CC BY
45
УДК 338.27:316.334.3
Пакулина И.С.,
Орловский филиал ФГБОУ ВПО «Российская академия народного хозяйства и государственной службы при Президенте РФ», доцент кафедры политологии, государственного и муниципального управления (РФ, г. Орел)
проблема выбора оптимальной прогнозной модели развития социальной сферы россии
В статье описывается разработанная и апробированная авторская методика выбора оптимальной прогнозной модели развития отдельных видов деятельности социальной сферы.. Научно обоснована целесообразность ее применения при обосновании стратегии развития социальной сферы. Доказано, что использование предложенной методики позволит, улучшить плановую и аналитическую работу экономических служб органов государственного и муниципального управления, научную обоснованность прогнозов, стратегии отдельных видов деятельности социальной сферы.
Ключевые слова: социальная сфера, прогнозирование, стратегия, вид деятельности, модель, планирование.
Подходы к эффективному управлению экономическим развитием социальной сферы, разработке стратегии ее развития рассматриваются во многих современных научных роботах [1, 7, 8, 9], где в основу стратегии положен прогноз как научно обоснованное, вероятностное суждение о возможном состоянии объекта в будущем, об альтернативных путях и сроках его осуществления. Прогнозирование же — это специфический вид познавательной деятельности, которая предусматривает исследование еще не существующего объекта на основе изучения тенденций развития. В условиях рыночных отношений прогнозирование становится одним из решающих научных факторов формирования стратегии и тактик социального развития. Обосновать прогнозы, стратегию и тактики развития социальной сферы невозможно без выявления будущих тенденций, без прогнозирования ее динамики. Этим объясняется актуальность рассмотренной в статье научной проблемы. Затронутая в статье проблематика тесно связана с такими научными и практическими заданиями, как научное обоснование стратегических планов и оптимальное распределение ресурсов для их выполнения, ранжирование приоритетов и сбалансирование
долгосрочных целей с другими частями поля социально-экономического развития.
Проблемы планирования развития социальной сферы нашли отображение в научных трудах многих российских ученых. Однако вопросы прогнозирования развития отдельных видов деятельности остаются недостаточно изученными как в российской, так и в мировой науке.
Анализ современных исследований свидетельствует, что в большинстве из них отсутствуют вопросы научного обоснования прогнозов развития отдельных видов деятельности социальной сферы. Без этого невозможна разработка адекватной современным вызовам стратегии модернизации социальной сферы России [2, с. 167]. Этим определяются актуальность и выбор темы проведенного исследования, его научная и прикладная значимость.
Целями проведенного исследования являются: (1) апробация авторского методического подхода к прогнозированию развития видов деятельности социальной сферы; (2) обоснование целесообразности его применения при обосновании стратегии и тактик ее развития.
Единство определенности (детерминированности) и неопределенности будущего — решающая предпосылка экономического прогнозирования. Если бы будущее было полностью определенным, то тогда бы не было потребности в прогнозировании. При неопределенности будущего сама возможность экономического прогнозирования исключается.
Важную роль в развитии экономического прогнозирования играет прикладная научная дисциплина прогностика и ее составная часть — экономическая прогностика.
Прогнозирование следует рассматривать в комплексе с более широким понятием — предвидением, которое дает опережающее отображение действительности, основанное на познании законов природы, общества и мышления. Различают три формы научного предвидения: гипотезу, прогноз и план.
Гипотеза характеризует научное предвидение на уровне общей теории. На уровне гипотезы дается качественная характеристика исследуемых объектов, выражающая общие закономерности их поведения.
Прогноз в сравнении с гипотезой имеет значительно большую качественную и количественную определенность и отличается большей достоверностью.
План представляет собой постановку точно определенной цели и предвидение конкретных, детальных событий исследуемого объекта. Его отличительные черты: определенность, конкретность, адресность, обязательность, индикативность. Между прогнозом и планом имеются существенные различия. Прогноз носит вероятностный, а план — обязательный характер. План — это однозначное решение, прогноз же по своей сущности имеет вероятностное содержание. В то время как планирование направлено на принятие и практическое осуществление управленческих решений, цель прогнозирования — создать научные предпосылки для их принятия.
Задача экономического прогнозирования социальной сферы состоит, с одной стороны, в том, чтобы выяснить перспективы ближайшего или более отдаленного будущего в исследуемой области, а с другой стороны, способствовать оптимизации текущего, и перспективного ее планирования и регулирования, опираясь на составленный прогноз.
