CC BY
304
ТРУД И ЗАНЯТОСТЬ
В.А. Гуртов, Е.А. Питухин, Л.М. Серова
МОДЕЛИРОВАНИЕ ПОТРЕБНОСТЕЙ ЭКОНОМИКИ В КАДРАХ С ПРОФЕССИОНАЛЬНЫМ ОБРАЗОВАНИЕМ
В статье рассмотрены алгоритмы и математические модели, позволяющие на основе макроэкономического анализа получать прогнозные оценки потребностей региональных экономик в выпускниках системы высшего, среднего и начального профессионального образования и формировать плановые цифры приема в образовательные учреждения на базе этих потребностей.
Модель опирается на матрицы профессионально-квалификационных соответствий, в ней используются коэффициенты ротации занятого в экономике населения и данные о среднегодовой численности работников по отраслям экономики и уровням образования. Методика для прогнозирования потребностей в выпускниках системы профессионального образования является унифицированной для всех субъектов Российской Федерации.
Образование в российском обществе призвано удовлетворять потребности как личности в получении знаний, умений и навыков, так и экономики в подготовке квалифицированных кадров, востребованных рынком труда. Интерес к проблематике взаимосвязей рынка труда и рынка образовательных услуг сегодня достаточно высокий [1].
Задачи в области взаимосвязи профессионального образования и рынка труда требуют тщательной методологической и методической разработки [2, 3] для приведения в соответствие численности и уровня квалификации выпускников системы профессионального образования с перспективными потребностями рынка труда.
Алгоритмы и модели прогнозирования потребностей экономики в выпускниках системы профессионального образования
Принципиальный подход. Базой для решения задач анализа и прогноза в настоящем исследовании служит система математических моделей, описывающих динамику взаимосвязей экономики, рынка труда и профессионального образования [4].
Низкий уровень межрегиональной миграции трудовых ресурсов и учащейся молодежи позволяет рассматривать субъекты Федерации как замкнутые системы и выполнять прогнозные оценки на региональном уровне, а совокупную потребность для РФ рассчитывать путем суммирования потребностей субъектов Федерации.
Схема обобщенной модели социально-экономической системы региона (рис. 1) содержит четыре поля: систему общего (начального) образования; систему профессионального образования; рынок труда; экономику.
Эти поля отражают этапы движения во времени изучаемых потоков, основным из которых являются людские (трудовые) ресурсы. Данный поток «входит» в схему в виде вектора рождаемости, проходит через системы начального, общего и профессионального образования, попадает на рынок труда и затем вливается в экономику, создавая на «выходе» валовой региональный продукт (ВРП). В указанной схеме человек является трудовым ресурсом, необходимым для производства товаров и услуг.
Кроме прямой задачи - анализа и прогноза развития такой системы, необходимо рассматривать и обратные задачи - оптимизацию выпусков из образовательных учреждений (ОУ), управление приемами в ОУ по требуемым специальностям. Для реализации принятых темпов роста ВРП некоторого региона требуются кадры. При этом
возникает проблема соответствия потребностей экономики в специалистах с возможностями системы образования по подготовке нужного объема квалифицированных кадров для каждой отрасли к определенному сроку.
СИСТЕМА
НАЧАЛЬНОГО
ОБРАЗОВАНИЯ
СИСТЕМА
ПРОФОБРАЗОВАНИЯ
РЫНОК ТРУДА
требуемая среднегодовая численность работников по 28 УГС
ЭКОНОМИКА
К() Щі) Іт(і)
занятые в экономике
а(г) щ гф
ПАРАМЕТРЫ УПРАВЛЕНИЯ БАЛАНСОМ РЫНКА ТРУДА И РЫНКА ОБРАЗОВАТЕЛЬНЫХ УСЛУГ
* 8 ¡2
Рис. 1. Структурная модель динамической системы «Экономика - рынок труда - профессиональное образование»
(НПО, СПО, ВПО - соответственно начальное, среднее, высшее профессиональное образование)
Наиболее эффективное решение данной проблемы - выявление необходимой для экономики региона численности приема абитуриентов (выделено пунктиром на рис. 1) в ОУ с учетом специальностей и уровней образования. Инструментом реализации при этом может быть государственное задание на размещение контрольных цифр приема в учреждения профессионального образования.
Проблематика, связанная с формированием прогнозных потребностей экономики в кадрах с профессиональным образованием, достаточно подробно рассматривалась на протяжении последних лет. Обзор моделей в области макроэкономики приведен в монографиях В.А. Колемаева [5], Е.А. Питухина и В.А. Гуртова [4] . Модель, связывающая численность работников с параметрами экономики представлена в работе С.В. Дубовского [6] и получила развитие в работе [7]. Анализ прогнозных потребностей российского рынка труда рассмотрен в монографии А.Г. Коровкина [8] и авторских научных публикациях [3, 4]. Прогнозные оценки в области образовательных потоков приведены в работах А.Ф. Киселева, А.Я. Савельева, Б. А. Сазонова [9], А.Ю. Апокина [10], авторов настоящей статьи [3, 11].
Тем не менее изучение этих публикаций свидетельствует об отсутствии моделей, позволяющих проводить комплексный анализ спроса и предложения на рынке труда и рынке образовательных услуг и количественно оценивать потребности рынка труда в специалистах с различным уровнем профессионального образования. Структурная схема динамической системы «экономика - рынок труда - профессиональное образование», приведенная на рис. 1, позволяет разработать комплексную макроэкономическую модель. Ниже более детально рассматриваются отдельные блоки указанной модели.
Блок экономики (сценарии развития экономики и прогноз требуемой численности работников). Предсказать, насколько стабильно в каждую отрасль бу-
дут поступать инвестиции и какие изменения они внесут в отраслевую структуру, достаточно сложно [12]. Предлагается построить несколько сценариев развития экономики, для каждого из которых в дальнейшем можно прогнозировать потребность в кадрах [13]. Региональные программы социально-экономического развития разрабатываются органами исполнительной власти субъектов Федерации, согласуются с федеральными органами управления экономикой и утверждаются региональной законодательной властью [12].
