CC BY
22
DOI 10.1555/2409-3203 -2017-0-9-71 -76 УДК 331.5
ПРОГНОЗИРОВАНИЕ ЗАНЯТОСТИ В СЕЛЬСКОМ ХОЗЯЙСТВЕ
КРАСНОЯРСКОГО КРАЯ
Паршуков Денис Викторович
к.э.н., доцент кафедры экономики ФГБОУ ВО Красноярский ГАУ Ачинский Россия, г. Ачинск parshukov83@mail .ru Ходос Дмитрий Васильевич д.э.н., профессор экономики ФГБОУ ВО Красноярский ГАУ Ачинский Россия, г. Ачинск hodos [email protected]
Аннотация: Статья посвящена проблеме прогнозирования состояния рынка труда и кадрового обеспечения сельского хозяйства отдельного региона. Объектом исследования являлись трудовые ресурсы сельского хозяйства Красноярского края. Методическую базу исследования составили нейросетевое программирование, методы сравнения и системного анализа. Построена модель прогнозирования на основе однослойного персептрона, разработаны сценарии занятости в сельском хозяйстве, определены количественные параметры для каждого сценария.
Ключевые слова: рынок труда, сельское хозяйство, занятость, прогнозирование, нейронные сети
FORECASTING OF EMPLOYMENT IN AGRICULTURE OF KRASNOYARSK
REGION
Parshukov Denis Viktorovich
Ph. D., associate Professor Achinsk branch of Krasnoyarsk state agrarian University Russia, the city of Achinsk Hodos Dmitry V. doctor of Economics, Professor Achinsk branch of Krasnoyarsk state agrarian University Russia, the city of Achinsk
Abstract: the Article is devoted to the problem of predicting the state of the labour market and staffing of the agriculture of a particular region. The object of the study was the labor resources of agriculture of the Krasnoyarsk territory. Methodological basis of the study was neural network programming, methods comparison, and system analysis. Built a predictive model based on single-layer perceptron, developed scenarios of employment in agriculture determined that the number of parameters for each scenario.
Key words: labour market, agriculture, employment, forecasting, neural networks
филиал
филиал
1. Введение
Кадровое обеспечение является одной из основных тем при исследовании системных проблем развития АПК. В краевой подпрограмме "Кадровое обеспечение агропромышленного комплекса на 2014 - 2020 гг.» среди системных проблем подготовки и закрепления кадров указываются:
• низкая общественная оценка сельского труда;
• разрозненность образовательной и производственной среды;
• низкая заработная плата в сельском хозяйстве [4].
Решением указанных проблем могут являться механизмы интеграции государства, сельхозтоваропроизводителей, научных и образовательных учреждений в целях стратегического развития аграрных комплексов и отраслей [1, 5]. Кадровое обеспечение имеет стратегическое значение при формировании инновационного потенциала сельского хозяйства [3].
Разработка механизмов формирования кадрового потенциала определяет необходимость сценарного анализа занятости и доходов населения сельской местности Красноярского края [2].
2. Методы и методика
Сценарный подход в прогнозировании предполагает наличие альтернативных сценариев, описывающих возможные ситуации развития объекта прогнозирования [6]. Для текущей задачи выделим три основных сценария:
1. Негативный сценарий - рост безработицы и снижение расходов. Ухудшение общего экономического фона может привести к ухудшению показателей развития сельскохозяйственных отраслей. Произойдет снижение государственных расходов на развитие сельских территорий, сократится объем субсидий на поддержку сельского хозяйства, снизятся расходы населения на образования, вырастет стоимость образовательных услуг. В итоге усилятся структурные диспропорции на рынке труда, что приведет к высвобождению трудовых ресурсов и росту безработицы.
2. Умеренный сценарий - перенос текущих тенденций в будущее. На рынке труда сохранится дисбаланс спроса и предложения. Постепенно будет сокращаться численность трудоспособного населения сельской местности, динамика роста оплаты труда в отрасли будет медленно приближаться к среднерыночной. Продолжится постепенный рост издержек в сельском хозяйстве, при одновременном сокращении покупательской способности. Эта тенденция поставит перед государством задачи повышения бюджетных расходов на поддержку производителей. Кардинальных изменений не предвидится. Ожидается небольшое ухудшение текущих параметров.
3. Оптимистичный сценарий: рост занятости и доходов населения. Государственные расходы на поддержку сельского хозяйства и аграрного образования позволят сохранить темпы роста сельскохозяйственного производства и снизить долю убыточных организаций. Это создаст спрос на квалифицированную рабочую силу. Совместные усилия государства, образовательных учреждений и сельскохозяйственных организаций по созданию единой системы подготовки кадров позволит повысить качество образовательного процесса и уровень кадрового потенциала отрасли.
