УДК 311
DOI 10.30914/2411 -9687-2022-8-2-221 -232
Система СПО как элемент регионального экономического развития
Н. К. Швецова, А. В. Швецов
Марийский государственный университет, г. Йошкар-Ола, Российская Федерация
Аннотация. Введение. В современных реалиях государство вынуждено уделять все большее внимание реальному сектору экономики. И если еще несколько лет назад экономика государства развивалась секторально, в том числе ввиду политики Центробанка по сдерживанию внутренних инвестиций. Финансовый регулятор таким способом пытался до недавнего времени бороться с инфляцией, ошибочно предполагая, что только сокращение кредитования физлиц и частного бизнеса способно удержать инфляционные процессы в установленных рамках. В настоящее время необходимо активно развивать все отрасли во взаимодействии и планировании между собой всех действий. Следует отметить, что начинать изменения в экономике необходимо с системы образования, в частности СПО. Считаем, что система среднего специального образования является важнейшим элементом подготовки специалистов среднего звена для отечественной экономики, инструментом подготовки рабочих профессий, так востребованных сейчас в нашей стране. В связи с этим возникает научная и практическая задача оценки степени влияния показателей, характеризующих состояние системы среднего профессионального образования регионов Российской Федерации на валовой региональный продукт данных субъектов. ВРП региона выбран в качестве результирующего показателя, отражающего финансово-экономическое положение регионов Российской Федерации. Цель: изучить взаимосвязи и взаимозависимости качественных и количественных показателей системы СПО и социально -экономических показателей регионов РФ. Материалы и методы. В исследовании анализируются официальные статистические данные Росстата, применены многомерные статистические методы кластерного, корреляционного, регрессионного анализа и соответствующее программное обеспечение. Заключение. Следует подчеркнуть, что результаты анализа следует применять для конкретных регионов и только в рамках рассматриваемых временных диапазонов.
Ключевые слова: система СПО, преподаватели СПО, выпуск специалистов, статистический анализ, система показателей, корреляция, регрессия, лаговая зависимость, регрессионная модель
Авторы заявляют об отсутствии конфликта интересов.
Для цитирования: Швецова Н. К., Швецов А. В. Система СПО как элемент регионального экономического развития // Вестник Марийского государственного университета. Серия «Сельскохозяйственные науки. Экономические науки». 2022. Т. 8. № 2. С. 221-232. DOI: https://doi.oig/10.30914/2411-9687-2022-8-2-221-232
The SVE system as an element of regional economic development N. K. Shvetsova, A. V. Shvetsov
Mari State University, Yoshkar-Ola, Russian Federation
Abstract. Introduction. In modern realities, the state is forced to pay more and more attention to the real sector of the economy. And if a few years ago the state's economy developed sectorally, including due to the policy of the Central Bank to curb domestic investment. The financial regulator tried to fight inflation in this way until recently, mistakenly assuming that only a reduction in lending to individuals and private businesses is able to keep inflationary processes within the established framework. Currently, it is necessary to actively develop all industries in cooperation and planning all actions among themselves. It should be noted that it is necessary to start changes in the economy with the education system, in particular the vocational education system. We believe that the system of secondary special education is the most important element of training middle-level specialists for the domestic economy, a tool for training working professions that are so in demand in our country now. In this regard, there is a scientific and practical task of assessing the degree of influence of indicators characterizing the state of the system of secondary vocational education in the regions of the Russian Federation on the gross regional product of these subjects. The GRP of the region is selected as the resulting indicator reflecting the financial and economic situation of the regions of the Russian Federation. The purpose of the study is to test the
hypothesis about the degree of influence of the indicators of the SVE (secondary vocational education) system on the gross regional product of the regions of the Russian Federation. Materials and methods. The study analyzes the official statistical data of Rosstat, uses multidimensional statistical methods of cluster, correlation, regression analysis and appropriate software. Conclusion. It should be emphasized that the results of the analysis should be applied to specific regions and only within the considered time ranges.
Keywords: SVE system, SVE teachers, graduation of specialists, statistical analysis, indicator system, correlation, regression, lag dependence, regression model
The authors declare no conflict of interests.
For citation: Shvetsova N. K., Shvetsov A. V. The SVE system as an element of regional economic development. Vestnik of the Mari State University. Chapter "Agriculture. Economics", 2022, vol. 8, no. 2, pp. 221-232. (In Russ.). DOI: https://doi.org/10.30914/2411-9687-2022-8-2-221-232
Введение
В условиях ужесточения санкционного давления и технологического отставания отечественной экономики, Правительство Российской Федерации предпринимает экстренные меры по поддержке не только банковского сектора, как это было в периоды предыдущих экономических кризисов, но особенно важно - реального сектора отечественной экономики.
Продолжается работа по повышению устойчивости экономики. Разрабатывается нормативно-правовая база развития экономики и первый антисанкционный пакет уже одобрен парламентом. Во второй пакет документов вошли новые инициативы по поддержке людей, финансовых рынков, отдельных секторов экономики и бизнеса в целом.