Если доступны приведенные в блоке экономики на рис. 1 статистические данные для исследуемого региона и выбран соответствующий сценарий развития, то для моделирования ВРП отрасли с учетом численности работников предлагается использовать производственную функцию с эндогенным научно-техническим прогрессом (по Харроду) из нестационарной модели российской экономики С.В. Ду-бовского [6] с дискретным временем:
(х х +1) - х (0)/х (0 = = а(Х X +1) - К X) )/К (0 + (1 -а)((Х +1) - Х))/Х)) + а I (/)/К (/),
где X(/') - ВРП; X) - число занятых или работников; К(/') - основные фонды; I (/') - инвестиции; а - коэффициент эластичности ВРП по фондам; а - эффективность новых технологий по производительности труда; I - год.
Здесь слагаемое а1(/)/К(/) - темп роста технологического уровня экономики - отображает увеличение производительности труда за счет появления «псевдоработников». Вместе с темпом роста занятости (X +1) - Х))/Х) они составляют темп экономического роста [6]. Влияние НТП при этом происходит изнутри, эндогенно. Модель производственной функции (1) в случае получения значимых регрессионных оценок при оценке параметров а и о будет более адекватной реальности, чем при задании НТП экзогенным путем, что подтверждается также аналогичным соотношением, которое можно получить из математических моделей в работе [14].
Как показывает практика расчетов, получить всю необходимую статистическую информацию по осуществленным и планируемым инвестициям, основным фондам, численности работников для отдельной отрасли субъекта Федерации достаточно непросто.
В случае, когда не известны данные о состоянии основных фондов и инвестициях за ретроспективный период и отсутствуют их прогнозы, то для оценки численности занятых тенденции изменения производительности труда экстраполируются на прогнозный период. В указанных случаях полученная численность работников X) рассматривается как потребность в кадрах по отраслям экономики региона. Такие оценки соответствуют «сценариям управления», так как численность работников в отрасли зависит от планов изменения ВРП.
Рассматривается также «сценарий невмешательства», в котором изменение численности занятых работников в отрасли не зависит от ожидаемого изменения ВРП и вычисляется на основе экстраполяционной оценки изменения численности региональных трудовых ресурсов. Расчет численности кадров, которые могут быть получены за счет региональных трудовых ресурсов, сводится к нахождению регрессии между прогнозом численности населения региона в трудоспособном возрасте ЬаЪ(г) и численностью работников в экономике -£(/').
Выбор наиболее вероятного сценария прогноза общей численности работников осуществляется экспертными методами согласно поставленным целям исследования.
Для примера были рассмотрены базовые сценарии развития экономики РФ с приростом ВВП к 2015 г. до 75% по сравнению с 2005, и инвестиционно-активные с приростом ВВП до 100%. Любой из этих сценариев предполагает соответствующий процент увеличения потребности в квалифицированных кадрах, при допущении, что производительность труда постоянна. Основываясь на полученном ранее демографически
обусловленном прогнозе снижения количества выпускников из всех учреждений профессионального образования к 2015 г. в среднем в 2 раза, можно сделать грубую оценку: производительность труда по недобывающим отраслям должна быть увеличена до четырех раз. Макроэкономическая оценка влияния демографической проблемы на экономику, создающего дефицит рабочей силы, дается в статье А.Г. Коровкина, И.Н. Долговой, И.Б. Королева [15].
На рис. 2 показана динамика изменения численности работников в строительстве в целом по РФ.
Тыс. чел.
18000 -
16000 -
14000
12000
10000 -
8000
6000
4000 -
2000 -
0
Год
Рис. 2. Различные варианты изменения численности работников в отрасли «Строительство». Рост производительности труда: -О- линейный; геометрический;
экспоненциальный; -Л- замедляющийся;
-О- ретроспектива; — сценарий невмешательства
Четыре верхних кривых показывают потребность в кадрах при различных темпах роста производительности труда в данной отрасли в связи с реализацией национального проекта в области жилья. При этом принимается допущение о реализации нормативного плана удвоения объема валовой продукции отрасли «Строительство» к 2010 г. по отношению к 2004 г. (при сохранении темпов роста ВВП отрасли приблизительно 15% в год). Нижняя кривая отражает «сценарий невмешательства» и экстраполирует тенденцию ежегодного снижения числа работников в отрасли «Строительство» в рамках общего ограничения на численность трудоспособного населения России.
Динамика изменения численности работников была рассчитана при различных оценках изменения производительности труда. При линейном росте производительности труда строилось уравнение регрессии для производительности труда, начиная с 1998 г., при замедляющемся росте темп роста производительности труда приводился к единице к 2015 г.; при геометрическом росте вычислялось среднее геометрическое темпа роста с 1998 по 2004 г.; при экспоненциальном росте (социальной мобилизации) строилось уравнение авторегрессии.
На основании полученных оценок (см. рис. 2) можно судить о степени вмешательства в область подготовки квалифицированных кадров, необходимого для реализации национального проекта «Жилье» в отрасли «Строительство». Очевидно, что для удвоения ВВП необходимо либо двукратное увеличение работников, либо существенное повышение производительности труда в отрасли. В то же время при любом из вариантов прогноза роста производительности труда требуется дополнительная потребность отрасли в квалифицированных кадрах по сравнению со сценарием невмешательства и сохранением существующих тенденций.
Повышение производительности труда возможно при значимом увеличении инвестиций в научно-техническую составляющую экономического роста. Отсутствие возможности увеличить производительность труда по всем отраслям экономики и подотраслям промышленности вызывает необходимость определения приоритетных отраслей экономики для первоочередного обеспечения кадрами. Очевидно, что на 100% удовлетворить потребность в кадрах для достижения запланированных темпов роста экономики при незначительном увеличении производительности труда достижимо только для «избранных» отраслей, которые будут «бороться за кадровый ресурс» посредством отраслевого финансирования обучения и обеспечения лучших социально-экономических условий для работников.
