Прогнозно-ориентированные элементы снижения напряженности рынков труда: теоретические и методические особенности

Пашин Николай Петрович; Елин Альберт Максимович; Харькин Валерий Валерьевич

ОРИГИНАЛЬНАЯ СТАТЬЯ

DOI: 10.34022/2658-3712-2020-39-2-42-56 УДК 331.538.2

ОСНОВНЫЕ АСПЕКТЫ РАЗРАБОТКИ И РЕАЛИЗАЦИИ ПРОГНОЗНО-ОРИЕНТИРОВАННОЙ МОДЕЛИ СНИЖЕНИЯ НАПРЯЖЕННОСТИ НА РЕГИОНАЛЬНЫХ РЫНКАХ ТРУДА

Н.П. Пашин

ФГБУ «ВНИИ труда» Минтруда России, Москва, Россия http://orcid.org/0000-0002-8771-1643

А.М. Елин

ФГБУ «ВНИИ труда» Минтруда России, Москва, Россия http://orcid.org/0000-0003-2786-8574 В.В. Харькин НКО «Фонд поддержки лауреатов медали «За вклад в развитие нанонауки и нанотехнологий», Москва, Россия

http://orcid.org/0000-0001-5948-7659

АННОТАЦИЯ

Объект исследования данной статьи - особенности снижения напряженности на региональных рынках труда уполномоченными органами власти в сфере содействия занятости населения с помощью прогнозно-ориентированных элементов в сравнительной оценке с практикой Минтруда России по формированию целевых прогнозных показателей.

Цель исследования - разработка понятийного, методического, инструментального и количественного аспектов использования прогнозно-ориентированных элементов в управленческой практике органов исполнительной власти по снижению напряженности на рынках труда.

В рамках достижения цели решаются четыре задачи. Первая связана с теоретическими особенностями рассматриваемой проблематики и заключается в обосновании понятийного аппарата сегментации рынка труда с использованием прогнозно-ориентированных элементов. Решение второй задачи определило период и вариант применения прогнозно-ориентированной оценки. Третья задача заключается в конструировании достоверности прогноза и допущений. Четвертая задача направлена на формирование двух сценариев прогнозно-ориентированной оценки достижения цели управленческого решения по снижению напряженности на рынках труда субъектов Российской Федерации.

Методологическую основу исследования составило изучение зарубежной практики применения количественных и качественных методов в прогнозировании спроса и предложения на трудовые ресурсы. Сделан обоснованный выбор количественной оценки с разработкой метода прогнозно-ориентированной сегментации рынков труда на профессионально-квалификационной основе. Сформирована методика определения статистической погрешности. С учетом указанных инноваций в статье представлен прогнозный комплекс, объединяющий следующие разработки проведенного исследования: способ эффективного финансового обеспечения, метод формирования группировок регионов на профессионально-квалификационной основе, методики информационно-коммуникационного и мотивационного совершенствования содействия занятости.

В результате приведена прогнозно-ориентированная оценка эволюционного (изменения параметров факторов влияния на напряженность рынка труда осуществляются в пределах диапазона региональной группировки) и кардинального (динамика параметров факторов влияния предполагает переход изучаемого субъекта Российской Федерации из диапазона одной группировки в другую) прогнозного сценария достижения цели управленческого решения по снижению напряженности на рынке труда c установленной вероятностной оценкой и статистической погрешностью. В обоих сценариях решаются управленческие задачи, направленные на достижение цели за счет увеличения соотношения затрат на активную политику по отношению к пассивной, роста количества заявленных вакансий, возрастания количественной оценки интегрального рейтинга субъектов Российской Федерации с максимальным количеством вакансий на востребованной профессионально-квалификационной основе.

Предлагаемый прогноз снижения напряженности рынка труда в будущем году строится на полученной вероятностной оценке взаимосвязи с динамикой факторов влияния в предыдущем, учитывая статисти-

■

ческую погрешность. Обоснованные авторами разработки предназначены для Минтруда России, координационных комитетов содействия занятости населения в федеральных округах, высших органов государственной власти субъектов Российской Федерации и региональных органов власти с полномочиями в сфере содействия занятости, центров занятости населения.

Ключевые слова: напряженность рынка труда; безработица по методологии МОТ; фактор влияния; прогнозно-ориентированная взаимосвязь; прогноз рынка труда; сценарий прогноза; прогнозно-ориентированная оценка; прогнозно-ориентированная сегментация; профессионально-квалификационная основа.

Для цитирования: Пашин Н.П., Елин А.М., Харькин В.В. Основные аспекты разработки и реализации прогнозно-ориентированной модели снижения напряженности на региональных рынках труда. Социально-трудовые исследования. 2020;39(2):42-56. DOI: 10.34022/2658-3712-202039-2-42-56.

ОRIGINAL PAPER

BASIC ASPECTS OF THE DEVELOPMENT AND IMPLEMENTATION OF A FORECAST-ORIENTED MODEL FOR REDUCING REGIONAL LABOR MARKET PRESSURE

N.P. Pashin

FSBI All-Russian Research Institute of Labor, Ministry of Labor of Russia, Moscow, Russia

http://orcid.org/0000-0002-8771-1643

A.M. Elin

FSBI All-Russian Research Institute of Labor, Ministry of Labor of Russia, Moscow, Russia

http://orcid.org/0000-0003-2786-8574

V.V. Khar'kin

NGO Foundation for support of winners of the medal "For contributions to the development of nanoscience and nanotechnologies", Moscow, Russia

http://orcid.org/0000-0001-5948-7659

ABSTRACT

The object of the article is the features of reducing regional labor market pressure by authorized authorities in employment promotion using forecast-oriented elements in a comparative assessment with the practice of the Ministry of Labor of Russia to form target forecast indicators.

The aim of the study is to develop the conceptual, methodological, instrumental and quantitative aspects of using forecast-oriented elements in the management of executive authorities to reduce labor market pressure. Four tasks are being solved to achieve this goal. The first one refers to the theoretical features of the issues and consists in substantiating the definitions of labor market segmentation using forecast-oriented elements. Solving the second task determined the period and the application of the forecast-oriented assessment. The third task is to frame the reliability of the forecast and assumptions. The fourth task aims at developing two scenarios of forecast-oriented assessment of achieving the goal of a managerial decision to reduce labor market pressure in the constituent entities of the Russian Federation.

The framework of the research was the study of foreign experience in applying quantitative and qualitative methods to forecast labor supply and demand. The authors made a sound choice of a quantitative assessment with a developed method of forecast-oriented segmentation of labor markets within a professional and qualification framework. The authors developed the methodology to determine the statistical error. Considering these innovations, the article presents a forecast that combines the following developments of the study: a method of effective financial support, a method of distinguishing regional groups by professional qualifications, information and communication and motivational methods of improving employment promotion. As a result, the authors provide a forecast-oriented assessment of the evolutional (the change in the parameters of influence factors on labor market pressure is carried out within the range of the regional group) and essential (the dynamics of the parameters of influence factors involves the studied constituent entity of the Russian Federation transiting from the range of one group to another) forecast scenario to achieve the managerial decision in order to reduce labor market pressure with an established probabilistic assessment and statistical error. In both scenarios, the management tasks are achieved by increasing the cost ratio on active

to passive policies, increasing the number of declared vacancies, and increasing the quantitative assessment of the integral rating of the constituent entities of the Russian Federation with the maximum vacancies within the required professional and qualification framework.

The proposed forecast for reducing labor market pressure for the next year is based on the obtained probabilistic assessment of the relationship with the dynamics of influence factors in the previous year, considering the statistical error. Justified by the authors, the developments may be of further use by the Ministry of Labor of Russia, coordination committees for promoting employment in the federal districts, the highest bodies of state power of the constituent entities of the Russian Federation and regional authorities with powers in employment promotion, employment centers.

