Многофакторный корреляционно-регрессионный анализ

Сегодня безработица является неотъемлемой частью жизни региона, области и страны в целом. Она оказывает существенное влияние на социально-экономическую и политическую ситуацию в стране. Другими словами, безработица - это макроэкономическая проблема, которая касается любого гражданина РФ. Следовательно, она требует отношения к себе как экономическому явлению в совокупности с социальными условиями жизни.

Правильный расчет уровня безработицы основывается на разделении населения на 2 группы:

1. Экономически неактивное (ЭН) — это те граждане, которые не участвует в формировании предложения рабочей силы, включая лиц младшего и старшего возраста, установленного для оценки экономической активности населения.

2. Экономически активное (ЭА) — часть населения, занятая общественно полезной деятельностью, приносящей доход. Статистика ООН включает в экономически активное население также и безработных.

Факторы, влияющие на уровень безработицы (Уб) в стране:

1.    пособие по безработице;

2.    деятельность государственных служб занятости;

3.    демографические изменения в составе рабочей силы;

4.    желание граждан к смене места работы;

5.    социально-значимые причины;

6.    сокращение совокупного спроса и / или совокупного предложения на товарном рынке.

Согласно отчету Росстата по безработице установлено, что на конец 2016 года, в России безработица составила 5.4% (или 4.1 млн. человек):

·      Безработных: 4.1 млн. человек или 5.4%

·      Работающих: 72.6 млн. человек или 94.6%

·      Экономически активное население: 76.7 млн. человек или 52% от общей численности населения страны.

Самая низкая безработица на настоящий момент в Москве — около 1.5%, самая высокая в Ингушетии — более 20%. Укажем в таблице динамику уровня безработицы (таблица 1).

Таблица 1.

Уровень безработицы (в %)

Отметим, что официальный прогноз по возможному уровню численности трудоспособного населения, не занятого на постоянной работе, был озвучен Министерством экономического развития РФ. По данным министерства к концу 2017 года безработица составит 6,3%. Согласно сводкам, издаваемым кадровыми и другими аналитическими агентствами, наибольшему сокращению персонала в 2016 году подверглась строительная, банковская, туристическая и автомобильная сферы.

Рассматривая данные безработицы проведем многофакторный корреляционно-регрессионный анализ. Такой анализ включает в себя следующие этапы:

1.    теоретический анализ (сбор данных и предварительный анализ собранной информации);

2.    выбор уравнения регрессии;

3.    отбор существенных факторных признаков (очень важный̆ момент в экономическом анализе: от того, насколько правильно он проведен зависит точность выводов по итогам анализа);

4.    вычисление параметров уравнения регрессии и коэффициентов корреляции, детерминации, эластичности и других;

5.    проверка адекватности полученной модели;

6.    интерпретация полученных результатов (статистическая оценка и практическое использование результатов корреляционного анализа).

Данные использованные для исследования представлены в таблице 2.

Таблица 2.

Исходные данные

По результатам многофакторного корреляционно-регрессионного анализа исследована зависимость уровня безработицы от индекса ВРП, %, дохода на душу населения, %, доли пенсионеров в общей численности населения, %, а именно:

1.  получено уравнение множественной регрессии:

2.  Y = 104,7233-0,24692x2 -2,54084x3;

3.  экономическая интерпретация - увеличение значения дохода на душу населения на 1 ед. изм. способствует снижению уровня безработицы в среднем на 0,247 ед. изм.;

4.  экономическая интерпретация - увеличение доли пенсионеров в общей численности населения на 1 ед. изм. способствует снижению уровня безработицы в среднем на 2,541 ед. изм.;

5.  с помощью ошибки аппоксимации, коэффициента детерминации и F -критерия Фишера показана статистическая значимость построенного уравнения регрессии;

6.  с помощью t – критерия Стьюдента показана статистическая значимость параметров модели.

7.  Вычислены выровненные значения (таблица 3).

Таблица 3.

Выровненные значения

Таким образом, исследовали соотношения результативного признака и нескольких факторных признаков. Так, при помощи корреляционного анализа измерили тесноту связи между варьирующими переменными, а при помощи регрессионного – определили расчетные значения зависимой переменной (результативный признак). В результате проведения корреляционно-регрессионного анализа получили данные, которые показывают, что между уровнем безработицы и ВРП существует связь и найдены параметры этой связи. Регрессионная модель зависимости уровня безработицы и ВРП может быть использована, так как занятость населения одна из важнейших характеристик рынка труда.