Рассчитанные в работе [6] параметры экономической системы говорят о низкой доле оплаты труда в ВРП регионов по сравнению с аналогичными показателями в развитых рыночных экономиках. Возможно, что этим определяется низкая привлекательность и престиж профессий начального и среднего уровня профессиональной подготовки, поскольку доля работников с начальным и средним профессиональным образованием в структуре занятых существенно занижена относительно оптимальной пропорции. Данная ситуация может быть разрешена путем постепенного устранения дисбаланса между потребностями рынка труда и возможностями рынка образовательных услуг.
Блок рынка труда (ежегодная потребность отраслей экономики в кадрах). Необходимо отметить, что потребность в кадрах складывается из различного вида потребностей: 1) возмещения естественного выбытия работников, в том числе по возрастному цензу; 2) возмещения дефицита кадров, связанного с уходом работников из-за неудовлетворенности состоянием рабочих мест (низкая заработная плата, отсутствие социальных пакетов, низкий социальный статус, напряженный график труда и т.д.); 3) обеспечения кадрами новых конкурирующих производств товаров и услуг. В настоящей работе при определении потребности в кадрах используются по сценарию невмешательства - положение 1); по сценарию управления - положения 1) и 3). Положение 2) является трудно формализуемым и в настоящее время в моделях не используется.
Расчет потребности отраслей региональной экономики в выпускниках системы профессионального образования включает следующие этапы [16, 17, 18]:
• Определение общей численности работников в экономике Щ) было ранее осуществлено в блоке экономики.
• Прогноз распределения работников по отраслям экономики и социальной сферы. Поставленная задача решается так же, как и для случая с общей численностью Щ). В итоге получается множество прогнозов ¿1 (/'), где I - одна из 13-ти отраслей экономики.
• Прогноз распределения работников по уровню образования и отраслям эконо-
мики. Полученный прогноз численности работников по отраслям необходимо разделяется еще и по уровням образования работников. Доля работников с заданным уровнем образования в отрасли экстраполируется по ретроспективным данным в будущее. В итоге получается распределение Ц (/') по уровням образования: Ц (/'), ЦС (/'), (/')
- прогноз потребности отраслей экономики в работниках соответственно с высшим (V), средним (С) и начальным (N) образованием.
• Расчет коэффициента ежегодного обновления (величина, обратная коэффициенту ротации) по отраслям экономики занятого населения. Этот коэффициент зависит от уровня образования и определяется эмпирическим путем. Например, для высшего образования он составляет приблизительно 4%, соответствующий коэффициент ротации Яv = 1/0,04 = 25. Для среднего коэффициент ротации также высок, Яс е [20..25], для начального образования он достаточно низок, что объясняется высокой ротацией кад-
ров специалистов с НПО, е [15. 20]. На основе коэффициента ротации рассчитыва-
ется доля ежегодно обновляемой части работников (потребности в специалистах) соответствующего уровня образования для каждой отрасли экономики; например, для высшего образования она будет равна (1)/Яv .
• Построение нормативной матрицы весовых коэффициентов профессионально-квалификационного распределения выпуска специалистов для 28-ми укрупненных групп специальностей (УГС) по 13-ти отраслям экономики и 14 отраслям промышленности. Строки этой матрицы соответствуют 13-ти отраслям экономики (/ индекс отраслей экономики), а столбцы - 28-ми укрупненным группам специальностей ^ индекс укрупненных групп специальностей). Данная матрица является нормативной и уникальной для каждого уровня образования О, О е {V, С, N}: ее элемент а01 k соответствует процентной доле специалистов уровня образования О с ^й
УГС, которые традиционно привлечены к работе в отрасли экономики /. Такая матрица позволяет пересчитать ежегодную потребность в специалистах Ptok (О
уровня образования О из разреза / отраслей экономики в разрез k укрупненных групп образовательных специальностей:
_ 13
При переходе от ОКОНХ к ОКВЭД нормативный матричный подход сохраняется с учетом изменения строк матрицы профессионально-квалификационного соответствия, т. е. замены в них отраслей народного хозяйства и промышленности на виды экономической деятельности.
Данный матричный подход для прогнозирования потребностей российского рынка труда в профессионально-квалификационном разрезе был предложен в работах [3, 16]. И как оказалось, аналогичный подход активно используется Бюро трудовой статистики США [3].
Блок профессионального образования (возможность подготовки квалифицированных кадров). Принимается ряд основных допущений:
1. Выпускникам 9-х и 11-х классов школ и гражданам с общим средним образованием в поисках возможности получения профессионального образования доступны всего три альтернативы: ОУ начального профессионального образования (НПО) со сроком обучения два года; ОУ среднего профессионального образования (СПО) со сроком обучения четыре года; ОУ высшего профессионального образования (ВПО) со сроком обучения пять лет.
2. Желающие учиться не могут одновременно поступить в два (или более) образовательных учреждения.
3. Процессы (события), не связанные с поступлением в ОУ (служба в армии, неквалифицированная работа без профессионального образования) не рассматриваются в рамках данных моделей.
Согласно принятой методологии [11], параметры модели определяются следующим образом:
- параметры распределения потоков - это весовые коэффициенты распределения учащихся по учреждениям профессионального образования;
- параметры управляющих воздействий внешней среды - это векторы и9(1) и иц(1) выпусков школ 9 и 11 классов некоторого субъекта Федерации;
- в качестве управляемых переменных выступают потоки приемов в ОУ, которые формируются согласно некоторой программе или плану.
(2)
Зависимости выходных потоков (выпусков) ОУ от входных потоков (приемов) выражаются через передаточные функции. В наиболее простом случае они являются константами, тогда:
Vv (/) = KvPv а - 5), Vc (г) = КсРс а - 4)„ VN (г) = KNPN - 2), (3)
------------------- Т___________________________________________________
где KN, Кс , Kv - коэффициенты передаточной функции (коэффициенты отсева) для трех уровней образования соответственно; Ро (г) - прием в ОУ уровня О; Vo (г) - выпуск из ОУ уровня О.
Для определения коэффициентов передаточных функций ОУ для каждого региона, использовались методы линейной регрессии, авторегрессии и усреднения по тренду времени.