Keywords: labor market pressure; unemployment according to the ILO methodology; influence factor; forecast-oriented relationship; labor market forecast; forecast scenario; forecast-oriented assessment; forecast-oriented segmentation; professional and qualification framework.

Для цитирования: Pashm N. P., Elin A. M., Khar'kin V. V. Basic aspects of the development and implementation of a forecast-oriented model for reducing regional labor market pressure. Social and labor research. 2020;39(2):42-56. DOI: 10.34022/2658-3712-2020-39-2-42-56.

ВВЕДЕНИЕ

Настоящая статья является продолжением опубликованной ранее работы, основанной на результатах проведенных нами научных исследований [1] и посвящена совершенствованию деятельности государственных органов службы занятости в рамках федерального проекта «Поддержка занятости и повышение эффективности рынка труда для обеспечения роста производительности труда» национального проекта «Производительность труда и поддержка занятости», реализации требований ряда других нормативных документов1 с использованием прогнозно-ориентированных элементов.

В исследовании выявлена устойчивая взаимосвязь снижения уровня напряженности на

1 Паспорт национального проекта (программы) «Производительность труда и поддержка занятости» (утвержденного президиумом Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам, протокол №16 от 24 декабря 2018 г.) // Сайт «Законы, кодексы и нормативно-правовые акты Российской Федерации». URL: http:// legalacts.ru/doc/pasport-natsionalnogo-proekta-programmy-proizvoditelnost-truda-i-podderzhka-zanjatosti/ (дата обращения: 24.02.2020)

Постановление Правительства Российской Федерации №1558 от 30 ноября 2019 года «О внесении изменений в государственную программу Российской Федерации «Содействие занятости населения» и признании утратившими силу некоторых актов Правительства Российской Федерации» // Сайт «Электронный фонд правовой и нормативно-технической документации». URL: http://legalacts.ru/doc/pasport-natsionalnogo-proekta-programmy-proizvoditelnost-truda-i-podderzhka-zanjatosti/http://docs.cntd.ru/document/563956272 (дата обращения: 24.02.2020)

Приказ Минтруда России №302 от 29 апреля 2019 года (ред. от 27 июня 2019 года) «Об утверждении Единых требований к организации деятельности органов службы занятости»// Сайт «Законы, кодексы и нормативно-правовые акты Российской Федерации». URL: http://legalacts.ru/doc/pasport-natsionalnogo-proekta-programmy-proizvoditelnost-truda-i-podderzhka-zanjatosti/ (дата обращения: 24.02.2020)

региональных рынках труда, сокращения безработицы по методологии МОТ с положительной динамикой так называемых влияющих факторов на данные процессы, которые, как установлено, сопровождаются ростом ВВП [1], [2].

Один из основных влияющих факторов связан с совершенствованием финансирования активной политики занятости и количественно определяется как увеличение соотношения затрат на активную политику по отношению к пассивной. Вероятностная оценка взаимосвязи высокая и равна -0,77 (обратный характер взаимосвязи: рост соотношения соответствует снижению коэффициента напряженности рынка труда).

Вместе с тем, сравнительный анализ затрат на содействие занятости, приведенных к размеру ВВП в Российской Федерации и странах - участницах Организации экономического сотрудничества и развития (ОЭСР)2 показывает, что соотношение расходов на активную и пассивную политику (в процентах к ВВП) в России меньше, чем в странах Организации Экономического Сотрудничества и Развития в 38 раз, а общие расходы на содействие занятости в % к ВВП - меньше примерно в 25 раз [3].

Для того, чтобы повысить эффективность воздействия данного фактора на снижение напряженности на рынке труда необходимо организовать финансирование активной политики

2 ОЭСР включает: Австралию, Австрию, Бельгию, Великобритания, Венгрию, Германию, Грецию, Данию, Израиль, Ирландию, Исландию, Испанию, Италию, Канаду, Южную Корею, Люксембург, Мексику, Нидерланды, Новую Зеландию, Норвегию, Польшу, Португалию, Словакию, Словению, США, Турцию, Финляндию, Францию, Чехию, Чили, Швейцарию, Швецию, Эстонию, Японию - всего 34 государства.

занятости из внебюджетных источников, заинтересовать в этом работодателей, ввести страховую модель защиты от безработицы, обеспечить финансирование замены устаревших информационно-коммуникационных технологий на современные, изменить порядок финансирования органов службы занятости населения, внедрив в их деятельность две группы прогнозно-ориентированных затратных нормативов: предельно допустимых (с учетом прогрессивного зарубежного опыта) и предпочтительных (на основе лучших российских практик в финансировании активной политики) с учетом необходимого увеличения финансирования для трудоустройства в других регионах, включая затраты, связанные с переездом вместе с семьей (на сегодня в Общероссийской базе вакансий практически отсутствуют подобные заявки от работодателей).

Второй фактор снижения напряженности на рынках труда - качественно иной уровень взаимодействия с работодателями, соискателями и образовательными учреждениями. Его эффективность должна выражается в росте количества заявленных работодателями вакансий в Общероссийской базе вакансий. Вероятностная оценка данной взаимосвязи - 0,80. Предлагаемые меры качественных изменений отражены в приказе Минтруда России3. В целом положительная оценка состояния взаимодействия центров занятости с работодателями была выявлена в ходе исследования на основе анализа данных портала «Общероссийская база вакансий «Работа в России»4. По результатам установлен рост заявленных вакансий работодателями практически по всем основным группам Общероссийского классификатора занятий (ОКЗ)5.

Вместе с тем, в ходе экспертной оценки взаимодействия региональных органов службы занятости с работодателями высокотехнологической сферы на примере научно-производственной

3 Приказ Минтруда России №302 от 29 апреля 2019 года (ред. от 27 июня 2019 года) «Об утверждении Единых требований к организации деятельности органов службы занятости»// Сайт «Законы, кодексы и нормативно-правовые акты Российской Федерации». URL: http://legalacts.ru/doc/pasport-natsionalnogo-proekta-programmy-proizvoditelnost-truda-i-podderzhka-zanjatosti/ (дата обращения: 24.02.2020).

4 Проведены две волны лонгитюдного исследования динамики заявленных вакансий наиболее востребованных профессий, специальностей, видов занятий в Общероссийской базе вакансий «Работа в России» с периодами - декабрь 2018 г., июнь 2019 г.

5 «ОК 010-2014 (МСКЗ-08). Общероссийский классификатор занятий» (принят и введен в действие Приказом Росстан-дарта от 12.12.2014 N 2020-ст) // Сайт компании «Консуль-

тантПлюс». URL: http://www.consultant.ru/document/cons_doc_

LAW_177953/ (дата обращения 24.02.2020).

фирмы «Материа Медика Холдинг»6, определена системная проблема - отсутствие сотрудничества в сегменте высококвалифицированного рынка труда. Проведенная оценка весовых коэффициентов заявленных вакансий в Общероссийской базе вакансий по наиболее популярным профессиям7 показала превосходство именно этой категории - специалистов высшего уровня квалификации -0,33. Представителями второй основной группы по количеству заявленных вакансий являются неквалифицированные рабочие - 0,182.

В рамках исследования установлено, что фактически у органов службы занятости отсутствуют апробированные формы взаимодействия с работодателями в высококвалифицированном сегменте экономики.

Для того, чтобы наладить такое взаимодействие высокотехнологическая компания «Ма-териа Медика Холдинг» предложила органам службы занятости населения и образовательным организациям совместное сотрудничество в рамках реализации профориентационных мероприятий и проектных программ. Со стороны компании «Материа Медика Холдинг» предусмотрено информирование о вакансиях не только через коммерческие кадровые агентства, но и через органы службы занятости, Общероссийскую базу вакансий «Работа в России», инициирование во-лонтерства и наставничества с участием ЦЗ.