Цель работы - проверить насколько сильно валовой региональный продукт зависит от показателей, характеризующих систему среднего профессионального образования, в частности количества преподавателей, мастеров производственного обучения, выпуска специалистов среднего звена, а также показателей развития отдельных отраслей отечественной экономики.
Основная часть
В соответствии с решениями Правительства РФ1, эти меры включают: освобождение от подоходного налога депозитов граждан, доходов по ним и процентов за использование заемных средств от работодателей, корректировка транс-
1 Заседание Правительственной комиссии по повышению устойчивости российской экономики в условиях санкций. URL: http://government.ru/news/44781/ (дата обращения: 12.03.2022).
портного налога, меры поддержки строительной отрасли, туризма, гражданской авиации, морского и железнодорожного транспорта, упрощение регистрации иностранных компаний в специальных административных районах и расширение списка продукции, которую можно производить в особых экономических зонах, возобновление механизма специальных инвестиционных контрактов и другие.
В соответствии с Постановлением Правительства РФ № 337 от 10 марта 2022 года, «представители малого и среднего бизнеса в 2022 году смогут воспользоваться кредитными каникулами — взять отсрочку по возврату кредита или уменьшить размер платежей в течение льготного периода»2. В перечень приоритетных отраслей вошли: «сельское хозяйство, наука, образование, здравоохранение, культура, гостиничный бизнес, спорт, общественное питание, информационные технологии (в том числе производство компьютеров и разработка ПО), оптовая и розничная торговля, сфера услуг. Также в перечне — обрабатывающие производства, включая производство лекарств, продуктов питания, одежды, мебели, бытовой химии, электрического оборудования, резиновых и пластмассовых изделий - всего
2 Постановление Правительства Российской Федерации от 10.03.2022 № 337 «Об утверждении перечня отраслей, в которых осуществляет деятельность заемщик, указанный в части 1 статьи 7 Федерального закона «О внесении изменений в Федеральный закон «О Центральном банке Российской Федерации (Банке России)» и отдельные законодательные акты Российской Федерации в части особенностей изменения условий кредитного договора, договора займа» и о признании утратившими силу отдельных положений некоторых актов Правительства Российской Федерации». URL: http://publication.pravo.gov.ru/Document/View/000120 2203110015 (дата обращения: 12.03.2022).
более 70 кодов ОКВЭД (Общероссийский классификатор видов экономической деятельности)»1.
В сложившихся реалиях в ближайшие годы государством будет уделяться особое внимание реальному сектору экономики, поддержке существующих производств, созданию новых предприятий [10]. На наш взгляд, в большем приоритете должна находиться и сфера образования, готовящая кадры для развивающейся экономики.
В силу того, что реальный сектор экономики «держится» на специалистах, выпускниках системы среднего профессионального образования, следует предположить повышенное внимание государства к системе подготовки именно уровня СПО. Кроме того, активное внедрение в процесс обучения системы СПО практик бизнес-планирования [1], знакомство обучающихся с правовой и финансовой сторонами поддержки
государством создания новых малых форм предпринимательства на региональном уровне, способно существенно оживить экономику любого региона [2].
Анализ официальной статистики Росстата РФ2 по количеству преподавателей и мастеров производственного обучения, реализующих программы подготовки специалистов среднего звена в субъектах Приволжского федерального округа, показывает, что количество данной категории работников снижается. Среднегодовой темп снижения количества преподавателей и мастеров СПО по ПФО превышает два процента (табл. 1). Есть регионы (Пермский край, Кировская и Пензенская области), где среднегодовой темп снижения составляет четыре процента и более. Республика Марий Эл с показателем -2,7 % занимает среднее положение в округе.
Таблица 1 / Table 1
Преподаватели СПО, реализующие программы подготовки специалистов среднего звена в Приволжском Федеральном округе / Teachers of secondary vocational education implementing training programs for mid-level specialists in the Volga Federal District
2010/ 2011 2011/ 2012 2012/ 2013 2013/ 2014 2014/ 2015 2015/ 2016 2016/ 2017 2017/ 2018 2018/ 2019 2019/ 2020 2020/ 2021 Среднегодовой темп роста / Average annual growth rate
1 2 3 4 5 6 7 8 9 10 11 12 13
Приволжский федеральный округ 28909 28193 27817 26650 27070 28101 22237 22694 22624 22920 22929 -2,3 %
Республика Башкортостан 4468 4178 3999 3718 3631 3769 3087 3165 3089 3081 3119 -3,5 %
Республика Марий Эл 717 712 732 637 635 670 544 517 514 534 546 -2,7 %
Республика Мордовия 886 868 836 795 903 978 706 754 715 766 769 -1,4 %
Республика Татарстан 3466 3550 3529 3704 3797 4044 2825 2900 2946 3081 3175 -0,9 %
Удмуртская Республика 1438 1446 1356 1237 1238 1345 1059 1108 1032 1129 1264 -1,3 %
Чувашская Республика 1143 1054 1072 1115 1186 1126 1036 898 915 942 874 -2,6 %
Пермский край 2822 2603 2477 2539 2551 2624 1963 2187 2161 2033 1853 -4,1 %
1 Постановление Правительства Российской Федерации от 10.03.2022 № 337 «Об утверждении перечня отраслей, в которых осуществляет деятельность заемщик, указанный в части 1 статьи 7 Федерального закона «О внесении изменений в Федеральный закон «О Центральном банке Российской Федерации (Банке России)» и отдельные законодательные акты Российской Федерации в части особенностей изменения условий кредитного договора, договора займа» и о признании утратившими силу отдельных положений некоторых актов Правительства Российской Федерации». URL: http://publication.pravo.gov.ru/Document/View/0001202203110015 (дата обращения: 12.03.2022).
