CC BY
15ДИНАМИКА ПОКАЗАТЕЛЕЙ БЕЗРАБОТИЦЫ СУБЪЕКТОВ ПРИВОЛЖСКОГО ФЕДЕРАЛЬНОГО ОКРУГА
UNEMPLOYMENT DYNAMICS IN THE VOLGA FEDERAL DISTRICT
Е.Н. ДМИТРИЕВА,
студент Пензенской государственной технологической академии (г. Пенза)
ЕЛ. DMITRIEVA,
student of Penza State Technological Academy (Penza) Аннотация
Статья посвящена изучению рынка труда регионов ПФО с 2001 по 2010 год. На основе результатов кластерного анализа, а также методики расчета интегральных показателей исследуется изменение уровня безработицы в течение этого периода. Особое внимание уделено оценке влияния кризиса на социально-экономическое положение в субъектах. Рассматривается степень успешности предпринятых антикризисных мер, направленных на снижение напряженности в сфере занятости.
Abstract
The paper is devoted to the study of labor market in the regions of the Volga Federal District in 2001-2010 years. Based on the results of cluster analysis and the methodology for calculating integral parameters, we investigate the change of the unemployment rate during this period. Particular attention is paid to assessing the impact of the crisis on the regional socioeconomic situation. We review the success made by the anti-crisis measures aimed for reducing pressure in the sphere of employment.
Ключевые слова
1. Антикризисные меры
2. Динамика безработицы
3. Евклидово расстояние
4. Интегральный показатель
5. Интервальный анализ
6. Кластеры
7. Критерий Beale
8. Методика определения весовых коэффициентов
9. Невзвешенное попарное среднее
10. Показатели безработицы
11. Приволжский федеральный округ
12. Рынок труда
Keywords
1. Anti-crisis measures
2. Beal index
3. Clusters
4. Composite statistic
5. Euclidean distance
6. Interval analysis
7. Labor markets
8. Method of weighting
9. Unemployment rate
10.Unweighted Pair-Group Average
11.Volga (Privolzhsky) Federal District
12. Labour market
Введение
На сегодняшний момент Россия находится на стадии становления рыночных отношений. Этот процесс, который длится на протяжении более десяти лет, связан с возникновением многих социально-экономических проблем. Одной из них является проблема безработицы.
Проблема безработицы в России, а также и во всем мире стала особенно актуальной в период мирового финансового кризиса 2008 года. Он подорвал существующую экономику каждой страны и особенно остро затронул те отрасли народного хозяйства, которые не располагали капиталом, достаточным для поддержания стабильной работы предприятий в период неопределенности. Следствием спада отечественного производства стало массовое увольнение рабочих, сокращение заработной платы - кризис привел к еще большей разнородности регионов России по обстановке на рынке труда.
Очевидно, что уровень безработицы вовсе не является показателем, высокое значение которого характеризовало бы рынок с наилучшей
стороны. Поэтому как в период кризиса, так и в мирное время усилия, направленные на улучшение качества жизни населения, должны охватывать в том числе минимизацию показателей безработицы. Первоочередным шагом на пути к этому должен служить анализ структуры рынка отдельных районов - так как средние показатели безработицы по России или даже федеральным округам не характеризуют обстановку в отдельных субъектах должным образом.
В регионе может наблюдаться, например, высокая напряженность на рынке труда как при среднем уровне безработицы, так и при очаговой безработице. Дать ясное представление, насколько благоприятна ситуация на рынке труда в целом, позволит такой индикатор, который бы рассчитывался на основе данных, всесторонне характеризующих рынок. Именно для этих целей для каждого субъекта и вычисляется интегральный показатель. Расчет его производится по методике, которая уже была успешно использована для выявления аграрных специализаций муниципальных районов, с учетом нескольких незначительных дополнений.
В силу многообразия показателей безработицы в разных субъектах РФ должны вырабатываться, соответственно, различные меры по борьбе с ней. Для этого необходимо проводить анализ, позволяющий выделить районы с похожими и различающимися показателями безработицы. В последние годы все бо льшую популярность для решения этой задачи приобретают процедуры кластеризации объектов.
Итак, цель исследования состоит в том, чтобы на основе результатов кластерного анализа, а также расчета интегральных коэффициентов проследить динамику показателей безработицы в Приволжском федеральном округе (ПФО) за период 2001-2010 годов. При этом, очевидно, объектом исследования будет рынок труда рассматриваемого округа.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Выявить оптимальную метрику и метод объединения объектов в кластеры.
