Корпоративное управление и инновационное развитие экономики Севера
Вестник Научно-исследовательского центра 
корпоративного права, управления и венчурного инвестирования
Сыктывкарского государственного университета

В соответствии с решениями президиума Высшей аттестационной комиссии Минобрнауки России с 19.02.2010 г. входит в Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней кандидата и доктора наук

Методология оценки и прогнозирования уровня трудового потенциала и уровня социального риска территориальных образований

Перцухов В. И.

В данной работе рассматриваются основные положения эконометрического исследования социально-экономических и инвестиционных процессов на мезоэкономическом уровне, лежащего в основе формирования инструментария оценки и прогнозирования индекса трудового потенциала территориальных образований и индекса социального риска, характерного последним, которые являются важнейшими составляющими инвестиционного климата территорий

In the article  substantive provisions econometrics  researches of social and economic and investment processes on a mesoeconomic level, underlying formation of toolkit of an estimation and forecasting of an index of labour potential of territorial formations and an index of social risk, characteristic are considered by the last which are the major components of an investment climate of territories

Ключевые слова:  инвестиционный климат, инвестиционная привлекательность, инвестиционная активность, инвестиционный потенциал, инвестиционный риск, трудовой потенциал, социальный риск

Keywords: the investment climate, investment attractiveness, investment activity, investment potential, investment risk, labour potential, social risk

Инвестиционное поведение потенциального инвестора во многом определяется обстоятельствами, характеризующими как сам объект интересов инвестора, так и условия, в которых он функционирует. В силу этого особую важность приобретает инструментарий, вкоторых он функционирует.бъект интересов инвестора,многом определяется ующиммируемой соделии ой Федерации с 1996 по 2004 гг. которым руководствуется инвестор при оценке целесообразности ведения активной инвестиционной политики в отношении того или иного объекта его интересов.

В данной работе изложены основные положения исследования социально-экономических и инвестиционных процессов, объектом приложения которых выступают территориальные образования. Основной задачей этого исследования представляется разработка инструмента оценки и прогнозирования уровня трудового потенциала территориального образования и уровня социального риска, сопровождающего развитие социально-экономических и инвестиционных процессов в данном образовании, которые являются ключевыми параметрами инвестиционного климата, сложившегося в том либо ином территориальном образовании.

Процедура моделирования уровня трудового потенциала и уровня социального риска, проявляющихся на территориальном уровне, предусматривает последовательную реализацию ряда операций [1, с. 159].

I этап. Построение базы данных и изучение их свойств.

База данных, используемая для выявления скрытых математических зависимостей, состоит из двух элементов: наблюдений и переменных.

Поскольку в этой работе исследуется проблема моделирования социально-экономических и инвестиционных процессов, наблюдающихся на территориальном уровне, в рамках данного исследования была сформирована база данных, содержащая информацию об уровне социально-экономического развития регионов России.

В качестве наблюдений во вновь формируемой базе данных рассматриваются названные территориальные образования.

В качестве переменных базы данных выступает ряд индикаторов первого порядка, описывающих состояние и тенденции развития социально-экономических и инвестиционных процессов в масштабе региональной экономики, а также интегральные характеристики трудового потенциала и социального риска, характерных данным территориальным образованиям.

Основными источниками, на основе использования которых формируется база данных, являются официальные материалы Государственного комитета статистики РФ, а также производные от них.

Максимальный уровень предсказательной силы моделей напрямую зависит от глубины исследования. В ходе моделирования трудового потенциала территориальных образований и социального риска, характерного им, был заложен пятнадцатилетний период исследования (1995-2009 гг.).

Поскольку для сформированной базы данных, как правило, характерна разнородность и разобщённость цифрового материала, проводится операция стандартизации базы данных.

II этап. Формирование перечня параметров, используемых для моделирования трудового потенциала регионов и социального риска, проявляющегося на территориальном уровне.

Состав параметров, используемых для моделирования трудового потенциала и социального риска, описывающих состояние и тенденции развития социально-экономических и инвестиционных процессов, проявляющихся на территориальном уровне, представлен в приведённой ниже табл. 1.

Таблица 1

Состав индикаторов для исследования трудового потенциала территориальных образований и социального риска, характерного им

III этап. Кластеризация территориальных образований по степени развития трудового потенциала и степени развития социального риска. Представление количественных оценок кластеризации территорий в качестве результирующего признака развития трудового потенциала, результирующего признака развития социального риска.

Для построения регрессионной зависимости необходимо определиться не только с характером независимых параметров формируемой модели, но и с характером результирующего признака. Поэтому территориальные образования, данные состояния и развития которых образуют базу данных, используемую для моделирования, подвергаются кластеризации с целью определения степени развития их трудового потенциала и степени развития социального риска, характерного им.

Количественное выражение результирующих признаков состоит в соотнесении уровня отдельного территориального образования по каждому из оцениваемых параметров к среднероссийскому уровню. Поэтому все названные результирующие признаки представлены в унифицированных размерных единицах. Следовательно, кластеризация территорий по тому либо иному результирующему признаку может быть проведена на основе использования единой системы оценок.

Таблица 2

Базовые критерии кластеризации территориальных образований

IV этап. Построение моделей оценки трудового потенциала регионов и социального риска, проявляющегося на территориальном уровне.

