity Rate and Environmental Quality



Cite item

Abstract

Introduction. There is a formal contradiction in the Republic of Mari El: “favourable ecological situation in localities of the Republic versus the above-limit morbidity rate caused by the negative impact of habitat factors”. It highlights the relevance of conducting a specifying quantitative examination with the use of modern econometric approaches.

Materials and methods. The panel data on morbidity and environmental pollution in 15 municipal entities for 2009-2019 were used, as well as cross-cultural data of the fluctuating asymmetry for 2019. The analysis was based on the concept of cointegration and modeling with a mechanism of balance adjustment.

Results. It was established that over the long term the increasing pollution level of drinking water from the distribution network and the atmosphere influences the increase in figures of congenital abnormalities (malformation), deformations and chromosome breakages in children aged 0 to14 years. It was found that the difference between the whole population being ill with malignant tumors and the adult population aged 18 and older in different municipal entities is statistically associated with the change in environmental quality (indicators of the fluctuating asymmetry).

Conclusion. Actions should be taken on providing the population of the municipal entities with pathogen-free drinking water as well as on reduction of pollutant emissions. Being ill with malignant tumors is not related to internal contamination. It is necessary to further examine natural conditions and external sources of pollution (for example, transboundary transfer).

Full Text

Введение

Установление взаимосвязей между состоянием окружающей среды и здоровьем (заболеваемостью) населения – традиционная задача социально-гигиенического мониторинга [2].

Экологическое состояние окружающей среды принято оценивать по экологическим параметрам, представляющим как биоиндикационные показатели (например, флуктуирующая асимметрия листьев) [7], так и конкретные физико-химические величины, характеризующие состояние объектов окружающей среды (загрязнение атмосферного воздуха, воды, почвы, климатические условия, характер рельефа и др.) [19].

Наибольшее распространение получили комплексные и частные исследования связей: «загрязнение окружающей среды – здоровье населения», «загрязнение атмосферного воздуха (воды, почв и др.) – здоровье населения» [9]. Основная проблема – множественность взаимосвязанных факторов здоровья человека, изменяющихся во времени [8]. Использование комплексных и интегральных показателей загрязнения окружающей среды [12] не гарантирует, что учтены все факторы. В этих условиях дополнительную информацию могут предоставить биоиндикационные показатели – естественные интегральные индикаторы экологического состояния территорий [19].

Для учёта пространственно-временных аспектов [8], динамических характеристик временных рядов [2; 11], анализа причинности статистических связей необходимы более современные эконометрические методы, например, панельные данные [10; 3]. Панельные данные позволяют учесть влияние скрытых факторов (например, природно-климатических условий), значения которых постоянны во времени, но различны для разных объектов выборки [1].

Несмотря на благоприятную экологическую ситуацию, фиксируемую Роспотребнадзором, в Республике Марий Эл наблюдается превышение показателей заболеваемости, зависимых от неблагоприятных факторов среды обитания [11]. Это противоречие обусловливает необходимость проведения уточняющего количественного исследования.

Цель данной работы – изучение механизмов обусловленности заболеваемости населения муниципальных образований Республики Марий Эл экологическими параметрами окружающей среды (физико-химическими и биоиндикационными показателями) с использованием панельных данных.

Методы

Источники исходных данных по «приоритетным заболеваниям, обусловленным неблагоприятным воздействием факторов среды обитания» [17], и загрязнению компонентов окружающей среды для 3 городских округов и 14 муниципальных районов Республики Марий Эл за период с 2009 по 2019 гг. – Управление Роспотребнадзора по Республике Марий Эл [17], Министерство здравоохранения Республики Марий Эл, Маристат [6]. Из-за особенностей медицинской статистики г. Волжск объединен с Волжским районом, а г. Козьмодемьянск с Горномарийским районом. Источник данных о качестве окружающей среды – рассчитанные авторами по данным полевого исследования за 2019 г. [13] показатели флуктуирующей асимметрии (ФА) листьев берёзы повислой Z, G, CVR [21].