Математическая модель распределения потоков выпускников, являющаяся универсальной для всех субъектов Федерации, формализуется в виде системы трех конечно-разностных уравнений:
PN (0 = и 9 (г -1)( + К1)+ ип(1 - 1)К^ + и 9Ц)(к% + К9)+ и „(/) к";
+ и
Ру (і) = Р, (і - 2)КК + Рс (І - 4)Кскус +
+ Р, (і - 3)КЫК1 + Рс (і - 5)КсКУг + + и „(і) + и и(і -1) К^;
Рс (і) = и 9 (і) К с + и 11 (і) кс + и 9 (і -1) К9сг +
(4)
+ и п (г -1) кС1г + PN (г - 2) KNKCc + Р^ (г - 3) KNKcNr +
+ Рс (г - 5)КсКСсг + Ру (г - 6)KvKNcr.
у
В системе уравнений (4) под коэффициентами Кх с верхними и нижними индексами следует понимать передаточные функции, которые обозначают долю от потока X, направляемую в поток У. Например, к}[ это доля выпуска из 11-го класса сего года, поступившая в ОУ ВПО в текущем году. Индекс г обозначает предыдущий год, так, например, кСг - это доля выпускников из ОУ СПО прошлого года, поступившая в ОУ ВПО в этом году.
Модель (4) описывает приемы и выпуски, не разбивая их на специальности. Этого недостаточно для решения задачи баланса, поскольку необходимо соблюдать условие тождества размерностей. Для устранения этого несоответствия модель (4) записывается k раз отдельно для каждой из 28-ми УГС и объединяется в интегральную сетевую модель, которая учитывает горизонтальную миграцию учащихся при поступлении в крупные образовательные центры. Общее количество ненулевых параметров новой интегральной системы при этом с учетом всех 86-ти субъектов Федерации составит более 150000, а количество уравнений более 7000.
Блок баланса рынка труда и рынка образовательных услуг. Данный блок содержит построение балансов: сравнение прогноза потребностей отраслей экономики и промышленности в выпускниках системы профессионального образования по модели (2) и прогноза возможностей системы профессионального образования обеспечить эти потребности для 28-ми УГС по модели (4).
На рис. 3 показаны результирующие кривые прогноза требуемой численности работников различного уровня профессионального образования в экономике РФ с 2006 по 2015 г. (сплошной линией) и прогноз выпуска из государственных учреж-
Удалено: Уу (і) = КуоиРу (і
дений профессионального образования - ГОУ (пунктиром) при условии сохранения существующих тенденций.
1 500 000 1 300 000 1 100 000 900 000 700 000 500 000 300 000
Рис. 3. Динамика ежегодной потребности в работниках экономики РФ в разрезе уровней профессионального образования по «сценарию невмешательства»: с ВПО (-А-), с СПО (—), с НПО (-•-) и динамика выпуска специалистов из системы профессионального образования РФ:
ГОУ ВПО (-Л-); ГОУ СПО (----); ГОУ НПО (-О-)
Приведенные графики отражают ситуацию в РФ, сходную с ситуацией во многих субъектах Федерации. Данные рис. 3 показывают, что выпуск из ОУ ВПО существенно превышает потребность экономики в специалистах с высшим образованием. В то же время экономика РФ нуждается в квалифицированных кадрах со средним профессиональным образованием, но дисбаланс на этом уровне со временем только возрастает. Суммарное количество выпускников из ОУ НПО будет отставать от потребности в них, начиная с 2007 г. С учетом того факта, что только 50% выпускников ОУ НПО трудоустраиваются, дисбаланс между потребностью и выпуском специалистов с НПО будет увеличиваться, т.е. доля специалистов по рабочим профессиям будет уменьшаться.
Программная реализация алгоритмов и моделей позволяет проводить прогнозные расчеты потребностей экономики в специалистах в региональном и отраслевом разрезе и выпусков из ОУ разного уровня.
На рис. 3 приводятся интегральные характеристики, но не отражается ситуация в разрезе специальностей. Детализация потребности и выпусков для ОУ ВПО Республики Карелия на 2010 г. в разрезе УГС показана на рис. 4.
Данные рис. 4 свидетельствуют о дисбалансе подготовки специалистов внутри уровня ВПО. Основное превышение предложения относительно спроса приходится на УГС «Гуманитарные науки» (+326%), «Экономика и управление» (+144%). «Образование и педагогика» (+53%). Напротив, дефицит ожидается по следующим наиболее востребованным УГС: «Металлургия, машиностроение и металлообработка» (-65%), «Информатика и вычислительная техника» (-57%), «Строительство и архитектура» (-47%).
Такая ситуация характерна для многих субъектов РФ (табл. 1).
Как следует из табл. 1, для рассматриваемых регионов и России положителен баланс на уровне ВПО (избыток подготовки специалистов) по УГС «Гуманитарные науки» и «Экономика и управление» в 2005 г., который сохранится до 2015 г. (в среднем по РФ +7% и +15% соответственно).
Рис. 4. Прогнозы потребности экономики Республики Карелия в выпускниках ОУ ВПО (□ ) и выпуска из ОУ ВПО дневной формы обучения по УГС ( □ ) на 2010 г.:
По УГС «Металлургия, машиностроение и металлообработка», наоборот, будет наблюдаться растущий дефицит в кадрах, который к 2015 г. составит по РФ (-10%) по сравнению с текущим (-6%). По уровням среднего и начального профессионального образования наблюдается аналогичная картина.
К 2015 г. вследствие демографического спада существенно уменьшится выпуск из образовательных учреждений профессионального образования и как следствие изменится балансовое соотношение. Из рассмотренных в табл. 1 четырех регионов только Томская область по интегральным показателям подготовки кадров к 2015 г. будет иметь небольшой избыток выпускников ОУ ВПО и НПО по сравнению с потребностью [19].
табл. 1
Это обусловлено тем, что Томская область является федеральным образовательным мегаполисом, куда приезжают получать высшее образование из других российских регионов - Кемеровской области, Красноярского края, Тюменской области, Республики Хакасия, Алтайского края и т.д.