2. Распределить регионы ПФО по кластерам.
3. На основе методики присвоить интегральные коэффициенты каждому району и кластеру.
4. Построить график изменения интегральных показателей и проанализировать динамику перемещения объектов между кластерами.
Следует отметить, что эмпирической основой для проведения исследовательской работы стали данные государственной статистики.
Для обработки данных и графического изображения результатов использовались Microsoft Excel и статистический пакет Statistica.
1. Кластеризация регионов ПФО по показателям безработицы
Для проведения анализа динамики, которая учитывает развитие рассматриваемого региона, требуется провести разбиение на классы для каждого года. Кластеризация регионов Приволжского федерального округа проводится за период с 2001 по 2010 год. Каждый год характеризуется пятью признаками: уровень общей безработицы, уровень регистрируемой безработицы, уровень занятости, численность незанятого населения на одну заявленную вакансию и уровень экономически активного населения. Основными проблемами, которые возникают при проведении кластеризации, являются: определение числа кластеров и выбор метода кластеризации.
Для получения объективного описания ситуации на рынке труда ПФО сравнивались различные методы и метрики иерархического кластерного анализа:
- одиночная связь («ближайший со- - евклидово расстояние;
- взвешенное попарное среднее;
- невзвешенный центроидный метод;
- взвешенный центроидный метод.
Например, на рис. 1 изображены дендрограммы, построенные с помощью метрики евклидова расстояния, но разными методами: методом невзвешенного попарного среднего и методом одиночной связи. При кластеризации регионов последним методом выделяется один кластер и несколько аномальных объектов, что довольно трудно поддается интерпретации.
В итоге для кластеризации регионов была выбрана метрика «евклидово расстояние» и метод «невзвешенное попарное среднее». Расстояние между объектами метрики Евклида определяется по формуле (1.1):
Его минимальное значение служит критерием объединения регионов в кластеры. Невзвешенный метод средней связи осуществляется
Методы:
Метрики:
сед»);
- полная связь («дальний сосед»);
- невзвешенное попарное среднее;
- квадрат евклидова расстояния;
- манхэттенское расстояние
(1.1)
согласно формуле1:
1 Айвазян С. А, Мхитарян В.С. Теория вероятностей и прикладная статистика. -ЮНИТИ, 2001. - С. 492, 496.
М.
Дендрограмма для 14 набл. Невзвешенное попарное среднее Евклидово расстояние
s I
Метод одиночной связи Евклидово расстояние
2,5 2,0 1,5 1,0
Рис. 1. Сравнение методов (Unweighted Pair-Group Average и single linkage) для кластеризации регионов ПФО
7
4
Для выявления оптимального числа кластеров применялся критерий Beale. Выдвигается нулевая гипотеза H0 о том, что существует единый кластер однородных данных. Расчетное значение определяется по формуле (1.3):
w[i] = £ d2(X¡. Xj) w[2] = £ d2(X¡. Xj),
X¿JCjC Sm, S¡ X¡JCjC S¡
где w[1] и w[2] - сумма квадратов внутрикластерных расстояний в случае одного кластера и в случае, когда данные распределены по двум кластерам соответственно.
Данный критерий имеет F-распределение с уровнем значимости а и степенями свободы p, которые соответствуют числу переменных, и p(n - 2). Определяется критическое значение.
Если - гипотеза И0 принимается, т.е. существует единый кластер однородных данных. В противном случае гипотеза H0 отвергается, данные не могут быть объединены в единый кластер2.
Применяя данный критерий, выделили оптимальное число кластеров для каждого года. Полученные результаты представлены в табл. 1.
Таблица 1
Оптимальное число кластеров по критерию Beale
Год Количество кластеров Аномальные объекты
2001 1,860 2,534 2 1
2002 1,875 2,711 3 2
2003 1,490 2,711 2 -
2004 1,102 2,534 2 1
2005 0,934 2,449 2 1
2006 2,102 2,901 3 1
2007 1,355 2,901 2 1
2008 2,743 2,901 4 -
2009 1,462 3,326 3 1
2010 1,917 3,326 4 2
2 Яцкив И.В., Гусарова Л. Методы определения количества кластеров при классификации без обучения. - Рига: Изд-во ИТС, 2003. - С. 24.