Заболеваемость на 100 тыс. соответствующего населения с диагнозом, установленным впервые в жизни (зависимые переменные):

Всё население:

Y1i,t – злокачественными новообразованиями всего населения;

Дети:

Y2i,t – общая заболеваемость детей в возрасте 0–14 лет;

Y3i,t – показатель врождённых аномалий (пороков развития), деформаций и хромосомных нарушений детей 0-14 лет;

Y4i,t – инсулинзависимым сахарным диабетом детей 0-14 лет;

Y5i,t – гастритом и дуоденитом детей 0-14 лет с диагнозом;

Y6i,t – злокачественными новообразованиями у детей 0–14 лет.

Подростки:

Y7i,t – язвой желудка и 12-перстной кишки подростков 15-17 лет;

Y8i,t – мочекаменной болезнью подростков 15-17 лет;

Y9i,t – бронхитом хроническим и неуточнённым, эмфиземой подростков 15-17 лет;

Y10i,t – болезнями эндокринной системы, расстройства питания и нарушения обмена веществ подростков 15–17 лет;

Y11i,t – злокачественными новообразованиями подростков 15–17 лет;

Взрослые:

Y12i,t – болезнями, характеризующимися повышенным кровяным давлением, взрослого населения в возрасте от 18 лет и старше;

Y13i,t – бронхитом хроническим и неуточнённым, эмфиземой взрослого населения в возрасте от 18 лет и старше;

Y14i,t – гастритом и дуоденитом взрослого населения в возрасте от 18 лет и старше;

Y15i,t – мочекаменной болезнью взрослого населения в возрасте от 18 лет и старше;

Y16i,t – злокачественными новообразованиями взрослого населения в возрасте от 18 лет и старше.

Загрязнение объектов окружающей среды (независимые – объясняющие – переменные):

X1i,t – удельный вес нестандартных проб воды из поверхностных водоемов по микробиологическим показателям, %;

X2i,t – удельный вес нестандартных проб воды из поверхностных водоемов по санитарно-химическим показателям, %;

X3i,t – удельный вес проб питьевой воды из распределительной сети, не соответствующих гигиеническим требованиям по санитарно-химическим показателям, %;

X4i,t – удельный вес проб питьевой воды из распределительной сети, не соответствующих гигиеническим требованиям по микробиологическим показателям, %;

X5i,t – удельный вес проб воды из нецентрализованных источников водоснабжения, не отвечающих гигиеническим требованиям по микробиологическим показателям, %;

X6i,t – удельные выбросы в атмосферу загрязняющих веществ, отходящих от стационарных источников загрязнения, т/км2. Использование такого показателя согласуется с [20];

Z1, G1, CVR1 – показатели ФА листьев берёзы повислой (импакт) в 2019 г. Импакт – близость к источникам загрязнений, т.е. к предприятиям или автомобильным дорогам (федеральным, региональным).

Z2, G2, CVR2 – показатели ФА листьев берёзы повислой (буфер) в 2019 г.;

Z3, G3, CVR3 – показатели ФА листьев берёзы повислой (фон) в 2019 г.

Методология исследования основана на подходах к корреляционно-регрессионному анализу панельных данных [11]. Уточнения методологии:

