CC BY
892. СТАТЬИ МОЛОДЫХ УЧЕНЫХ
УДК: 331.56
ВЛИЯНИЕ ЭКОНОМИЧЕСКИХ И СОЦИАЛЬНЫХ ФАКТОРОВ НА УРОВЕНЬ РЕГИОНАЛЬНОЙ БЕЗРАБОТИЦЫ
Викулина Е.А., студент
Финансовый университет при Правительстве Российской Федерации, Москва, Россия
E-mail: jane.vikulina@mail.ru Научный руководитель: Орлова И.В., к.э.н., профессор Финансовый университет при Правительстве Российской Федерации, Москва, Россия
E-mail: ivorlova@fa.ru
Аннотация. Данная статья посвящена анализу влияния экономических и социальных факторов на такой макроэкономический параметр как региональная безработица. Целью настоящей работы является анализ конкретных социальных и экономических факторов на изменение уровня региональной безработицы и степень их влияния на этот параметр. Анализ проводится посредством выведения регрессионной эконометрической модели с последующей возможностью её применения на реальных исследованиях. В качестве задач были поставлены такие пункты как выбор конкретных социально-экономических факторов, сбор релевантной статистической информации, оценка значимости полученных данных, формулировка регрессионной модели для эконометрического анализа и ранжирование выбранных переменных факторов по степени влияния на уровень региональной безработицы. В работе использовались данные по 30 регионам Российской Федерации, взятые с официального сайта Госстата. При построении и анализе эконометрической модели в качестве инструментов использовались пакеты программ Gretl и Excel. По итогам исследования было определено, что одними из существенных факторов, влияющих на уровень региональной безработицы, являются среднегодовая численность занятых в экономике, потребительские расходы в целом на душу населения, валовый региональный продукт и среднее время поиска работы безработными.
Ключевые слова: безработица, региональная безработица, уровень безработицы, регрессионная модель, эконометрика, анализ факторов.
INFLUENCE OF ECONOMIC AND SOCIAL FACTORS ON THE LEVEL
OF REGIONAL UNEMPLOYMENT
Vikulina E.A., Student
Financial University under the Government of the Russian Federation, Moscow, Russia
E-mail: jane.vikulina@mail.ru Scientific adviser: Orlova I.V., Candidate of Economic Sciences, Professor Financial University under the Government of the Russian Federation E-mail: ivorlova@fa.ru
Abstract. This article is devoted to the analysis of the influence of economic and social factors on such macroeconomic parameter as regional unemployment. The purpose of this work is to analyze specific social and economic factors on the change in the level of regional unemployment and the degree of their influence on this parameter. The analysis is carried out using the formulation of the regression econometric model with the subsequent possibility of its application on real researches. The tasks were to select specific socio-economic factors, collect relevant statistical information, assess the significance of the data, formulate a regression model for econometric analysis and rank the selected variables by the degree of influence on the level of regional unemployment. The work used data on 30 regions of the Russian Federation, taken from the official website of the state statistics service. Gretl and Excel software packages were used as tools in the construction and analysis of the econometric model. According to the results of the study, it was determined that the significant factors affecting the level of regional unemployment may be the average annual number of people employed in the economy, consumer spending per capita, the gross regional product and the average time of job search by the unemployed.
Key words: unemployment, regional unemployment, unemployment rate, regression model, econometrics, factor analysis.
1. ВВЕДЕНИЕ Современное состояние национального
макроэкономического развития - это вопрос,
волнующий большинство российских экспертов. Российская экономика, в настоящий момент, становится на новые рельсы развития, предпринимается активная деятельность по её развитию и совершенствованию. И, как и при любой деятельности, очень важно следить за результатами тех действий, которые предпринимаются
Состояние национальной экономики напрямую отражено в основных макроэкономических показателях. Они являются индикаторами положения дел и динамику развития национальной экономики. Одним из основных макроэкономических показателей в контексте оценки состояния национальной экономики является фактор безработицы.
В данной статье рассматривается безработица как социально-экономическое явление, при котором часть экономически активного населения не занята в производстве товаров и услуг, которые наряду с занятыми формируют показатель национальной рабочей силы [3].