Для анализа во времени желательно иметь одинаковое количество кластеров каждый год, однако по критерию Веа1е, как видно из табл. 1, оптимальное число классов различно. Выберем за период 2001-2007 годов число кластеров - 2. Это несколько ухудшит качество разбиения за 2002 и 2006 годы. В 2008, 2009 и 2010 годах будем рассматривать разбиение на три кластера.
2. Формирование интегральных показателей безработицы
Для того чтобы можно было сравнивать значения факторов, различных по смыслу, необходимо привести их к единому виду. Для этого воспользуемся методикой определения весовых коэффициентов характеристик кластеров3.
Первый этап заключается в распределении массива показателей по блокам и присвоении им базовых коэффициентов. Выделим пять блоков различной характеристики. Для показателей, характеризующих рынок труда региона с положительной стороны (уровень занятости, уровень экономически активного населения), базовые оценки, начиная с первого блока, имеют следующие коэффициенты: 20%, 40%, 60%, 80%, 100% (2.1).
' 100% - ОВК факторов блока 5;
= 2д * = 80% - ОВК факторов блока 4;
= = 60% - ОВК факторов блока 3;
гг = 2у ~ = 40% - ОВК факторов блока 2;
21 = \'гъ= 20% - ОВК факторов блока 1;
Так как рассматриваются помимо «положительных» факторов еще и те, которые отражают негативную сторону рынка (уровень общей безработицы, уровень регистрируемой безработицы, уровень незанятого населения в расчете на одну заявленную вакансию), необходимо, чтобы способ расчета не противоречил их экономическому смыслу. Весовые коэффициенты, присваиваемые значениям каждого фактора, будут обратно пропорциональны этим значениям. Поэтому базовые оценки, начиная с первого блока, имеют следующие коэффициенты: 100%, 80%, 60%, 40%, 20% (2.2).
3 Салюкова В.М. Методика изучения динамики изменений характеристик кластеров и объектов кластеризации // Инновационные технологии в экономике, информатике и медицине: Сборник статей V Межрегиональной научно-практической конференции. -Пенза: ПГТА, 2008. - С. 73-75.
гв= 100% — ОВК факторов блока 1;
хх = 2 0 = 80% - ОВК факторов блока 2; £
2
гг = *** ~ ~~ овк факторов блока 3; г, = 22 2 = 40% _ овк факторов блока 4; = = 20% — ОВК факторов блока 5;
Для присвоения базовых оценок используется интервальный анализ. Каждому блоку соответствует интервал, а базовая оценка блоков соответствует правой границе каждого интервала (рисунок 2). Размер интервалов рассчитаем по формуле:
^ _^шах0)-^ш1,(1) (2.3)
Весовой коэффициент Уу 1-го показателя, имеющего ]-ю характеристику, будем считать равным общему весовому коэффициенту того блока, куда данный показатель попадает (2.4).
= ¿ = 1/т к = т ;=ГгГ (2.4)
где т - число показателей, используемых для кластерного анализа;
п - число различных характеристик или блоков, п = 5
Второй этап заключается в присвоении каждому показателю каждого региона скорректированного показателя.
Показатель региона может попасть в любой интервал, но внутри интервала он имеет отклонения от базовой оценки. Поэтому определяется скорректированная оценка показателя региона по формуле (2.5) для положительных факторов и по формуле (2.6) для негативных факторов.
У,7°"' = + п (х" - Хт'"")"У " ■ -2¡.Л (25) у.™*" = г,+п ^тах(,)"(*тах(1)"Хт!п(1)). (г, - Л (2 6)
" Хтах(1) - *1тв(1) 47 ' '
где Хц - 1-й показатель 1-го региона,
Zj - границы интервалов, выраженные в весовых коэффициентах, у = 0, 1, 2, 3, 4, 5.
хтта) - минимальное значение 1-го показателя, 1 = 1, т
хтах(л - максимальное значение 1-го показателя, 1 = 1, т
п - число блоков;
у = 1, 2, 3, 4, 5 - номер блока, в который входит Хц. Третий этап заключается в определении интегрального показателя по каждому региону и по кластеру в целом.
Общий весовой коэффициент по всем рассматриваемым показателям (или интегральный показатель) для каждого региона рассчитывается по формуле (2.7)?
где т - общее число показателей.