  • Из-за коротких временных рядов (11 наблюдений) они не тестируются на единичный корень и стационарность с помощью формальных критериев [16]. При этом визуальный анализ свидетельствует о нестационарности временных рядов.
  • При параметрическом корреляционном анализе связей заболеваемости с загрязнением окружающей среды используются первые разности временных рядов для устранения нестационароности.
  • В исходную спецификацию моделей панельной регрессии включаются уровни независимых переменных, имеющие в первых разностях статистически значимые корреляции с зависимой переменной, и (или) исходя из этиологии и патогенеза заболеваний. Метод оценки регрессии – панельный метод наименьших квадратов (ПМНК) [18].
  • Наличие коинтеграции между переменными [22] предполагает, что остатки панельной регрессии являются стационарными, а их лагированная величина (лаг составляет 1) является механизмом корректировки равновесия при отклонении зависимой переменной от равновесной траектории. Остатки панельной регрессии тестируются на стационарность визуально [18].
  • Анализ причинности (направленности связей между изучаемыми переменными) осуществляется c помощью теста Грейнджера [23; 10].
  • Из-за короткой выборки пространственных данных при корреляционном анализе связей показателей ФА берёзы повислой с показателями загрязнения окружающей среды и заболеваемости населения применяются ранговые коэффициенты корреляции Спирмена (rs). При этом используются среднемноголетние значения показателей загрязнения окружающей среды и заболеваемости населения , поскольку показатели ФА берёзы повислой в отсутствие экстремальных антропогенных воздействий, отражают, скорее, накопленные, а не текущие стрессирующие воздействия. Рассматриваются только устойчивые корреляционные связи.

Расчеты выполняются в статистических пакетах EViews 11 и Stata 16 IC.

Результаты

Результаты параметрического корреляционного анализа связей показателей заболеваемости с показателями загрязнения окружающей среды в первых разностях представлены в табл. 1.

Таблица 1

Парные коэффициенты корреляции Пирсона (заболеваемость-загрязнение)

Pearson coefficients (morbidity rate-pollution)

Переменные

Variables

      
 

-0.195

 

 

-0.224

 

 

 

 

 

 

0.245

 

0.403

 

 

 

 

 

 

0.190

 

 

 

 

 

 

0.268

 

 

 

 

 

 

-0.168

Примечание: в таблице приведены только статистически значимые коэффициенты корреляции на уровне значимости 0.05.

Note: the table shows only statistically significant correlation coefficients at 0.05 significance level.

 

В результате эконометрического моделирования удалось специфицировать модель панельной регрессии с фиксированными эффектами:

Y^3i,t=467,85+32,08X4i,t+7,38X6i,t+εi,t , R2=0,56 (1)

Модель обладает статистической значимостью. Знаки при коэффициентах регрессии имеют знаки, соответствующие теоретическим ожиданиям. Рост удельного веса проб питьевой воды из распределительной сети, не соответствующих гигиеническим требованиям по микробиологическим показателям, X4i,t и удельных выбросов в атмосферу загрязняющих веществ, отходящих от стационарных источников загрязнения,  X6i,t оказывают долгосрочное влияние на рост показателя врождённых аномалий (пороков развития), деформаций и хромосомных нарушений детей 0-14 лет с диагнозом, установленным впервые в жизни (на 100 тыс. соответствующего населения), Y3i,t. Корректность спецификации модели (1) подтверждается тестами на отсутствие постоянных индивидуальных эффектов (αi) (χ2=79,79; P=0,000).

Если остатки регрессионного уравнения (εi,t) являются стационарными, то Y3i,t и X4i,t, X6i,t коинтегрированы, а лагированные остатки (лаг = 1) являются механизмом корректировки равновесия (ECM) при отклонении Y3i,t от своей равновесной траектории. Визуальный анализ показал, что остатки регрессионного уравнения (1) действительно представляют собой стационарную величину с нулевым средним.

Далее была построена модель с механизмом корректировки равновесия:

dY^3i,t=27,21dX4i,t+19,79dX6i,t-0,49ECMt-1+υi,t (2)

Модель статистически значима, а знаки при коэффициентах регрессии имеют ожидаемые знаки. Спецификация уравнения регрессии не включала постоянные индивидуальные эффекты ( χ2=3,18; P=0,999). Коэффициент при механизме равновесия (ECM) статистически значим и имеет правильный (при наличии коинтеграции) знак. Он показывает, что корректировка Y3i,t при отклонении от равновесной траектории происходит примерно за 1/0,49 ≈ 2,04 года.