Компанией «Материа Медика Холдинг» были предложены и другие меры, в том числе подключение крупных работодателей к Общероссийской базе вакансий, внедрение передовых информационно-коммуникационных технологий с развитием на этой базе сервисов, в частности, онлайн занятости; оказание государственных услуг в электронной форме; включение в интегральную оценку эффективности работы сотрудников ЦЗ 4 групп ключевых показателей критериев стимулирующих выплат, учитывающих количественные оценки привлеченных вакансий и безработных граждан, прошедших профилирование, продолжительность замещения заявленных вакансий, долю замещения вакансий с учетом категорий зарегистрированных безработных.

6 В апреле-мае 2019 г. проведена экспертная оценка взаимодействия региональных органов службы занятости с работодателями высокотехнологической сферы на примере Научно-производственной фирмы «Материа Медика Холдинг» с участием 13 % трудового коллектива - 246 экспертами, принявшими участие в Интернет-опросе.

7 Исследование динамики заявленных работодателями вакансий наиболее востребованных профессий, специальностей, видов занятий в Общероссийской базе вакансий «Работа в России» в декабре 2018 г. и июне 2019 г.

Третий фактор, положительно воздействующий на уровень напряженности рынков труда, - профессионально-квалификационный, измеряемый с помощью количественной оценки интегрального рейтинга регионов с максимумом количества вакансий наиболее востребованных профессий по основным группам Общероссийского классификатора занятий (квалификационный признак) [1]. Вероятностная оценка взаимосвязи достаточно высокая - 0,76.

Для того, чтобы повысить роль данного фактора необходимо широкое внедрение передовых информационно-коммуникационных технологий на платформенной и цифровой основе, обеспечивающих эффективное взаимодействие органов службы занятости с физическими лицами, работодателями и образовательными учреждениями; использование многофункциональных центров оказания государственных услуг в трудоустройстве; дополнительные меры по мотивированию и стимулированию работников ЦЗ по привлечению вакансий, улучшению их характеристик и динамики.

ОБОСНОВАНИЕ ПОНЯТИЙНОГО АППАРАТА СЕГМЕНТАЦИИ РЫНКА ТРУДА С ИСПОЛЬЗОВАНИЕМ ПРОГНОЗНО-ОРИЕНТИРОВАННЫХ ЭЛЕМЕНТОВ

Взаимосвязь уровня напряженности рынков труда и перечисленных факторов влияния называется вероятностной и характеризуется количественным показателем - вероятностью ее проявления в настоящее время.

Вместе с тем результаты исследования доказывают, что данную взаимосвязь в настоящем времени (ее количественную вероятностную оценку) правомерно использовать и через определенный период в будущем с учетом возникающей погрешности. В этом случае разрабатывается прогнозно-ориентированная модель, прогнозный элемент которой обусловлен будущим временем ее оценки, а ориентированный элемент определяется нацеленностью на состояние рынка труда с определенным уровнем напряженности, вероятностью его достижения и погрешностью реализации.

В экономическом научном сообществе не сложился консенсус в определении понятия прогноза рынка труда. Основная причина -устоявшиеся национальные традиции применения количественных и качественных оценок в прогнозировании. Так, например, в США, Ка-

наде, Франции, Германии, Нидерландах и Скандинавских странах используют количественную оценку, а в Италии, Испании и Греции - качественную [5]. В нашем исследовании за основу взята количественная оценка, основанная на предвидении изменений параметров факторов влияния на рынки труда субъектов Российской Федерации в рамках установленных диапазонов их динамики в сформированных региональных группировках [1], [6].

В этой связи, прогноз рынка труда, по нашему мнению, целесообразно рассматривать как определение вариантов его развития в будущем (сценариев прогноза) и обоснование оптимального из них на основании количественной оценки с учетом существующего ресурсного обеспечения и анализа степени вероятности реализации разработанных управленческих решений.

Прогнозно-ориентированная оценка состояния рынка труда заключается в количественном измерении его напряженности, прогнозном периоде применения полученных результатов и погрешности достоверности при целенаправленных изменениях факторов влияния в ходе реализации управленческого решения.

Прогнозно-ориентированное улучшение характеристики рынка труда представляет собой снижение его напряженности в течение прогнозного периода за счет достигнутой субъектами данной сферы нужной динамики установленных влияющих факторов с определенной вероятностной оценкой и ее погрешностью.

Большое внимание зарубежного и отечественного экономического научного сообщества обращено на прогнозирование потребностей в трудовых ресурсах с учетом профессионально-квалификационного разреза [7], который оценивается как «глобальная проблема» [1], [8]. С нашей точки зрения, прогнозно-ориентированная сегментация рынка труда на профессионально-квалификационной основе рассматривается как управленческий инструмент формирования его секторов со сниженной напряженностью с помощью прогнозно-ориентированной оценки за счет увеличения финансирования активной политики, заявленных вакансий и трудоустройства работников с профессионально-квалификационными характеристиками, востребованными экономикой и образовательной сферой.

Существует многообразие трактовок понятия экономический механизм [9-16]. Например, у Журавлева Д.М. [17] экономический механизм представлен как система целевого воздействия

на основе модели управления8 [6], [18] с необходимым математическим обеспечением. Экономический механизм позиционируется как интегральное сочетание инструментов управления и взаимодействия субъектов в целях развития положительного тренда в экономической сфере [19]. Таким образом, можно выделить следующие устойчивые составляющие рассматриваемого понятия: системность, целевая направленность, управление и социальное партнерство, математическое сопровождение.

В этой связи прогнозно-ориентированный механизм профессионально-квалификационной сегментации рынков труда, предназначенный для снижения напряженности на рынках труда и уменьшения безработицы, целесообразно позиционировать в качестве «Прогнозного комплекса инструментов управляющего воздействия и взаимодействия с математическим обеспечением, допущениями и обратной связью».

В состав этого исследовательского комплекса входят методы эффективного финансового обеспечения и формирования региональных группировок на профессионально-квалификационной основе, методики информационно-коммуникационного и мотивационного совершенствования содействия занятости, функции управляющего воздействия и взаимодействия заинтересованных субъектов [2].

Математическое обеспечение рассматриваемого механизма включает в себя следующие расчетные инструменты: прогнозно-ориентированной взаимосвязи (носит универсальный характер для рассмотренных факторов влияния на напряженность рынков труда) [1], интегрального рейтинга субъектов РФ с максимальным количеством вакансий наиболее востребованных профессий по основным группам Общероссийского классификатора занятий, весового коэффициента приоритетности факторов влияния, весового коэффициента основных квалификационных групп ОКЗ [6].

ПРОГНОЗНО-ОРИЕНТИРОВАННАЯ ОЦЕНКА: ВАРИАНТЫ ПРИМЕНЕНИЯ

С учетом продолжительности периода прогнозирования используется три варианта: краткосрочное - до 1 года, среднесрочное - от 1 до 3-5 лет и долгосрочное - более 3-5 лет [20].

Минтруд России применяет среднесрочное прогнозирование в сфере содействия занятости:

• по целевым прогнозным показателям в области содействия занятости на предстоящий год в разрезе субъектов Российской Федера-ции9;

• на 3-5 лет в актуализации государственной программы Российской Федерации «Содействие занятости населения»10 через ожидаемые результаты реализации программы и ее подпрограмм, а также в национальном проекте «Производительность труда и поддержка занятости»11 с долей удовлетворенных получателей услуг модернизированных центров занятости и количеством обученных работников, находящихся под риском увольнения.

В настоящем исследовании, учитывая в качестве основного статистического источника результаты проводимого Минтрудом России каждые полгода мониторинга деятельности органов службы занятости, представляется целесообразным рассмотреть также вариант среднесрочного прогнозирования на один год. Но, в отличие от целевых прогнозных показателей приведенных источников Минтруда России, полученных методом экспертного опроса, предлагаемые в исследовании прогнозно-ориентированные элементы позволяют использовать сегодняшнюю выявленную количественную оценку взаимосвязи динамики уровня напряженности рынка труда от изменения влияющих (его) факторов (а), как обоснованную для формирования прогноза на следующий год с установленной статистической погрешностью.

