CC BY
34
Шеломенцева Марина Владимировна
Shelomentseva M.V.
Смоленский филиал ФБГОУ ВПО «Финансовый университет при Правительстве Российской Федерации» Financial University under the Government of the Russian Federation, Smolensk branch
старший преподаватель кафедры «Экономика и финансы Economics and Finance Department, senior teacher E-Mail: [email protected]
08.00.12. Статистика.Региональная экономика
Экономико-статистические модели процессов формирования трудовых
ресурсов: ретроспективный аспект
Economical and statistical models of the processes of the labour resources formation:
retrospective aspect
Аннотация: В статье рассматриваются экономико-статистические модели оценки состояния трудовых ресурсов на стадии их формирования. В результате ретроспективного анализа выявлены релевантные факторы, которые характеризуют состояние трудовых ресурсов как на региональном, так и на муниципальном уровнях
The Abstract: The article describes the economical and statistical models of the assessment of the labour resources at the formation stage. As a result of the retrospective assay the relevant factors defining the status of the labour resources both at the regional and municipal levels are identified.
Ключевые слова: Трудовые ресурсы, регион, экономико-статистические модели, рождаемость, смертность, миграция.
Keywords: Labour resources, region, economical and statistical models, birth rate, death rate, migration.
***
Успех реализации идей модернизации российской экономики на основе инновационных технологий в целях устойчивого развития страны во многом зависит от эффективного управления ее трудовыми ресурсами (ТР) на всех уровнях иерархии власти -федеральном, региональном, муниципальном.
Эффективность принятия согласованных управленческих решений по различным направлениям социально-экономической политики (занятости, образования, здравоохранения, пенсионное обеспечения, развития социальной инфраструктуры, семейной политики и пр.) во многом зависит от объективной оценки состояния ТР региона и его муниципальных образований (МО).
Актуальность рассмотрения вопрос данной проблематики объясняется тем фактом, что конкурентоспособность субъектов РФ при существующей неравномерности их социальноэкономического развития во многом определяется достигнутым уровнем развития трудовых ресурсов региона (ТРР) с учетом всех трех стадий воспроизводства ТР: формирования, распределения и использования.
В данной статье проведен ретроспективный анализ экономико-статистических
моделей оценки состояния ТР на стадии их формирования.
На основе анализа различных источников нами был сделан вывод о том, что в качестве оценочных моделей процессов формирования ТР в основном используются уравнения регрессии. При этом для оценивания процессов естественного движения и миграции применяются различные целевые показатели. В частности для моделирования процессов естественного прироста в качестве целевых используются демографические показатели -суммарный коэффициент рождаемости, общий коэффициент рождаемости, общий коэффициент смертности по социальным причинам, общий коэффициент смертности, коэффициент смертности населения в ТРВ, коэффициента смертности по основным классам причин смертности и др.
Для характеристики механического движения целевыми являются коэффициент миграционного прироста, индекс миграционной привлекательности, коэффициент соответствия нелегальной миграции трудовым потребностям региона и др.
Анализ разработанных моделей показал, что многофакторные модели зависимостей целевых демографических показателей региона от социально-экономических показателей, включающих большое число факторов, в научной литературе встречаются достаточно редко.
В частности, Кашепов А. [1] для анализа и прогноза демографического состояния в Российской Федерации предлагает регрессионную модель, в которой показатели рождаемости и смертности увязываются с такими показателями, как валовой внутренний продукт (ВВП), среднедушевые доходы и уровень безработицы. Автор предлагает следующие уравнения:
уокр = 4,05 +1,92 х1 + 0,0056 х2 - 8,98 х3, (1)
уокр = 2,09 + 2,49х1, (2)
ускр = 0,347 + 0, 346х1, (3)
уокс = 20,1 -2,06 х1, (4)
где ускр - суммарный коэффициент рождаемости; уокр - общий коэффициент рождаемости;
ускр - общий коэффициент смертности по социальным причинам; уокс - общий коэффициент смертности;
укств - коэффициент смертности населения в трудоспособном возрасте; укспс коэффициента смертности по основным классам причин смертности; х1— ВВП в ценах 1990 года на душу населения, тыс.руб.; х2 - среднедушевые денежные доходы в ценах 1990 года, тыс.руб.; х3 - уровень безработицы, %;
х4 - уровень расходов консолидированного бюджета в долях от ВВП,%.