В зависимости от поставленной цели, общий весовой коэффициент может быть видоизменен. Применительно к исследованию рынка труда в ПФО нас будет интересовать суммарный интегральный показатель по регионам и по кластерам в целом (2.8).
С помощью формул (2.1)-(2.4) были расставлены весовые коэффициенты для каждого значения факторов по регионам ПФО за 20012010 годы. Результаты по 2001 и 2010 годам представлены в табл. 2, где:
х, - Уровень общей безработицы;
Х2 - Уровень регистрируемой безработицы;
х3 - Уровень занятости;
х4 - Уровень незанятого населения в расчете на 1 заявленную вакансию;
х5 - Уровень экономически активного населения.
Таблица 2
Базовые весовые коэффициенты в 2001 и 2010 годах
ПФО 2001 2010
Х1 Х2 Хз Х4 Х5 Х1 Х2 Хз Х4 Х5
Республика Башкортостан 0,6 0,8 0,2 0,8 0,2 0,4 0,4 0,2 0,8 0,4
Республика Марий Эл 0,6 0,2 0,4 0,4 0,6 0,2 0,8 0,4 0,6 1,0
Республика Мордовия 0,6 0,6 0,2 0,8 0,2 1,0 0,8 1,0 0,6 1,0
Республика Татарстан 1 1 0,6 1 0,6 1,0 0,6 1,0 0,2 1,0
Удмуртская Республика 1 0,4 0,8 0,6 0,6 0,4 0,4 0,8 0,8 1,0
ПФО 2001 2010
Х1 Х2 Хз Х4 Х5 Х1 Х2 Хз Х4 Х5
Чувашская Республика 0,6 0,6 0,4 0,4 0,6 0,4 0,4 0,6 0,6 0,8
Пермский край 1 0,8 0,8 0,8 0,6 0,4 0,2 0,6 0,6 0,8
Кировская область 0,8 0,2 1 0,2 1 0,4 0,2 0,8 0,6 1,0
Нижегородская область 0,8 1 0,6 1 0,6 0,6 1,0 0,8 1,0 1,0
Оренбургская область 0,8 1 0,2 1 0,2 0,8 1,0 0,6 0,6 0,8
Пензенская область 0,2 0,4 0,2 0,6 0,4 0,8 1,0 0,2 1,0 0,2
Самарская область 1 0,8 1 1 0,8 1,0 0,4 1,0 0,8 1,0
Саратовская область 0,6 0,6 0,2 1 0,2 1,0 1,0 0,8 1,0 1,0
Ульяновская область 0,8 0,6 0,2 0,2 0,2 0,4 1,0 0,2 1,0 0,4
Затем по формулам (2.5) и (2.6) были рассчитаны скорректированные оценки показателей регионов (результаты по 2001 и 2010 годам в табл. 3).
Таблица 3
Скорректированные оценки показателей в 2001 и 2010 годах
ПФО, скор. вес. коэф. 2001 2010
Х1 Х2 Х3 Х4 Х5 Х1 Х2 Х3 Х4 Х5
Республика Башкортостан 0,403 0,767 0 0,796 0,143 0,296 0,397 0,142 0,639 0,384
Республика Марий Эл 0,584 0,1 0,352 0,327 0,476 0 0,708 0,385 0,510 0,816
Республика Мордовия 0,481 0,5 0,099 0,714 0,167 1 0,728 1 0,533 0,995
Республика Татарстан 0,974 0,833 0,465 0,898 0,405 0,824 0,468 0,824 0 0,89
ПФО, скор. вес. коэф. 2001 2010
Х1 Х2 Х3 Х4 Х5 Х1 Х2 Х3 Х4 Х5
Удмуртская Республика 0,831 0,3 0,606 0,449 0,560 0,236 0,234 0,649 0,747 0,997
Чувашская Республика 0,558 0,467 0,352 0,388 0,536 0,247 0,251 0,475 0,404 0,791
Пермский край 0,896 0,800 0,606 0,796 0,488 0,390 0,058 0,533 0,507 0,783
Кировская область 0,779 0,000 1 0,061 1 0,333 0 0,696 0,449 1
Нижегородская область 0,727 0,933 0,563 1 0,476 0,533 1 0,654 1 0,848
Оренбургская область 0,714 1,000 0,141 0,980 0,119 0,605 0,961 0,497 0,425 0,634
Пензенская область 0 0,267 0,014 0,510 0,298 0,765 0,932 0 0,893 0
Самарская область 1 0,633 0,944 0,857 0,643 0,930 0,350 0,825 0,649 0,838
Саратовская область 0,532 0,6 0,197 0,959 0,167 0,807 0,901 0,786 0,914 0,857
Ульяновская область 0,675 0,533 0,113 0 0 0,310 0,922 0,114 0,860 0,345
1-й кластер 0,796 0,581 0,555 0,673 0,512 0,890 0,612 0,859 0,524 0,895
2-й кластер 0,468 0,611 0,094 0,660 0,149 0,335 0,459 0,556 0,577 0,839
3-й кластер - - - - 0,457 0,751 0,085 0,798 0,243
На третьем этапе по формулам (2.7) и (2.8) были определены интегральные показатели по каждому региону и по кластеру в целом. Результаты расчетов представлены в табл. 4.
Таблица 4
Интегральные показатели рынка труда по каждому региону и по кластеру в целом
ПФО 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Республика Башкортостан 0,422 0,414 0,460 0,426 0,585 0,458 0,367 0,387 0,520 0,372
ПФО 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Республика Марий Эл 0,368 0,330 0,163 0,531 0,579 0,319 0,482 0,525 0,421 0,484
Республика Мордовия 0,392 0,420 0,402 0,573 0,477 0,547 0,570 0,861 0,877 0,851
Республика Татарстан 0,715 0,763 0,631 0,570 0,577 0,582 0,534 0,578 0,411 0,601
Удмуртская Республика 0,549 0,679 0,587 0,536 0,568 0,608 0,449 0,532 0,601 0,573
Чувашская Республика 0,460 0,529 0,469 0,401 0,350 0,507 0,387 0,373 0,293 0,434
Пермский край 0,717 0,595 0,532 0,661 0,590 0,569 0,402 0,211 0,308 0,454
Кировская область 0,568 0,616 0,587 0,499 0,683 0,656 0,635 0,612 0,390 0,496
Нижегородская область 0,740 0,734 0,837 0,719 0,814 0,783 0,851 0,738 0,787 0,807
Оренбургская область 0,591 0,476 0,433 0,476 0,453 0,597 0,505 0,406 0,553 0,624
Пензенская область 0,218 0,345 0,306 0,504 0,563 0,489 0,476 0,470 0,519 0,518
Самарская область 0,815 0,848 0,773 0,839 0,825 0,850 0,667 0,725 0,547 0,718
Саратовская область 0,491 0,542 0,388 0,331 0,458 0,390 0,321 0,310 0,532 0,853
Ульяновская область 0,264 0,472 0,211 0,120 0,251 0,172 0,274 0,358 0,457 0,510
1-й кластер 0,624 0,655 0,609 0,616 0,664 0,590 0,634 0,793 0,703 0,756
2-й кластер 0,396 0,439 0,317 0,428 0,541 0,491 0,409 0,479 0,500 0,553
3-й кластер - - - - - - - 0,395 0,351 0,467
Построим графики динамики развития кластеров регионов ПФО на рынке труда во времени (рис. 2).
0,9
Интегральный
0,8
показатель
0,7 0,6 0,5 0,4 0,3 0,2 ОД 0,0
123456789 10 ГОД
Рис. 2. Динамика развития кластеров регионов ПФО на рынке труда во времени
3. Анализ изменений на рынке труда в 2008-2010 годах
При разбиении регионов ПФО в 2008-2010 годах были выделены три класса. Это отличается от предсказуемого разбиения на две группы, как это было в предыдущем периоде с 2001-2007 годов, поэтому требует особого внимания.
К 2008 году проявления мирового финансового кризиса стали отчетливо видны: произошло резкое ухудшение основных экономических показателей в большинстве стран, и за ним последовал глобальный спад производства. Все знают, что начальным этапом был ипотечный кризис в США в 2006 году, разраставшийся вплоть до 2007 года. В итоге уже к 2008-му, он спровоцировал кризис ликвидности мировых банков. Таким образом, трансформировавшись в финансовый, он затронул не только США, но и весь мир, после чего и стал называться мировым кризисом.
Как и в других странах, в России прекращение кредитования предприятий банками повлекло за собой рост цен и волну сокращений рабочих мест. Растет безработица - падает спрос на товары и услуги. Падает спрос на товары и услуги - сокращается их производство. Закрываются предприятия - растет безработица.