8 Бобковым В.Н., Новиковой И.В., Шичкиным И.А., Бобковым Н.В. предложена государственная модель управления занятости на основе использования современных информационно-коммуникационных технологий [9]. Пашиным Н.П., Малолетко А.Н., Виноградовой М.Н., Калмыковым С.Б. разработана государственная модель содействия занятости [18].

9 Приказ Министерства труда и социальной защиты Российской №703н от 29 октября 2019 г. «Об утверждении целевых прогнозных показателей в области содействия занятости населения на 2020 год» // Сайт «Электронный фонд правовой и нормативно-технической информации». URL: http:// http:// docs.cntd.ru/document/563854985 (дата обращения: 24.02.2020)

10 Постановление Правительства Российской Федерации №1558 от 30 ноября 2019 г. «О внесении изменений в государственную программу Российской Федерации «Содействие занятости населения» и признании утратившими силу некоторых актов Правительства Российской Федерации // Сайт «Электронный фонд правовой и нормативно-технической информации». URL: http://docs.cntd.ru/document/563956272 (дата обращения: 24.02.2020).

11 Паспорт национального проекта (программы) «Производительность труда и поддержка занятости» (утвержденного президиумом Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам, протокол №16 от 24 декабря 2018 г.) // Сайт «Законы, кодексы и нормативно-правовые акты Российской Федерации». URL: http://legalacts.ru/doc/pasport-natsionalnogo-proekta-program-my-proizvoditelnost-truda-i-podderzhka-zanjatosti/ (дата обращения: 24.02.2020).

ДОСТОВЕРНОСТЬ ПРОГНОЗА И ДОПУЩЕНИЙ

Достоверность прогноза определяется вероятностной оценкой и статистической погрешностью - так показатели реального состояния рынков труда отличаются от прогнозных [21]. Ниже приводится методика расчета статистической погрешности. Используемые данные 20172018 гг. позволяют рассчитать погрешность прогнозно-ориентированной оценки на 2019 г., что сегодня не может считаться прогнозом.

Проблемный вопрос прогнозирования - использование оперативных данных. Допущения предусматривают применение указанными в начале статьи субъектами исходной оперативной статистической информации состояния рынков труда субъектов РФ для прогноза на следующий год. Такая информация у органов исполнительной власти есть, но она в закрытом доступе. Открытые данные мониторинга Минтруда России по деятельности органов службы занятости отстают от текущего времени на полгода: например, итоги 2019 г. будут опубликованы в июле-августе 2020 г.

В этой связи при рассмотрении 4-й задачи по формированию двух сценариев прогнозно-ориентированной оценки достижения цели управленческого решения по снижению напряженности на рынках труда субъектов РФ использовались данные 2017-2018 гг. (названы, как данные «текущего года») с погрешностью на 2019 г. (упомянутой, как «следующего года»).

Вместе с тем, разработанный в рамках данного исследовании прогнозный комплекс механизма профессионально-квалификационной сегментации рынков труда (первая задача) включает методику информационно-коммуникационного совершенствования содействия занятости, которая развила высказанные предложения [18] и анализ, содержащийся в зарубежных источниках [22-36], а именно рекомендовано: внедрение технологий «больших данных» (Big Data); цифровых и платформенных решений; искусственного интеллекта; создание в Общероссийской базе вакансий «Работа в России» онлайн сервисов с необходимой статистической информацией по: а) спросу и предложению рабочей силы в отраслях экономики с ее квалификационными востребованными характеристиками; б) наиболее популярным профессиям; в) оценки состояния рынков труда субъектов Российской Федерации и т. д.

Итак, о методике определения статистической погрешности, как заключительного этапа формирования прогнозно-ориентированной оценки. Она включает две процедуры: 1) расчет количественной взаимосвязи уровня напряженности рынков труда с соотношением расходов на активную и пассивную политику (первый признак региональных различий) и количеством заявленных вакансий (второй признак региональных различий) для 2017 г.; 2) сравнение полученных результатов с аналогичными данными 2018 г.

Первая процедура. Исходные данные 2017 г. группировок субъектов Российской Федерации по количеству заявленных вакансий и соотношения расходов на активную и пассивную политику получены на основе результатов мониторинга Минтруда России. Следующий шаг - определение соответствия номеров регионов с уровнем их напряженности и двумя другими признакам различий их рынков труда (табл. 1).

Для определения количественной оценки взаимосвязей преобразуем данные таблицы 1 в удобную форму (табл. 2).

Применяя разработанный универсальный инструментарий оценки выявленной взаимосвязи группировок субъектов Российской Федерации с установленными признаками различий [1], а также данные таблицы 2, сформируем необходимые сведения по количественной оценке взаимосвязи регионов с исследуемыми признаками их рынков труда (табл. 3).

Вторая процедура. Для обоснования достоверного применения установленной прогнозно-ориентированной оценки в рассматриваемый среднесрочный период (один год) необходимо определить ее статистическую погрешность. Для этого нужно сравнить вероятностную оценку взаимосвязей в 2017 г. и 2018 г. (приведены в [1]).

Таким образом, полученная оценка прогнозно-ориентированной взаимосвязи уровня напряженности на рынке труда предыдущего 2018 г. и: 1) соотношения расходов на активную и пассивную политику с вероятностью 0,77 может использоваться в прогнозе на 2019 г. с допустимой статистической погрешностью в -1,3%; 2) количества заявленных вакансий - соответственно, с вероятностью 0,8 в прогнозе на 2019 г. с погрешностью в +3,6%. Повторяем, что в разделе статьи, связанной с решением третьей задачи, показана лишь методика определения статистической погрешности.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Таблица 1 / Table 1

Группировки субъектов Российской Федерации с уровнем напряженности на рынке труда во взаимосвязи

с регионами группировок по количеству заявленных вакансий и соотношением расходов на активную и пассивную политику по итогам 2017 г. / Groups of constituent entities of the Russian Federation with labor market pressure in relation to the regions of groups by the number of declared vacancies and the cost ratio

on active to passive policies by the end of 2017

Номер в группировке^" пп. / Number in a group /No. Наименование субъекта Российской Федерации / Constituent entity of the Russian Federation Коэффициент напряженности (КН) на рынке труда региона / Рейтинг(R) в 2017 г. / Labor market pressure coefficient (LMP) in the region / Rating (R) in 2017 Номер группировки субъекта РФ по количеству заявленных вакансий в расчете на одного работника центра занятости в 2017 г. /Russian Federation by the number of declared vacancies per employee of the employment center in 2017 Номер группировки субъекта РФ по отношению расходов на активную и пассивную политику в 2017 г. / Number of the group of the constituent entity of the Russian Federation by the cost ratio on active to passive policies in 2017

I группировка субъектов Российской Федерации с наиболее низким коэффициентом напряженности на рынке труда и диапазоном 0,1<КН<0,4, интервал рейтинга регионов 1< R<4

1 Ямало-Ненецкий автономный округ 0,1/1 I I

2 г. Москва 0,2/2 I III

3 г. Севастополь 0,2/2 I I

4 Ленинградская область 0,2/2 II I

5 Камчатский край 0,2/2 IV I

6 Сахалинская область 0,2/2 II I

7 Тюменская область 0,2/2 I I

8 Еврейская автономная область 0,2/2 I I

9 Чувашская Республика 0,3/3 I I

10 Тульская область 0,3/3 II I

11 Белгородская область 0,3/3 I III

12 Волгоградская область 0,3/3 I III

13 Красноярский край 0,3/3 I I

14 Нижегородская область 0,3/3 II IV

15 Ханты-Мансийский автономный округ 0,4/4 II I

16 Республика Татарстан 0,4/4 I I

17 Тамбовская область 0,4/4 III III

18 Республика Крым 0,4/4 IV I

19 Рязанская область 0,4/4 II II

20 Липецкая область 0,4/4 II II

21 Ульяновская область 0,4/4 I I

22 Краснодарский край 0,4/4 I II

23 Калининградская область 0,4/4 II II

24 Калужская область 0,4/4 III II

25 Хабаровский край 0,4/4 I II

II группировка субъектов Российской Федерации с повышенным коэффициентом напряженности на рынке труда и диапазоном 0,5<КН<0,6, интервал рейтинга регионов 5< R<6