Стоит отметить, что безработица - это достаточно обычное явление для национальных экономик, однако её нужно контролировать и внимательно наблюдать за динамикой её уровня. В связи с этим, исследование вопросов, связанных с безработицей и причинами её изменения ещё долгое время не потеряет своей актуальности.
В такой крупной национальной экономике как российская важно отслеживать не столько общий уровень безработицы, но и региональные показатели, которые могут значительно отличаться в зависимости от географической и экономической сущности каждого региона. Демографический вопрос в целом является достаточно насущным для России, в том числе в связи с тенденцией малонаселённого Востока и перенаселённой западной части [2]. Такая тенденция наблюдается в течение многих лет, поэтому социально-экономические вопросы
регионального уровня стоят достаточно остро.
Опираясь на вышеизложенные факторы, можно определить, что основной проблемой, которая будет рассматриваться в данной работе, является проблема региональной безработицы и её причин.
Исходя из поставленной проблемы, цель настоящего исследования - анализ конкретных социальных и экономических факторов на изменение уровня региональной безработицы и степень их влияния на этот параметр. Задачами, поставленными для достижения цели работы, являются: выбор конкретных социально-экономических факторов, сбор релевантной статистической информации, оценка значимости полученных данных, формулировка регрессионной модели для эконометрического анализа и ранжирование выбранных переменных факторов по степени влияния на уровень региональной безработицы.
2. МЕТОДЫ
Основные методы, используемые в данной работе, продиктованы, в первую очередь, необходимостью установить связь между различными факторами и сформулировать модель, которая будет давать возможность анализа уровня безработицы в будущем.
Для этого были использованы инструменты и методы эконометрического анализа с применением построения регрессионной модели, оценки значимости самой модели и её компонентов, проверки
мультиколлинеарности (посредством
проведения VIF теста) и гетероскедастичности (посредством проведения теста Бреуша-Пагана) и анализа левериджа.
При построении и анализе эконометрической модели в качестве инструментов использовались пакеты программ Gretl и Excel.
3. ОСНОВНАЯ ЧАСТЬ
В настоящей работе предлагается оценить влияние некоторых факторов на общий уровень региональной безработицы. Для анализа и построения эконометрической
модели введём следующие объясняемую и объясняющие переменные:
• У - уровень безработицы (%);
• Х1 - среднегодовая численность занятых в экономике (тыс. чел.);
• Х2 - потребительские расходы в среднем на душу населения в месяц (руб.)
• Хз - валовый региональный продукт (млн. руб.);
• Х4 - среднее время поиска работы безработными (мес.);
• Х5 - выпуск квалифицированных рабочих и служащих на 10 000 человек занятого населения (чел.).
Данный выбор объясняющих переменных связан с наиболее широким и комплексным охватом аспектов влияния на фактор, а именно, охват таких областей как демографическая, образовательная, экономическая, социальная и прочих.
В качестве статистических данных использовались реальные показатели по представленному набору показателей за 2018 год, взятые с сайта Федеральной службы государственной статистики. В выборку данных для исследования вошли 30 субъектов Российской Федерации (республика Ингушетия, республика Мордовия, Калининградская область, Тамбовская область, Ярославская область, Саратовская область, Красноярский край, Курганская область, Смоленская область, Брянская область, Курская область, Ленинградская область, республика Тыва, Чукотский автономный округ, Амурская область, Пензенская область, Тверская область, Тульская область, Белгородская область, Сахалинская область, Кемеровская область, республика Марий Эл, Ивановская область, республика Бурятия, Новгородская область, Приморский край, республика Саха, Пермский край, республика Башкортостан,
Волгоградская область).
Выбор регионов продиктован
географическим охватом, схожестью некоторых субъектов в своих показателях с региональными соседями, а также полнотой и
достоверностью статистической информации в данных регионах. С целью недопущения аномальных наблюдений и чрезмерных выбросов, которые могут повлиять на регрессионную модель, в выборку не были включены две российские столицы - Москва и Санкт-Петербург, Московская область (из-за близости к Москве), город Федерального значения Севастополь и республика Крым (в связи с недавним включением в Российскую Федерацию), а также автономные области (в связи с особенностями развития и своеобразно трактующимися показателями).
В результате применения метода наименьших квадратов и инструмента последовательного исключения с
использованием двустороннего р-значения = 0 в программном пакете Огей, удалось получить необходимые данные, коэффициенты и показатели для построения многофакторной модели линейной регрессии (рис.1):
PI gretl: модели — □
Файл Правка Тесты Сохранить Графики Анализ LaTeX Модель 1 X Модель 2 X Модель 3 X
Модель 3: МНК, использованы наблюдения 1-30 Зависимая переменная: Y Робастные оценки стандартных ошибок (с поправкой на гетероскедастичность), в
Коэффициент Ст. ошибка t-статистика Р-значение
-5,34563 -О,00810400 -0,000342808 8,84543е-0б 2,37127
б, 74760 0,00301177 0,000147777 3,3S185e-06 0,654754
-О,7S22 -2,651 -2,320 2,608 3,622
0,4357 0,0125 0,0288 0,0152 0,0013
ВНИМАНИЕ: матрица данных близка к сингулярной!
Среднее зав. перемен Сумма кв. остатков Е-квадрат Е(4, 25)
Лог. правдоподобие Крит. Шварца
6,603333 Ст. откл. зав. перемен 4,733482
168,7351 Ст. ошибка модели 2,597961
0,740316 Испр. R-квадрат 0,698766
6,231456 Р-значение (F) 0,001273
-68,47514 Крит. Акаике 146,9503
153,9563 Крит. Хеннана-Куинна 145,1516
Рисунок 1. Модель метода наименьших квадратов с
робастной оценкой стандартных ошибок и последовательным исключением с использованием двустороннего р-значения = 0 в программном пакете вгеИ
Как можно видеть, анализ выявил нулевые
параметры регрессии для переменной Х5 (выпуск
квалифицированных рабочих и служащих на
10 000 человек занятого населения (чел.)) в
результате теста на избыточные переменные. В
результате проведённой операции подтвердилась
целесообразность исключения переменной Х5 из
анализа регрессионной модели.
Полученная регрессионная модель выглядит
следующим образом (рис.2):
У = -5,35 - 0,008x1 - 0,0003x2 + 8,85Е -
06x3 + 2,37x4 (2)
R-квадрат составляет 0,74, что означает, что предложенные факторы объясняют 74% вариации уровня безработицы в регионах. 90%-ные доверительные интервалы для коэффициентов имеют во всех случаях одинаковый знак, что говорит о том, что все представленные объясняющие переменные значимы. Средняя ошибка аппроксимации (MAPE) равна 33,582, что говорит о высокой точности модели. Также можно заключить, что предложенная модель регрессии значима, поскольку расчётное значение коэффициента Фишера (17,817) превышает табличное значение (2,758). По итогам теста на мультиколлинеарность, ни одно из значений VIF не достигло 10, что говорит об отсутствии мультиколлинеарности в данной модели. Корректировка не требуется. При проведении теста Бреуша-Пагана на гетероскедастичность, выяснилось, что тестовое значение статистики LM равно 7,6815, в то время как табличное значение теста составляет 9,4877. Превышение табличного значения над расчётным свидетельствует об отсутствии гетероскедастичности. Корректировка не требуется.
Несмотря на изначальное исключение из выборки показателей по регионам, которые могут дать аномальные наблюдения, дополнительно был проведён анализ левериджа. В результате этого анализа было получено, что дополнительными регионами, представляющие отличающиеся наблюдения, являются такие субъекты Российской Федерации, как Республика Ингушетия, Красноярский край, Белгородская область и Пермский край. В значительной степени это связано с особым уровнем социально-экономического развития данных регионов, а также с величиной и значимостью этих субъектов в рамках конкретных округов. Данные наблюдения не оказывают критичного влияния на полученную регрессионную модель, однако в будущем стоит отдельно обращать внимание на них в контексте рассмотрения региональной безработицы.
4. ЗАКЛЮЧЕНИЕ
Подводя итоги, можно заключить, что построенная регрессионная модель вполне
подходит для макроэкономического анализа фактора безработицы в контексте развития регионов Российской Федерации. Она достаточно точна и значима для проведения такого рода исследований, а выбранные параметры влияния представляют высокий уровень значимости.
Содержательная интерпретация модели выглядит следующим образом: при увеличении среднегодовой численности занятых в экономике ^1) на 1 тысячу человек, уровень безработицы уменьшается в среднем на 0,008104 процента; при увеличении потребительских расходов в среднем на душу населения в месяц ^2) на 1 рубль, уровень безработицы уменьшается в среднем на 0,000342808 процента; при увеличении валового регионального продукта ^3) на 1 миллион рублей, уровень безработицы в среднем увеличивается на 8,84543е-06 процента; при увеличении среднего времени поиска работы безработными (X*) на 1 месяц, уровень безработицы в среднем
увеличивается на 2,37127 процента.
Исходя из этого, можно увидеть, что наибольшее влияние на изменение уровня безработицы в регионах оказывает параметр времени поиска работы безработными. Соответственно, при последующих
исследованиях рынка труда в России и проведении социальной политики в области сокращения уровня безработицы, стоит прежде всего обратить внимание на то, как долго жители того или иного региона пытаются устроиться на работу и какие факторы препятствуют для них ускорению этого процесса, в том числе образовательные, социальные,
инфраструктурные и экономические параметры.
В целом, можно сказать, что влияние выбранных факторов на уровень региональной безработицы продемонстрированно достаточно наглядно, а построенная эконометрическая модель может быть использована в качестве основы для анализа при установке и выборе приоритетных направлений развития в регионах Российской Федерации.
СПИСОК ЛИТЕРАТУРЫ
[1] БГД - Регионы России. Социально-экономические показатели - 2018 г. [Электронный ресурс]. URL: https://gks.ru/bgd/regl/b18_14p/Main.htm (дата обращения: 08.12.19)
[2] Викулина Е.А. Международная интеграция Дальнего Востока: приоритеты и направления
[3] Зубкова Ю.В. Безработица и её виды. Безработица в России // Актуальные вопросы развития современного общества. Сборник статей 4-ой Международной научно-практической конференции. - Т.2 - 2014. - С. 202-206.
[4] Орлова И.В. Обнаружение влиятельных наблюдений и выбросов в Gretl и R // Современная математика и концепции инновационного математического образования - Т.6 - №1. - 2019. - С. 133-140.
[5] Орлова И.В. Подход к решению проблемы мультиколлинеарности при анализе влияния факторов на результирующую переменную в моделях регрессии // Фундаментальные исследования - №№3. - 2018. - С. 58-63.
[6] Орлова И.В. Подход к решению проблемы мультиколлинеарности с помощью преобразования переменных // Фундаментальные исследования - №5. -2019. - С. 78-84.
[7] Слюняева Р.В. Причины безработицы, отличительные черты Российской безработицы // Содействие
профессиональному становлению личности и трудоустройству молодых специалистов в современных
условиях. Сборник материалов VI Международной заочной научно-практической конференции, посвященной 60-летию БГИУ им. В.Г. Шухова. - 2014. -С. 212-216.
[8] Сток Джеймс, Уотсон Марк. Введение в эконометрику / Джеймс Сток, Марк Уотсон; пер. с англ. - М.: Издательский дом «Дело» РАНХиГС, 2015.
[9] Эконометрика и эконометрическое моделирование: учебник /Л.О. Бабешко, М.Г. Бич, И.В. Орлова. - М.: Вузовский учебник: ИНФРА-М, 2018. - 385 с.
[10] Orlova Irina. Analysis of information content of metric data when constructing models of linear regression // System analysis in economics - 2018. - P. 196-198.
[11] Дробот Г.А. ЛИДЕРСКИЙ ПОТЕНЦИАЛ РОССИИ В ГЛОБАЛЬНОЙ ПОЛИТИКЕ / Вестник Московского университета. Серия 27: Глобалистика и геополитика. 2018. № 2. С. 28-40.
[12] Груздева П.О. ПОЛОЖЕНИЕ РОССИИ НА МЕЖДУНАРОДНОЙ ПОЛИТИЧЕСКОЙ АРЕНЕ ПЕРЕД ОЛИМПИЙСКИМИ ИГРАМИ 2014 И 2018 ГГ / Вестник Московского университета. Серия 27: Глобалистика и геополитика. 2018. № 2. С. 55-62
[13} Пантин В.И. РЕВОЛЮЦИЯ 1917 Г.: РОССИЙСКИЙ И ГЛОБАЛЬНЫЙ КОНТЕКСТ / Вестник Московского университета. Серия 27: Глобалистика и геополитика. 2017. № 1. С. 57-62.
= V V