Более детальный анализ прогнозных оценок потребности отраслей экономики России в специалистах с профессиональным образованием (ВПО, СПО, НПО) на период до 2015 г. показывает, что в среднем по РФ к 2010 г. потребность в кадрах составит для отрасли «Промышленность» 766 тыс. чел. и будет обеспечена системой образования лишь наполовину (390 тыс. чел.). Вместе с тем будет наблюдаться избыток предложения в отрасли «Оптовая и розничная торговля» более чем в 2 раза - 195 тыс. чел. при потребности 82 тыс. чел. Для отрасли «Управление» при потребности 38 тыс. чел. будет подготовлено 76 тыс. чел.; для отрасли «Сельское и лесное хозяйство» при потребности 47 тыс. чел. будет подготовлено 124 тыс. чел.
Проведенный анализ свидетельствует о значительном дисбалансе в системе российского образования в отношении количественно-квалификационного соответствия выпускаемых специалистов потребностям отраслей экономики.
Для нахождения оптимального количества выпускников с позиции приведения в соответствие выпусков из ОУ ПО потребностям отраслей региональных экономик необходимо решить обратную балансовую задачу.
Уок (/) = Рг0к (/), V« е{У, С, . (5)
В задаче (5) задающим (желаемым) воздействием является правая часть равенства, т.е. потребности отраслей экономики Пок (/) в разрезе специальностей и
уровня образования, а левая часть равенства - выпуски из ОУ У«к (/) являются
проектными или оптимизируемыми параметрами, значения которых в процессе оптимизации подгоняются к соответствующим потребностям.
Рассмотрим один из вариантов «мягкого» решения задачи (5).
Блок формирования государственного заказа на подготовку востребованных экономикой специалистов. За основу формирования контрольных цифр приема берутся балансовые таблицы спроса и предложения.
Предлагается методика, отличная от общей постановки задачи, построенная на концепции «щадящего управления», которая при формировании контрольных цифр приема для 28-ми УГС опирается на три базовые положения [20]:
- ориентация на потребность региональной экономики в специалистах с профессиональным образованием;
- первоочередное обеспечение приоритетных отраслей экономики региона выпускниками системы профессионального образования;
- постепенный переход от существующей ситуации приемов к формированию желаемых контрольных цифр в течение четырех-пяти лет.
Методика формирования госзаказа представлена в виде схемы на рис. 5.
Допустим, что известна потребность в специалистах на конец периода упреждения Р(ук (/у), которой должны соответствовать выпуски из ОУ ВПО; состоявшийся выпуск на текущий год Уук (/3) известен.
Тогда математическая модель оптимальных желаемых выпусков Уук (/$) по указанной методике для ВПО построена в виде линейной интерполяции между точками /5 и /у:
Уук (/) = (/э ) + (/ -/э ){р1ук (/у ) - Уук (/э )У(// - Ь ) . (6)
Уменьшение
Рис. 5. Схема методики формирования государственного задания (контрольных цифр приема) на основе потребности экономики
Поэтому оптимальный прием в год ' е ¡,, ¡г ] можно оценить в результате реше- - ' Удалено: согласно
ния обратной задачи по формуле (3): "■ - - Удалено: рассчитать
Рп (¡) = ;; (¡, + 5)/^ . (7)
На основании изложенного алгоритма проведены расчеты по оптимальным контрольным цифрам приема в разрезе 28-ми УГС на период до 2015 г. для пилотных регионов (Республики Карелия, Томской области, Пермской области, Республики Саха(Якутия)). Рекомендовано уменьшить прием в группы гуманитарных и экономико-управленческих специальностей, но увеличить в группы машиностроительных, информационно-технических и строительных специальностей.
Верификация прогнозных выпусков системы профессионального образования и прогнозной потребности экономики в кадрах с профессиональным образованием различного уровня. Приведем пост-прогноз выпусков 2003 г. системы профессионального образования, полученный по программе версии «у.2003», которая располагала данными только за 2000 и 2001 г. Этим исключается соблазн «поправить прогноз», когда в версии программы от 2006 г. присутствуют данные до 2005 г. включительно.
В качестве примера рассматривается прогноз по Пермской области (табл. 2).
В 2003 г. в программе «у.2003» имелись только данные из справочников Росстата «Регионы России 2002» [21], по этим данным за 2000 и 2001 годы настраивалась программа расчета.
Фактические данные по приемам и выпускам за 2002-2006 гг., с которыми будет в дальнейшем сравниваться прогноз, приведены в табл. 3 [22].
В табл. 4 приводятся три вида оценки точности прогноза, вычисленные для контрольной выборки с 2002 по 2005 г.:
1) О - оценка прогноза, позволяющая судить о точности прогноза, когда имеются данные о реализации прогноза. В [23] приводятся следующие рекомендации по использованию оценки: 0>0,9 - прогноз хороший; 0,8<0<0,9 - прогноз удовлетворительный; 0<0,8 - прогноз неудовлетворительный. Данные табл. 4 показывают, что
оценка прогноза О выше 0,8, в большинстве случаев выше 0,9. Это говорит, скорее, о хорошей, чем удовлетворительной точности прогноза;
2) СООП - среднее относительных ошибок в процентах;
3) САО - среднее абсолютных отклонений прогнозной величины от реальной.
Таблица 2
Прогноз приемов и выпусков студентов из ГОУ ВПО, СПО и НПО Пермской области*
ВПО СПО НПО
Год Прием Выпуск Прием Выпуск Прием Выпуск
2000 18658 8223 20509 11951 25578 25340
2001 19267 8736 21174 12360 26516 24890
2002 18768 9620 20447 13037 26011 22984
2003 19265 10399 20106 15231 25020 23826
2004 20243 13826 19914 16766 23830 23372
2005 20013 16341 18915 17310 21980 22482
2006 18889 16874 17388 16716 19717 21413
2007 17470 16437 15846 16437 17737 19751
2008 16113 16873 14170 16280 15708 17717
2009 14876 17729 13077 15464 14640 15938
2010 13522 17528 11941 14215 13622 14115
2011 12531 16543 11350 12954 13141 13155
2012 11810 15301 10960 11534 12975 12111
* 2000-2001 гг. — фактические данные, 2002-2012 гг. — прогноз.