1/26 Амурская область 0,5/5 I IV

2/27 Ростовская область 0,5/5 II III

3/28 Саратовская область 0,5/5 II III

4/29 Иркутская область 0,5/5 III II

5/30 Воронежская область 0,5/5 I III

6/31 Ставропольский край 0,5/5 I III

7/32 г. Санкт-Петербург 0,5/5 III I

8/33 Костромская область 0,5/5 IV II

9/34 Республика Башкортостан 0,5/5 I II

10/35 Московская область 0,6/6 III II

11/36 Тверская область 0,6/6 II I

12/37 Вологодская область 0,6/6 I IV

13/38 Пензенская область 0,6/6 I III

14/39 Владимирская область 0,6/6 II II

15/40 Приморский край 0,6/6 I II

16/41 Новосибирская область 0,6/6 I I

17/42 Удмуртская Республика 0,6/6 IV II

18/43 Магаданская область 0,6/6 IV I

19/44 Республика Бурятия 0,6/6 II II

20/45 Республика Мордовия 0,6/6 I IV

21/46 Омская область 0,6/6 II I

III группировка субъектов Российской Федерации с высоким коэффициентом напряженности на рынке труда и диапазоном 0,7<КН<1,1, интервал рейтинга регионов 7< R<11

1/47 Новгородская область 0,7/7 IV III

2/48 Ярославская область 0,7/7 III IV

Номер в группировке^" пп. / Number in a group /No. Наименование субъекта Российской Федерации / Constituent entity of the Russian Fédération Коэффициент напряженности (КН) на рынке труда региона / Рейтинг(R) в 2017 г. / Labor market pressure coefficient (LMP) in the region / Rating (R) in 2017 Номер группировки субъекта РФ по количеству заявленных вакансий в расчете на одного работника центра занятости в 2017 г. /Russian Federation by the number of declared vacancies per employee of the employment center in 2017 Номер группировки субъекта РФ по отношению расходов на активную и пассивную политику в 2017 г. / Number of the group of the constituent entity of the Russian Federation by the cost ratio on active to passive policies in 2017

3/49 Чукотский автономный округ 0,7/7 IV I

4/50 Ивановская область 0,7/7 IV IV

5/51 Псковская область 0,7/7 III II

6/52 Самарская область 0,7/7 II IV

7/53 Республика Марий Эл 0,7/7 IV IV

8/54 Забайкальский край 0,7/7 I IV

9/55 Томская область 0,7/7 III I

10/56 Брянская область 0,7/7 III III

11/57 Курская область 0,8/8 I III

12/58 Орловская область 0,8/8 IV III

13/59 Мурманская область 0,8/8 IV II

14/60 Пермский край 0,8/8 II II

15/61 Республика Адыгея 0,9/9 IV II

16/62 Алтайский край 0,9/9 I III

17/63 Астраханская область 0,9/9 II IV

18/64 Республика Коми 0,9/9 II I

19/65 Свердловская область 1,0/10 II III

20/66 Архангельская область 1,0/10 III II

21/67 Кировская область 1,0/10 III III

22/68 Кемеровская область 1,1/11 III III

23/69 Курганская область 1,1/11 IV III

IV группировка субъектов Российской Федерации с наивысшим коэффициентом напряженности на рынке труда и диапазоном 1,2<КН<47,0 интервал рейтинга регионов 12< R<24

1/70 Челябинская область 1,2/12 III IV

2/71 Смоленская область 1,2/12 III III

3/72 Республика Хакасия 1,3/13 II IV

4/73 Республика Калмыкия 1,3/13 IV III

5/74 Республика Саха (Якутия) 1,3/13 III I

6/75 Ненецкий автономный округ 1,5/14 III I

7/76 Республика Карелия 1,6/15 III I

8/77 Оренбургская область 1,7/16 I IV

9/78 Кабардино-Балкарская Республика 2,1/17 IV IV

10/79 Республика Алтай 2,2/18 III II

11/80 Карачаево-Черкесская Республика 2,6/19 IV II

12/81 Республика Тыва 4,2/20 II III

13/82 г. Байконур 6,6/21 IV III

14/83 Республика Северная Осетия-Алания 6,6/21 IV III

15/84 Чеченская Республика 27,0/22 IV IV

16/85 Республика Дагестан 30,0/23 IV IV

17/86 Республика Ингушетия 47,0/24 IV IV

Источник/Source: Мониторинг и оценка качества и доступности государственных услуг в области содействия занятости населения (по итогам деятельности органов службы занятости в 2017 г.). URL: https://rosmintrud.ru/docs/mintrud/migration/1281 (дата обращения 24. 02.2020) / Monitoring and evaluating the quality and accessibility of public services in the field of employment promotion (based on the results of the activities of the employment service in 2017). URL: https://rosmintrud.ru/docs/mintrud/migration/1281 (accessed on 24.02.2020).

ФОРМИРОВАНИЕ ДВУХ СЦЕНАРИЕВ ПРОГНОЗНО-ОРИЕНТИРОВАННОЙ ОЦЕНКИ ДОСТИЖЕНИЯ ЦЕЛИ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ ПО СНИЖЕНИЮ НАПРЯЖЕННОСТИ НА РЕГИОНАЛЬНЫХ РЫНКАХ ТРУДА В прогнозировании применяются сценарии прогнозных показателей. Минэкономразвития, например, использовал при разработке прогноза социально-экономического развития Российской Федерации на 2018-2020 гг. три их вида: базовый, целевой и консервативный [21]. В настоящей статье авторы предлагают два сценария

прогнозно-ориентированной оценки снижения напряженности на рынках труда субъектов Российской Федерации: 1) эволюционный - предусматривающий изменения параметров в пределах диапазона региональной группировки (в таблице 5 показаны группировки субъектов Российской Федерации с диапазонами изменения уровня напряженности на рынке труда); 2) кардинальный - динамика параметров предполагает переход изучаемого субъекта Российской Федерации из одной группировки в другую. При этом учтены допущения, прокомментированные при решении

Таблица 2 / Table 2

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Взаимосвязь группировок субъектов Российской Федерации по уровню напряженности на рынке труда с субъектами группировок по отношению расходов на активную и пассивную политику, а также количеству заявленных вакансий в 2017 г. / The relationship of groups of constituent entities of the Russian Federation in terms of labor market pressure with the constituent entities of groups in relation to costs on active and passive policies, as well as the number of vacancies declared in 2017

№ п/п / No. Номера группировок субъектов Российской Федерации по уровню напряженности на рынке труда (количество регионов) / Group numbers of constituent entities of the Russian Federation by labor market pressure (number of regions) Номера группировок субъектов Российской Федерации по отношению расходов на активную и пассивную политику/ по количеству заявленных вакансий c указанием количества совпадающих регионов двух видов рассматриваемых группировок / Group numbers of constituent entities of the Russian Federation in relation to costs on active and passive policies/ by the number of declared vacancies indicating the number of matching regions of the two types of groups under consideration

I II III IV

1 2 3 4 5

1 I (25) 14/13 6/8 4/2 1/2

2 II (21) 5/9 8/6 5/3 3/3

3 III (23) 3/3 5/5 9/7 6/8

4 IV (17) 3/1 2/2 5/6 7/8

Источник/Source: Мониторинг и оценка качества и доступности государственных услуг в области содействия занятости населения (по итогам деятельности органов службы занятости в 2017 г.). URL: https://rosmintrud.ru/docs/mintrud/migration/1281 (дата обращения 24. 02.2020) / Monitoring and evaluating the quality and accessibility of public services in the field of employment promotion (based on the results of the activities of the employment service in 2017). URL: https://rosmintrud.ru/docs/mintrud/migration/1281 (accessed on 24.02.2020).