Апогеем роста безработицы стал 2009 год. Большинство интегральных показателей по кластерам за этот год меньше, чем соответствующие им за 2008 и 2010 годы (табл. 4). Положительные тенденции графиков, а также сближение трендов, характеризующих 2-й и 3-й кла-
)1
4 4
а а
«а
ш 1 класгер —.':— 2 кластер 3 кластер
-
стеры, позволяют надеяться на то, что в ближайшие годы число групп снова станет равно двум, ситуация на рынке труда стабилизируется, и развитие субъектов войдет в свое привычное русло.
Безусловно, для обеспечения социальной стабильности в каждом округе, в том числе и Приволжском, был предпринят ряд антикризисных мер, таких как:
- опережающее профессиональное обучение, переподготовка по востребованным специальностям, повышение квалификации;
- стимулирование среднего и малого бизнеса;
- увеличение размера пособий по безработице;
- организация переезда увольняемых на работу в другую местность;
- создание временных рабочих мест в рамках организации общественных работ;
- организация стажировки;
- содействие трудоустройству инвалидов;
- предоставление пособий на открытие собственного дела;
- уменьшение квоты на привлечение иностранных работников4.
В 2010 году помимо объявления его годом борьбы с безработицей были пересмотрены несколько неэффективных элементов антикризисной политики. Например, обнаружилось, что люди неохотно идут на общественные работы, а предпочитают вместо этого получать пособие по безработице. Выяснилось, что дело в самих общественных работах -вместо долгосрочных (таких, как строительство дорог и других объектов инфраструктуры), которые могли бы помочь людям получить новую специальность, они оказались заняты уборкой улиц и покраской заборов.
Вместе с увеличением в два раза капитала на открытие собственного дела возникла необходимость ввести ключевое условие для его получения - создание рабочих мест не только для себя, но и для других официальных безработных.
Также стало известно, что увеличение размера социальных выплат хотя и уменьшает напряженность, но не помогает в борьбе с безработицей, а даже наоборот - снижает стимул к труду, позволяя не трудиться за большие деньги.
В итоге было решено увеличить финансирование исключительно на востребованные подпрограммы (такие, как стимулирование среднего и малого бизнеса, например, или переобучение)5.
4 Программа антикризисных мер Правительства Российской Федерации на 2009 год // Российская газета. - 20 марта 2009 г.
5 http://www.hrmonitor.ru - «Так ли эффективны меры правительства по борьбе с безработицей?»
Судя по всему, указанные меры оказались действенными в одних регионах (Марий Эл, Республика Мордовия, Чувашская Республика, Пермский край, Кировская и Оренбургская области) и недостаточными в других (в Удмуртской Республике и Республике Башкортостан).
Данные социологического опроса, проведенного в Республике Башкортостан, показали, что больше всего жителей республики волнуют проблемы безработицы. На них пожаловались 40% опрошенных6. Глава региона объясняет высокий уровень безработицы тем, что значительную роль в формировании показателя играет достаточно большая безработица в сельском хозяйстве, потому что люди, занимаясь личным подсобным хозяйством, одновременно числятся не имеющими постоянного места работы7. Кроме того, есть некая особенность трудовых ресурсов республики - пониженный уровень образования занятых. Она сложилась давно и обусловлена высокой долей сельского населения. Как следствие, понижена территориальная и профессиональная мобильность рабочей силы, и возникают проблемы для переквалифи-
кации8.
Требует некоторых объяснений тот факт, что интегральный показатель Татарстана всего 0,60, тогда как среднее значение по всему кластеру - 0,76.
Республика Татарстан обладала в 2009 году наивысшим показателем напряженности на рынке труда - 9,1, в то время как среднее значение этого показателя по ПФО составляло 5,3. К 2010 году удалось снизить напряженность до 4,3, правда, по-прежнему сохраняя за собой первенство (среднее значение - 2,2). Кроме упомянутых выше мер были применены некоторые хитрости: чтобы снизить давление на рынок труда со стороны молодежи, республика предоставила ей возможность продолжить обучение. Школьникам -начальное профессиональное образование (НПО), завершившим НПО рекомендовала пойти в средние профессиональные учебные заведения, выпускникам с СПО - поступить в вузы, бакалаврам - в магистратуру. Чтобы задержать женщин в отпусках по уходу за детьми, им было решено увеличить пособие9.
6 Республика Башкортостан, № 204 // «Глазами социолога», 20.10.11.
7 http://kremlin.ru - Рабочая встреча с президентом республики Башкортостан Рустэмом Хамитовым, 11.02.11.
8 http://www.socpol.ru - Социальный атлас российских регионов / Портреты регионов / Республика Башкортостан.
9 http://www.hrmonitor.ru - «Власти Татарстана разрабатывают меры по уменьшению напряженности на рынке труда».
За счет того, что значения остальных четырех факторов не уступают соответствующим показателям регионов 1-го кластера, влияние фактора напряженности элиминировалось, и по результатам кластеризации Республика Татарстан была отнесена именно к 1-му кластеру. Однако при расчете интегрального показателя рассматриваемый фактор оказал значительный эффект на результат, снизив его до значения 0,601.
Обратная ситуация наблюдается в Нижегородской области - интегральный показатель (0,807) довольно высок, что нехарактерно для объектов 2-го кластера, средний интегральный показатель в котором 0,553. Нижегородская область не попала в доминирующий кластер из-за высокого для этого кластера уровня безработицы - в области он составляет 7,8, а средний уровень по кластеру всего 5,9. К тому же уровень экономически активного населения (68,8%) располагался близко к среднему значению 2-го кластера (68,7%).
Вне зависимости от принадлежности к тому или иному кластеру, Нижегородская область славится самым низким показателем напряженности - 0,8 (среднее по ПФО - 2,2). Оно было достигнуто благодаря максимальному числу предоставляемых вакансий - их к концу декабря 2010 года насчитывалось свыше 29 тысяч (среднее по ПФО -11 183) при числе зарегистрированных безработных, незначительно превышающем среднее значению по округу.
По данным 2009 года, Кировская область находилась в III группе и незавидном положении. Градообразующие предприятия области не справлялись и проходили процедуру банкротства, прибыль организаций в целом по региону снизилась более чем на 50%. Машиностроительный завод «Молот» был вынужден приостановить производство. Задолженность предприятия перед работниками, которым начислялась 2/3 заработной платы, была внушительна. Бюджетные средства позволили лишь погасить задолженность по заработной плате коллективу предприятий, частично - по налогам и перед банками10. К 2010 году благодаря значительным субсидиям из областного и федерального бюджетов, а также желанию возобновить производство на самих предприятиях с привлечением инвесторов удалось нормализовать работу «Молота» и стрижевского «Силиката»11. Тем не менее ситуация на нескольких предприятиях по-прежнему тревожна, например, на градообразующем предприятии поселка Мурыгино - бумажной фабрике «Эликон», а также в поселке Гирсово.
10По материалам «Российской газеты» от 08.06.2009.
11 http://www.bizneskirov.ru - «Кировские моногорода - спасение в инвесторах?», 16.02.11
Нельзя не заметить стремительное улучшение ситуации на рынке труда в Саратовской области. Оно связано как с улучшением в целом общеэкономической ситуации в области, так и с реализацией программ занятости. На предприятиях по-прежнему проводятся сокращения, но с большей осторожностью - на место уволенных людей могут обязать нанять новых, однако специалистов среди них может не ока-заться12.
По-видимому, оперативные решения, высокая диверсифицирован-ность экономики области, ее низкая зависимость от общемировой рыночной конъюнктуры в совокупности с комплексом антикризисных мер, а также значительные вливания денежных средств смягчили последствия экономического кризиса. В результате Саратовская область к 2009 году смогла подняться из 3-го кластера во 2-й, а к 2010 году -примкнуть к процветающим регионам 1-го кластера.
Пензенская область в 2009 году смогла избежать обвальной безработицы и попала в «средний» кластер. Городские власти видят в этом заслугу принимаемых ими антикризисных мер13. Однако особенностью этого региона, помимо значительной доли пожилого населения (25%) и высокой доли сельского населения (33%) являются устойчивые тенденции миграционного оттока14. В 2009 году, по признанию ректоров учебных заведений, было трудоустроено от 28 до 89% выпуска. По данным службы занятости, официально признаться безработными обратились около 600 выпускников вузов, которых было свыше 9 тысяч. При этом если половина трудоустроилась по специальности, то возникают подозрения, что более 3 тысяч уехали за пределы Пензенской области15.