2 Сайт Федеральной службы государственной статистики РФ. URL: https://rosstat.gov.ru/ (дата обращения:13.03.2022).
Окончание табл. 1
1 2 3 4 5 6 7 8 9 10 11 12 13
Кировская область 1265 1199 1167 933 1002 1123 917 868 873 868 808 -4,4 %
Нижегородская область 2608 2730 2688 2721 2747 2968 2206 2243 2456 2488 2500 -0,4 %
Оренбургская область 2115 2106 2075 1866 2199 2124 1667 1624 1667 1651 1650 -2,5 %
Пензенская область 1398 1461 1662 1376 1321 1203 915 936 890 921 926 -4,0 %
Самарская область 2696 2616 2658 2457 2406 2690 2371 2472 2453 2556 2509 -0,7 %
Саратовская область 2591 2485 2390 2364 2344 2289 2024 2131 1963 1898 1954 -2,8 %
Ульяновская область 1296 1185 1176 1188 1110 1148 917 891 950 972 982 -2,7 %
Среди регионов Российской Федерации, показывающих положительную динамику по среднегодовому темпу роста количества преподавателей системы СПО (табл. 2), следует выделить три региона Северного Кавказа: Республика Ингушетия - 7,6 %, Чеченская Республика -4,2 %, Республика Дагестан - 2,3 %. На наш взгляд, данный рост обусловлен развитием промышленного и сельскохозяйственного производства и переработки сельхозпродукции на вышеуказанных территориях и в целом след-
ствием той государственной политики, которая осуществляется в настоящий момент в данных республиках. В частности, в Чеченской Республике достаточно активно развиваются отрасли, связанные с нефтедбычей, нефтепереработкой и строительством (Грознефтегаз, Чеченнефте-химпром, Чеченцемент, Теплостройпроект-С и проч.), а также переработка сельскохозяйственного сырья. А активное развитие отраслей требует наличия специалистов всех уровней, особенно уровня СПО [3; 4].
Таблица 2 / Table 2
Преподаватели СПО, реализующие программы подготовки специалистов среднего звена / Teachers of secondary vocational education implementing training programs for mid-level specialists
2010/ 2011 1 2011/ 2012 2 2012/ 2013 3 2013/ 2014 4 2014/ 2015 5 2015/ 2016 6 2016/ 2017 7 2017/ 2018 8 2018/ 2019 9 2019/ 2020 0 2020/ 2021 1 Среднегодовой темп роста / Average annual growth rate
1 2 3 4 5 6 7 8 9 10 11 12 13
Республика Ингушетия 109 107 211 236 284 285 218 206 195 190 227 7,6 %
Чеченская Республика 518 432 641 837 1074 1000 609 795 758 758 781 4,2 %
Республика Дагестан 1476 1754 1669 1352 1492 2152 944 1611 1853 1722 1850 2,3 %
Калининградская область 699 847 890 876 933 922 719 718 721 760 835 1,8 %
Ямало -Ненецкий автономный округ 291 286 290 187 287 310 293 293 314 325 336 1,4 %
Республика Алтай 238 238 294 269 290 315 292 287 283 260 274 1,4 %
Окончание табл. 2
1 2 3 4 5 6 7 8 9 10 11 12 13
Белгородская область 1435 1335 1430 1427 1508 1629 1446 1477 1531 1594 1649 1,4 %
Московская область 3264 3220 4101 3305 3944 3963 3195 3478 3414 3680 3697 1,3 %
Магаданская область 88 83 84 72 87 92 61 73 105 99 99 1,2 %
Псковская область 397 400 455 369 465 443 423 419 427 420 443 1,1 %
Кроме анализа численности преподавателей ров производственного обучения по всем субъ-СПО, была проанализирована динамика масте- ектам Российской Федерации (табл. 3).