Таблица 3
Исходные статистические данные о приемах и выпусках в ГОУ ВПО, СПО и НПО Пермской области
Год ВПО СПО НПО
Прием Выпуск Прием Выпуск Прием Выпуск
2000 18958 8841 20759 11936 27300 25000
2001 19166 10225 20984 13200 27200 25200
2002 20656 12394 21100 14749 27200 24706
2003 19900 13523 20800 14668 27200 23300
2004 20185 14888 20722 16241 25676 32947
2005 20969 15389 20109 15675 20592 24470
Таблица 4
Оценки точности прогноза за период 2002-2005 гг.
СООП, % 4,29 14,70 4,07 7,28 6,58 11,60
САО 884 1978 837 1109 1651 3453
O 0,946 0,832 0,958 0,918 0,933 0,845
Все указанные (табл. 4) оценки СООП не превышают 15%, несмотря на резкий «выброс» в исходных данных выпуска из ОУ НПО в 2004 г. (см. табл. 3). Приведенные оценки свидетельствует о хорошей точности прогноза при сравнении его с реализацией.
Верифицировать полученные прогнозы потребности в экономики в кадрах с профессиональным образованием достаточно сложно, поскольку по этим характеристикам не существуют общепризнанных критериев и показателей. В качестве ориентиров потребностей экономики в кадрах могут служить показатели трудоустройства выпускников на рабочие места, соответствующие полученной специально-
сти и данные о вакансиях служб по труду и занятости. Возможно сравнение расчетных прогнозных потребностей с альтернативными прогнозными оценками, полученными по другим моделям или путем выборочных опросов работодателей.
Для определения прогнозируемой потребности организаций, находящихся в ведении органов исполнительной власти субъектов РФ в специалистах с ВПО по очной форме обучения по 28-ми УГС Минобразования России в 2002 г. разработало и направило в субъекты Федерации формы для заполнения «№1-СФ», «№2-СФ» (Прогноз потребности в специалистах с высшим профессиональным образованием по очной форме обучения на 2003-2010 гг. в разрезе 28-ми УГС). Однако отсутствие единой методики определения прогнозной потребности при создании форм №1,2-СФ в регионах обусловило различные подходы к формированию этой потребности, зачастую ориентированные на существующее состояние системы образования. В целом при сравнении расчетных значений потребностей в специалистах с ВПО по формам №1,2-СФ и авторской методике выявлена корреляция прогнозов как по суммарной потребности, так и в разрезе 28-ми УГС.
На рис. 6 показано сравнение результатов прогноза потребности в специалистах экономики Республики Карелия по авторской методике и заявленной потребности в форме №2-СФ.
Рис. 6. Сравнение потребности экономики Республики Карелия в выпускниках системы ВПО по форме №2-СФ на 2010 г., заявленной органами исполнительной власти Республики Карелия в 2002 г. (Р) с результатами расчета по авторской методике (□ ) (2005 г.)
Верифицировать прогнозные потребности в профессиональных кадрах возможно с использованием данных о числе вакансий Федеральной государственной службы по труду и занятости населения, а также данных о реальном трудоустройстве выпускников. Сведения о вакансиях, имеющиеся в территориальных органах служб по труду и занятости, как показали проведенные исследования, неполные, так как не все работодатели обращаются за поиском кадров в службы занятости. Обследование трудоустройства выпускников проводится по всем образовательным учреждениям всех уровней образования в порядке ежегодной статистической отчетности и дает более объективные критерии для оценки текущей потребности экономики в квалифицированных кадрах.
В 2005 г. по заказу Департамента социально-трудовых отношений Администрации Томской области Центром бюджетного мониторинга Петрозаводского госуни-верситета (ЦБМ ПетрГУ) был составлен прогноз потребности экономики в квалифицированных кадрах для Томской области на 2006 г. Расчет проводился на основе макроэкономических показателей за 1995-2004 гг. по «сценарию невмешательства». В 2007 г. в Томске было проведено исследование о трудоустройстве выпускников ОУ НПО 2006 г. [24]. Сравнение результатов этого исследования и расчетной потребности в выпускниках НПО в разрезе востребованных укрупненных групп специальностей приведено в табл. 5.
Таблица 5
Сравнение данных о трудоустройстве выпускников ОУ НПО и прогнозов потребности экономики в выпускниках ОУ НПО Томской области в 2006 г.
Наименование укрупненных групп специальностей в системе НПО Выпуск из ОУ НПО в 2006 г. (дневное бюджетное обучение) Трудоустроено выпускников НПО, 2006 г. Прогноз потребности в выпускниках НПО по методике ЦБМ ПетрГУ 2006 г. СООП прогноза потребностей от трудоустройства выпускников, %
100000 Сфера обслуживания 110000 Сельское и рыбное хо- 770 408 414 -1,47
зяйство 130000 Геология, разведка и разработка полезных ис- 663 323 277 14,24
копаемых 210000 Электронная техника, 120 67 58 13,43
радиотехника и связь 250000 Воспроизводство и переработка лесных ресур- 94 41 44 -7,32
сов 260000 Технология продовольственных продуктов и потребительских това- 129 78 90 -15,38
ров 270000 Строительство и архи- 663 356 249 30,06
тектура 348 236 319 -35,17
Из табл. 5 следует, что данные о трудоустройстве выпускников с НПО и расчетная потребность экономики Томской области в выпускниках НПО на 2006 г. имеют достаточно высокую корреляцию. СООП по разным УГС не превышает 15% и только для УГС «Технология продовольственных продуктов и потребительских товаров» и «Строительство и архитектура» составляет 30-35%. Это связано с приоритетным развитием строительства, легкой и пищевой промышленности в 2006 г. Расчет по «активному сценарию» с учетом приоритетов развития отраслей позволяет получить более точный прогноз.