Таблица 3 / Table 3

Количественная оценка вероятностной взаимосвязи между уровнем напряженности и отношения расходов на активную и пассивную политику, а также количеством заявленных вакансий в 2017 г. / Quantitative assessment of the probabilistic relationship between labor market pressure and the cost ratio on active and passive policies, as well as the number of declared vacancies in 2017

Вид вероятностной взаимосвязи: между уровнем напряженности и соотношением расходов на активную и пассивную политику / Type of probabilistic relationship: between labor market pressure and the cost ratio on active and passive policies Расчет количественной оценки, вероятность взаимосвязи (безразмерная величина) / Calculation of quantitative assessment, the probability of relationship (non-dimensional value) Вид вероятностной взаимосвязи: между уровнем напряженности и количеством заявленных вакансий / Type of probabilistic relationships: between labor market pressure and the number of declared vacancies Расчет количественной оценки, вероятность взаимосвязи (безразмерная величина) / Calculation of the quantitative assessment, the probability of the relationship (non-dimensional value)

Оценка взаимосвязи субъектов I группировки с наименьшим уровнем напряженности на рынке труда и соответствующих им субъектов группировок с наибольшим соотношением расходов на активную и пассивную политику ОВ 1ун и рап = 14+6 0,80 25 Оценка взаимосвязи субъектов I группировки с наименьшим уровнем напряженности на рынке труда и соответствующих им субъектов группировок с наибольшим количеством заявленных вакансий ОВ !ун и кзв = 13+8 0,84 25

Оценка взаимосвязи субъектов IV группировки с наивысшим уровнем напряженности на рынке труда и соответствующих им субъектов группировок с наименьшим соотношением расходов на активную и пассивную политику ОВ №ун и рап = 5+7 0,71 17 Оценка взаимосвязи субъектов IV группировки с наивысшим уровнем напряженности на рынке труда и соответствующих им субъектов группировок с наименьшим количеством заявленных вакансий ОВ Мун и кзв = 6+8 0,82 17

Количественная оценка взаимосвязи субъектов группировок с уровнем напряженности на рынке труда и субъектов группировок с соотношением расходов на активную и пассивную политику ОВ ун и рап = (-0,80)+(-0,71) - 0,76 Количественная оценка взаимосвязи субъектов группировок с уровнем напряженности на рынке труда и субъектов группировок по количеству заявленных вакансий ОВ ун и кзв = (-0,84W82) - 0,83 2

Источник/Source: разработано авторами / developed by the authors.

третьей задачи о достоверности прогноза и допущениях: использованы данные 2018 г. (как «текущий год») со статистической погрешностью на 2019 г. (как «следующий год»).

Эволюционный прогнозный сценарий снижения напряженности на рынках труда субъектов Российской Федерации предусматривает

диапазон количественных изменений внутри группировок субъектов Российской Федерации, сформированных в настоящем исследовании по изучаемым признакам региональных различий.

Результаты формирования прогнозно-ориентированной оценки достижения цели управленческого решения по снижению напряженности

Таблица 4 / Table 4

Определение статистической погрешности оценки прогнозно-ориентированной взаимосвязи уровня напряженности на рынке труда с установленными факторами влияния при выборке из 86 субъектов Российской Федерации/ Determining the statistical error in assessing the forecast-oriented relationship of labor market pressure and the established influence factors in a sample of 86 constituent entities

of the Russian Federation

Количественная оценка вероятностной взаимосвязи, относительная безразмерная величина / Quantitative assessment of the probabilistic relationship, relative non-dimensional value Показатели расчета статистической погрешности / Indicators for calculating statistical error Статистическая погрешность оценки прогнозно-ориентированной взаимосвязи на следующий 2019 г., % / Statistical error in assessing the forecast-oriented relationship for 2019, %

Взаимосвязь между уровнем напряженности и соотношением расходов на активную и пассивную политику

2017 г. 2018 г. -1,3

-0,76 -0.77

Взаимосвязь между уровнем напряженности и количеством заявленных вакансий

2017 г. 2018 г. +3,6

-0,83 -0,8

Источник/Source: разработано авторами / developed by the authors.

Таблица 5 / Table 5

Прогнозно-ориентированная оценка эволюционного прогнозного сценария достижения цели управленческого решения по снижению напряженности на рынке труда Республики Башкортостан/ Forecast-oriented assessment of the evolutional forecast scenario to achieving the management decision goal of reducing labor market pressure in the Republic of Bashkortostan

Диапазон количественных изменений по решаемой задаче (номер группировки) в текущем году / Range of quantitative changes for the problem to be solved (group number) in the current year Диапазон количественных изменений по прогнозно-ориентированному результату (цели) - снижению коэффициента напряженности на рынке труда (номер группировки) в следующем году / Range of quantitative changes in the forecast-oriented result (goal) to reduce the labor market pressure coefficient (group number) next year Прогнозно-ориентированная оценка на следующий год / Forecast-oriented assessment for the next year

Вероятностная оценка достижения цели, относительная безразмерная величина / Probabilistic assessment of achieving the goal, the relative non-dimensional value Статистическая погрешность,% / Statistical error,%

Задача первая: увеличение расходов на активную политику по отношению к пассивной

от 13,5 - 19,0 (II) от 0,50 - 0,40 (II-I) -0,77 -1,3

Задача вторая: увеличение количества заявленных вакансий работодателями в Общероссийской базе вакансий в расчете на одного работника центра занятости

от 403 - 458 (I) от 0,50 - 0,40 (II-I) -0,8 +3,6

Задача третья: увеличение количественной оценки интегрального рейтинга регионов с максимумом количества вакансий наиболее востребованных профессий по основным группам Общероссийского классификатора занятий

от 1,441 - 1,837 (I) от 0,50 - 0,40 (II-I) -0,76 Не определялась*

Источник/Source: разработано авторами / developed by the authors.

* Погрешность не определялась из-за отсутствия открытых данных напряженности на рынках труда субъектов Российской Федерации в 2019 г.

на рынке труда конкретного субъекта Российской Федерации (по произвольно выбранному примеру Республики Башкортостан), приведены в таблице 5. Использовалась информация таблицы 4 и сведения из построенных группировок субъектов Российской Федерации на основе данных мониторинга Минтруда России. Предполагается, что при принятии и реализации управленческого решения субъекты (перечислены в начале статьи) в обоих прогнозных сценариях используют полученный в ходе исследования прогнозный комплекс предлагаемого прогнозно-ориентированного механизма профессионально-квалификационной сегментации рынков труда (подробней - в первой задаче настоящей статьи), включая способ эффективного финансового обеспечения, метод формирования

группировок регионов на профессионально-квалификационной основе, методики информационно-коммуникационного и мотивационного совершенствования содействия занятости, функции управляющего воздействия и взаимодействия. Предлагаемые меры органам исполнительной власти в сфере содействия занятости для реализации целенаправленной динамики параметров влияющих факторов на снижение напряженности рынков труда приведены во введении.