Прогнозы социального развития исследуют вопросы динамики уровня жизни населения, доходов, потребления населением продуктов питания и непроизводственных товаров, развития видов деятельности социальной сферы, демографии, занятости населения и т.д.
В настоящее время разработка системы федеральных прогнозов социального развития в нашей стране еще далеко не завершена и предстоит большая работа в этом направлении в будущем.
Таким образом, планирование — это понятие, которое, как феномен, имеет много проявлений. Прежде всего оно предполагает историческую форму своего развития — планомерность как ее основу и развивается от своей основы через учет, регулирование и контроль снизу. Данное понятие должно быть исторически обусловлено и иметь связь с производством и рынком. Главными задачами планирования вообще и стратегического в частности являются приведение в единую систему и ранжирование определенных приоритетов и национальных проектов, сбалансирование долгосрочных целей с другими частями поля социально-экономического развития и ресурсами.
При этом важно учесть связь российской экономики с мировой, а также логику изменений фаз технологических и экономических циклов. В планах нередко спорит
несколько вариантов. Для обеспечения возможностей вариативного подхода важно разработать основные показатели стратегических планов в форме диапазонов. Стратегический план должен быть директивой для руководства разного уровня (государства, региона и т.п.), а также структур разного ведомственного подчинения.
Развитие социальной сферы необходимо моделировать [3, с. 86; 4, с. 232]. ]. Если многие исследователи пытаются рассчитать модель развития социальной сферы в целом, то нам представляется актуальной разработка подходов, позволяющих моделировать ее развитие по видам деятельности.
В ходе исследования нами была разработана и апробирована методика прогнозирования развития социальной сферы России на примере отдельных видов деятельности [5, с. 236]. Актуальность научной разработки этой проблемы повышается в связи с тем, что прогнозы необходимы для составления средне- и долгосрочных планов, выработки стратегии развития социальной сферы по всем видам деятельности.
Нами были рассчитаны прогнозные значения развития системы образования России по пяти математическим моделям. Методика была апробирована при составлении
прогноза развития системы образования РФ по ряду показателей, рассчитанных на 10 тыс. населения: численность детей в дошкольных образовательных учреждениях, численность обучающихся в общеобразовательных учреждениях, численность студентов в образовательных учреждениях среднего профессионального образования, численность студентов в образовательных учреждениях высшего профессионального образования, число студентов в образовательных учреждениях высшего профессионального образования к числу студентов в образовательных учреждениях среднего профессионального образования. При прогнозировании использовались данные статистического сборника «Российский статистический ежегодник. 2013» [6].
Для прогноза нами была использована надстройка к пакету «Excel», с помощью которой прогноз осуществлялся по 5 математическим моделям: линейной, логарифмической, полиномиальной, степенной, экспоненциальной.
Результаты прогнозирования численности детей в дошкольных образовательных учреждениях на 10 тыс. населения РФ представлены на рис. 1.
Численность детей в дошкольных образовательных учреждениях, на
10 тыс. населения
зоо 200 100 о
у = -б,5632х + 425,48 R2= 0,271
1991
1996
2001
2006
2017
Рис. 1 — Прогноз численности детей в дошкольных образовательных учреждениях на 10 тыс. населения РФ с использованием линейной модели
Линейная модель имеет следующий вид: у = 6,5632х + 425,48, (1) где у — численность детей в дошкольных образовательных учреждениях на 10 тыс. населения РФ; t — годы.
Прогнозное значение численности детей на перспективу (2017 г.) в этом случае составляет 239 чел. на 10 тыс. населения, величина достоверности аппроксимации — 0,271.
При корреляционной связи изменение результативного признака Y обусловлено влиянием факторных признаков И не целиком (как при функциональной связи), а лишь частично, так как возможно влияние других факторов. Среднее квадратичное отклонение показывает отклонение признака от общей средней. Коэффициент корреляции (аппроксимации) говорит о тесноте связи между факторным и результативным признаком. Он измеряется в диапазоне от -1
к +1: R = [-1; +1]. Чем более близко значение коэффициента корреляции к единице, тем теснее корреляционная связь, точнее найденная нами зависимость. Знак « + » перед коэффициентом корреляции говорит о том, что связь прямая, т.е. с увеличением t возрастает Y и наоборот.