Таблица 3/ Table3
Численность мастеров производственного обученияв ПФО / The number of masters of industrial training in the Volga Federal District
2010/ 2011 1 2011/ 2012 2 2012/ 2013 3 2013/ 2014 4 2014/ 2015 5 2015/ 2016 6 2016/ 2017 7 2017/ 2018 8 2018/ 2019 9 2019/ 2020 0 2020/ 2021 1 Среднегодовой темп роста / Average annual growth rate
Приволжский федеральный округ 3789 4181 4452 4191 4246 4009 1098 1073 1012 1047 3026 -2,2 %
Республика Башкортостан 166 177 200 158 254 262 99 91 90 95 467 10,9 %
Республика Марий Эл 220 191 187 171 173 187 59 61 53 49 80 -9,6 %
Республика Мордовия 93 148 142 121 110 96 41 47 40 54 55 -5,1 %
Республика Татарстан 553 653 634 648 743 716 235 219 247 267 360 -4,2 %
Удмуртская Республика 189 202 210 175 212 246 24 28 25 27 278 3,9 %
Чувашская Республика 169 145 176 217 243 204 52 54 41 38 125 -3,0 %
Пермский край 462 404 461 469 504 484 95 113 96 92 240 -6,3 %
Кировская область 290 363 402 316 295 275 103 94 95 95 165 -5,5 %
Нижегородская область 527 596 564 628 586 525 91 95 87 83 426 -2,1 %
Анализ таблицы 3 показывает, что динамика количества мастеров производственного обу-чения в субъектах Приволжского федерального округа является не только разнонаправленной, но и сильно отличается в зависимости от региона. Максимально высокий темп снижения количества мастеров производственного обуче-
ния в ПФО принадлежит Республике Марий Эл (-9,6 %), максимально высокие темпы прироста показателя у Республики Башкортостан (+10,9 %). Кроме Башкортостана положительную динамику показывают только два субъекта ПФО — Ульяновская область и Удмуртская республика - по 3,9 %.
Анализ динамики среднегодового темпа роста по Российской Федерации в целом на исследуемом промежутке времени (с 2010 по 2020 год) показал, что максимальные значения принадлежат республикам Ингушетия (+17,5 %), Тыва (+19,4 %), Алтай (+25,0 %), Кабардино-Балкария (+25,2 %) и Еврейской автономной области (+33,5 %).
В пятерку регионов России с максимальными темпами снижения показателя количества мастеров производственного обучения вошли: Белгородская область (-27,7 %), Республика Коми (-22,4 %), Ставропольский край (-21,2 %), Калужская и Калининградская области с показателями (-18,8 %) и (-17,6 %) соответственно.
Нами была выдвинута гипотеза о наличии возможной взаимосвязи между состоянием системы СПО регионов и их социально-экономического положения, кроме того, подобная зависимость может носить лаговый характер.
Для проверки данной гипотезы предполагается [6]:
1. Отобрать наиболее информативные показатели.
2. Провести корреляционный анализ и устранить мультиколлинеарность между факторами.
3. Сформировать относительно однородные группы (кластеры) на оставшихся показателях.
4. Провести в кластерах регрессионный анализ с получением линейных регрессионных моделей.
5. Проинтерпретировать результаты и сделать выводы.
В качестве информационной базы используются числовые массивы Росстата за 2019 год, включающие показатели, представленные в таблице 3. Следует подчеркнуть, что выбор тех или иных показателей для анализа зависит от практического смысла показателя и опыта исследователя.
Таблица 3 / Table 3
Показатели для анализа / Indicators for analysis
Обозначения показателя / Indicator designations Экономический показатель / Economic indicator
1 2
Y Валовой региональный продукт по субъектам Российской Федерации (валовая добавленная стоимость в текущих основных ценах), тыс. руб.
X1 Численность преподавателей, реализующих программы подготовки квалифицированных рабочих и служащих, чел.
X2 Численность мастеров производственного обучения, реализующих программы подготовки квалифицированных рабочих и служащих, чел.
X3 Численность преподавателей, реализующих программы подготовки специалистов среднего звена, чел.
X4 Численность мастеров производственного обучения, реализующих программы подготовки специалистов среднего звена, чел.
X5 Численность студентов, обучающихся по программам подготовки квалифицированных рабочих и служащих, чел.
X6 Прием на обучение по программам подготовки квалифицированных рабочих и служащих, чел.
X7 Выпуск квалифицированных рабочих и служащих, чел.
X8 Численность студентов, обучающихся по программам подготовки специалистов среднего звена, чел.
X9 Численность студентов государственных и муниципальных профессиональных образовательных организаций, обучающихся по программам подготовки специалистов среднего звена на 10 000 человек населения, чел.
X10 Выпуск специалистов среднего звена, тыс. чел.
X11 Численность рабочей силы, тыс. чел.
X12 Уровень занятости населения (по данным выборочных обследований рабочей силы; %)
Окончание табл. 3
1 2
X13 Уровень безработицы (по данным выборочных обследований рабочей силы; %)
X14 Потребность в работниках, заявленная работодателями в органы службы занятости населения, чел.
X15 Инвестиции в основной капитал на душу населения (в фактически действовавших ценах; руб.)
X16 Оборот организаций, млрд руб.