* * *
Описанные математические модели (1)-(4) в общих чертах представляют собой обобщенную модель системы «Экономика - рынок труда - профессиональное образование». На их основе решается прямая задача анализа динамики этой системы, просчитываются различные варианты ее развития. Модели (5)-(7) служат для решения обратной задачи - уменьшения дисбаланса между потребностью экономики и выпуском системы образования. На их основе могут быть рассчитаны контрольные цифры приема (госзаказ), которые позволят существенно снизить данный дисбаланс.
Основное достоинство разработанных моделей состоит в их унификации по отношению к различным регионам; эти модели идентифицируемы для каждого из 86-ти субъектов Федерации, и с их помощью могут быть построены региональные научно обоснованные прогнозы потребностей отраслей экономики в квалифицированных кадрах и возможностей системы профессионального образования по обеспечению этих потребностей.
Указанные модели составляют ядро программного продукта, разработанного в виде моделирующей информационно-аналитической системы, которая может применяться для обоснования и выработки управленческих решений. Такие решения могут быть направлены на повышение эффективности бюджетных расходов в области образования. Затраты бюджетной системы России в 2005 г. на подготовку 3 млн. бюджетных студентов в системе ВПО составили 125,9 млрд. руб. Согласно индикаторам Федеральной программы развития образования, в 2005 г. численность выпускников образовательных учреждений, трудоустроившихся в течение года по полученной специальности - 30%, а работающих по специальности - 70%. Если на 1% увеличится численность выпускников, работающих по специальности, то эффективность расходования бюджетных средств при исходной численности выпускников будет более 1 млрд. руб.
Литература
1. Путин В.В. Послание Федеральному Собранию Российской Федерации 10 мая 2006 года. Москва. [Электронный ресурс] http://president.kremlin.ru. Данные на 01.06.2006г.
2. Васильев В.Н., Гуртов В.А., Питухин Е.А., Суровов М.Н. Синтез информации и анализа //Высшее образование в России. 2003. №2.
3. Васильев В.Н., Гуртов В.А., Питухин Е.А. и др. Рынок труда и рынок образовательных услуг в субъектах Российской Федерации. М.: Техносфера, 2006.
4. Питухин Е.А., Гуртов В.А. Математическое моделирование динамических процессов в системе «экономика —рынок труда — профессиональное образование». СПб.: Изд-во СПбГУ, 2006.
5. Колемаев В.А. Математическая экономика: Учеб. для вузов, 3-е стереотип. изд. М.: ЮНИТИ-ДАНА,
2005.
6. Дубовский С. В. Вычислительные эксперименты с макромоделью нестационарной российской экономики. Моделирование социально-политической и экономической динамики. М.: РГСУ, 2004.
7. Питухин Е.А. Математическая модель расчета требуемого числа занятых в отраслях экономики в зависимости от эффективности новых технологий // Обозрение прикладной и промышленной математики. 2005. Т. 12. Вып. 3.
8. Коровкин А.Г. Динамика занятости и рынка труда. Вопросы макроэкономического анализа и прогнозирования. М.: МАКС Пресс, 2001.
9. Киселев А.Ф., Савельев А.Я., Сазонов Б.А. Образовательный потенциал России: состояние и развитие. М.: МГУП, 2004.
10. Апокин А.Ю., Лебединская Е.В. Прогноз изменений численности студентов на 2006-2008 годы // Перспективы развития и модернизации экономики высшего профессионального образования. М.: ГУ-ВШЭ,
2006.
11. Питухин Е. А., Гуртов В.А. Моделирование потоков выпускников школ по регионам Российской Федерации // Обозрение прикладной и промышленной математики. Москва, 2003. Т. 10 (2).
12. Гуртов В.А, Березин Л.Я., Матвеев В.А., Сигова С.В. Приоритеты экономического развития субъектов Российской Федерации. М.: Изд-во «Кучково поле», 2005.
13. Гуртов В.А., Питухин Е.А. Математическая модель прогнозирования спроса и предложения на рынке труда в российских регионах // Обозрение прикладной и промышленной математики. 2004. Т. 11. Вып. 3.
14. Настенко А.Д., Васина Т.В. Прогнозирование отраслевого и регионального развития. М.: Гелиос АРВ,
2002.
15. Коровкин А.Г., Долгова И.Н., Королев И.Б. Дефицит рабочей силы в экономике России: макроэкономическая оценка///Проблемы прогнозирования. 2006. №4.
16. Гуртов В.А., Мезенцев А.Г., Питухин Е.А. Моделирование потребностей экономики региона в выпускниках системы высшего профессионального образования // Регионология. 2003. №1-2.
17. Гуртов В.А., Питухин Е.А. Моделирование потребностей региональных экономик в выпускниках системы высшего профессионального образования // Обозрение прикладной и промышленной математики.
2003. Т. 10. Вып. 2.
18. Васильев В.Н., Гуртов В.А., Питухин Е.А. Формализация математической модели прогнозирования потребностей региональных экономик в специалистах с профессиональным образованием // Спрос и предложение на рынке труда и рынке образовательных услуг в регионах России. Сбор. ст. В 3 кн. Петрозаводск: Изд-во ПетрГУ, 2004. Кн.1. http://labourmarket.ru/Pa2es/conf1/book.
19. Гуртов В.А., Питухин Е.А., Потупалова Л.М. Опыт прогнозирования регионального рынка труда в специалистах с профессиональным образованием // Спрос и предложение на рынке труда и рынке образовательных услуг в регионах России. Сбор. ст. В 3 кн. Петрозаводск: Изд-во ПетрГУ, 2005. Кн. 1. http://labourmarket. ru/Pa2es/conf2/book.shtml
20. Гуртов В.А., Питухин Е.А., Потупалова Л.М. Методика формирования контрольных цифр приема студентов в учреждения профессионального образования на основе анализа спроса и предложения на рынке труда // Обозрение прикладной и промышленной математики. 2006. Т. 13 (2).
21. Регионы России. Социально-экономические показатели. 2006. Стат. сб. М.: Росстат. 2007. Ч. 2.