Кардинальный прогнозный сценарий снижения напряженности на рынках труда субъектов Российской Федерации предусматривает диапазоны количественных изменений между группировками субъектов Российской Федерации, которые подготовлены с помощью обработ-

Таблица 6/ Table 6

Прогнозно-ориентированная оценка кардинального прогнозного сценария достижения цели управленческого решения по снижению напряженности на рынке труда субъекта (ов) Российской Федерации / Forecast-oriented assessment of the essential forecast scenario for achieving the management decision goal to reduce labor market pressure in a constituent entity (-ies) of the Russian Federation

Диапазон количественных изменений по решаемой задаче (номер группировки) в текущем году / Range of quantitative changes for the problem to be solved (group number) this year Диапазон количественных изменений по прогнозно-ориентированному результату (цели) - снижению коэффициента напряженности на рынке труда (номер группировки) в следующем году / Range of quantitative changes for the forecast-oriented result (goal) -to reduce the labor market pressure coefficient (group number) next year Прогнозно-ориентированная оценка на следующий год / Forecast-oriented assessment for the next year

Вероятностная оценка достижения цели, относительная безразмерная величина / Probabilistic assessment of achieving the goal, the relative Статистическая погрешность,% / Statistical error,%

Задача первая: увеличение расходов на активную политику по отношению к пассивной

от 13,5 - 21,5 (II) до 23,4 - 160,6 (I) от 0,50 - 0,60 (II) до 0,14 - 0,40 (I) -0,77 -1,3

Задача вторая: увеличение количества заявленных вакансий работодателями в Общероссийской базе вакансий в расчете на одного работника центра занятости

от 199 - 257 (II) до 266 - 478 (I) от 0,50 - 0,60 (II) до 0,14 - 0,40 (I) -0,8 +3,6

Задача третья: увеличение количественной оценки интегрального рейтинга регионов с максимумом количества вакансий наиболее востребованных профессий по основным группам Общероссийского классификатора занятий

от 1,093 - 0,420 (II) до 2,539 - 1,170 (I) от 0,50 - 0,60 (II) до 0,14 - 0,40 (I) -0,76 Не определялась

Источник/Source: разработано авторами / developed by the authors.

ки результатов мониторинга Минтруда России (табл. 6). Рассматривается конкретный субъект или группа регионов в рамках указанных номеров группировок с приведенными диапазонами изменения признаков региональных различий.

В таблице 6 приведены количественные изменения по задачам и цели на примере I и II группировок. Аналогичная ситуация по субъектам Российской Федерации в рамках III и IV группировок.

Показательно, что в ходе решения третьей и четвертой задач настоящей статьи теоретические и методические особенности прогнозно-ориентированных элементов сформировали их количественную характеристику. Важно и другое. Фактически в статье завершено обоснование метода прогнозно-ориентированной сегментации рынков труда на профессионально-квалификационной основе.

ВЫВОДЫ

В статье сделана попытка раскрыть и сформулировать теоретические особенности рассматриваемой проблематики. Уточнен понятийный аппарат рынка труда с использованием прогнозно-ориентированных элементов. Даны определения прогнозно-ориентированным взаимосвязям уровня напряженности и факторов влияния.

Научно обоснована эффективность применения разработанного авторами метода прогнозно-ориентированной сегментации рынков труда на профессионально-квалификационной основе,

предназначенного для снижения уровня напряженности рынков труда субъектов Российской Федерации с применением прогнозной оценки за счет реализации управленческих решений, способных изменить параметры факторов влияния в рамках установленных диапазонов сформированных региональных группировок. Метод является количественным, предусматривает два сценария: эволюционный и кардинальный, период применения прогнозно-ориентированной оценки, достоверность прогноза и допущения, разработан в интересах государственных структур органов содействия занятости населения четырех уровней: федерального, межрегионального, регионального и центров занятости.

Показано, что прогнозно-ориентированные элементы являются органической частью комплекса предлагаемого прогнозно-ориентированного механизма профессионально-квалификационной сегментации рынков труда, а именно:

а) способа эффективного финансового обеспечения с точки зрения осуществления прогнозной оценки уменьшения напряженности рынков труда в зависимости от роста соотношения затрат на активную политику и пассивную;

б) метода формирования группировок регионов на профессионально-квалификационной основе в целях прогнозно-ориентированного снижения напряженности за счет улучшения профессионально-квалификационных характеристик спроса и предложения рабочей силы на рынках труда;

в) функции прогнозно-ориентированного содействия занятости населения как функции управляющего воздействия и взаимодействия заинтересованных субъектов;

г) обеспечивающих факторов - методик информационно-коммуникационного и мотивационно-го совершенствования содействия занятости.

Предложенное применение прогнозно-ориентированных элементов качественно отличается от осуществляемого Минтрудом России

экспертного прогнозирования целевых прогнозных показателей в сфере содействия занятости. Суть представленной разработки заключается в использовании установленной в предыдущем году количественной вероятностной оценки взаимосвязи уровня напряженности рынка труда от изменения влияющих факторов, как основание для формирования прогноза на следующий год с установленной статистической погрешностью.

СПИСОК ИСТОЧНИКОВ

1. Елин А.М., Харькин В.В. Прогнозно-ориентированное управление сегментацией рынка труда // Социально-трудовые исследования. 2020;1(38):38-52.

2. Пашин Н.П., Калмыков С.Б. Активная и пассивная политика занятости в России и зарубежных странах: соотношение затрат // Наукоемкие технологии. 2018;19(1):48-56.

3. Харькин В.В. Совершенствование финансирования содействия занятости населения на региональных рынках труда: прогнозно-ориентированные аспекты // Наукоемкие технологии. 2019;20(5):45-55.

4. Дульзон С. В. Зарубежный опыт прогнозирования формирования и использования трудовых ресурсов // Известия Оренбургского государственного аграрного университета. 2012;4(36):153-156.

5. BLS Handbook of Methods, Division of BLS Publishing, NE Washington, DC - April. 1997.

6. Харькин В.В. Инструментальные и методические аспекты сегментации региональных рынков труда с применением квалификационных характеристик // МИР (Модернизация. Инновация. Развитие). 2019;10(3):408-428. DOI: 10.18184/20794665.2019.10.3.408-428.

7. Смирнов В. М., Рязанцева М. В. Прогнозирование потребностей экономики в трудовых ресурсах в профессионально-квалификационном разрезе: обзор зарубежного опыта // Современные научные исследования и инновации. 2017;(3). URL: http://web.snauka.ru/issues/2017/03/79358 (дата обращения: 24.02.2020).

8. Рязанцева М. В., Смирнов В. М. Зарубежный опыт социального партнерства на рынке труда и в профессиональном образовании // Региональные проблемы преобразования экономики. 2016;9(71):125-134.

9. Бобков В.Н., Новикова И.В., Шичкин И.А., Бобков Н.В. Современные информационные технологии регулирования занятости от неустойчивых к устойчивым формам // Уровень жизни населения регионов России. 2016; (4):47-59. DOI: 10.12737/24233.

10. Сухарев О.С. Экономическая политика. Институциональный механизм. М.: URSS. 2018. 554 с.

11. Вдовин С.М. Стратегия и механизмы устойчивого развития региона. М.: ИНФРА-М. 2015. 154 с.

12. Николенко С.И. Теория экономических механизмов. М: Институт НОУ. 2016. 227 с.

13. Гарьковенко В.Э. Механизм стратегического планирования конкурентного развития предприятия с использованием инструментов стейкхолдер-менеджмента /Монография. 2016. 149 с.

14. Hurwicz L., Radner R., Reiter S. «A stochastic decentralized resource allocation process: Part I». Econometrica. The Econometric Society via JSTOR. 43 (2): 187-221. Cowles Commission Discussion Paper: Economics No. 2112.

15. Hurwicz L., Reiter S. Designing economic mechanisms. - New York: Cambridle University Press, 2008.

16. Погодина Т.В., Кузнецов Н.В., Абдикеев Н.М., Тютюкин Е.Б., Капранова Л.Д. Финансово-экономические механизмы создания инновационных территориальных кластеров // Монография. М.: Русайнс. 2018.139 с.

