Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

SHORT-TERM FORECASTING THE NUMBER OF EMPLOYEES IN THE REGIONAL ECONOMY KHMAO-YUGRA

Kutyshkin A.V. 1
1 Yugra State University
The article discusses the formation of a short-term forecast of the average annual number of employed in the regional economy based on the scenario approach of its development, which assumes the possible implementation of inertial and moderately optimistic development scenarios. According to the first scenario, the demographic factor has the most significant influence on the number of employed people, i.e. the number of the able-bodied population of the region. The second scenario reflects the influence of the dynamics of the gross regional product, labor productivity in the regional economy, i.e. due to its development. Along with taking into account these macroeconomic indicators, it is advisable to take into account directly the dynamics of the number of people employed in the regional economy. The target scenario focuses on the baseline and target estimates of the gross regional product, which can be achieved at a certain level of labor productivity and the number of people employed in the regional economy. On the basis of retrospective data from the time period of the previous forecasting year, within the framework of each scenario, economic and statistical models are developed that characterize the relationship between the number of employees and the above macroeconomic indicators. The directly predicted value of the number of employed is determined by averaging the values of this indicator, calculated on the basis of the generated models. The forecasting results were compared with the data published by the Russian Federal State Statistics Service and the forecast data generated by the specialized departments of the administration of the Khanty-Mansiysk Autonomous Okrug – Yugra and published in open sources.
employment
regional economy
short-term forecasting
macroeconomic indicators

Среднегодовая численность занятых в региональной экономике (NE) является одним из ключевых показателей, используемых при формировании прогнозов развития региональной социально-экономической системы (РСЭС) с различным горизонтом прогнозирования. В настоящее время для оценки динамики значений NE используются следующие методы:

- балансовые методы, на основе которых разрабатываются динамические балансовые модели трудовых ресурсов (балансы труда) экономических систем различной сложности [1–3];

- эконометрические методы, позволяющие разрабатывать комплексные модели динамики NE, оперирующие макроэкономическими показателями, характеризующими функционирование РСЭС [4–6];

- методы системной динамики [7–9].

Применение вышеперечисленных методов при разработке моделей оценки изменения значений NE и их краткосрочного прогнозирования сопряжено с определенными сложностями. Так, использование балансовых методов, несмотря на то, что методика построения баланса трудовых ресурсов разработана достаточно давно и успешно апробирована, в определенной степени затруднено, поскольку в открытой печати практически отсутствуют детализированные таблицы «Выпуск – Затраты» в региональном разрезе. Модели системной динамики не в полной мере специфицированы за исключением ряда в том числе и указанных работ с учетом структуры региональных показателей социально-экономического состояния субъектов федерации, публикуемых Росстатом РФ. Наиболее приемлемым вариантом для формирования краткосрочного прогноза значений NE, по мнению автора, являются эконометрические методы и модели, достаточно широко использующиеся и при «сценарном подходе» описания вариантов развития РСЭС, который в настоящее время активно используется профильными федеральными и региональными министерствами и департаментами.

Целью данной работы является формирование краткосрочного прогноза среднегодовой численности занятых в региональной экономике ХМАО-Югры на основе модификации использующегося в настоящее время комплекса эконометрических моделей, оперирующих ключевыми макроэкономическими показателями, характеризующими функционирование региональной социально-экономической системы в целом.

Материалы и методы исследования

Исходный комплекс моделей [4–6] включает следующие эконометрические модели:

– модель зависимости NE1(t) от численности трудоспособного населения региона WPR(t) вида

missing image file, (1)

где α – постоянная, определяемая методами математической статистики на основе ретроспективных данных о WPR(t) и NE(t);

– модель определения NE2(t) в зависимости от оценки валового регионального продукта GRP(-)(t) для инерционного (базового, консервативного) и умеренно-оптимистического GRP(+)(t) (целевого) сценариев развития региональной экономики – missing image file:

missing image file, (2)

где LPр(t), In(t) – производительность труда и инвестиции в основной капитал региональной экономики; missing image file – зависимость, связывающая LPр(t) и In(t):

missing image file [4, 5]; (3)

missing image file [6]; (4)

Здесь a, b – постоянные, определяемые методами математической статистики.