Для определения количественных параметров каждого сценария, отберем совокупность показателей, влияющих на уровень занятости населения в сельском хозяйстве.
Фактор-результат У - доля занятых в сельском хозяйстве в общей численности экономически активного населения, %;
1. Доля трудоспособного населения в сельской местности, % (Х1) - показывает потенциальную численность рабочей силы.
2. Число фельдшерско-акушерских пунктов, единиц (Х2) - характеризует доступ к первой медицинской помощи в сельской местности.
3. Жилая площадь на 1 человека в сельской местности, кв. м. (Х3) -характеризует коммунальные условия жизни сельского населения.
4. Численность сельскохозяйственных организаций, единиц (Х4) -потенциальная возможность трудоустройства. также влияет на потребность в рабочей силе.
5. Нагрузка пашни на 1 трактор, га (Х5) - техническая оснащенность сельского
труда.
6. Покупательская способность заработной платы в сельском хозяйстве (отношение средней заработной платы в сельском хозяйстве к величине среднегодового прожиточного минимума), раз (Х6) - показывает уровень материального благополучия работника сельского хозяйства.
В качестве инструмента прогнозирования будем использовать модель нейронной сети - однослойный персептрон Розенбланта. Параметры обучения сети:
1. Количество слоев нейронов -1.
2. Алгоритм обучения - метод градиентного спуска.
3. Функция активации - сигмоида
4. Ошибка отклонения для распознавания примера - 0,02 (2%).
5. Программа для построения сети - аналитическая платформа Deductor Academic;
SPSS.
Исходный массив данных для прогнозирования представлен в таблице 9.
Таблица 1 - Массив данных
Год Х1 Х2 Х3 Х 4 Х5 Х6 Y -Доля занятых в сельском хозяйстве, %
2000 66,40 1115 35 7122 152 1,09 23,27
2001 66,03 1124 36 6834 189 1,08 22,32
2002 62,53 1120 37 6643 202 1,08 21,87
2003 61,31 1088 35 6747 215 1,07 20,42
2004 61,45 1074 35 6772 230 1,18 20,33
2005 61,45 1064 32 7422 249 1,17 20,64
2006 61,46 1013 32 6312 262 1,29 19,88
2007 61,18 990 32 5906 269 1,6 18,84
2008 60,68 944 32 4457 287 1,67 19,11
2009 59,60 933 33 4202 319 1,63 18,47
2010 58,80 910 32 4131 319 1,8 18,18
2011 57,60 881 34 3696 333 1,82 18,1
2012 56,40 876 35 3485 342 1,97 17,6
2013 54,90 876 35 3429 354 1,91 16,91
2014 53,90 870 34 3291 386 1,88 16,47
2015 52,90 857 35 3192 407 1,75 16,59
3. Результаты
Граф нейронной сети, построенный по данным таблицы 1, в программе SPSS, представлен на рисунке 1.
Смещение
Рисунок 1 - Однослойный персептрон для прогнозирования занятости в сельском
хозяйстве
Веса нейронов для построения функции-сигмоиды Y представлены в таблице 2. _Таблица 2 -Оценки параметров нейронной сети_
Предиктор Предсказанные
Скрытый слой 1. Веса нейронов (wi) Выходной слой
H(1:1) Y
Входной слой 8 - cмещение ,282
X1 ,642
X2 ,663
X3 ,107
X4 ,065
X5 -,495
X6 -,785
Скрытый слой 1 а - смещение -1,224
V=H(1:1) 1,628
Аналитическое выражение функции Y имеет следующий вид:
г=177^ (1)
6
NET = Vх wl]xl -е) -а (2)
í=i
Анализ «Что-если» на платформе Deductor позволяет считать значение функции Y при задаваемых параметров Xi (i=1, 2, 3 ..., 6) (рисунок 3).
Рисунок 3 - Анализ «Что-если» для определения сценарных параметров занятости населения сельской местности в платформе Deductor
Построенная модель нейронной сети пригодна для прогнозирования. На ее основе определим прогнозные параметры занятых в сельском хозяйстве на среднесрочную перспективу до 2020 года.
4. Обсуждение и выводы
Определим граничные параметры Х1-Х6 для каждого сценария и рассчитаем возможную занятость в перспективе. Зададим границы перехода между сценариями.
При позитивном сценарии ожидается улучшение в среднесрочной перспективе указанных параметров на 10%;
При умеренном сценарии либо ухудшение на 2%, либо улучшение на 2%
При негативном сценарии ухудшение на 10%.