Результаты анализа направленности связей между переменными Y3i,t и X4i,t, X6i,t представлены в табл. 2.

Таблица 2

Анализ причинности

Causal Relations

Переменные

Variables

   

коэффициент краткосрочной связи

short-term relationship coefficients

 

коэффициент краткосрочной связи

short-term relationship coefficients

 

коэффициент краткосрочной связи

short-term relationship coefficients

 
 

 

 

0

0

+

-

 

-

-

 

 

0

0

 

0

-

0

0

 

 

Примечание: на пересечении строк и столбцов расположены знаки коэффициентов, значимых на уровне 0.05, и нули – для незначимых коэффициентов.

Note: there are coefficients at 0.05 significance level and zero for insignificant coefficients at the intersection of lines and columns.

 

Тест Саргана свидетельствует о валидности выбранных инструментов. Парные связи между зависимой и независимыми переменными можно считать устойчивыми, поскольку значимы коэффициенты долгосрочной связи (ECM) (табл. 2). При этом Y3i,t и  X6i,t – формально эндогенные (взаимозависимые) переменные, поскольку Y3i,t оказывает долгосрочное влияние на X6i,t. Однако коэффициент при механизме равновесия (ECM) составляет лишь 0,0007, что свидетельствует о ничтожном долгосрочном влиянии Y3i,t на X6i,t.

В табл. 3 представлена матрица ранговых коэффициентов корреляции Спирмена для показателей ФА.

Таблица 3

Матрица ранговых коэффициентов корреляции Спирмена (показатели ФА)

Spearman's correlation coefficients (fluctuating asymmetry)

Переменные

Variables

         
 

1

 

 

 

 

 

 

 

 

 

0

1

0

 

 

 

 

 

 

 

0

0

1

 

 

 

 

 

 

 

0.88

0

0

1

 

 

 

 

 

 

0

0.50

0

0

1

 

 

 

 

 

0

0

0

0

0

1

 

 

 

 

0.93

0

0

0.91

0

0

1

 

 

 

-0.43

0.82

0

0

0.66

0.44

0

1

 

 

0

0

0.51

0

0.49

0.45

0

0.44

1

Примечание: на пересечении строк и столбцов указаны коэффициенты, значимые на уровне 0.05, и нули для незначимых коэффициентов.

Note: there are coefficients at 0.05 significance level and zero for insignificant coefficients at the intersection of lines and columns.

 

Все соответствующие показатели ФА связаны между собой. Показатели CVR2 и CVR3 взаимосвязаны, при этом показатель CVR1 от них независим. Это согласуется с результатами работы [13]: в импактной и буферной зонах были выявлены различия по величине ФА, при этом различия по величине ФА в буферной зоне и на фоновой территории отсутствовали.

В результате непараметрического корреляционного анализа были выявлены устойчивые корреляционные связи между переменными (табл. 4).

Таблица 4

Ранговые коэффициенты корреляции Спирмена (заболеваемость – показатели ФА)

Spearman's correlation coefficients (morbidity rate-fluctuating asymmetry)

Переменные

Variables

         
 

0.83

0.73

 

0.76

 

 

0.69

 

 

 

0.76

0.60

 

0.73

 

 

0.70

 

 

Примечание: на пересечении строк и столбцов указаны коэффициенты, значимые на уровне 0.05.

Note: there are coefficients at 0.05 significance level at the intersection of lines and columns.

 

Между среднемноголетней заболеваемостью злокачественными новообразованиями всего населения Y1,09-19, а также взрослого населения в возрасте от 18 лет и старше Y16,09-19 с диагнозом, установленным впервые в жизни (на 100 тыс. соответствующего населения), и соответствующими показателями ФА в импактной зоне (Z1, G1, CVR1) существуют устойчивые корреляционные связи. То, что зависимые переменные Y1,09-19, Y16,09-19 ,  характеризуют один вид заболеваемости, но для разных возрастных групп, также свидетельствует об устойчивости и обусловленности выявленных связей.