X17 Численность фактически действующих индивидуальных предпринимателей (по данным выборочных обследований индивидуальных предпринимателей; тыс.)
X18 Продукция сельского хозяйства (в хозяйствах всех категорий; в фактически действовавших ценах; млн руб.)
X19 Индексы производства продукции сельского хозяйства (в хозяйствах всех категорий; в сопоставимых ценах; в процентах к предыдущему году)
X20 Объем работ, выполненный по виду экономической деятельности «Строительство» (в фактически действовавших ценах; млн руб.)
X21 Оборот розничной торговли (в фактически действовавших ценах; млн руб.)
X22 Индексы физического объема оборота розничной торговли (в сопоставимых ценах; в процентах к предыдущему году)
X23 Организации, использовавшие системы электронного документооборота (в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации)
В результате проведенного корреляционного анализа и устранения мультиколлинеарности между отобранными ранее показателями, для последующих действий остались следующие влияющие на ВРП регионов факторы в соответствии с рисунком 1.
Проведенный в пакете Statistica регрессионный анализ по всем субъектам РФ показал (рис. 2) сильную зависимость ВРП российских регионов от показателей — Инвестиции в основной капитал на душу населения (Х15), Продукция сельского хозяйства (Х18), Оборот розничной торговли (Х21).
У XI Х9 XI2 Х13 Х15 Х18 Х19 Х21 Х22 Х23
Y 1
XI 0,628575 1
Х9 -0,35071 -0,09424 1
Х12 0,3927097 0,123196 -0,19873 1
Х13 -0,300589 -0,264 0,124405 -0,49664 1
Х15 0,1603043 -0,13402 -0,03327 0,490599 -0,10938 1
X1S 0,9640121 0,622413 -0,34754 0,32587 -0,25813 0,08042
X1S 0,0490355 0,280086 -0,0224 -0,08897 -0,19321 -0,1858 1
Х19 -0,248207 -0,1987 0,004524 -0,154 0,061422 -0,07732 0,219316 1
Х20 0,8982556 0,601263 -0,34288 0,440266 -0,33234 0,244325 0,172182 -0,2569
Х21 0,9070626 0,543909 -0,32771 0,272268 -0,28981 -0,01925 0,243379 -0,21305 1
Х22 -0,024972 -0,0022 0,033476 -0,00393 -0,00987 -0,13957 -0,05891 0,003183 0,008198 1
Х23 0,0105431 0,04406 -0,00505 0,049287 -0,22614 -0,14317 0,018678 -0,06653 0,01151 -0,10064 1
Рис. 1. Результаты корреляционного анализа / Fig. 1. Correlation analysis results
При этом само качество модели не вызывает сомнений, так как и значение показателя R2 (0,88) и F-критерия Фишера (57,1) говорят об этом.
Однако в число значимых факторов на данном этапе анализа не вошли показатели, относящиеся к деятельности системы СПО. В связи с этим бы-
ло принято решение сформировать относительно однородные по комплексу исследуемых показателей группы регионов - кластеры, а также провести в наиболее крупных кластерах регрессионного анализа с целью изучения внутренних взаимозависимостей между показателями.
Рис. 2. Результаты регрессионного анализа зависимости ВРП субъектов РФ от социально-экономических показателей / Fig. 2. Results of regression analysis of the dependence of the GRP of the subjects of the Russian Federation on socio-economic indicators
Кластерный анализ проводился методом К-средних. Количество кластеров было задано равным трем. В первый кластер вошел один субъект РФ - г. Москва, что вполне объяснимо использованием абсолютных значений показателей, по которым данный субъект существенно опережает любой другой регион Российской Федерации.
Во второй кластер вошли достаточно развитые с экономической точки зрения девять субъектов РФ, представленных на рисунке 3.
В третий, самый представительный кластер, вошли 77 субъектов Российской Федерации, для которых был проведен последующий регрессионный анализ, результаты которого представлены на рисунке 4.
Элементы кластера номер 2 (Лист Microsoft Office Excel)
и расстояния до центра кластера Кластер содержит 9 набл
о&ъедин.
Московская область 542186
г. Санкт-Петербург 328538
Краснодарский край 509546
Республика Татарстан 421417
Свердловская о&ласть 501467
Тюменская о&ласть 1437004
Ханты-Мансийский автономный округ - Югра 240688
Ямало-Ненецкий автономный округ 587499
Красноярский край 474915
Рис. 3. Состав второго кластера субъектов РФ, сгруппированного по комплексу исследуемых показателей / Fig. 3. Composition of the second cluster of subjects of the Russian Federation, grouped according
to the complex of studied indicators
N=76 Итоги регрессии для зависимой переменной: У [Лист Мюгоэс Р>= ,92313206 Р>2= ,85217280 Скоррекг. Р>2= ,82943015 Р(10,65}=37,470 р<0,0000 Станд. ошибка оценки: 1908Е2
БЕТА Ст.Ош. БЕТА В Ст.Ош. В t[65) р-знач.