Вместе с тем стоит отметить, что основным мероприятием антикризисной программы области было содействие развитию малого предпринимательства, в рамках которого в 2009 году зарегистрировали собственное дело 7950 человек. Более 80% из них дело - жители сельской местности, поэтому эта мера позволила стабилизировать социальную напряженность в сельских районах16.
12 «Человек и труд», интервью Светланы Нечаевой, министра занятости, труда и миграции Саратовской области, 6/2010.
13 http://www.hrmonitor.ru - «В Пензенской области снижается уровень безработицы».
14 http://www.socpol.ru/ - Социальный атлас российских регионов / Портреты регионов / Пензенская область.
15 Информационно-аналитический центр «Парето» - Безработица в Пензенской области, июль 2009 года.
16 По материалам, размещенным в газете «Вестник трудоустройства» от 26.04.2010.
Темпы развития рынка труда Пензенской области остались на прежнем уровне, однако этого недостаточно, чтобы соответствовать соседним регионам, таким как Саратовская область и Республика Мордовия. Аналогично дела обстоят и в Ульяновской области - хотя и удалось добиться улучшения ситуации (о чем свидетельствует увеличение интегрального показателя в 2010 году по сравнению с 2009-м), регион попал в 3-й «доминируемый» кластер.
Уровень безработицы во время кризисов наиболее высок в городах, где функционируют предприятия машиностроительной отрасли, такие, например, как «АвтоВАЗ». Экономика Самарской области чувствительна к изменениям в работе этого системообразующего предприятия. Поэтому его естественное желание сократить издержки производства влечет за собой удручающие последствия в виде значительного пополнения числа безработных граждан. К счастью, благодаря господдержке по большей части удалось стабилизировать финансово-экономическое состояние предприятия, стабилизировав тем самым экономику всей области.
Заключение
Преимуществом кластеризации за несколько лет является то, что можно изучить гибкость рынка труда той или иной области, т.е. проанализировать как рынок труда той или иной области изменяется во времени. Также можно выделить группы объектов с наиболее схожей динамикой изменений показателей и экономически обосновать сложившуюся ситуацию на рынке труда за несколько лет для конкретного объекта кластеризации. Для выделенных групп объектов можно разработать комплексные меры по устранению причин, которые препятствуют эффективному развитию рынка труда.
Проведенный анализ показал, что в 2001-2007 годах целесообразнее всего рассматривать два кластера. При этом кластер, условно названный нами «1-й», доминирует в среднем по всем показателям над «2-м» кластером. Это позволяет говорить о более благополучном положении на рынке труда в регионах, попавших в «1-й» кластер. Стабильно таким регионом является только Самарская область. Традиционно во «2-й» кластер попадают Республика Башкортостан, Саратовская, Пензенская, Оренбургская области.
Применение только разбиения на кластеры, к сожалению, не позволяет получить точной картины происходящих изменений, поэтому была применена методика сравнения уровня развития. Сопоставление интегральных коэффициентов за текущий год с соответствующими значениями прошлых лет дает возможность заключить, что большому
числу субъектов ПФО удалось достичь докризисных показателей (Башкортостан, Марий Эл, Чувашия, Пермь, Пенза, Самара), остальным регионам - значительно превзойти уровень 2007 года. Что касается Кировской области, то, как уже отмечалось, ситуация в ней, хотя и остается напряженной, все же вышла из критической фазы, о чем свидетельствуют интегральные показатели этого и прошлого годов.
Вышеописанный подход может быть применен при изучении на основе кластерного анализа инвестиционной, промышленной сферы и ее отдельных отраслей, агропромышленного бизнеса, социальной сферы, экологической и т.д. за несколько лет.
Библиографический список
1. Айвазян С.А, Мхитарян В.С. Прикладная статистика. Основы эконометрики: В 2 т. - 2-е изд., испр. - Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ-ДАНА, 2001. - 656 с.
2. Яцкив И.В., Гусарова Л. Методы определения количества кластеров при классификации без обучения. - Рига: Изд-во ИТС, 2003.
3. Салюкова В.М. Методика изучения динамики изменений характеристик кластеров и объектов кластеризации // Инновационные технологии в экономике, информатике и медицине: Сборник статей V Межрегиональной научно-практической конференции. - Пенза: ПГТА, 2008. - С.73-75.
4. Госкомстат России [официальный сайт]. URL: http://www.gks.ru
Контактная информация
drdeleted@gmail.com
Contact links
drdeleted@gmail.com