Обсуждение результатов

Долгосрочная многофакторная связь между показателем врождённых аномалий (пороков развития), деформаций и хромосомных нарушений детей 0-14 лет с диагнозом, установленным впервые в жизни (на 100 тыс. соответствующего населения), Y3i,t и удельным весом проб питьевой воды из распределительной сети, не соответствующих гигиеническим требованиям по микробиологическим показателям, X4i,t , а также и удельными выбросами в атмосферу загрязняющих веществ, отходящих от стационарных источников загрязнения, X6i,t согласуется с результатами близких исследований [4; 5]. В работе [20] было установлено, что детская заболеваемость новообразованиями и врожденными пороками развития, как правило, выше в районах, где больше величина выбросов вредных веществ в расчёте на одного жителя. Случаи недоношенности и рождения детей с врожденными аномалиями достоверно чаще встречаются во всех экологически неблагополучных районах [14; 15]. Несоответствие питьевой воды гигиеническим требованиям по микробиологическим показателям является прямым показателем фекального или орального загрязнения (ОКБ, ТКБ, споры сульфитредуцирующих клостридий, патогенные энтеробактерии, колифаги, вирусологические показатели, паразитологические показатели, пестициды). Инфицирование беременных женщин (особенно в первом триместре беременности) указанными микроорганизмами может приводить к проникновению инфекционного агента через плацентарный барьер, что чревато не только возникновением данного заболевания у плода, но и тератогенным действием некоторых микроорганизмов на плод, в результате чего, могут возникать аномалии развития. Загрязнение пестицидами воды также может оказывать прямое тератогенное действие и вызывать однотипные аномалии развития.

Устойчивые положительные корреляционные связи между среднемноголетней заболеваемостью злокачественными новообразованиями всего населения и взрослого населения в возрасте от 18 лет и старше с диагнозом, установленным впервые в жизни (на 100 тыс. соответствующего населения), Y1,09-19, Y16,09-19 ,  с показателями ФА в импактной зоне (Z1, G1, CVR1), т.е. с низким качеством окружающей среды, согласуются с существующими воззрениями о том, что конкретные причины злокачественных новообразований однозначно не установлены, но связь с качеством окружающей среды в целом существует [2].

Заключение

Полученная модель с фиксированными эффектами объясняет, как изменяется во времени внутри одного муниципального образования показатель врождённых аномалий (пороков развития), деформаций и хромосомных нарушений детей 0-14 лет с диагнозом, установленным впервые в жизни (на 100 тыс. соответствующего населения), при изменении величины загрязнения атмосферного воздуха и питьевой воды. Требуются разработка мероприятий по обеспечению населения муниципальных образований доброкачественной питьевой водой и сокращению выбросов загрязняющих веществ в атмосферу.

Различие в заболеваемости злокачественными новообразованиями всего населения и взрослого населения в возрасте от 18 лет и старше с диагнозом, установленным впервые в жизни (на 100 тыс. соответствующего населения) между муниципальными образованиями статистически связано с изменением трех соответствующих показателей флуктуирующей асимметрии берёзы повислой в импактной зоне, т.е. с качеством окружающей среды. По-видимому, заболеваемость раком связана не с загрязнением окружающей среды от внутренних источников, а с природными условиями и (или) внешними загрязнителями (например, трансграничный перенос). Требуются дополнительные исследования.