Непосредственно оценка missing image file для каждого из сценариев развития региональной экономики осуществляется либо с использованием простой средней арифметической [4, 5]:

missing image file, (5)

либо более сложной зависимостью [6]:

missing image file. (6)

Зависимость (5), как правило, не требует дополнительного обоснования, так как предполагает равнозначность «влияния» на значения missing image file, как регионального демографического фактора в виде WPR(t), так и возможных сценариев развития региональной экономики, учитываемых через взаимосвязь LP(t) и In(t) (3), (4). Использование же выражения (6) в работе [6] недостаточно обосновано, что вызывает определенные сомнения в целесообразности его использования. В недостаточной мере, по мнению автора, обосновано использование и зависимостей (3), (4).

Модификацию комплекса эконометрических моделей (1)–(6) предлагается осуществить за счёт интеграции в исходный вариант эконометрической модели временного ряда NE(t) – NE3(t) и заменой missing image file (3), (4) эконометрической моделью временного ряда LP(t). Оценку же missing image file предлагается осуществлять с использованием простой средней арифметической.

Непосредственно краткосрочное прогнозирование значения NEf(t) осуществляется по следующему алгоритму. Для временного интервала [t0, tk] предшествующему году прогнозирования tf строятся модели для оценки NE1(t) (2), missing image file и NE3(t). Величина missing image file рассчитывалась согласно (2). Эконометрическая модель, характеризующая изменения производительности труда LPр(t) в рассматриваемой экономической системе, имеет следующий вид [10, 11]:

missing image file. (7)

Здесь С, d1, d2 – постоянные, идентифицируемые при построении квадратичного тренда для значений LP(t) временного интервала [t0, tk]; z(t) – остатки, определяемые выражением

missing image file; (8)

missing image file, (9)

где rz(1), rz(2) – частные коэффициенты корреляции остатков (9).

Для описания изменений NE3(t) используется следующая зависимость [10, 11]:

missing image file, (10)

где a, b – постоянные, идентифицируемые методами математической статистики.

Исходя из допущения, что в году tf условия и характер функционирования рассматриваемой региональной экономики меняются незначительно, построенные модели используются для оценки величин NE1(tf), missing image file и NE3(tf). На их основании рассчитываются значения missing image file:

missing image file. (11)

Далее алгоритм повторяется для следующего временного интервала. Для построения моделей динамики величин NE1(tf), missing image file и NE3(tf) используются статистические данные о социально-экономическом состоянии ХМАО-Югры [12–14]. Оценка корректности идентифицируемых эконометрических моделей NE1(tf), LP(t) и NE3(tf) осуществлялась с использованием общепринятых статистических критериев R2, критерия Фишера, критерия Дарбина – Уотсона [10, 11]. Точность краткосрочного прогноза значения missing image file по отношению к фактическим значениям среднесписочной численности занятых в региональной экономике ХМАО-Югры missing image file определялась выражением

missing image file. (12)

Наряду с этим значения missing image file сопоставлялись с аналогичными значениями, рассчитанными для величин missing image file, которые публикуются профильным департаментом администрации округа в открытых источниках информации (https://gov.admhmao.ru/plany/prognoz-sotsialno-ekonomicheskogo-razvitiya-khmao-yugry/).

Результаты исследования и их обсуждение

Исходные данные, которые использовались при построении моделей NE1(tf), missing image file, NE3(tf), missing image file приведены в табл. 1 [12–14]. Величина валового продукта GRP2001(t) приведена в сопоставимых ценах 2001 г., а GRP(t) – в ценах соответствующего текущего года t.