17. Журавлев Д.М. Организационно-экономический механизм управления устойчивым развитием региона // Креативная экономика. 2019;13:(2):249-260. DOI: 10.18334/ce.13.2.39905.

18. Пашин Н.П., Малолетко А.Н., Виноградова М.В., Калмыков С.Б. Взаимодействие службы занятости населения с работодателями: анализ применения информационных систем // Социально-трудовые исследования. 2019;1(34):57-70.

19. Бычкова А.Н. Экономический механизм: определение, классификация и применение // Вестник Омского университета. 2010;(4):37-43.

20. Нестеров А.К. Прогнозирование в управлении: //Энциклопедия Нестеровых. URL: http://odiplom.ru/lab/prognozirovanie-v-upravlenii.html (дата обращения: 24.02.2020).

21. Федотова Г.В., Ильясов Р.Х., Церенова Б.И. Оценка индикаторов прогноза социально-экономического развития России на 2018-2020 г.г. // Финансовая политика: проблемы и решения. 2018;11(4):368-386.

22. A Labor Market That Works Executive summary. McKinsey Global Institute (MGI). June 20, 2015.

23. Stanton Christopher and Thomas Catherine. Landing the first job: the value of intermediaries in online hiring. CEP Discussion Papers, CEPDP1316. Centre for Economic Performance, London School of Economics and Political Science, London, UK. 2014.

24. Kuhn P., Skuterud M. Internet Job Search and Unemployment Durations. The American Economic Review, 94 (1). 2004. p. 218.

25. Kuhn P., Mansour H. Is Internet Job Search Still Ineffective? The Economic Journal, 124 (581). 2014. pp. 1213-1233.

26. Einav L., Levin J. Economics in the age of big data. Science, 346 (6210). 2014.

27. Dubinina M.G. Influence of information technologies on employment dynamics in Russia and foreign countries. Nauka. Innovatsii. Obrazovanie. 2017;(2):109-133. (In Russ.).

■

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

28. Brynjolfsson E., McAfee A. Race against the machine: How the digital revolution is accelerating innovation, driving productivity, and irreversibly transforming employment and the economy. Lexington, Mass: Digital Frontier Press, 2011.

29. Autor D. H. Polanyi's Paradox and the Shape of Employment Growth. NBER Working Paper. 2014. No. 20485.

30. Shapiro R. J. The U. S. Software Industry: An Engine for Economic Growth and Employment. SIIA White Paper. 2014.

31. Autor D. H., Dorn D. The Growth of Low Skill Service Jobs and the Polarization of the U. S. Labor Market. American Economic Review.2013;5(103):1553-1597.

32. ICT as a Driver of Productivity. A White paper prepared for Telstra by ACIL Tasman. January 2009.

33. Frey C. B., Osborne M. A. The future of employment: How susceptible are jobs to computerisation? Oxford: University of Oxford, 2013. 72 p.

34. Postel-Vinay F. The Dynamics of Technological Unemployment // International Economic Review. Department of Economics, University of Pennsylvania and Osaka University Institute of Social and Economic Research Association. 2002. № 3 (43). pp. 737-760.

35. Carre M., Drouot D. Pace versus type: the effect of economic growth on unemployment and wage patterns // Review of Economics Dynamics. 2004. № 3 (7). pp. 737-757.

36. Varschavskii L.E. Macroeconomic analysis of the USA Development in the medium term. Natsional'nye interesy: prioritety I bezopasnost'. 2014;(47):49-63.

REFERENCES

1. Elin A.M., Khar'kin V. V. Forecast-oriented management of labor market segmentation / / Social and labor research. 2020. 2020; 1 (38): 38-52.

2. Pashin N. P., Kalmykov S. B. Active and passive employment policy in Russia and foreign countries: cost ratio // Science Intensive Technologies. 2018; 19 (1): 48-56.

3. Khar'kin V. V. Improving the financing of employment promotion in regional labor markets: forecast-oriented aspects // Science Intensive Technologies. 2019; 20 (5): 45-55.

4. Dul'zon S. V. Foreign experience in forecasting the formation and use of labor resources // Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta=Bulletin of the Orenburg State Agrarian University. 2012; 4 (36): 153-156.

5. BLS Handbook of Methods, Division of BLS Publishing, NE Washington, DC - April. 1997.

6. Khar'kin V. V. Instrumental and methodological aspects of segmentation of regional labor markets with the use of qualification characteristics // World (Modernization. Innovation. Research.). 2019; 10 (3): 408-428. DOI: 10.18184 / 2079-4665.2019.10.3.408428.

7. Smirnov V. M., Ryazantseva M. V. Forecasting the needs of the economy in labor resources in the professional qualification section: a review of foreign experience // Modern scientific researches and innovation. 2017; (3). URL: http://web.snauka.ru/ issues/2017/03/79358 (accessed on 02.24.2020).

8. Ryazantseva M. V., Smirnov V. M. Foreign experience of social partnership in the labor market and professional education / / Regional problems of transforming the economy. 2016;9(71):125-134.

9. Bobkov V. N., Novikova I. V., Shichkin I. A., Bobkov N. V. Modern information technologies of employment regulation from unstable to stable forms // Uroven' zhizni naseleniya regionov Rossii= Living Standards of the Population of Russian Regions. 2016; (4):47-59. DOI: 10.12737/24233.

10. Sukharev O. S. Economic policy. Institutional mechanism. M.: USSR. 2018; (554).

11. Vdovin S. M. Strategy and mechanisms of sustainable development of the region. M.: INFRA-M. 2015; (154).

12. Nikolenko S. I. Theory of economic mechanisms. M.: Institut NOU. 2016; (227).

13. Gar'kovenko V. E The strategic planning mechanism for the competitive development of the enterprise using the tools of stakeholder management / Monograph. 2016; (149).

14. Hurwicz L., Radner R., Reiter S. «A stochastic decentralized resource allocation process: Part I». Econometrica. The Econometric Society via JSTOR. 43 (2): 187-221. Cowles Commission Discussion Paper: Economics No. 2112.

15. Hurwicz L., Reiter S. Designing economic mechanisms. - New York: Cambridle University Press, 2008.

16. Pogodina T. V., Kuznetsov N. V., Abdikeev N. M., Tyutyukin E. B., Kapranova L. D. Financial and economic mechanisms for creating innovative territorial clusters / Monograph. M.: Ruscience. 2018;1(39).

17. Zhuravlev D. M. Organizational and economic mechanism for managing sustainable development of the region // Creative economy. 2019.V.13. No. 2. S.249-260. DOI: 10.18334 / ce.13.2.39905.

18. Pashin N. P., Maloletko A. N., Vinogradova M. V., Kalmykov S. B. Interaction of the employment service with employers: analysis of the application of information systems // Social and labor research. 2019. No. 1(34): 57-70.

19. Bychkova A. N. Economic mechanism: definition, classification and application // Herald of Omsk University. 2010; (4): 37-43.

20. Nesterov A. K. Forecasting in management: / / Encyclopedia of the Nesterovs. URL: http://odiplom.ru/lab/prognozirovanie-v-upravlenii.html (accessed on 24.02.2020).

21. Fedotova G. V., Ilyasov R. Kh., Tserenova B. I. Assessment of indicators for the forecast of socio-economic development of Russia for 2018-2020 // Finansovaya politika: problemy i resheniya=Financial policy: problems and solutions. 2018; 11 (4): 368-386.

22. A Labor Market That Works Executive summary. McKinsey Global Institute (MGI). June 20, 2015.

23. Stanton Christopher and Thomas Catherine. Landing the first job: the value of intermediaries in online hiring. CEP Discussion Papers, CEPDP1316. Centre for Economic Performance, London School of Economics and Political Science, London, UK. 2014.

24. Kuhn P., Skuterud M. Internet Job Search and Unemployment Durations. The American Economic Review, 94 (1). 2004; (218).