Св. член -3046457 1442454 -2.11200 0,038535
Х1 0,127353 0.073491 332 192 1,73291 0,087854
Х9 0,071776 0.053169 1233 913 1,34996 0,181713
Х12 0,127122 0,058511 12691 5842 2.17261 0,033461
Х13 -0,020631 0.057861 -2797 7845 -0,35656 0,722579
Х15 0,100599 0.055389 0 0 1,81624 0.073946
Х18 -0,147744 0,072542 -1 1 -2.03667 0,045760
Х19 -0,030269 0.052106 -1496 2574 -0,58090 0,563314
Х21 0,910305 0,090543 2 0 10.05390 0,000000
Х22 0,077266 0.049004 20167 12790 1,57674 0,119711
Х23 0,058877 0.052540 3901 3481 1,12062 0,266573
Рис. 4. Результаты регрессионного анализа зависимости ВРП субъектов РФ от социально-экономических показателей для кластера 3 / Fig. 4. Results of regression analysis of the dependence of the GRP of the subjects of the Russian Federation
on socio-economic indicators for cluster 3
плекса рассматриваемых факторов, включая численность преподавателей, реализующих программы подготовки квалифицированных рабочих и служащих (Х1) и численность студентов государственных и муниципальных профессиональных образовательных организаций, обучающихся по программам подготовки специалистов среднего звена на 10 000 человек населения (Х9). Результаты анализа представлены на рисунке 5.
Модель зависимости (при альфа 0,2) выглядит следующим образом (2):
X12 = 84,8 - 0,15X18 - 0,14Y - 0,28X1 - 0,55X9 (2)
Таким образом, для второго кластера на исследуемом временном промежутке характерно, что при увеличении количества преподавателей, реализующих программы подготовки квалифицированных рабочих и служащих (Х1) и численность студентов государственных и муниципальных профессиональных образовательных организаций, обучающихся по программам подготовки специалистов среднего звена на 10 000 человек населения (Х9) занятость населения снижается. Данное соотношение раскрывает глубокое социально-экономическое противоречие для исследуемой группы регионов, заключающееся в том, что выпускники системы СПО по большей части выпадают из системы официальных трудовых отношений.
Качественные показатели модели говорят о ее вполне достаточном уровне (Я2=0,85; F-кри-терий Фишера - более 37). Готовая модель принимает следующий вид (1):
Y= -3046457 +0,13X12-0,15X18 +0,91X21 (1)
Анализ модели (1) показывает, что в среднем для данной группы регионов валовой региональный продукт растет с увеличением уровня занятости населения и оборота розничной торговли и уменьшается с ростом объема продукции сельского хозяйства. Уменьшение ВРП с ростом продукции сельского хозяйства можно объяснить несколькими причинами. Во-первых, для некоторых регионов данная отрасль действительно является убыточной вследствие их географического положения. Во-вторых, для локализации данной проблемной ситуации можно было бы увеличить количество кластеров, что привело бы к их большей однородности и появлению новых, более точных зависимостей [6; 7]. Следует подчеркнуть, что для лучшей детализации зависимостей подобного рода необходимо провести исследования на более широком временном диапазоне, сравнив результаты за каждый рассматриваемый год.
Для представителей второго кластера (9 субъектов РФ) был проведен обратный регрессионный анализ, определяющий степень зависимости одного из социально-экономических показателей (Х12 — уровень занятости населения) от ком-
Рис. 5. Результаты регрессионного анализа зависимости уровня занятости населения субъектов РФ от социально-экономических показателей для кластера 2 / Fig. 5. Results of regression analysis of the dependence of the level of employment of the population of the subjects of the Russian Federation on socio-economic indicators for cluster 2
Выводы
В качестве вывода следует отметить наличие взаимосвязей и взаимозависимостей между показателями уровня развития среднего профессионального образования и рядом показателей, отражающих общее социально-экономическое положение и уровень развития субъектов Российской Федерации. Кроме того, развитию системы среднего специального образования сле-
дует уделять большее внимание в силу того, что эта сфера серьезным образом влияет на экономическую безопасность российских регионов. Региональным властям совместно с руководством системы профтехобразования следует уделить существенное внимание планированию выпуска специалистов среднего звена в соответствии с потребностями реального сектора экономики регионов.
1. Боговин В. В. Система многоуровневой поддержки предпринимательских компетенций молодежи, студентов и выпускников организаций ВО и СПО в реализации собственных проектов // Бизнес. Образование. Право. 2020. № 4 (53). С. 122-127. URL: https://www.elibrary.ru/item.asp?id=44180149 (дата обращения: 12.04.2022).
2. Григорьев С. Г., Курносенко М. В. Внедрение элементов STEM-образования в подготовку педагогов по профилю «информатика и технологии» // Известия института педагогики и психологии образования. 2018. № 2. С. 5-13. URL: https://www.elibrary.ru/item.asp?id=35260903 (дата обращения: 07.04.2022).
