Статистический анализ безработицы в Российской Федерации

Как было уже упомянуто выше,  возникают затруднения при интерпретации модели, построенной на главные компоненты. Можно отметить, что при увеличении значения компоненты, характеризующей социально-экономическое положение безработных на 1, нормированное значение уровня безработицы уменьшится на 0,257 единиц. Большее влияние оказывает главная компонента, наиболее тесно связанная с демографическими процессами в регионе: при увеличении соответствующей главной компоненты на 1, нормированный уровень безработицы сокращается на 0,706 единиц.

Если сравнивать  регрессию, построенную на главные компоненты и на три определенных фактора, то вторая оказывается более удачной, с точки зрения простоты и ясности интерпретации. Кроме того, если сравнивать скорректированные коэффициенты детерминации, которые учитывают разное количество регрессоров в уравнениях, то в первом случае (регрессия на компоненты) он составляет 0,547 а во втором 0,540. Другими словами, построение модели, используя главные компоненты в качестве факторов, не улучшило полученных ранее результатов. Более того, этот анализ еще раз подтвердил результаты предыдущей модели, так как вторая компонента содержит факторы x2 и x3 (коэффициенты рождаемости и миграционного прироста), а x4 (удельный вес домохозяйств, имеющих персональный компьютер с доступом в Интернет) входит в состав первой главной компоненты.

 

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)9

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.

Адаптивные методы моделирования временного ряда имеют свое преимущество – они могут учитывать результат прогноза, сделанного на предыдущем шаге. Другими словами, такие модели адаптируются к уже  полученным результатам и позволяют более точно описывать поведение показателя. В основе всех адаптивных моделей лежит принцип экспоненциального сглаживания. Еще больше повышает их привлекательность способность учитывать различную информационную ценность уровней, а также степень «устаревания» данных.

Модель Хольта является относительно сложной с точки зрения расчета модельных значений. Однако по сравнению с адаптивной моделью Брауна она позволяет в большей степени учесть соотношение текущих уровней ряда с предыдущими – модель характеризуется не одним, а двумя параметрами сглаживания. Так, сама модель имеет следующий вид:

 

 

 

При этом, начальные значения переменных и определяются как параметры регрессии по первому году наблюдений.  Далее мы ищем такое значения , при которых стандартная ошибка модели была бы минимальной. Таким образом, используя статистический пакет анализа SPSS, мы рассчитали соответствующие оценки для модели, которые были приведены в таблице 4. Стоит заметить, что согласно t-статистике является значимым на уровне 0,05, в то время как на том же уровне оказался незначим. Это связано с тем, что в нашем случае тренд остается неизменным с течением времени.

После того, как была произведена оценка параметров, мы проверили остаточную компоненту полученной модели по следующим критериям: нормальность распределения остатков (одновыборочный критерий Колмогорова-Смирнова), их независимость (статистика Льюинга-Бокса) и случайность (метод Фостера Стюарта). Согласно всем трем проведенным тестам на остатки, полученную модель можно считать адекватной, что позволяет статистически признать прогноз, построенный на основе данной модели наиболее качественным.

Сравним полученные значения с исходными уровнями ряда динамики показателя и построим прогноз на апрель-май 2013 года:

 

Рис. 8. Сопоставление исходных значений с полученными по модели Хольта

 

По графику видно, что модельные значения почти идеально совпадают с исходными данными, однако уровни модели определяются как уровни ряда в предыдущий момент времени. Согласно построенному прогнозу, в апреле-мае 2013 года уровень безработицы составляет 5.62% и 5,54% соответственно. Однако точечный прогноз редко совпадает с истинным значением показателя в будущем, а значит необходимо также построить доверительный интервал, в пределах которого с 95%-ой вероятностью будет находиться уровень безработицы в конце весны 2013 года. В данном случае в апреле значение показателя прогнозируется в пределах от 4,48 до 6,76 процентных пункта, а в мае – от 3,93 до 7,15. В принципе,  полученный прогноз согласуется с выводами, сделанными при анализе сезонной компоненты: начиная с конца весны уровень безработицы снижается ввиду увеличения объема сезонных работ.

 

 

 

 

Заключение

Безработица является макроэкономической проблемой, которая в течение последних нескольких лет нависает над многими развитыми странами, вызывая сильные волнения в обществе. Мониторинг проблем безработицы, в особенности ввиду последствий мирового финансового кризиса, представляет собой необходимую меру, предпринимаемую государством с целью выработки наиболее эффективной политики по решению данного вопроса на основе полученных результатов.

