Статистика безработицы

Переобозначим все оставшиеся переменные, которые будут использованы в последующем анализе. Так, зависимым признаком будет являться уровень безработицы в РФ (Y), а независимыми – следующие, упомянутые выше показатели:

1. среднее время поиска работы безработными (месяцев);
2. общие коэффициенты рождаемости (число родившихся на 1000 человек населения);
3. коэффициенты миграционного прироста на 10000 человек населения;
4. удельный вес домохозяйств, имевших персональный компьютер с доступом к сети Интернет;
5. мощность амбулаторно-поликлинических учреждений на 10000 человек населения (на конец года, тысяч посещений в смену).

Рассчитаем основные дескриптивные статистики для отобранных переменных и представим результаты в виде следующей таблицы:

Таблица 2

Описательные статистики

	y	x1	x2	x3	x4	x5
N	80	80	80	80	80	80
Среднее	7,18	8,04	12,69	0,64	48,11	265,07
Медиана	6,95	7,85	12,40	-1,50	48,15	257,75
Стд. отклонение	2,22	1,07	2,28	61,24	11,68	51,47
Минимум	1,40	6,10	8,60	-121,00	13,60	113,90
Максимум	14,20	12,10	22,70	160,00	75,60	495,60

В среднем, уровень безработицы в России по 80 регионам составляет по данным 2013 года 7,18%. При этом, в 40 регионах уровень безработицы держится ниже уровня 6,95%, что является относительно низким показателям в сравнении с имеющимися в предшествующих годах. Самая низкая безработица наблюдается в г. Москве, что, возможно, связано с тем, что в столицу люди приезжают именно с целью поиска работы и готовы принять наименее выгодные предложения ввиду необходимости денежных средств.

В России, среднее время поиска работы в 2013 году в среднем было чуть более 8 месяцев, при этом стандартное отклонение составляет всего 1 месяц. Таким образом, этот фактор является наиболее однородным, чего нельзя сказать о коэффициенте миграции. В данном случае отток населения из региона приблизительно равен притоку – среднее значение коэффициента составило всего 0,64. При этом, средний коэффициент рождаемости составил 12,69 родившихся на 1000 человек, что говорит об увеличении численности населения внутри самих регионов. Однако, чтобы оценить естественный прирост необходимо рассмотреть значения коэффициентов смертности.

Среднее и медианное значения удельного веса домохозяйств, имеющих компьютер с выходом в Интернет составили в 2013 году 48%, что говорит о том, что половина населения имеет возможность искать и иметь удаленную работу, что вероятнее всего положительным образом сказывается на общем уровне безработицы. Лучше всего информационно оснащен г. Санкт-Петербург, а после него идет г. Москва, что является достаточно логичным, так как данные регионы считаются наиболее экономически развитыми. Всего 13,6% населения  имеют выход в Интернет в республике Дагестан, что связано, скорее всего, с их текущим экономико-политическим положением в регионе.

Описав все факторы можно переходить к непосредственному построению математической модели. Следует еще раз заметить, что для анализа мы используем нормированные величины каждой переменной, чтобы уменьшить вариацию каждого признака и сделать их более однородными (привести к одной размерности).

Существует несколько видов уравнений регрессии.  В рамках данной работы мы будем анализировать множественную модель линейной регрессии ввиду её простоты и ясности интерпретации. Данная модель выглядит следующим образом: , где t – это номер наблюдения в выборке, а j – номер фактора. - является коэффициентом регрессии, который определяет, на сколько изменится результирующий признак у при изменении факторного признака на единицу. Для определения параметров и чаще всего используют метод наименьших квадратов, который основан на том, что теоретические значения результативного признака должны быть такими, при которых бы обеспечивалась минимальная сумма квадратов их отклонений от эмпирических значений, что можно представить в виде формулы:             .

Таким образом, используя алгоритм шагового отбора, мы построили следующую линейную модель регрессии:

Проверка на значимость данного уравнения регрессии, используя F-статистику, а также проверка за значимость отдельных его коэффициентов с помощью t-статистики показала, что в обоих случаях гипотеза о незначимости отвергается на уровне . Из полученного уравнения следует, что увеличение на одну нормированную единицу общего коэффициента рождаемости (при фиксированных значениях х3 и х4) приводит к увеличению уровня безработицы в среднем на 0,456 (в нормированных единицах). Аналогично, при увеличении на одну нормированную единицу коэффициента миграционного прироста и удельного веса домохозяйств, имеющих компьютер с выходом в Интернет, уровень безработицы снижается в среднем (в нормированных единицах) соответственно на 0,338 (при фиксированных значениях х2 и х4 ) и 0,315 (при фиксированных значениях х2 и х3). Стоит отметить, что также была построена модель с принудительным включением всех переменных, однако согласно статистическим тестам, она оказалась незначимой.

В результате корреляционно-регрессионного анализа данных за 2013 год мы получили статистически значимую модель. Согласно данной модели уровень безработицы положительно зависит от общего коэффициента рождаемости и отрицательно от коэффициента миграции и удельного веса домохозяйств, имеющих персональный компьютер с выходом в Интернет.  