3. Квитницкая Г. Л., Беляева О. А., Кучеренко Г. Н. Профобразование педагогов: метапредметный аспект // Директор школы. 2021. № 1 (254). С. 34-43. URL: https://www.elibrary.ru/item.asp?id=45769789 (дата обращения: 12.04.2022).
4. Павлова В. А. Значимость изучения зарубежной практики в области оказания образовательных услуг в системе дополнительного профессионального образования // Вестник экономической безопасности. 2018. № 2. С. 311-316. URL: https://cyberleninka.ru/article/n/znachimost-izucheniya-zarubezhnoy-praktiki-v-oblasti-okazaniya-obrazovatelnyh-uslug-v-sisteme-dopolnitelnogo-professionalnogo (дата обращения: 13.04.2022).
5. Романова Ю. Е. Оптимизация режима деятельности как одна из главных задач современных образовательных учреждений // Наука и образование сегодня. 2018. № 9 (32). С. 45-47. URL: https://cyberleninka.ru/article/n/optimizatsiya-rezhima-deyatelnosti-kak-odna-iz-glavnyh-zadach-sovremennyh-obrazovatelnyh-uchrezhdeniy (дата обращения: 05.04.2022).
6. Швецов А. В. Экономический анализ и прогнозирование финансово-экономического положения субъекта РФ. Методики: монография / Йошкар-Ола : Марийский гос. ун-т, 2011. 291 с.
7. Швецов А. В., Швецова Н. К. Инструментальные средства исследования экономической безопасности регионов // Инновационное развитие экономики. 2018. № 6-2 (48). С. 293-297. URL: https://www.elibrary.ru/item.asp?id=37295117 (дата обращения: 07.04.2022).
8. Jayne Marshall Myles Professional Studies for Midwifery Education and Practice. Concepts and Challenges. 1st Edition -April 15. 2019. P. 232. URL: https://www.elsevier.com/books/myles-professional-studies-for-midwifery-education-and-practice/978-0-7020-6860-7 (дата обращения: 11.04.2022).
9. Paranthaman A., Ayshwarya B., Livshits Y. A., Nguyen P. T., Hashim W., Shankar K., Maseleno A. Self-education as a condition of professional and personal development of a future specialist // International Transaction Journal of Engineering, Management and Applied Sciences and Technologies. 2020. Т. 11. № 1. С. 11A01M. URL: https://www.elibrary.ru/item.asp?id=44687100 (дата обращения: 15.04.2022).
10. Vaganova O. I., Kutepova L. I., Smirnova Z. V., Bulaeva M. N., Bobylev E. L. Рrofessional education in the digital transformation society // Eduweb: Revista de Tecnología de Información y Comunicación en Educación. 2021. Т. 15. № 3. С. 215-224. DOI: https://doi.org/10.46502/issn.1856-7576/2021.15.03.18
11. Vrazhnova M. N., Anastasov M. S., Nikiporets-Takigava G. Yu. Impact of professional self-improvement on the effectiveness of teachers in distance education. Revista Tempos e Espaços em Educaçao. 2021. Т. 14. № 33. С. e16159. URL: https://dialnet.unirioja.es/servlet/articulo?codigo=8077253 (дата обращения: 01.04.2022).
Статья поступила в редакцию 20.04.2022 г.; одобрена после рецензирования 18.05. 2022 г.; принята к публикации 02.06.2022 г.
Об авторах
Швецова Наталия Кимовна
кандидат экономических наук, доцент, Марийский государственный университет (424000, Российская Федерация, г. Йошкар-Ола, пл. Ленина, д. 1), ORCID: https://orcid.org/0000-0002-0449-3864,
shvetsoff@rambler. ru
Швецов Андрей Владимирович
доктор экономических наук, профессор, Марийский государственный университет (424000,
Российская Федерация, г. Йошкар-Ола, пл. Ленина, д. 1), ORCID: https://orcid.org/0000-0003-3594-
0636, av.shvetsov@yandex.ru
Все авторы прочитали и одобрили окончательный вариант рукописи.
1. Bogovin V. V. Sistema mnogourovnevoi podderzhki predprinimatel'skikh kompetentsii molodezhi, studentov i vypusknikov organizatsii VO i SPO v realizatsii sobstvennykh proektov [The system of multi-level support of entrepreneurial competences of the youth, students and graduates of HE and SVE organizations for implementation of their projects]. Biznes. Obrazovanie. Pravo = Business. Education. Law, 2020, no. 4 (53), pp. 122-127. Available at: https://www.elibrary.ra/item.asp?id=44180149 (accessed 12.04.2022). (In Russ.).
2. Grigoriev S. G., Kurnosenko M. V. Vnedrenie elementov STEM-obrazovaniya v podgotovku pedagogov po profilyu "in-formatika i tekhnologii" [Introduction of STEM education elements in the training of teachers in the profile "Computer science and Technology"]. Izvestiya institutapedagogiki ipsikhologii obrazovaniya = Proceedings of the Institute of Pedagogy and Psychology of Education, 2018, no. 2, pp. 5-13. Available at: https://www.elibrary.ru/item.asp?id=35260903 (accessed 07.04.2022). (In Ru ss.).