Если смотреть на мир в целом, то ученые прогнозируют продолжительный рост уровня безработицы как минимум до 2017 года. На фоне таких заключений экспертов Россия показывает совершенно противоположные результаты – в декабре 2012 года уровень безработицы в России достиг своего наименьшего уровня в 4 процентных пункта. Именно такие показатели подтолкнули к исследованию безработицы именно в Российской Федерации.

Достаточно многие российские и зарубежные ученые занимались изучением проблемы безработицы с совершенно разных сторон. На данный момент помимо исследования основных характеристик, относящихся к уровню безработицы, проводится анализ влияния различных факторов, которые на первый взгляд совершенно не имеют с безработицей ничего общего, а также рассматривается её влияние на другие стороны жизни человека. Самые последние работы относятся как к построению различных вероятностных моделей, описывающих переход человека между разными состояниями занятости, так и к разработке статистических моделей, которые могли бы описать факторы, влияющие на продолжительность безработицы.

Для первой части анализа безработицы в Российской Федерации в рамках представленной работы были взяты данные по регионам России за 2011 год, что помогло отразить текущие тенденции на рынке труда. Изучив структуру безработицы по полу, мы пришли к выводу, что число женщин, желающих и готовых приступить к работе ниже, чем число мужчин. При этом количество женщин в нашей стране превышает количество мужчин, что наталкивает на заключение о том, что либо женщины более «успешны» в поиске работы, либо они занимаются домашним хозяйством, тем самым не относятся к числу рабочей силы. Далее, анализ состава безработных по возрасту показал, что в основном наибольшую их долю составляют молодые люди в возрасте 20-29 лет, которые, получив диплом, впервые выходят на рынок труда и им нужно время, чтобы адаптироваться и найти наиболее подходящую себе работу. Что же касается структуры безработных по образованию, то наибольшую долю среди всех безработных составляют лица, имеющие только среднее (полное) образование. Это объясняется тем, что в настоящее время работодатели предпочитают брать даже на самые низшие должности людей с начальным профессиональным образованием, на что указывает более низкая доля таких безработных.

Далее в рамках работы было проведено исследование влияния различных социально-экономических факторов на уровень безработицы в России. В ходе корреляционного и дисперсионного анализа первоначально из 14-ти выдвинутых факторов, оказывающих возможное влияние, были отобраны пять. Однако в наилучшую регрессионную модель вошли общие коэффициенты рождаемости, коэффициенты миграционного прироста на 10000 человек населения и удельный вес домохозяйств, имевших персональный компьютер с доступом к сети 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 точки зрения увеличения числа женщин, оставивших в связи с родами и последующим уходом за грудным ребёнком свое прежнее место работы, которые по прошествии некоторого времени обращаются в биржу труда с целью поиска работы, тем самым увеличивая уровень безработицы в регионе. Факт того, что при положительном приросте миграции уровень безработицы сокращается, можно объяснить тем, что миграция зачастую связана именно с работой, т.е. люди мигрируют туда, где либо они уже нашли место работы, либо туда, где они намерены устроиться на неё. В заключение, наличие значимой обратной зависимости между уровнем безработицы и долей домохозяйств, имеющих персональный компьютер с выходом в Интернет, связано с тем, что Интернет позволяет «стереть» километры между потенциальным работником и работодателем, а также миновать биржу труда, предоставляя возможность контактировать с работодателем напрямую.

Наряду с корреляционно-регрессионным анализом был проведен компонентный анализ, в основу которого были взяты все предложенные в начале анализа переменные. В результате исследования было выделено 5 главных компонент, проинтерпретированные следующим образом: экономическая сторона жизни безработных, демографические процессы в регионе, обеспеченность жильем, уровень инфляции и  экономическое положение организаций в регионе. Однако построение регрессии на данные компоненты не привело к новым результатам, отличным от тех, которые были получены в ходе анализа, упомянутого выше.

В заключение, был проведен анализ динамики уровня безработицы в Российской Федерации, в результате которого  мы выбрали адекватную модель, наиболее точно описывающую поведение уровня безработицы. Данной моделью является модель Хольта, относящаяся к классу адаптивных моделей, которые предсказывают значение показателя с неким лагом. Согласно прогнозу, построенному на основе адаптивной модели,  в апреле и мае 2013 года уровень безработицы, скорее всего, незначительно снизится. Кроме того, для посткризисного периода (январь 2009 – март 2013) был выявлен нисходящий тренд и наличие сезонной компоненты, которая указывает на то, что пик безработицы приходится на середину зимы – середину весны, а в остальное время года происходит снижение показателя. Таким образом, если отталкиваться от работы Токарского Б.Л. и Змановского И.С (2010), имеющаяся тенденция в уровне безработицы может свидетельствовать о завершении экономического кризиса и прихода экономической системы к равновесию.