Данные модели интересны с точки зрения выбора факторных показателей, однако, они не учитывают значительных различий регионов страны по социально-экономическому
развитию, и, кроме того, каждый регион имеет свои географические, климатические, экологические и иные особенности, которые следует учитывать в модели. Соответственно, набор релевантных социально-экономических показателей должен быть более обширным,
охватывающим широкий круг показателей.
Ряд авторов - Искаков Б.И., Курнецов Е.И [2] и др. предлагают уравнения множественной регрессии для показателя «вымирание населения», используя следующие факторы: приватизация, наркотизация, обнищание, падение нравов, преступность и экология.
При этом зависимость вымирания населения от первого фактора - приватизации, описывается моделью:
у= 2,9920414 - 0,1570807 х1 + 8, (5)
у = 5,4535077 - 0,0926604 х1 - 0,2450902 х2 + 8, (6)
где у -депопуляция (вымирание населения), измеряемая отрицательным естественным приростом на 1000 среднегодовых жителей России, тыс.чел.;
х1 - доля приватизированных основных средств России, %;
х2 - наркотизация населения, чел.;
8 - ошибка регрессии.
Стандартные ошибки коэффициентов регрессии- 0, 4134769 и 0,0086092
соответственно. Все коэффициенты уравнения регрессии значимы. С приростом приватизации основных средств на 1%, депопуляция нарастает на 0,16%о. Стандартные ошибки коэффициентов регрессии - 1,3081618, 0,033757 и 0,1252127 соответственно.
Коэффициент детерминации, определяющий суммарное влияние двух учтенных факторов на депопуляцию, составляет 98%, из них 59% приходится на влияние приватизации, а 39% - на влияние наркотизации, и прежде всего, «спаивания России».
Предлагаемые модели несут несомненную политическую окраску, так как в социальноэкономической статистике не используются такие понятия как «вымирание населения», «приватизация», «падение нравов», «спаивание России», соответственно, точные
статистические данные государственных органов по таким показателям отсутствуют.
Модели прогнозирования миграционных показателей, как правило, основываются на анализе информации о миграционном приросте за предыдущие годы. Так, Спицин А.И. [3] расчет числа мигрантов из отдельных государств бывшего СССР, давших не менее 10% мигрантов, начинает с экстраполяции динамического ряда мигрантов по каждой стране. После этого предварительные оценки мигрантов для каждого года по каждой стране пропорционально увеличиваются или уменьшаются с тем, чтобы их сумма равнялась общему прогнозу миграции для данного года. Формула расчета ожидаемого числа мигрантов в Российскую Федерацию на ближайшие 4 года методом экстраполяции динамических рядов:
Оп = (Пп*Пом)/Е Ппм, (7)
где Оп - окончательный прогноз миграции из данной страны,
Пп - предварительный прогноз миграции из данной страны,
Пом - прогноз общего числа мигрантов,
Е Ппм - сумма предварительного прогноза миграции.
По поводу этой методики следует отметить, что тенденции миграции постоянно
меняются, будущая динамика миграции не является продолжением прошлой, поэтому опираться в прогнозе на показатели миграции прошлых лет достаточно рискованно. Дополнительно следует отметить, что эта модель обращена на прогнозирование «выхода» мигрантов, то есть на расчет того, сколько мигрантов выедет из конкретных стран.
Модель прогноза прибывающих в регион разработана
Плехановой Т.И. [4], где строятся модели полиномиального тренда второй степени для показателей у1- количество прибывших и у2 - количество выбывших.
Уравнения трендов за 2000 - 2010 годы имеют следующий вид.
Прибывших в область:
у1 = 80,662 - 2,68971 - 10,175912, (8)
где 1 = 0 в 1991 году; Я2 =0.94; Б(1) =2.74; ё=2.