22. Регионы России. Социально-экономические показатели. 2006. Стат. сб. М.: Росстат. 2007. Ч. 2.
23. Гришин А.Ф., Котов-Дарти С.Ф., Ягунов В.Н. Статистические модели в экономике. Ростов: Изд. дом «Феникс», 2005.
24. Модернизация региональной системы образования: итоги, проблемы, направления. VI Сибирский форум
образования. Сб. ст. Томск, 2007.сти и данные о вакансиях служб по труду и занятости. Возможно сравнение расчетных прогнозных потребностей с альтернативными прогнозными оценками, полученными по другим моделям или путем выборочных опросов работодателей.
Для определения прогнозируемой потребности организаций, находящихся в ведении органов исполнительной власти субъектов РФ в специалистах с ВПО по очной форме обучения по 28-ми УГС Минобразования России в 2002 г. разработало и направило в субъекты Федерации формы для заполнения «№1-СФ», «№2-СФ» (Прогноз потребности в специалистах с высшим профессиональным образованием по очной форме обучения на 2003-2010 гг. в разрезе 28-ми УГС). Однако отсутствие единой методики определения прогнозной потребности при создании форм №1,2-СФ в регионах обусловило различные подходы к формированию этой потребности, зачастую ориентированные на существующее состояние системы образования. В целом при сравнении расчетных значений потребностей в специалистах с ВПО по формам №1,2-СФ и авторской методике выявлена корреляция прогнозов как по суммарной потребности, так и в разрезе 28-ми УГС.
На рис. 6 показано сравнение результатов прогноза потребности в специалистах экономики Республики Карелия по авторской методике и заявленной потребности в форме №2-СФ.
Рис. 6. Сравнение потребности экономики Республики Карелия в выпускниках системы ВПО по форме №2-СФ на 2010 г., заявленной органами исполнительной власти Республики Карелия в 2002 г. (Р) с результатами расчета по авторской методике (□ ) (2005 г.)
Баланс* выпуска специалистов и потребности в них по отдельным УГС для различных уровней профессионального образования для Томской области, Республики Саха(Якутия), Республики Карелия и России в целом
Гуманитарные науки Экономика и управление
Уровень обра- Субъекты Федерации 2005 г. 2010 г. 2015 г. 2005 г. 2010 г. 2015 г.
зования чел. % чел. % чел. % чел. % чел. % чел. %
Томская область 2106 14,1 1680 13,9 1084 13,4 3340 22,4 2599 21,5 1601 19,8
ВПО Республика Саха 964 15,8 1046 15,6 780 15,2 1160 19,0 1243 18,6 880 17,1
Республика Карелия 880 20,3 705 19,4 401 17,0 785 18,1 584 16,1 294 12,5
Российская Федерация 97806 9,8 82421 9,2 42842 6,9 199707 20,1 170647 19,1 95262 15,4
Томская область 394 7,3 214 5,7 113 4,0 840 15,6 381 10,2 120 4,3
СПО Республика Саха 313 6,8 296 6,7 185 5,5 347 7,5 311 7,0 81 2,4
Республика Карелия 10 0,3 -24 -0,9 -48 -2,7 599 16,2 310 11,7 96 5,3
Российская Федерация 41581 6,0 26067 5,0 15430 4,0 118714 17,2 69721 13,5 36983 9,7
Томская область 27 0,4 13 0,4 14 0,4 683 10,9 246 7,2 274 7,7
НПО Республика Саха -10 -0,3 -10 -0,3 -9 -0,4 -69 -1,9 -125 -4,2 -160 -6,7
Республика Карелия 42 1,0 21 0,8 17 0,8 377 9,0 144 5,6 101 4,7
Российская Федерация -596 -0,1 -1043 -0,2 -1020 -0,3 27644 4,1 -1047 -0,2 -4428 -1,2
Уровень образования Металлургия, машиностроение и металлообработка По всем группам специальностей
Субъекты Федерации 2005 г. 2010 г. 2015 г. 2005 г. 2010 г. 2015 г.
чел. % чел. % чел. % чел. % чел. % чел. %
Томская область -908 -6,1 -1083 -8,9 -1132 -14,0 9490 63,7 6126 50,6 2146 26,7
ВПО Республика Саха -847 -13,9 -974 -14,6 -942 -18,4 1532 25,1 1280 19,1 -60 -1,2
Республика Карелия 43 1,0 -105 -2,9 -140 -5,9 2255 52,1 1071 29,5 -10 -0,4
Российская Федерация -56896 -5,7 -59408 -6,7 -62606 -10,1 195874 19,7 102725 11,5 -119595 -19,3
Томская область -773 -14,4 -785 -20,9 -783 -27,7 -402 -7,5 -1984 -52,9 -2866 -101,6
СПО Республика Саха -642 -13,9 -638 -14,4 -622 -18,6 -2410 52,1 -2538 -57,2 -3349 -100,0
Республика Карелия -242 -6,5 -253 -9,5 -246 -13,7 -581 -15,7 -1455 -54,9 -1964 -109,3
Российская Федерация -77847 -11,3 -84151 -16,3 -82066 -21,5 -84058 -12,2 -246324 -47,7 -322470 -84,3
Томская область -215 -3,4 -473 -13,9 -453 -12,7 3386 54,0 537 15,8 721 20,2
НПО Республика Саха -612 -16,9 -668 -22,5 -687 -28,8 -324 -8,9 -959 -32,4 -1380 -57,8
Республика Карелия -49 -1,2 -200 -7,8 -205 -9,6 1566 37,4 38 1,5 -175 -8,2
Российская Федерация -47809 -7,0 -75890 -17,9 -73645 -20,4 129119 19,0 -119027 -28,1 -140092 -38,8
* Под балансом понимается разница между выпуском студентов из государственных и негосударственных ОУ по всем формам обучения (дневное, очно-заочное, заочное, экстернат) и видам обучения (за счет средств федерального бюджета, с полным возмещением затрат) и потребностью экономики в выпускниках_______________________________________________