Результаты прогнозирования с использованием логарифмической модели представлены на рис. 2.
Численность детей в дошкольных образовательных учреждениях, на
10 тыс. населения
у = -71,651п(х) + 508,23 1Г = 0,6094
1991
1996
2001
2006
2017
Рис. 2 — Прогноз с использованием логарифмической модели
Логарифмическая модель имеет следующий вид:
у = 71,651п(х) + 508,23. (2) Прогнозное значение численности детей в дошкольных образовательных учреждениях на 2017 г. в этом случае составляет
268 чел. на 10 тыс. населения, величина достоверности аппроксимации — 0,6094.
Результаты прогнозирования с использованием полиномиальной модели представлены на рис. 3.
Численность детей в дошкольных образовательных учреждениях, на
10 тыс. населения
у = -0,1028х3 + 5,2606х2 - 76,915х + 635,89 К2= 0,9951
1991
1996
2001
2006
2017
Рис. 3 — Прогноз с использованием полиномиальной модели
Полиномиальная модель 3 степени име- чел. на 10 тыс. населения, величина досто-
ет следующий вид: верности аппроксимации очень высокая —
у = - 0,1028x3 + 5,2606x2 - 76,915х + 0,9951.
635,89. (3) Результаты прогнозирования с исполь-
Прогнозное значение численности де- зованием степенной модели представлены
тей на 2017 г. в этом случае составляет 369 на рис. 4.
Численность детей в дошкольных образовательных учреждениях, на
10 тыс. населения
600
450
1991
1996
2001
2006
2017
Рис. 4 - Прогноз с использованием степенной модели
Степенная модель имеет следующий вид:
у = 412,1е-0,016х. (4) Прогнозное значение численности детей в дошкольных образовательных учреждениях на 2017 г. в случае степенной модели
составляет 264 чел. на 10 тыс. населения, величина достоверности аппроксимации низкая - 0,2356.
Результаты прогнозирования с использованием экспоненциальной модели представлены на рис. 5.
Численность детей в дошкольных образовательных учреждениях, на
10 тыс. населения
600
у= 504,75х-°.173 Б!.2= 0,5515
1991
1996
2001
2006
2017
Рис. 5 - Прогноз с использованием экспоненциальной модели
Результаты прогнозирования обобще- ния РФ с точки зрения статистических паны в таблице 1. Как мы видим, оптимальной раметров является значение, определенное численностью детей в дошкольных образо- с использованием полиномиальной модели вательных учреждениях на 10 тыс. населе- - 369 чел. на 10 тыс. населения.
Таблица 1 — Результаты прогноза численности детей в дошкольных образовательных учреждениях РФ
Коэффици- Прогнозное значение
Трендовые модели Уравнение ент корре- на 2017 год, чел. на 10
ляции, ед. тыс. населения
1. Линейная у = 6,5632х + 425,48 0,2710 239
2. Логарифмическая у = -71,651п(х) + 508,23 0,6094 268
3. Полиномиальная у = — 0,1028x3 + 5,2606x2 —
76,915х + 635,89 0,9951 369
4. Степенная у = 412,^-0,0^ 0,2356 264
5. Экспоненциаль-
ная у = 504,75x^,173 0,5515 282
Оптимальная — у = — 0,1028x3 + 5,2606x2 —
полиномиальная 76,9^ + 635,89 0, 9951 369
Аналогичным образом составим про- селения РФ. Результаты прогнозирования, гноз численности обучающихся в общеоб- исходя из динамики этого показателя за разовательных учреждениях на 10 тыс. на- 1991 — 2010 гг., обобщены в таблице 2.
Таблица 2 — Результаты прогноза численности обучающихся в общеобразовательных учреждениях РФ
Трендовые модели Уравнение Коэффициент корреляции, ед. Прогнозное значение на 2017 год, чел. на 10 тыс. населения
1. Линейная у = -31,324x + 1610,4 0,8046 758
2. Логарифмическая у = -177,31пМ + 1656,8 0,4863 1070
3. Полиномиальная у = 0,2984x3 — 11,853x2
+ 101^ + 1263 0,9832 1210
4. Степенная у = 1722,4x^,146 0,4855 1060
5. Экспоненциальная у = 1658,5e-0,026x 0,8053 823
Оптимальная — у = 0,2984x3 — 11,853x2
полиномиальная + + 101^ + 1263 0, 9832 1210
Как мы видим, оптимальной численностью обучающихся в общеобразовательных учреждениях с точки зрения статистических параметров является значение, определенное с использованием полиномиальной модели — 1210 чел. на 10 тыс. населения. Величина достоверности аппроксимации очень высокая — 0,9832.
Полиномиальная модель 3 степени имеет следующий вид:
у = 0,2984x3 - 11,853x2 + 101,08х + 1263. (5)
Результаты прогнозирования с использованием полиномиальной модели представлены на рис. 6.
Особо хочется отметить волнообразный вид оптимальной с точки зрения статистических параметров прогнозной модели численности обучающихся в общеобразовательных учреждениях России. Она очень похожа на модель, представленную на рис. 3, которая характеризуется также очень высоким значением коэффициента корреляции.
Рис. 6 — Прогноз с использованием полиномиальной модели
Результаты прогнозирования численности студентов в образовательных учреждениях среднего профессионального образования, исходя из динамики этого показателя за 1991 — 2010 гг., обобщены в таблице 3.
С точки зрения статистических параметров оптимальная численность студентов в образовательных учреждениях среднего профессионального образования России — 137 чел. на 10 тыс. населения, полученная по полиномиальной модели 2 степени, которая
у = -0,2131x2 + 6,4723х + 117,46. (6) Модель представлена на рис. 7 и имеет также «волновой» вид. И очень наглядно демонстрирует, что имеются серьезные проблемы с развитием среднего профессионального образования. Подготовка специалистов со средним профессиональным образованием существенно отстает от темпов роста численности студентов в образовательных учреждениях высшего профессионального образования.
имеет следующий вид:
Таблица 3 — Результаты прогноза численности студентов в образовательных учреждениях среднего профессионального образования РФ
Трендовые модели Уравнение Коэффициент корреляции, ед. Прогнозное значение на 2017 год, чел. на 10 тыс. населения
1 Линейная у = 1,9967х + 133,87 0,3917 188
2 Логарифмическая у = 13,7411п(х) + 125,75 0,3501 171
у = -0,2131x2 + 6,4723х +
3 Полиномиальная 0,5095 137
+ 117,46
4 Степенная у = 127,23x0,0894 0,3550 170
5 Экспоненциальная у = 133,93e0,0131x 0,4062 191
Оптимальная — полиномиальная у + = -0,2131x2 + 6,4723x 117,46 0, 5095 137
Численность студентов в образовательных учреждениях среднего
профессионального образования, на 10 тыс. населения
........................................................................................................................................................................................................................
120 .........................т..................................
1991 19% 2001 2006 2017
Рис. 7 — Прогноз численности студентов в образовательных учреждениях среднего профессионального образования России с использованием полиномиальной модели 2 степени
Результаты прогнозирования численно- вания, исходя из динамики этого показателя сти студентов в образовательных учрежде- за 1991 — 2010 гг., обобщены в таблице 4. ниях высшего профессионального образо-
Таблица 4 — Результаты прогноза численности студентов в образовательных учреждениях высшего профессионального образования РФ
Трендовые модели Уравнение Коэффициент корреляции, ед. Прогнозное значение на 2017 год, чел. на 10 тыс. населения
1 Линейная у = 23,34^ + 103 0,9268 724
2 Логарифмическая у = 152,061пМ + 26,207 у = 0,0014x5 — 0,0756x4 0,7423 532
3 Полиномиальная — оптимальная + + 1,285x3 — 5,766x2 + + 5,259x + 184,02 0,9990 651
4 Степенная у = 113,59x0,4865 0,7856 571
5 Экспоненциальная у = 148,54e0,0725x 0,9252 1047
С точки зрения статистических параметров оптимальной прогнозной моделью численности студентов в образовательных учреждениях высшего профессионального образования России является, как и в предыдущем случае, полиномиальная, только 5 степени, которая имеет следующий вид: у = 0,0014x5 — 0,0756x4 + 1,285x3 —
5,766x2 + 5,259x + 184,02. (8)
Она представлена на рис. 8 и имеет «волновой» вид. Величина достоверности аппроксимации очень высокая — 0,999. Это почти полное совпадение фактических и рассчитанных по уравнению регрессии значений, свидетельство очень высокой точности прогноза.
Рис. 8 — Прогноз численности студентов в образовательных учреждениях высшего профессионального образования России с использованием полиномиальной модели 5 степени
Графики, представленные на рис. 7 и 8, подтверждают наш тезис о том, что необходимо более активно развивать подготовку специалистов со средним профессиональным образованием с целью ликвидации существующих диспропорций, характеризующихся неоправданным ростом удельного веса подготовки специалистов с высшим образованием, нерациональным для системы
образования России расходованием материальных и финансовых ресурсов, кадров.
Результаты прогнозирования числа студентов в образовательных учреждениях высшего профессионального образования к числу студентов в образовательных учреждениях среднего профессионального образования, исходя из динамики этого показателя по РФ за 1991—2010 гг., обобщены в таблице 5.
Таблица 5 — Прогноз числа студентов в образовательных учреждениях высшего профессионального образования к числу студентов в образовательных учреждениях среднего профессионального образования
Коэффициент Прогнозное
Трендовые модели Уравнение корреляции, значение на
ед. 2017 год, ед.
1 Линейная у = 0,1268х + 0,862 0,9730 4,3
2 Логарифмическая у = 0,81371п(х) + 0,4714 0, 7557 3,3
3 Полиномиальная у = 0 = 0,0031x2 + 0,0627х +
+ 1,0973 0,9879 5,0
4 Степенная у = 0,8928x0,3971 0,8344 3,4
5 Экспоненциальная у = 1,1091е0,0594х 0,9890 5,5
Оптимальная —
экспоненциальная у = 1,1091е0,0594х 0,9890 5,5
С точки зрения статистических параметров оптимальной прогнозной моделью числа студентов в образовательных учреждениях высшего профессионального образования к числу студентов в образовательных учреждениях среднего профессионального образования является экспоненциальная, которая име-
ет следующий вид:
у = 1,1091е0,0594х. (9) Она представлена на рис. 9. Следует отметить, что по коэффициенту корреляции модель очень близка к полиномиальной 2 степени, имеющей «волновой» вид. Величина достоверности аппроксимации очень высокая — 0,989.
Рис. 9. Прогноз с использованием экспоненциальной модели
В современных условиях роль и место среднего специального (профессионального) образования существенно возрастает: средняя профессиональная школа выступает фактором социализации личности, служит одним из основных каналов комплектования вузов, является источником пополнения большинства общественно значимых социально-профессиональных групп.
Среднее профессиональное образование является важнейшим звеном российского образования, как звено, в общей системе которого оно становится его основой частью, «ядром» непрерывного профессионального образования в течение всей жизни человека. В современных условиях России именно среднее профессиональное образование должно становиться тем образовательным уровнем, который не только способен активно участвовать в процессе социально-экономической модернизации, но и является одним из основных факторов этого процесса.
Объективное расширение функций специалиста среднего звена, расширение сферы его занятости особенно заметно в видах деятельности социальной сферы, осуществляющих обслуживание населения, и в сфере малого и среднего бизнеса, где он получает принципиально новые возможности, в том числе и по созданию новых рабочих мест для себя и для других. В соответствии с этим именно в среднем профессиональном образовании, как ни в каком другом, резко
меняются требования к специалисту и, соответственно, требования к содержанию среднего профессионального образования. Увеличивается роль среднего профессионального образования и как средства удовлетворения образовательных потребностей населения с ограниченными экономическими возможностями, и как формы социальной защиты выпускников общеобразовательных школ, и, соответственно, как фактора стабилизации социального состояния общества.
Достигнутый в начале XXI века уровень развития российского образования позволяет выделить не только существенные достижения, особенно в системе высшего и среднего профессионального образования, но и отставание от мировых лидеров в образовании, особенно по отдельным составным частям системы образования, характеризующимся уровнем информатизации, открытости, мобильностью обучающихся и формированием на первом этапе открытой общемировой системы профессионального образования, в которую современная система профессионального образования России вписывается с некоторыми сложностями. Сравнительные преимущества России в сфере образования и фундаментальной науки определяются сегодня в основном потенциалом, накопленным в предыдущие десятилетия: система профессионального образования не полностью соответствует структуре потребностей рынка труда, не получила должного развития система не-
прерывного профессионального образования, что сдерживает технико-технологическое обновление экономики, не позволяет эффективно модернизировать социальную сферу и пр.
Предлагаемую нами методику прогнозирования целесообразно использовать и при Таблица 6 — Прогноз пассажирооборота
обосновании стратегии и тактик развития всех видов деятельности социальной сферы России. Это подтверждает построение нами прогнозной модели развития транспорта общего пользования на основе данных о пассажирообороте за 1991 — 2012 годы [6] (таблица 6). транспорта общего пользования
Трендовые модели Уравнение Коэффициент корреляции, ед. Прогнозное значение на 2017 год, млрд. пасс-км
1 Линейная у = 9,6674х + 630,72 0,5867 367
2 Логарифмическая у = -84,641п(х) + 708,39 0,8488 430
3 Полиномиальная у = 1,3507x2 - 38,032х + + 734,73 0,8890 695
4 Степенная у = 715,78х-0,147 0,8441 446
5 Экспоненциальная у = 627,14е-0,017х 0,5992 400
Оптимальная — полиномиальная у = 1,3507x2 - 38,032х + + 734,73 0,8890 695
Опять отметим, что с точки зрения статистических параметров оптимальный пассажирооборот — 695 млрд. пасс-км, по-
лученный по полиномиальной модели 2 степени. Она представлена на рис. 10 и имеет волнообразный вид.
Пассажирооборот всех видов транспорта общего пользования, млрд. пасс-км
750,0 700.0 630,0 600,0 550.0 500,0 450,0
300,0
у = 13507х2 - 38,032х + 734,73 Я2 = 0,889
1991
1996
2001
2006
2017
Рис. 10 — Прогноз пассажирооборота с использованием полиномиальной модели 2 степени
Результаты прогнозирования численно- этого показателя по РФ за 1991 — 2012 гг., сти зрителей в театрах, исходя из динамики обобщены в таблице 7. Таблица 7 — Прогноз численности зрителей в театрах
Коэффициент Прогнозное значе-
Трендовые модели Уравнение корреляции, ние на 2017 год,
ед. млн. человек
1 Линейная у = -0,6554x + 39,017 0,4023 22
2 Логарифмическая у = -6,4381пМ + 45,763 0,7325 25
3 Полиномиальная у = 0,129x2 — 3,3649x +
+ 48,951 0,8138 52
4 Степенная у = 45,629x^,172 0,7183 26
5 Экспоненциальная у = 38,141e-0,018x 0,4003 24
Оптимальная — у = 0,129x2 — 3,3649x +
полиномиальная + 48,951 0,8138 52
Как мы видим, оптимальной численностью зрителей в театрах России с точки зрения статистических параметров является прогнозное значение, определенное с использованием полиномиальной модели — 52 млн. человек. Величина достоверности аппроксимации при этом составляет 0,8138. Более пессимистичным прогнозом является значение, определенное с использованием степенной модели — 26 млн. человек. Величина достоверности аппроксимации при этом прогнозе довольно высока — 0,7183.
Прогноз по сравнению с гипотезой имеет значительно большую качественную и количественную определенность и отличается большей достоверностью. А от того, какое значение будет принято в качестве планового, зависят духовность, культурный уровень россиянина. Нам думается, что надо стремиться к максимальному количеству зрителей, посетивших театры России, к обеспечению доминантности развития социальной сферы, построению в России социального государства.
Проведенное исследование позволяет нам утверждать, что использование предложенной и апробированной методики прогнозирования позволит улучшить плановую и аналитическую работу органов государственного и муниципального управления, научную обоснованность прогнозов, стратегии и тактик управления экономическим развитием социальной сферы. Методику целесообразно использовать в практике управления экономическим развитием социальной сферы России при моделировании социально-экономического развития регионов. Перспективами дальнейших работ по совершенствованию прогнозирования социальной сферы является использование для уточнения прогнозов многофакторного корреляционного и кластерного анализов.
Библиографический список
1. Пакулина И.С. Государственное регулирование развития социальной сферы: приоритеты и экономические механизмы: Монография; Рос. акад. нар. хоз-ва и гос. службы при Президенте Рос. Федерации, Орл. фил. Орел: Изд-во ОФ РАНХИГС, 2014. 170 с.
2. Пакулина И.С. Закономерности и стратегические приоритеты развития социальной сферы // Среднерусский вестник общественных наук. — 2013. — № 1. — С. 167—173.
3. Пакулина И.С. Инновационное развитие социальной сферы региона: Монография. — Орел: Издательство Орловского филиала РАНХиГС, 2012. 192 с.
4. Пакулина И.С. Приоритеты государственной политики в социальной сфере // Среднерусский вестник общественных наук. - 2012. - № 4 (2). - С. 231-237.
5. Пакулина И.С. Стратегия повышения конкурентоспособности предприятий социальной сферы // Среднерусский вестник общественных наук. - 2012. - № 3 (24). -С. 231-237.
6. Российский статистический ежегодник. 2013: Стат. сб. / Росстат. М., 2013. 717 с.
7. Black, Derek W., Education law: equality, fairness, and reform. New York: Wolters Kluwer Law & Business. 2013.
8. Education reform: from rhetoric to reality . Gerald Galway and David Dibbon (ed.). Althouse Press, London, Ont. 2012. 333 p.
9. Stuart Biegel. Education and the Law, 3rd ed. Thomson/West in St. Paul, MN. 2012. 1056 p.
10. Меркулов П.А.Разработка концепции государственной молодежной политики России в 90-е годы XX века// Среднерусский вестник общественных наук. - 2013.
- № 1. - С. 180-185.
11. Меркулов П.А.Институциональные аспекты становления государственной молодежной политики в России//Вестник Орловского государственного университета. Серия: Новые гуманитарные исследования.
- 2012. - № 8 (28). - С. 220-222.
12. Мироненко Н.В. Информационная сетизация как стимул экономического роста регионов//Известия Тульского государственного университета. Экономические и юридические науки. - 2012. - № 1-1. С. 464-470.
Reference
1. Pakulina I. Government control of development of social sphere: priorities and economic mechanisms. - Orel: Publishing house of Orel branch of a RANEPA, 2014. 170 p.
2. Pakulina I. The regularities and strategic priorities of social sphere development // The Herald of Middle Russia's Social Sciences. 2013. № 1. Pp. 167-173.
3. Pakulina I. Innovative development of social sphere of region. - Orel: Publishing house of Orel branch of a RANEPA, 2013. 192 p.
4. Pakulina I. The Priorities of the Government Policy in the Social Sphere //
The Herald of Middle Russia's Social Sciences. 2012. № 4(2). Pp. 231-237.
5. Pakulina I. The strategy of increasing the competitiveness of the social sphere enterprises // The Herald of Middle Russia's Social Sciences. 2012. № 3 (24). Pp. 231-237.
6. Russian statistical annual. 2013: Statistical collection / Federal State Statistics Service (Rosstat). M., 2013. 717 p.
7. Black, Derek W., Education law: equality, fairness, and reform. New York: Wolters Kluwer Law & Business. 2013.
8. Education reform: from rhetoric to reality . Gerald Galway and David Dibbon (ed.). Althouse Press, London, Ont. 2012. 333 p.
9. Stuart Biegel. Education and the Law, 3rd ed. Thomson/West in St. Paul, MN. 2012.
10. Merkulov P.A.Razrabotka concept of State Youth Policy of Russia in the 90-ies of XX century // Srednerussky Gazette of Social Sciences. 2013. № 1. S. 180-185.
11. Merkulov P.A.Institutsionalnye aspects of the formation of the state youth policy in the Russian // Herald Oryol State University. Series: New Studies in the Humanities. 2012. № 8 (28). S. 220-222.
12. Myronenko N.V. Information setizatsiya as a stimulus for economic growth regions // News Tula State University. Economic and legal sciences. 2012. № 1-1. S. 464-470.
Pakulina I.S., e-mail: inessa_pakulina@mail.ru, Russian Academy of National Economy and Government Service at President of Russian Federation, Orlovski branch, associate professor of department political science, state and municipal administration (Russian Federation, Orel) CHOOSING THE OPTIMAL PROGNOSTIC MODEL OF SOCIAL SPHERE ECONOMIC
DEVELOPMENT IN RUSSIA In the article there has been described the elaborated and approved author's methodic of choosing the optimal prognostic model of economic development of certain forms of activity in social sphere. The expediency of its applying at grounding the strategy of social sphere development has been scientifically reasoned. It has been proved, that using of the suggested methodic will allow improving the planning and analytic work of economic services of government and municipal authorities, the scientific grounding of the prognosis, the strategy of certain forms of activity of social sphere.
Key words: social sphere, prognostication, strategy, form of activity, model, planning.