Положительную зависимость уровня безработицы от числа родившихся на 1000 человек населения (что имеет наибольшее влияние на результирующую переменную при прочих равных) можно объяснить с нескольких точек зрения. Во-первых, растет число человек в регионе, а новые рабочие места не открываются. Более того, в течение последнего десятилетия стали закрываться большие промышленные организации, которые зачастую предоставляли  вакантные места для целых городов или поселений. Однако это скорее оказывает влияние в долгосрочной перспективе. С другой стороны, увеличивается число рождений, а следовательно, женщин, оставивших в связи с родами и последующим уходом за грудным ребёнком свое прежнее место работы. По прошествии некоторого времени,  эти женщины начинают обращаться в биржи труда с целью поиска работы, тем самым увеличивая уровень безработицы в регионе.

Отрицательная зависимость между уровнем безработицы и коэффициентом миграционного прироста в регионе, то есть при положительном приросте миграции уровень безработицы сокращается, связана с тем, что миграция зачастую связана именно с работой. Другими словами, те люди, которые меняют свое место жительство, часто мигрируют туда, где либо они уже нашли место работы, либо туда, где они намерены устроиться на неё. Таким образом, в регионе уровень безработицы снижается за счет увеличения рабочей силы в общем и числа занятых в частности.

Наличие значимой обратной зависимости между уровнем безработицы и долей домохозяйств, имеющих персональный компьютер с выходом в Интернет, подтверждает выдвинутое в начале анализа предположение о том, что данный  фактор оказывает влияние на результирующий показатель. Во-первых, это связано с тем, что, как уже было описано выше, Интернет позволяет «стереть» километры между потенциальным работником и работодателем, например, имея возможность работать над проектами удаленно. Во-вторых, глобальная сеть помогает найти работу, минуя биржу труда, контактируя с работодателем напрямую, тем самым позволяя найти работу, на устраиваемых безработного условиях.

 

3.2. Анализ динамики уровня безработицы  в России

Представим для начала еще раз имеющийся ряд динамики уровня безработицы в Российской Федерации за период с января 1994 по март 2013 года:

 

Рис. 5. Уровень безработицы в России (январь 1994 – март 2013)

Если взглянуть на рисунок 5, то визуально весь период можно разделить на три сектора, в каждом из которых выделяется своя тенденция. В связи с этим, а также ввиду громоздкости анализа большого массива данных, далее будет рассмотрена только его часть, а именно период с января 2009 года по март 2013 года. Во-первых, к данному моменту времени кризис уже немного «утих», а во-вторых, исследование именно этого периода времени позволит нам построить более точный краткосрочный прогноз будущих значений уровня безработицы в России.

По представленному графику возможно предположить о том, что данный ряд динамики может быть описан с помощью мультипликативной модели. Кроме этого анализ графика позволяет сделать предположения о наличие тренда, сезонности и случайной компоненты.

Рис. 6. Ряд динамики уровня безработицы в РФ

(январь 2009 – март 2013)

 

Переходим к анализу наличия сезонной компоненты в исследуемом ряду динамики. Перед началом анализа влияния сезонности необходимо провести сглаживание ряда. Для этого можно использовать простую скользящую среднюю с длиной интервала, равной 12-ти наблюдениям. Формула для расчетов будет выглядеть следующим образом:  . При расчёте теряются несколько первых и последних значений, которые восстанавливаются с помощью среднего абсолютного прироста, рассчитанного на последнем активном участке сглаживания.

В ходе данного исследования индексы сезонности были рассчитаны по методу отношений помесячных средних к средней месячной соответствующего года.. Для большей наглядности мы изобразили полученные данные (см. приложение) на графике, где красная линия соответствует значению в 100%, а синяя – соответствующие индексы сезонности:

Рис. 7. Индексы сезонности уровня безработицы в России

 

Представленная диаграмма иллюстрирует смещение синего многоугольника в сторону зимнего и весеннего сезона. Таким образом, выдвинутое предположение о наличии сезонности в модели подтверждается, причём оно достаточно заметное. Такую сезонность можно объяснить следующим образом: люди в течение лета зарабатывают и копят деньги на сезонных предприятиях (сбор урожая, услуги по обслуживанию туристов), а зимой, когда нет работы, они тратят то, что накопили за лето и осень.

 

3.3. Анализ распределения субъектов РФ по уровню безработицы

 

Результаты выборочного наблюдения, произведенного среди субъектов РФ по уровню безработицы, сведены в таблицу 3.1

 

Таблица 3.1

Уровень безработицы в 38 субъектах РФ за 2013 год

№ субъекта	Наименование области	Уровень безработицы, %
1	Архангельская область	5,5
2	Белгородская область	6,0
3	Брянская область	6,7
4	Владимирская область	9,0
5	Волгоградская область	6,8
6	Вологодская область	5,2
7	Воронежская область	7,5
8	Еврейская автономная область	7,9
9	Ивановская область	6,8
10	Калининградская область	6,6
11	Калужская область	5,7
12	Кировская область	7,1
13	Костромская область	4,8
14	Краснодарский край	7,5
15	Курская область	7,1
16	Ленинградская область	7,4
17	Липецкая область	8,0
18	Магаданская область	7,0
19	Мурманская область	8,8
20	Нижегородская область	6,0
21	Новгородская область	5,8
22	Орловская область	6,1
23	Приморский край	8,0
24	Псковская область	6,6
25	Республика Карелия	8,8
26	Республика Саха (Якутия)	8,9
27	Ростовская область	8,6
28	Рязанская область	5,3
29	Сахалинская область	7,6
30	Свердловская область	6,7
31	Смоленская область	7,8
32	Ставропольский край	7,0
33	Тамбовская область	8,5
34	Тверская область	5,9
35	Тульская область	5,0
36	Тюменская область	6,7
37	Хабаровский край	5,7
38	Челябинская область	5,4