В табл. 2, 3, 4 приведены идентифицированные постоянные выражений (1), (7), (10). Расчетные значения статистических критериев, характеризующих точность R2, адекватность Fрасч отсутствие автокорреляции остатков – критерий Дарбина – Уотсона (KDW) построенных моделей, приведены в табл. 5. Для критерия KDW приведено значение [10, 11] его верхней границы d2(n, m), (n – количество наблюдений, m – количество степеней свободы (коэффициентов статистической модели)). Если расчетное значение KDW больше табличного d2(n, m), то это означает отсутствие автокорреляция между остатками.

Таблица 1

Макроэкономические показатели, характеризующие функционирование региональной экономики ХМАО-Югры в 2001–2018 гг.

Год

NEst(t),

тыс. чел.

WPR(t),

тыс. чел.

GRP(t),

млн руб.

GRP2001(t),

млн руб.

LPр(t), (тыс. руб/чел.)

2001

868,70

785

555 320,70

555 320,70

639,25

2002

878,00

793

589 378,90

569 203,72

648,30

2003

879,80

834

760 866,15

621 570,46

706,49

2004

873,50

827

1 026 962,53

670 674,53

767,80

2005

877,10

850

1 363 730,64

753 838,17

859,47

2006

879,40

848

1 666 318,90

804 345,32

914,65

2007

880,60

880

1 717 291,60

830 084,37

942,63

2008

890,40

906

1 937 159,10

854 156,82

959,30

2009

897,40

906

1 811 590,90

813 157,29

906,13

2010

897,60

916,00

1 971 870,50

837 552,01

933,10

2011

903,60

904,00

2 440 432,60

845 089,98

935,25

2012

912,20

913,00

2 703 558,80

829 033,27

908,83

2013

916,10

899,00

2 729 122,40

829 033,27

904,96

2014

917,20

916,00

2 860 498,90

818 255,84

892,12

2015

1037,40

918,00

3 154 058,70

803 527,23

774,56

2016

1025,40

918,00

3 068 148,50

784 242,58

764,82

2017

1077,90

917,00

3 511 127,50

784 242,58

727,57

2018

1085,70

917,00

3 967 100,00

786 595,31

724,51

Таблица 2

Идентифицированные значения коэффициента модели (1) NE1(t) для выделенных временных интервалов

Временной интервал

2001–2012 гг.

2001–2013 гг.

2001–2014 гг.

2001–2015 гг.

2001–2016 гг.

2001–2017 гг.

α

0,8

0,9

0,8

0,8

0,9

0,9

Таблица 3

Идентифицированные значения коэффициентов модели (7) LPр(t) и NE3(t) для выделенных временных интервалов

Временной интервал

С

d1

d2

bz.1

bz.2

Модель LPр(t)

2001–2012 гг.

507,88

92,901

-4,9533

0,293

-0,3963

2001–2013 гг.

513,99

89,701

-4,6624

0,319

-0,3475

2001–2014 гг.

521,74

85,892

-4,3396

0,404

-0,3511

Окончание табл. 3

Временной интервал

С

d1

d2

bz.1

bz.2

2001–2015 гг.

509,91

91,372

-4,7745

0,157

-0,3573

2001–2016 гг.

512,76

90,12

-4,6812

0,080

-0,2720

2001–2017 гг.

519,05

87,512

-4,497

0,139

-0,3427

Модель NE3(t)

2001–2015 гг.

893,32

-9,7087

1,0276

0,161

-0,3623

2001–2016 гг.

897,89

-11,709

1,1768

0,106

-0,1989

2001–2017 гг.

904,76

-14,563

1,3778

0,118

0,1222

Таблица 4

Идентифицированные значения коэффициентов модели (10) NE3(t) для выделенных временных интервалов

Коэффициенты

2001–2012 гг.

2001–2013 гг.

2001–2014 гг.

a

- 45,011

6,597

6,597

b

1,055

0,997

0,997

Таблица 5

Значения статистических критериев, характеризующие построенные модели (1), (7), (10)

Временной интервал

2001–2012 гг.

2001–2013 гг.

2001–2014 гг.

2001–2015 гг.

2001–2016 гг.

2001–2017 гг.

Модель NE1(t) (1)

R2

0,843

0,874

0,868

0,857

0,871

0,862

Fрасч

(FТ)

19,571

(4,844)

7,943

(4,747)

5,890

(4,667)

5,721

(4,600)

5,126

(4,543)

4,904

(4,494)

KDW

(d2)

1,801

(1,023)

2,010

(1,038)

1,615

(1,034)

1,616

(1,070)

1,360

(1,086)

1,286

(1,102)

Модель LPр(t) (7)

R2

0,9542

0,95

0,9427

0,9342

0,9317

0,9352

Fрасч

(FТ)

4,5434 (3,7082)

4,655 (3,3258)

4,7696 (3,8852)

4,5768 (3,1791)

4,7936 (3,1122)

4,8276 (3,0555)

KDW

(d2)

2,28 (1,913)

2,18 (1,83)

2,05 (1,826)

1,86 (1,704)

1,959 (1,663)

2,045 (1,63)

Модель NE3(t) (10)

R2

0,861

0,921

0,913

0,8404

0,8699

0,8882

Fрасч

(FТ)

55,67

(4,1028)

127,451

(3,8852)

127,451

(3,8055)

5,1184 (3,7389)

4,9189 (3,6823)

7,9651 (3,6337)

KDW

(d2)

2,184

(1,274)

2,030

(1,261)

2,004

(1,234)

1,719 (1,704)

2,059

(1,663)

1,909

(1,63)

Исходная модель (10) NE3(t) для временных интервалов «2001–2015 гг.», «2001–2016 гг.», «2001–2017 гг.» не обеспечивала приемлемую точность – значения критерия R2 колебались в диапазоне от 0,574 до 0,732. Поэтому была использована модель по своей структуре аналогичная выражению (7). Именно для этой модели в табл. 5 приведены расчетные значения R2, Fрасч и KDW для данных временных интервалов, которые указывают на целесообразность использования более сложной модели (7) для описания NE3(t).

Таблица 6

Краткосрочный прогноз значений NE1(tf), missing image file, missing image file,

NE3(tf), NE(+)(tf) и NE(-)(tf) для 2013–2018 гг. (тыс. чел.)

Год, tf

2013

2014

2015

2016

2017

2018

NE1(tf)

896,93

915,07

933,62

921,71

1025,43

1024,4

missing image file

838 152,64

830 692,17

829 862,30

821 231,74

803 205,37

804 811,78

missing image file

834 836,50

823 223,41

825 712,99

817 125,58

797 995,48

796 399,49

missing image file

931,52

945,03

985,26

1038,56

1061,60

1120,63

missing image file

927,83

936,53

980,33

1033,37

1054,71

1108,91

NE3(tf)

917,706

919,743

952,044

1023,39

1030,64

1091,81

missing image file

915,38

926,61

956,97

994,55

1039,22

1078,95

missing image file

914,16

923,78

955,33

992,82

1036,93

1075,04

В табл. 6 для tf с 2013 по 2018 г. совместно приведены расчетные значения NE1(tf) (1) и NE3(tf) (10) с учетом значений постоянных данных зависимостей, приведенных в табл. 2, 3, 4. Значения missing image file, missing image file оценивались согласно (5) для значений missing image file и missing image file. Здесь же приведены и прогнозные значения NE(+)(tf) и NE(-)(tf), рассчитанные по зависимости (11). В табл. 7 приведены оценки missing image file и missing image file, собранные автором из официальных документов, размещенных на сайте (https://gov.admhmao.ru/plany/prognoz-sotsialno-ekonomicheskogo-razvitiya-khmao-yugry/) экономическим департаментом администрации ХМАО-Югры. В связи с тем, что в этих документах присутствует несколько прогнозных оценок для каждого года tf, в табл. 7 приведены те оценки, что наиболее близки к соответствующим фактическим данным.

Таблица 7

Соотношение значений missing image file, missing image file, missing image file, missing image file, missing image file,

missing image file и NEst(t) для 2013–2018 гг.

Год

2013

2014

2015

2016

2017

2018

NEst(t)

916,10

917,20

1037,40

1025,40

1077,90

1085,70

missing image file

1184,52

916,10

918,40

919,78

921,16

1027,41

missing image file

0,293

-0,001

-0,115

-0,103

-0,145

-0,054

missing image file

1181,56

914,87

917,48

917,94

918,40

1026,49

missing image file

0,290

-0,003

-0,116

-0,105

-0,148

-0,055

missing image file

915,38

926,61

956,97

994,55

1039,22

1078,95

missing image file

0,001

-0,010

0,078

0,030

0,036

0,006

missing image file

914,16

923,78

955,33

992,82

1036,93

1075,04

missing image file

0,002

-0,007

0,079

0,032

0,038

0,010

missing image file

914,22

930,05

959,44

980,14

1043,51

1072,51

missing image file

0,002

-0,014

0,075

0,044

0,032

0,012

missing image file

912,38

925,80

956,98

977,54

1040,07

1066,66

missing image file

0,004

-0,009

0,078

0,047

0,035

0,018

Наличие нескольких оценок обусловлено также и тем, что подразделения администрации, занимающиеся формированием прогнозов социально-экономического развития округа, работают с горизонтом прогнозирования в три года. Вследствие этого минимум один раз производится корректировка прогнозных значений с учётом изменяющихся условий функционирования региональной социально-экономической системы в целом. В табл. 7 также приведены значения missing image file и missing image file, рассчитанные по зависимости (5). Близость значений missing image file, missing image file, missing image file, missing image file, missing image file, missing image file к NEst(t) определялась согласно зависимости (12).

Анализ данных табл. 7 говорит о том, что более близкие к NEst(t) для региональной экономики ХМАО-Югры краткосрочные оценки величины missing image file даёт использование комплексной модели (11). Это относится и к прогнозным оценкам missing image file и missing image file, формируемым профильными департаментами администрации округа. Наибольшая ошибка прогнозирования наблюдается в 2015 г., так как за этот год значение NEst(t) выросло более чем на 10 % по отношению к предыдущим двум годам. Похожих изменений величины NEst(t) не наблюдается как в предыдущем, так и в следующем за этим годом временным интервалах. Поэтому прогнозирование с использованием эконометрических моделей, идентификация которых осуществляется по ретроспективным данным NEst(t), не обеспечивает получение достаточно близких к фактическим данным результатов missing image file.

Заключение

Оценки среднегодовой численности занятых в региональной экономике, полученные в рамках краткосрочного прогнозирования с использованием комплекса эконометрических моделей, оперирующих ключевыми макроэкономическими показателями, характеризующими ее функционирование, достаточно близки к значениям этого экономического показателя, опубликованным органами государственной статистики. Повышение точности прогнозирования было осуществлено за счет интеграции в данный комплекс эконометрической модели, отражающей динамику рассматриваемого показателя. Вместе с тем следует отметить, что все полученные прогнозные значения ниже фактических значений численности занятых в региональной экономике ХМАО-Югры. Это обусловлено тем, что эконометрические модели идентифицируются на ретроспективных данных значений экономических показателей. При отсутствии в предшествующих временных интервалах значительных изменений значений наблюдаемого экономического показателя обеспечить в прогнозируемом интервале существенные изменения его значений, используя модели подобно типа, достаточно сложно.

Работа выполнена при поддержке гранта РФФИ и Правительства ХМАО-Югры на реализацию научного проекта № 18-47-860016 «Компьютерное моделирование динамики социально-экономической системы ресурсодобывающего региона севера России c использованием теории роста, агентного подхода и ГИС-технологий».