Экономическая оценка качества трудового потенциала
региона - предпосылка прогнозирования состояния его экономической
безопасности (на примере СЕЗ "Курортополис Трускавець")
Как известно,
экономическая безопасность территории зависит от влияния комплекса
факторов - экологических, научно-технических, социальных, экономических
и других. В связи с этим, прогнозирование состояния экономической
безопасности нуждается в формировании методологических подходов к
экономической оценке влияния отмеченных факторов на те или другие
показатели, которые позволяют характеризовать динамику и тенденции
социально-экономического развития, а следовательно и экономическая
безопасность территорий.
Используя систему
показателей, приведенных у табл. 1 исследуем с помощью математических
методов влияние разных факторов на качество трудового потенциала СЕЗ
«Курортополис Трускавець». Таблица 1.
Система показателей, которые влияют на качество трудового потенциала СЕЗ «Курортополис Трускавець»
Показателив 2001 г.в 2002 г.в 2003 г.в 2004 г.в 2005 г.
1.Ожидаемая продолжительность жизни (годы) (в мин.25 г. - мах. в 85 г.)68,368,368,769,069,2
2.Условен коэффициент депопуляции (соотношение числа умершие к числу рожденных)1,511,461,221,241,05
3.Коэффициент стойкости семей (количество шлюбив/ количество разводов)1,151,262,422,651,98
4. Уровень
образования (количество населения с полной более высокой и н/вищой
образованием в общем количестве населения) в %54,555,756,156,857,2
5. Производство продукции и услуг на душу населения (тыс. грн. мин-100$, макс-40тис$);2,262,652,783,633,91
6. Среднемесячная номинальная заработная плата (грн.).202,5248,76310,69407,55455,25
7. Уровень зарегистрированной безработицы населения (%);5,424,693,472,81,94
8. Уровень занятости населения (%);69,568,068,972,675,06
9. Коэффициент обеспеченности врачами (в расчете на 100.000 лиц населения);205208214219224
10. Количество привлеченных инвестиций на одного жителя (грн.);87,59154,79103,26259,02791,74
11. Обеспечение жильем ( в кв.м. на одного жителя).18,618,919,119,319,5
Спецификация модели.
В нашем распоряжении существует ряд показателей. Как зависимая
переменная целесообразной является использование ожидаемой
продолжительности жизни (в годах).
Относительно основных
факторов, избранных для моделирования, следует заметил недостаточное
количество наблюдений по каждому из них. В модели количество переменных
должно быть не больше количества наблюдений, а в нашем случае имеют
место статистические данные только за пять лет. Создадим следующие
линейные модели:
Первая из них будет включать следующие показатели (см. табл. 2):
|
Год |
Ожидаемая продолжительность жизни(в годах, мин-25, макс-85) |
Виробництвово продукции и услуг на душу населения (тис.грн) мин-100$, макс-40тис$ |
Среднемесячная номинальная з/п (грн) |
Уровень занятости населения (%) |
Количество привлеченных инвестиций на одного жителя (грн) |
{\cf1\fs20 вx1x2x3x4
200168,32,26202,569,587,59
200268,32,65248,7668154,79
200368,72,78310,6968,9103,26
2004693,63407,5572,6259,02
200569,23,91455,2575,06791,74
Проверим массивы независимых переменных на наличие мультиколинеарности базируясь на алгоритме Феррара-глобера:
По первой модели:
- Критерий X2
-критерий () составляет 18,412, что есть больше критического его
значения (12,5916) и свидетельствует о существовании
мультиколинеарности в массиве независимых переменных.
- F - критерии () :
F1 = 0,466260486
F2 = 109,3985283
F3 = 289,585348
F4 = 54,46657837
Табличное значение его составляет 10,13. Следовательно, вероятно х2, х3 и х4 мультиколинеарни с другими.
- t-критерій (, табличное значение составляет 6,314):
t12 = 0,353259131
t13 = -0,317477789
t14 = 0,339116499
t23 = 5,010634349
t24 = -2,001163665
t34 = 3,517287859
Соответственно, ни одна из пар независимых переменных не есть мультиколинеарими.
Модель имеет следующий вид: Y = 65,4-0,6*X1+0,007*X2+0,04*X3-0,00013*X4
Для избежания
мультиколинеарности и повышения качества модели из списка факторов
заберем х1 - объемы производства товаров и услуг на душу населения.
Получим следующую зависимость:
Y = 65,11 +0,0033*X2+0,036*X3-0,00021*X4
Как видим, влияние
среднемесячной номинальной заработной платы, уровня занятости и
привлеченных инвестиций на ожидаемую продолжительность жизни является
минимальным.
Вторая модель будет включать (см. табл. 3):
- коэффициент стойкости семей, которая определяется отношением количества браков к количеству разводов;
- уровень образования;
- обеспеченность врачами (в расчете на 100000 население).
|
Год |
Ожидаемая продолжительность жизни (в годах, мин-25, макс-85) |
Коэффициент стойкости семей (кильк. брак/кильк. разводов) |
Уровень образования % |
Обеспеченность врачами (в розрах. на 100.000 чел. население) |
{\cf1\fs20 вx1x2x3
200168,31,1554,5205
200268,31,2655,7208
200368,72,4256,1214
2004692,6556,8219
200569,21,9857,2224
Использовав алгоритм Феррара-глобера исследуем массив независимых переменных на мультиколинеарнисть:
- Критерий X2
-критерий составляет 6,003618065, что есть меньше критического его
значения (7,81) и свидетельствует об отсутствии мультиколинеарности в
массиве независимых переменных.
- F - критерии:
F1 = 0,393047048
F2 = 3,869912761
F3 = 3,764985814
Табличное значение его составляет 19. Следовательно, ни один из факторов не есть мультиколиеарним с другими.
- t-критерій (табличное значение 2,9):
t12 = 0,198640475
t13 = 0,116231329
t23 = 0,116231329
Соответственно, ни одна из пар независимых переменных не есть мультиколинеарими.
Использовав одношаговый метод наименьших квадратов находим оценки параметров модели: Y = 63,42+0,067*X1-0,176*X2+0,07*X3
параметрt-statistic
а028,51984
а11,484342
а2-2,518481
а37,527517
Табличное значение t-критерію с (n-m=5-3=2) степенями свободы и уровни значимости б=5% составляет 2,920. Таким образом, оценки параметров а0 и а3 являются смещенными.
Коэффициент
детерминации и откорректирован коэффициент детерминации следующими:
R2=0,997404 и R2adjusted=0,989616, что свидетельствует о существовании
тесной зависимости между исследуемыми социально-экономическими
показателями.
Критерий
Дарбіна-Уотсона составляет 3,131625. Вычислим критерий фон Неймана,
который составляет 3,91453125. Соответственно, это свидетельствует об
отсутствии автокорреляции.
Используем результаты моделирования.
Если тенденции в
росте уровня образования и количества врачей на следующие 5 лет
сохранятся, коэффициент стойкости семей останется на уровне 2005, а все
другие факторы останутся без изменений, ожидаемая продолжительность
жизни будет составлять приблизительно 68,6<70,1 (y) <71,6 (±5%).
Интерпретация результатов вычисления:
1. Поскольку значение
а0>0, то относительное изменение ожидаемой продолжительности жизни
проходит быстрее, чем изменение факторов (стойкости семей, уровня
образования и количества врачей).
2. Если коэффициент стойкости
семей вырастет на одну единицу за счет роста количества браков или
уменьшением количества разводов, то ожидаемая продолжительность жизни
предельно вырастет на 0,067 роке при условии неизменности всех других
факторов;
3. Если количество людей, которые имеют полное, базовое
высшее образование вырастет на 1%, то ожидаемая продолжительность жизни
предельно уменьшится на 0,176 годы при условии неизменности всех других
факторов.
4. Если количество врачей на 100000 население вырастет
на одно лицо, то ожидаемая продолжительность жизни предельно вырастет
на 0,07 годы при условии неизменности всех других факторов.
Вычислим коэффициенты эластичности:
{\cf1\f0\fs20 0,001845182 %{\cf1\fs20 -0,143618049 %{\cf1\fs20 0,218049491 %
Как
видим, самое существенное влияние на ожидаемую продолжительность жизни
в рамках этой модели имеет количество врачей на 100000 чел. население
(если количество врачей вырастет на 1%, то ожидаемая продолжительность
жизни вероятно вырастет на 0,2%). Наименьшее влияние - семейное
положение.
Общая эластичность ()
составляет приблизительно 0,08% и значит, если все факторы, включенные
к модели увеличатся одновременно на 1%, то ожидаемая продолжительность
жизни населения вырастет на 0,08%.
Следующее, исследуем влияние уровня образования и количества привлеченных инвестиций на уровень занятости в курортополиси.
Таблица 4.
Уровень занятости населения (%)Уровень образования %Количество привлеченных инвестиций на одного жителя (грн.)
вx1x2
69,554,587,59
6855,7154,79
68,956,1103,26
72,656,8259,02
75,0657,2791,74
Результаты моделирования приведены в таблице ниже:
Таблица 5.
{\cf1\fs20\b ЗначениеСтандартная ошибкаt-статистика
a038,7247570,179160,551798
a10,5350511,2682130,421893
a20,0074920,0045271,654903
R20,809826
Откорректирован R20,619652
Табличное значение
t-statistic с 5-2=3 степенями свободы и уровни значимости 5% составляет
2,353. Все оценки параметров модели являются несмещенными.
Откорректирован коэффициент детерминации составляет 0,62, и
свидетельствует, что между факторами и результатом существует заметная
связь (согласно шкалы Чеддока).
Если уровень образования вырастет на 1%, то уровень занятости вырастет на 0,5%.
Предложенная модель
может быть использованной для прогнозирования состояния экономической
безопасности территориальных образований за социально демографической
безопасностью (СДМБ) и другими составляющими экономической
безопасности, а ее доработка позволит создать систему мониторинга
состояния экономической безопасности территории.
|
