Статистический анализ безработицы в РФ

Автор работы: Пользователь скрыл имя, 13 Декабря 2013 в 08:17, курсовая работа

Описание работы

Проблема занятости и безработицы является одной из основных социально-экономических проблем современного этапа развития российского общества.
Безработица влечет за собой расточение в огромных масштабах главной производительной силы общества, а именно, рабочей силы; существенное сокращение потенциального валового продукта и национального дохода страны; значительные производительные расходы государства на выплату пособий по безработице, переквалификацию безработных и их трудоустройство. Очевидно, что при неполном использовании имеющихся ресурсов рабочей силы экономическая система работает, не достигая границ своих производственных возможностей, и невозможен никакой подъем экономики страны.

Содержание работы

Введение 3
1. Понятие занятости и безработицы 5
1.1 Понятие занятости и безработицы 5
1.2 Характерные черты безработицы в России 9
1.3 Сущность, причины и виды безработицы 14
2. Занятость и безработица в РФ, анализ ситуации по федеральным округам 20
2.1 Уровень безработицы в РФ 20
3. Статистический анализ безработицы в РФ 21
3.1Факторы, оказывающие влияние на уровень безработицы в РФ 21
3.1.1 Корреляционно-регрессионный анализ 22
3.2 Анализ динамики развития безработицы в России 30
3.3 Социальные последствия безработицы 36
Заключение 40
Список использованной литературы 43

Файлы: 1 файл

макроэк-ка 2.docx

— 127.70 Кб (Скачать файл)

 

В среднем, уровень безработицы  в России по 80 регионам составляет по данным 2011 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 2011 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 2011 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 отбора3, мы построили следующую линейную модель регрессии:

 

 

 

4

 

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 . Кроме того, множественный коэффициент детерминации показывает, что данное уравнение регрессии описывает 55,8% вариации результирующего признака вошедшими в модель показателями, а остальная часть вариации обусловлена действием неутонченных факторов.

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.

Для того, чтобы быть уверенным в том, что модель адекватно отражает статистическую связь между показателями, остатки (приложение 5) оцененной регрессии необходимо проверить на нормальность, гомоскедастичность и отсутствие автокорреляции.

Проверка на нормальность распределения остатков с помощью  одновыборочного критерия Колмогорова-Смирнова показала, что с 95% уверенностью мы можем сказать, что остатки являются нормально распределенными (приложение 6).

Тестирование остатков на гомоскедастичность, что дает нам  право полагать об эффективности  полученных МНК-оценок и несмещенности и состоятельности оценки ковариационной матрицы этих параметров,  основано на предположении о том, что при условии выполнения гипотезы дисперсия ошибок не зависит от значений регрессоров. В данном случае, наблюдаемое значение в рамках теста Бреуша-Пагана-Годфри (приложение 7) не превысило критическое, т.е. гипотеза об отсутствии гетероскедастичности ошибок принимается на уровне значимости 0,05.

В заключение, с помощью  теста Дарбина-Уотсона, построенная модель была проверена на наличие автокорреляции остатков первого порядка, наличие чего может привести также к неэффективности МНК-оценок и к завышению тестовых статистик, по которым проверяется качество модели. Рассчитанная статистика данного теста показала, что нулевая гипотеза Н0 о незначимости коэффициента авторегрессии принимается на уровне значимости  .

В результате корреляционно-регрессионного анализа данных за 2011 год мы получили статистически значимую и адекватную 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)5

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.

 

Рис. 6. Ряд динамики уровня безработицы в РФ

(январь 2009 – март 2013)

 

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.

Для начала проверим гипотезу о том, что в данном временном  ряду присутствует тренд. Для этой цели существует несколько подходов, в  частности, в рамках работы мы использовали метод Фостера-Стюарта. В основе данного подхода лежит нулевая гипотеза об отсутствии тренда в динамике значений уровня безработицы, а именно гипотеза  . Рассчитав t-статистики для данного теста, мы получили, что выдвинутая гипотеза  отвергается с вероятностью ошибки , т.е. мы подтвердили предположение, которое было выдвинуто выше.

Далее 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. Предварительно мы избавились от тенденций в ряду путём деления исходного значения уровня ряда на соответствующую тому же уровню рассчитанную скользящую среднюю. Для большей наглядности мы изобразили полученные данные (приложение 11) 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.

Далее в ходе работы были построены и оценены несколько  моделей динамики, с помощью которых  можно описать изменение во времени  уровня безработицы в России в  период с января 2009 года по март 2013. Предоставим полученные результаты в виде сводной таблицы:

 

 

 

Таблица 4

Сравнение оценок различных  моделей динамики показателя

Название модели

Оценка модели

Недостатки

Тренд-сезонная мультипликативная модель

 

- неадекватна (наличие автокорреляции остатков)

-не отразила «провал» 2012 года

Гармоническая анализ

 

-неадекватна (автокорреляция  остатков)

-незначимость коэффициентов при гармониках

Адаптивная модель Брауна

 

- наибольшая ст.ошибка

Адаптивная модель Хольта

 

 

 

   

-один из параметров  экспоненциального сглаживания  стремится к 1

ARIMA(1,1,1)

 

 

 

-незначимость одного из коэффициентов при общей значимости уравнения в целом

SARIMA (0,1,1,12)

 

 

 

-незначимость коэффициента, отвечающего за сезонность


 

В результате сравнения моделей  по таким признакам как адекватность, значимость и величина стандартной  ошибки мы получили, что наиболее качественной моделью для прогноза уровня безработицы  в России является модель Хольта, несмотря на свои недостатки.  Некачественные результаты, полученные в ходе оценки остальных моделей можно объяснить наличием волатильности дисперсии исходного ряда или недостаточным количеством данных. Возможно, для описания уровня безработицы в РФ в течение последних 4 лет необходимо применить другие эконометрические модели, лежащие за рамками данного исследования.

Информация о работе Статистический анализ безработицы в РФ