×

About the authors

Peter Korotkov

Volga State University of Technology

Author for correspondence.
Email: korotp@bk.ru
ORCID iD: 0000-0003-0340-074X

кандидат экономических наук, доцент, кафедра транспортно-технологических машин

Russian Federation

Aleksey Borisovich Trubyanov

Mari State University

Email: true47@mail.ru
ORCID iD: 0000-0002-5432-7231

Candidate of Biological Sciences, Associate Professor, Acting Dean of the Faculty of Physics and Mathematics

Russian Federation, 424000, Volga Federal District, Republic of Mari El, Yoshkar-Ola, Lenin Square 1

Alina Il'darovna Gismieva

Kazan State Medical University

Email: alina.gismieva@icloud.com
ORCID iD: 0000-0002-1898-0225

student, Faculty of Medicine and Prevention, Department of General Hygiene

Russian Federation, 49 Butlerova Street, Kazan - 420012

Anastasiya Anatol'evna Avdeeva

специалист, Маристат

Email: nastya_87_02@mail.ru
ORCID iD: 0000-0001-6930-4406

specialist, Maristat

Russian Federation, 424002, Yoshkar-Ola, st. Kremlin, 31

Elena Vyacheslavovna Zagaynova

Volga State University of Technology

Email: zalena2007@yandex.ru
ORCID iD: 0000-0002-2747-3997

Master student, Department of Transport and Technological Machines

Russian Federation, 424000, the Republic of Mari El, Yoshkar-Ola, Lenin Sq., b. 3