Выбывших из области:
У2 = 58,002 - 0,72651 - 0,14512
(9)
где 1 = 0 в 1991 году; Я2 =0,9; Б(1) =1,89; ё=1,76.
Данная модель, так же, как и предыдущая, использует динамику показателей миграции прошедшего периода и не учитывает социально-экономические и др. характеристики региона, такие как:
• уровень экономического развития региона;
• уровень жизни населения в регионе;
• природные и экологические особенности региона.
Анализ существующих методов позволил выяснить методы, используемые для построения моделей, а также перечень целевых и факторных показателей, входящих в модель, определить их пригодность для использования в строящихся моделях. Так, социально-экономические показатели, представленные в моделях Кашепова А.А. [2] вполне подходят для включения в модель регионального уровня.
В исследованиях, проведенных в работах [5-9] разработана новая концепция моделирования влияния социально-экономических факторов на формирование ТРР. Сформировано типовое для промышленных регионов РФ признаковое пространство моделирования, которое включает:
• для моделирования естественного прироста ТР - 4 целевых и
28 факторных показателей;
• для моделирования миграционного прироста ТР - 2 целевых и
15 типовых факторных показателей.
Для Челябинского региона построен комплекс регрессионных и продукционных оценочных моделей, с помощью которых:
• установлена количественная мера пофакторного влияния различных социально-
экономических факторов на естественный прирост трудовых ресурсов региона Южного Урала;
• определены индексы миграционной привлекательности восьми регионов
Большого Урала (Свердловской, Тюменской, Курганской, Челябинской, Оренбургской, Пермской областей и республик Башкортостан и Удмуртия);
• выявлен набор из семи социально-экономических факторов, в наибольшей степени определяющих привлекательность регионов Большого Урала для трудовых мигрантов.
В комплекс регрессионных моделей входят следующие:
ускр = -0,0084х1 - 0,00097х3+ 0,0025х4+0,0005х9+0,0004х10+0,0022х11, (10)
уокр = 0,00352х1 + 0,1825х5 + 0,00236х9 + 0,0057х10 + 0,077х11, (11)
укспс =11,632 - 0,0459686х3 - 0,0388949х5 +0,139083х6 - 0,19433х8 , (12)
уокс =-10,6822 - 24,8576х2 + 1,6793х5 - 0,116526х6 + 0,4377ху -0,0042х12. (13)
где ускр - суммарный коэффициент рождаемости; уокр - общий коэффициент рождаемости;
ускр - общий коэффициент смертности по социальным причинам; уокс - общий коэффициент смертности;
укств - коэффициент смертности населения в трудоспособном возрасте; укспс коэффициента смертности по основным классам причин смертности; х1 - среднедушевой доход, тыс. руб.;
х2 - среднемесячная пенсия, тыс. руб.;
х3 - соотношение среднедушевого дохода и прожиточного минимума, %;
х4 - число студентов на 100 тыс. чел. населения, чел.;
х5 - обеспеченность населения врачами, чел.;
х6 - обеспеченность населения больничными койками, ед.;
х7 - уровень безработицы, %;
х8 - удельный вес работников промышленности, занятых в производстве с вредными и опасными условиями труда, %;
х9 - выбросы вредных веществ в атмосферу, т;
х10 - ввод в действие жилых домов, м2;
х11 - обеспеченность населения личными автомобилями, шт.;
х12 - число преступлений, связанных с оборотом наркотиков, ед.
Сгенерированные модели имеют высокий коэффициент детерминации (от 95,8 до 97,0%) и высокий приведенный коэффициент детерминации (от 93,2 до 94,5 %); средняя стандартная ошибка принимает значения от 0,0014 до 0,0017. Согласно полученным оценкам качества построенных моделей, они вполне подходят для объяснения вариации целевых демографических показателей У1- У4 под влиянием социально-экономических факторов, а также для построения прогнозных моделей.
С помощью программы WizWhy интеллектуального анализа данных построены
продукционные модели, устанавливающие логические закономерности на множестве региональных исходных данных. Эти модели позволяют отнести регион к группе привлекательных или непривлекательных для трудовых мигрантов и имеют вид
«Если 21 Л 22 л ...л 215, то а» (14)
где 21 л л ...л 215 - факторные показатели миграционного прироста трудовых ресурсов;
а - значение альтернативного признака вхождения или невхождения в группу регионов, привлекательных для трудовых мигрантов.
Анализ полученных продукционных моделей позволил выявить в конъюнкциях факторы, в наибольшей степени влияющие на привлекательность региона для трудовой миграции (табл. 1):
Таблица
Показатели, наиболее часто попадающие в конъюнкции
Наименование показателя %
Отношение СДД к ПМ 30
Число больничных коек на 10000 населения 30
Число посещений больными амбулаторных учреждений 26
Количество автомобилей 23
Расходы консолидированного бюджета в ценах 90 года 20
Выбросы загрязняющих веществ; 20
Фактическое потребление домохозяйств в ценах 90 года 18
Согласно сгенерированным логическим моделям такие факторы, как наличие рабочих мест, уровень безработицы, уровень обеспеченности жильем, ввод в действие нового жилья не оказывают существенного влияния на приток трудовых мигрантов в регионы Большого Урала. Это является достаточно неожиданным статистическим заключением, выведенным в результате поиска логических закономерностей на множестве репрезентативных статистических данных регионов Большого Урала.
Предложенную модель авторов Кожевниковой Г.П. и Мелиховой Н.В., исследователь Зоркина Е.М. применила для Хабаровского края, регрессионные модели которой приняли
вид [10]:
уокр = 12,421+0,007х10-0,018х21-0,038х20, (15)
ускр = -0,171+0,001х10+0,166х5+х22-0,004х20, (16)
уокс =78,68+0,008х7+х16-0,962х4-0,027х5-0,075х11 , (17)
Укспс = 4843,885+3,347х11+1,956х9+0,06х8+0,562х17-75,071х4-0,017х18, (18)
укств =5111,531+6,388х13+0,19х12+3,066х11-69,276х14-4,613х6-2,193х15, (19)
где Х13 - удельный вес работников, занятых в опасных и вредных условиях труда, %;
Х14 - ожидаемая продолжительность жизни при рождении, лет;
х15 - уровень обеспеченности края продовольственными продуктами, %.
х16 - число зарегистрированных преступлений, ед.; хи - заболеваемость на 1000 населения, чел.; х18 - численность экономически активного населения, чел.; х19 - доля расходов на питание в потребительских расходах, %; х20 - численность безработных, чел.; х21 - доля бедного населения, %.
х22 - число дневных общеобразовательных школ на 100 тыс. населения, ед.;
Построенные модели имеют высокие коэффициенты детерминации (от 97,7 до 99,6) и высокие приведенные коэффициенты детерминации (от 95,4 до 99,2 ), при которых средняя стандартная ошибка принимает значения от 0,04 до 0,32.
Автор Бакуменко Л.И. [11] проводит моделирование рождаемости для 14
муниципалитетов Республики Мари Эйл за 2004-2009гг., применяя в качестве факторных признаков показатели, участвующие в формировании каждой отдельной синтетической категории «Уровень благосостояния», «Качество населения» и «Качество социальной сферы».
В результате получены многофакторные оценочные модели общего коэффициента рождаемости (уокр) для каждой отдельной категории.
Для синтетической категории «Уровень благосостояния»:
уокр = 5,993 - 0,0007х23 + 0,0001х24 + 0,0048х25 - 0,0042х26 + 0,2004х11 +0,0435х20 - ( )
0,0511х27 , (20)
для синтетической категории «Качество населения»:
уокр = 51,703 + 0,844x24 + 0,642х 20 + 0,033x28 + 0,79229 - 1,542хэ0- 0,039хэ1— 0,198x32 (21)
для синтетической категории «Качество социальной сферы»:
уокр = 1,299+-0,018хээ + 0,103хэ4+ 0,007хю -0,308хэ5, (22)
где х23 - инвестиций в основной капитал, тыс.руб.;
х24- инвестиции за счет средств Федерального бюджета, тыс.руб.;
х25 - средняя заработная плата, тыс.руб.;
х26 - объем платных услуг населению, тыс.руб.;
х27- показатели занятости, % ;
х28 - заболеваемость населения в селах активным туберкулезом, чел; х29 - удельный вес населения старше трудоспособного возраста, %; хзо - наличие в семьях детей-инвалидов, чел.; х31 - соотношение мужчин и женщин, %; х32 - доля городского населения в районах, %; х33 - число преступлений, ед.;
Главный редактор - д.э.н., профессор К.А. Кирсанов тел. для справок: +7 (925) 853-04-57 (с 1100 - до 1800) Опубликовать статью в журнале - http: //publ. naukovedenie.ru
х34 - число детей, обучающихся в государственных образовательных учреждениях,
чел.;
х35 - наличие ветхого жилья, м2.
В представленных оценочных моделях проводится анализ наиболее значимых социально-экономических факторов, представленных интегральными синтетическими категориями уровня и качества жизни, и в полной мере они не могут быть применены для характеристики состояния системы ТРР.
Таким образом, экономико-статитические модели оценки состояния ТР на стадии их формирования как на региональном уровне, так и на уровне муниципальных образований, могут быть включены в качестве релевантных факторов - факторы, представленные на рис. 1.
Рис. 1. Система факторных признаков моделей оценки формирования ТР
ЛИТЕРАТУРА
1. Кашепов А. Социально-экономическая детерминанта демографической ситуации в России // Общество и экономика. - 2001. - №9 - с.138.
2. Искаков Б.И., Искаков А.Б., Курнецов Е.И., Дучмаль М., Статистическое
моделирование и прогнозирование демографического развития России в XXI веке // Вопросы статистики. - 2002 - №3 - с.23-29.
3. Спицын А.И. Влияние миграции на демографические процессы и социальноэкономическую обстановку в стране: На примере Оренбургской обл. // Экономист. - М., 2002.
- № 3. - С.64-65
4. Плеханова Т.И. Статистическое исследование миграционных потоков //Проблемы теории и практики статистики: Сборник научных трудов ОГАУ. — Оренбург: Издательский центр ОГАУ, 2002.
5. Кожевникова Г.П. Автоматизация построения оценочных моделей влияния социально-экономических факторов на формирование трудовых ресурсов регионов/ Кожевникова Г.П., Мелихова Н.В. // Социально-экономическая и финансовая политика России в процессе перехода на инновационный путь развития... заседания секций. - М., 2009.
- Т. 1. - С. 289-292
6. Кожевникова Г.П., Мелихова Н.В. Комплексная методика анализа региональных демографических процессов с учетом факторов неопределенности// Сборник статей по материалам Всероссийской научно- практической конференции.- М.: ВЗФЭИ, 2005.- т.11.- С. 80-85
7. Мелихова Н.В Использование метода имитационного моделирования для анализа демографических процессов// Вестник экономических наук.-2005-№3 (13) - 292-297 .
8. Мелихова Н.В. Моделирование влияния социально- экономических факторов на формирование трудовых ресурсов региона: автореф. дис. ... кан. экон. наук / Мелихова Н.В.. -Москва : [б.н.], 2006 г.
9. Микетина Е.Э. Трехуровневая унифицированная система показателей для межрегиональных социально-экономических сопоставлений / Симчера В.М., Микетина Е.Э. // Стратегия и тактика развития России. Т. 3. - М., 2007. - С. 102-106
10. Зоркина Е.М. Моделирование естественных процессов формирования трудовых ресурсов Хабаровского края [Журнал]. - Хабаровск : Власть и управление на Востоке России, 2011 г.. - стр.135-139 : Т. 1.
11. Бакуменко Л.П.Методология статистического исследования качества жизни населения в регионе: автореф. дис. ... док. экон. наук / Бакуменко Л.П.. - Москва : [б.н.], 2012 г.
Рецензент: Петрова О.П. , кандидат экономических наук, доцент кафедры финансов, экономики и управления Смоленского гуманитарного университета.