Расчет занятости при позитивном сценарии по нейронной сети представлено на рисунке 4. Расчетные значения по всем сценариям в таблице 3.
0 Deductor Studio Academic (Новый) - [Нейросеть [6 к 2 к 1]]
^ Файл Правка Вид Избранное Сервис Окно ?
□ ~ Н £ Ш, А йй- ^
Граф нейросеги X Диаграмма рассеяния X Что-если X Обучающий набор X
i I М « 16 из 16 О- й1 Ш f» Ш "
Поле Значение
- Входные 9.0 XI Э.О Х2 62,9 942,7
9.0 ХЗ 38,5
9.0X4 9.0 Х5 9.0 Х6 - Выходные 9.0 Y -Доля занятых ... ! 3511 366,6 1,925 19,7360103971119
Рисунок 4 - Прогноз занятости при позитивном сценарии
Таблица 3 - Прогноз занятости в сельском хозяйстве при разных вариантах _развития ситуации_
Значение рузультатирующих факторов, Прогноз
к и в зависимости от сценарного условия
Сценарий Вероятность реализац Сценарное условие Х1 - доля трудоспособного населения, %. Х2 - Число фельдшерско-акушерских пунктов, единиц Х3 - Жилая площадь на 1 человека в сельской местности, кв. м. Х4 - Численность сельскохозяйственных опганизаний. единил Х5 - Нагрузка пашни на 1 трактор, га Х6 - Покупательская способность заработной платы в сельском хозяйстве У - доля занятых в сельском хозяйстве от численности экономически активного населения, %
Текущие значения (1 января 2016 года) 52,90 857 35 3192 407 1,75 16,59
Ухудшение 42,9 777, 31,5 2872 447 1,575 12,3
Негативный 31,3% результатирующих 1 ,7
сценарий факторов на 10% от текущих
Ухудшение 50,9 839, 34,3 3128 415 1,4 16,21
результатирующих 86 ,1
факторов -2% от
Умеренный 55,6% текущих
сценарий Повышение результатирующих факторов +2% от текущих 54,9 874, 14 35,7 3256 398 ,6 1,785 16,97%
Повышение 62,9 942, 38,5 3511 366 1,925 19,74%
Позитивный 13,1% результатирующих 7 ,6
сценарий факторов +10% от текущих
Полученные результаты указывают на то, что в среднесрочной перспективе, с большой долей вероятности, сохранятся текущие тенденции с некоторым ухудшением по отдельным параметрам. Следует обратить внимание на достаточно высокую вероятность реализации негативного сценария (31,13%), по которому численность занятых в сельском хозяйстве снизится на 4,29%.
Представленные итоги свидетельствуют о том, что в ближайшее время аграрные производители региона могут столкнуться с новыми вызовами и нехваткой рабочей силы. Дальнейшая работа в этом направлении будет заключаться в расчете потребности в трудовых ресурсах при сценарном моделировании развития сельского хозяйства в Красноярском крае.
Список литературы:
1. Бурмистрова, А. А. Социально-экономические проблемы развития сельских территорий и пути их решения [Текст]/ А. А. Бурмистрова, Н. К. Родионова, И. С. Кондрашова// Социально-экономические явления и процессы. №. 4. 2014. С. 13-16.;
2. Мамедова, М.Г. Прогнозирование рынка труда на основе многовариантных прогнозов [Текст]/ М.Г. Мамедова, З.Г. Джабраилова// Проблемы информационных технологий. - №1. - 2010. - С. 55-66.
3. Паршуков, Д. В. Инновационный потенциал как фактор экономического развития сельскохозяйственных предприятий/ Д. В. Паршуков// Вестник Красноярского государственного аграрного университета. № 9. 2011. С. 14-17
4. Российская Федерация. Программы. Государственная программа Красноярского края N 506-п "Развитие сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия в Красноярском крае" на 2014 -2020 годы" от 30 сентября 2013 г./ Справочно-правовая система «Консультант Плюс»: [Электронный ресурс] / Компания «Консультант Плюс».
5. Рудой, Е.В. Состояние социально-трудовой сферы села и предложения по ее регулированию [Научно-исследовательская работа]/ Е. В. Рудой. - Министерство сельского хозяйства РФ. - ВНИИЭиСХ. - Москва, 2014. - 268 с.
6. Шмерлинг, Д. С. Некоторые проблемы математического моделирования неравенства и распределения доходов [Текст]/ Д. С. Шмерлинг, О. В. Милек // Социология и общество: глобальные вызовы и региональное развитие: Материалы IV Очередного Всероссийского социологического конгресса. М. : РОС, 2012. - С. 2848-2858.