3. Kvitnitskaya G. L., Belyaeva O. A., Kucherenko G. N. Profobrazovanie pedagogov: metapredmetnyi aspekt [Professional education of teachers: meta-subject aspect]. Direktor shkoly = School headmaster, 2021, no. 1 (254), pp. 34-43. Available at: https://www.elibrary.ru/item.asp?id=45769789 (accessed 12.04.2022). (In Russ.).
4. Pavlova V. A. Znachimost' izucheniya zarubezhnoi praktiki v oblasti okazaniya obrazovatel'nykh uslug v sisteme dopolnitel'nogo professional'nogo obrazovaniya [Significance of the study of foreign practice in the region of the rendering of educational services in the system of the additional vocational education]. Vestnik ekonomicheskoi bezopasnosti = Vestnik of Economic Security, 2018, no. 2, pp. 311-316. Available at: https://cyberleninka.ru/article/nznachimost-izucheniya-zambezhnoy-praktM-v-oblasti-okazaniya-obrazovatelnyh-uslug-v-sisteme-dopolnitelnogo-professionalnogo (accessed 13.04.2022). (In Russ.).
5. Romanova Yu. E. Optimizatsiya rezhima deyatel'nosti kak odna iz glavnykh zadach sovremennykh obrazovatel'nykh uchrezhdenii [Optimization of the mode of activity as one of the main tasks of modern educational institutions]. Nauka i obrazovanie segodnya = Science and Education Today, 2018, no. 9 (32), pp. 45-47. Available at: https://cyberleninka.ru/article/n/optimizatsiya-rezhima-deyatelnosti-kak-odna-iz-glavnyh-zadach-sovremennyh-obrazovatelnyh-uchrezhdeniy (accessed 05.04.2022). (In Russ.)
6. Shvetsov A. V. Ekonomicheskii analiz i prognozirovanie finansovo-ekonomicheskogo polozheniya sub"ekta RF. Metodiki: monografiya [Economic analysis and forecasting of the financial and economic situation of the subject of the Russian Federation. Methods: monograph]. Yoshkar-Ola, Mari State University Publ. house, 2011, 291 p. (In Russ.).
7. Shvetsov A. V., Shvetsova N. K. Instrumental'nye sredstva issledovaniya ekonomicheskoi bezopasnosti regionov [Tools of research of regions' economic security]. Innovatsionnoe razvitie ekonomiki = Innovative Development of Economy, 2018, no. 6-2 (48), pp. 293-297. Available at: https://www.elibrary.ru/item.asp?id=37295117 (accessed 07.04.2022). (In Russ.).
8. Marshall J. Myles Professional Studies for Midwifery Education and Practice. Concepts and Challenges. 1st Edition, April 15, 2019, p. 232. Available at: https://www.elsevier.com/books/myles-professional-studies-for-midwifery-education-and-practice/978-0-7020-6860-7 (accessed 11.04.2022). (In Eng.).
9. Paranthaman A., Ayshwarya B., Livshits Y. A., Nguyen P. T., Hashim W., Shankar K., Maseleno A. Self-education as a condition of professional and personal development of a future specialist. International Transaction Journal of Engineering,
Management and Applied Sciences and Technologies, 2020, vol. 11, no. 1, p. 1101. Available at: https://www.elibrary.ru/item.asp?id=44687100 (accessed 15.04.2022). (In Eng.).
10. Vaganova O. I., Kutepova L. I., Smirnova Z. V., Bulaeva M. N., Bobylev E. L. Professional education in the digital transformation society. Eduweb: Revista de Tecnología de Información y Comunicación en Educación, 2021, vol. 15, no. 3, pp. 215-224. (In Eng.). DOI: https://doi.org/10.46502/issn.1856-7576/2021.15.03.18
11. Vrazhnova M. N., Anastasov M. S., Nikiporets-Takigava G. Yu. Impact of professional self-improvement on the effectiveness of teachers in distance education. Revista Tempos e Espagos em Educagao, 2021, vol. 14, no. 33, p. e16159. Available at: https://dialnet.unirioja.es/servlet/articulo?codigo=8077253 (accessed 01.04.2022). (In Eng.).
The article was submitted 20.04.2022; approved after reviewing 18.05.2022; accepted for publication 02.06.2022.
About the authors Natalia K. Shvetsova
Ph. D. (Economics), Associate Professor, Mari State University (1 Lenin Sq., Yoshkar-Ola 424000, Russian Federation), ORCID: https://orcid.org/0000-0002-0449-3864, shvetsoff@rambler.ru
Andrey V. Shvetsov
Dr. Sci. (Economics), Professor, Mari State University (1 Lenin Sq., Yoshkar-Ola 424000, Russian Federation), ORCID: https://orcid.org/0000-0003-3594-0636, av.shvetsov@yandex.ru
All authors have read and approved the final manuscript.