References

  1. Balash V.A., Balash O.S. Linear regression models for panel data [Modeli linejnoj regressii dlya panel'nyh dannyh]. Moscow: MESI; 2002. 65 p. (in Russ).
  2. Varaksin A.N. Statistical regression type models in ecology and medicine [Statisticheskie modeli regressionnogo tipa v ekologii i medicine]. Yekaterinburg: Goshchickij; 2006. 255 p. (in Russ).
  3. Verbik M. Models based on panel data. Prikladnaya ekonometrika [Applied Econometrics]. 2006; 1: 94–135. (in Russ).
  4. Verzilina I.N., Agarkov N.M., Churnosov M.I. Influence Anthropogenous pollutants atmosphere on frequency of birth defects among newborn children of Belgorod. Ekologiya cheloveka [Human ecology]. 2007; 8: 10–5. (in Russ).
  5. Verzilina I.N., Agarkov N.M., Churnosov M.I. Impact of manmade atmospheric pollution on the incidence of congenital malformations. Gigiena i sanitariya [Hygiene and Sanitation]. 2008; 2: 17–19. (in Russ).
  6. Urban districts and municipal districts of the Republic of Mari El: statistical compilation. 2017: Maristat [Gorodskie okruga i municipal'nye rajony Respubliki Marij El: statisticheskij sbornik. 2017: Maristat]. Yoshkar-Ola: Maristat; 2018. 266 p. (in Russ).
  7. Rozenberg G.S., Kuznecova R.S., Kostina N.V., Lazareva N.V. Public health and environmental health: pro et contra [Zdorov'e naseleniya i zdorov'e sredy: pro et contra]. Tol'yatti: Anna; 2021. 374 p. (in Russ).
  8. Karelin A.O., Lomtev A.Yu., Volkodaeva M.V., Eremin G.B. The improvement of approaches to the assessment of effects of the anthropogenic air pollution on the population in order to management the risk for health. Gigiena i Sanitariya [Hygiene and Sanitation]. 2019; 98 (1): 82–86. (in Russ)
  9. Klepikov O.V., Samojlov S.A., Ushakov I.B., Popov V.I., Kurolap S.A. Comprehensive assessment of the state of the environment of an industrial city. Gigiena i Sanitariya [Hygiene and Sanitation]. 2018; 97 (8): 686–692. (in Russ).
  10. Kopnova E.D., Rozental' O.M. Analysis of Effectiveness of Water-Ecological Management under Conditions of Intensive Anthropogenic Loading. Prikladnaya ekonometrika [Applied Econometrics]. 2010; 2 (18): 90–100. (in Russ).
  11. Korotkov P.A., Trubyanov A.B., Avdeeva A.A., Gismieva A.I. Statistical analysis of environmental pollution impact on population morbidity in the Republic of Mari El. Statistika i Ekonomika [Statistics and Economics]. 2020; 17 (3): 58-66. (in Russ). doi: 10.21686/2500-3925-2020-3-58-66.
  12. Korotkov P.A., Trubyanov A.B., Zagajnova E.A., Nikonorov K.N. Comparative analysis of the models of major cities environmental performance measurement. Sovremennye problemy nauki i obrazovaniya [Modern problems of science and education]. 2015; 2: 328. (in Russ).
  13. Korotkov P.A., Trubyanov A.B., Malyuta O.V., Yaranceva E.V., Yarancev D.G., Agafonova N.S. Ecological and geographical characteristics of the environmental quality in Mari El Republic. Vestnik Povolzhskogo gosudarstvennogo tekhnologicheskogo univepsiteta [Bulletin of the Volga State Technological University]. Ser.: Les. Ekologiya. Prirodopol'zovanie. 2020; 2 (46): 87–96. (in Russ). doi: 25686/2306-2827.2020.2.87.
  14. Makosko A.A., Matesheva A.V. Atmospheric pollution and the quality of life of the population in the XXI century: threats and prospects [Zagryaznenie atmosfery i kachestvo zhizni naseleniya v XXI veke: ugrozy i perspektivy]. Moscow: The Russ Academy of Sciences; 2020. 258 p. (in Russ).
  15. Makosko A.A., Matesheva A.V. Prevalence trends of environment-related diseases due to the anthropogenic air pollution. Innovacii [Innovation]. 2012; 10 (168): 98–105. (in Russ).
  16. Nosko V.P. Econometrics. Introduction to Time Series Regression Analysis [Ekonometrika. Vvedenie v regressionnyj analiz vremennyh ryadov]. Moscow: NFPK; 2002. 273 p. (in Russ).
  17. State of sanitary and epidemiological well-being of the population of the Republic of Mari El in 2018 Report [O sostoyanii sanitarno-epidemiologicheskogo blagopoluchiya naseleniya Respubliki Marij El v 2018 godu: Doklad]. Yoshkar-Ola: Rospotrebnadzor; 2019. 227 p. (in Russ).
  18. Pelipas' I., Chubrik A. Market Reforms and Growth in Post-Socialist Economies: Evidence from Panel Cointegration and Equilibrium Correction Model. EKOVEST [ECOVEST]. 2007; 6. 1: 60–94. (in Russ).
  19. Snakin V.V., Prisyazhnaya A.A., Kosyakova N.I., Hrisanov V.R., Mitenko G.V., Kruglova S.A. Environment and public health (a case study of a Russ town). Zhizn' Zemli [Life of the Earth]. 2017; 39 (2): 125–138. (in Russ).
  20. Trifonova T.A., Marcev A.A. Assessment of the impact of air pollution on population morbidity rate in the Vladimir Region. Gigiena i Sanitariya [Hygiene and Sanitation]. 2015; 4: 14–18. (in Russ).
  21. Trubyanov A.B, Glotov N.V. Fluctuating asymmetry: trait variation and the left–right correlation. Doklady akademii nauk [Academy of Sciences reports]. 2010; 431. 2: 283–285. (in Russ).
  22. Engl R.F., Grendzher K.U.Dzh. Co-integration and error correction: representation, estimation, and testing. Prikladnaya ekonometrika [Applied Econometrics]. 2015; 39 (3): 107–135. (in Russ).
  23. Granger C. W. J. Investigating Causal Relations by Econometric Models and Crossspectral Methods. Econometrica. 1969; 37(3): 424–438.

Supplementary files

There are no supplementary files to display.


Copyright (c) Korotkov P., Trubyanov A.B., Gismieva A.I., Avdeeva A.A., Zagaynova E.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 78166 от 20.03.2020.


This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies