Прогнозирование отраслевой структуры занятости населения

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Прогнозирование отраслевой занятости представляет интерес для всех субъектов рынка труда, способных влиять на динамику трудовых ресурсов (государственных и муниципальных служб, работодателей, работников). Качество прогнозирования динамики трудовых ресурсов зависит от степени агрегации используемых для этого статистических данных. При высокой степени агрегации каждый показатель рынка труда объединяет совокупность детализированных показателей, из-за чего информацию о трендах детализированных показателей невозможно учесть при построении трендов отраслевой занятости, что отрицательно сказывается на качестве прогноза. Негативно влияет на качество прогноза отсутствие информации о взаимодействии показателей рынка труда за каждый конкретный год. В работе предлагается с помощью балансовой математической модели динамики трудовых ресурсов, связывающей отраслевые показатели рынка труда, определить показатели межотраслевых перемещений. Для вычисления показателей рынка труда используются только статистические данные о структуре отраслевой занятости и безработице. Таким образом, для детализации рынка труда Российской Федерации с помощью показателей межотраслевых перемещений достаточно данных о динамике трудовых ресурсов, предоставляемых Федеральной службой государственной статистики. Показано, как с помощью показателей межотраслевых перемещений построить прогнозные значения этих показателей и вычислить прогнозные значения показателей рынка труда. Для установления влияния детализации показателей рынка труда на надежность прогноза отраслевой занятости рассмотрены примеры построения прогноза занятости в отраслях экономики Российской Федерации на 2011–2016 гг. и на 2019 г. Выбор интервала исследования вызван вступлением в силу в 2017 г. второй редакции «Общероссийского классификатора видов экономической деятельности». Для анализа использовались результаты прогнозирования непосредственно по показателям рынка труда и по показателям межотраслевых перемещений, полученные с помощью балансовых моделей различной степени детализации. Для оценки качества прогнозирования приведены таблицы надежности прогнозов, которые свидетельствуют о том, что детализация параметров отраслевой занятости при помощи балансовой модели способна повысить надежность их прогноза.

Полный текст

Доступ закрыт

Об авторах

Михаил Иванович Дроботенко

ФГБОУ ВО «Кубанский государственный университет»

Email: emm@cemi.rssi.ru
Россия, Краснодар

Артём Павлович Невечеря

ФГБОУ ВО «Кубанский государственный университет»

Автор, ответственный за переписку.
Email: emm@cemi.rssi.ru
ORCID iD: 0000-0001-6736-4691
Россия

Список литературы

  1. Дроботенко М.И., Невечеря А.П. (2021). Прогнозирование динамики трудовых ресурсов на многоотраслевом рынке труда // Компьютерные исследование и моделирование. Т. 13. Вып. 1. С. 235–250.
  2. Единак Е.А., Коровкин А.Г. (2014). Построение баланса территориального движения занятого населения (на примере федеральных округов РФ) // Проблемы прогнозирования. № 3 (144). С. 72–85.
  3. Коровкин А.Г. (2001). Динамика занятости и рынка труда: вопросы макроэкономического анализа и прогнозирования. М.: МАКС Пресс.
  4. Коровкин А.Г., Единак Е.А., Королев И.Б. (2017). Прогнозирование численности и структуры населения на базе балансового подхода. В сб.: Демографический потенциал стран ЕАЭС. Екатеринбург: Институт экономики УрО РАН. С. 297–303.
  5. Невечеря А.П. (2016a). Исследование динамики трудовых ресурсов на основе многоотраслевой математической модели рынка труда // Экономика и математические методы Т. 52. Вып. 2. С. 129–140
  6. Невечеря А.П. (2016b). Численный алгоритм в задаче самоорганизации трудовых ресурсов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). № 04(118). С. 1333–1349.
  7. Невечеря А.П. (2021). Задача прогнозирования динамики трудовых ресурсов // Наука. Новое поколение. Успех. Т. 2. С. 24–26.
  8. Россия в цифрах. 2021: Краткий статистический сборник (2021). М.: Федеральная служба государственной статистики.
  9. Тихонов А. Н., Арсенин В. Я. (1979). Методы решения некорректных задач. М: Наука.
  10. Armstrong J.S. (1984). Forecasting by extrapolation: Conclusions from 25 years of research. Interfacess. No. 003. 20 p.
  11. Bakens J., Fouarge D., Peeters T. (2018). Labour market forecasts by education and occupation up to 2022. ROA. ROA Technical Reports, 14, 6, 52–66.
  12. Borghans L., De Grip A., Heijke H. (1996). Labor market information and the choice of vocational specialization. Economics of Education Review, 15 (1), 59–74.
  13. Cörvers F., Heijke H. (2005). Forecasting the labour market by occupation and education: Some key issues. Maastricht: Research centrum voor Onderwijs en Arbeidsmarkt.
  14. Key indicators of the labour market. Ninth edition. (2016). Geneva: International labour office.
  15. Knobel C., Kriechel B., Schmid A. (2008). Regional forecasting on labour markets. Munich: Rainer Hampp Verlag.
  16. Scott J., Marshall G. (2009). A dictionary of sociology. Oxford: Oxford University Press.
  17. Tsakalozos N., Konstantinos D., Scott R. (2011). Signal extrapolationusing empirical mode decomposition with financial applications. CASSP, IEEE International Conference on Acoustics, Speech and Signal Processing, 5744–5747.
  18. Wilkinson F. (1981). The dynamics of labour market segmentation. NYC: Academic press.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Экономика и математические методы, 2023