На сегодняшний день большинство моделей оценки и прогнозирования финансовых и экономических преференций носят линейный характер. Однако для них характерен один весьма существенный недостаток – они не позволяют учесть разнонаправленность векторов динамики финансовых и экономических составляющих этих моделей. Поэтому при построении моделей оценки трудового потенциала регионов и социального риска, проявляющегося на территориальном уровне, были рассмотрены два альтернативных алгоритма моделирования [2, с. 79]:

−                   формирование моделей на основе использования алгоритма мультипликативного регрессионного анализа (линейный тип моделей);

−                   формирование моделей на основе использования регрессии экспоненциального типа  (нелинейный тип моделей).

Выбор регрессионной зависимости экспоненциального типа для формирования нелинейного типа моделей обусловлен результатами эмпирических исследований, которые показали, что динамика оценок результирующих признаков формулируемых моделей наиболее полно и наиболее точно описывается экспоненциальной зависимостью.

Таким образом, общий вид моделей представлен следующими зависимостями:

−                   для линейного типа моделей

−                   для нелинейного типа моделей

Далее в зависимости от типа формируемой модели используется соответствующий алгоритм моделирования социально-экономических и инвестиционных процессов, проявляющихся в условиях территориального развития.

V этап. Проверка построенных моделей на значимость и адекватность.

 Гипотеза о незначимости модели проверяется на основе использования дисперсионного анализа. Индикаторами оценки значимости модели и весовых факторных нагрузок её параметров являются статистика критерия Фишера F и уровень значимости p. Линейная регрессионная зависимость называется адекватной, если предсказанные по ней значения переменной Y согласуются с результатами наблюдений. Грубая оценка адекватности модели может быть проведена непосредственно по графику остатков. Если модель адекватна, то остатки ведут себя достаточно хаотично, т.е. являются следствием случайных ошибок наблюдений, которые должны быть независимыми, нормально распределёнными случайными величинами с нулевыми средними и равными дисперсиями. При этом в остатках не наблюдаются систематическая составляющая и резкие выбросы, в чередовании их знаков нет никаких закономерностей, остатки являются независимыми друг от друга. Всякое отклонение от названных условий отражается на поведении остатков [2, с. 80].

Далее проводится проверка гипотезы о нормальности распределения остатков. С этой целью остатки проецируются на нормальном вероятностном графике (Normal Probability Plot) и на полунормальном вероятностном графике (Half-normal Probability Plot). Если наблюдается расположение точек близко к прямой, то можно предположить, что остатки распределены по нормальному закону. Гипотезу о нормальном распределении остатков можно также проверить по критерию  или критерию Колмогорова-Смирнова.

Кроме того, при оценке значимости и адекватности вновь сформированной модели необходимо рассчитать ряд количественных критериев, описывающих характер корреляционной связи между результирующим признаком и независимыми переменными, а также показатели, характеризующие абсолютные потери при моделировании.

Ниже приводятся созданные зависимости оценки трудового потенциала регионов и социального риска, наблюдающегося в них, а также количественная и графическая оценка степени значимости и адекватности сформулированных моделей.

При этом вновь созданные модели сопровождаются рядом таблиц, в которых представлены данные анализа результатов моделирования в виде оценок таких параметров, как:

−                   точечные оценки параметров модели (B);

−                   стандартные ошибки оценки параметров модели (Std. Error of B);

−                   стандартизированные коэффициенты регрессионного уравнения (Beta);

−                   стандартные ошибки оценки стандартизированных коэффициентов регрессионного уравнения (Std. Error of Beta);

−                   t-критерий, который используется для проверки гипотезы о равенстве 0 свободного члена регрессии (t(df));

−                   уровень значимости (p-level).

При оценке значимости и адекватности сформированных моделей оценивается ряд количественных критериев, описывающих характер корреляционной связи между результирующим признаком и независимыми переменными, а также показатели, характеризующие абсолютные потери при моделировании:

−                   коэффициент множественной корреляции (Multiple R);

−                   коэффициент детерминации (R-square – RI);

−                   скорректированный коэффициент детерминации (Adjusted R-square – adjusted RI);

−                   стандартная ошибка наблюдений (Std. Error of estimate);

−                   суммарные потери (Final loss);

−                   объяснённая дисперсия (Variance explained).

Кроме того, степень адекватности сформированных моделей весьма наглядно демонстрирует поведение стандартизированных остатков, представленное в количественном или графическом выражении.

Модель оценки трудового потенциала территориальных образований, сформированная на основе использования мультипликативного регрессионного анализа

Таблица 3

Результаты моделирования регрессионной зависимости

Таблица 4

Оценка адекватности и значимости регрессионной модели

Модель оценки трудового потенциала территориальных образований,

сформированная на основе использования регрессии экспоненциального типа

Таблица 5

Результаты моделирования регрессионной зависимости

 Таблица 6

Оценка адекватности и значимости регрессионной модели

Модель оценки социального риска территориальных образований,

сформированная на основе использования мультипликативного регрессионного анализа

Таблица 7

Результаты моделирования регрессионной зависимости

Таблица 8

Оценка адекватности и значимости регрессионной модели

Модель оценки социального риска территориальных образований,

сформированная на основе использования регрессии экспоненциального типа

Таблица 9

Результаты моделирования регрессионной зависимости

Таблица 10

Оценка адекватности и значимости регрессионной модели

Следует отметить тот факт, что уровень предсказательной силы предлагаемых моделей, который описывается коэффициентом детерминации, достаточно высок и варьирует в пределах от 0,77 до 0,80. Иными словами, построенные регрессионные зависимости объясняют 77-80% общего разброса относительно выборочного среднего зависимой переменной, что свидетельствует о хороших качественных характеристиках созданных моделей.

Анализ стандартизированных остатков, демонстрирующих дефекты вновь созданных регрессионных моделей, позволяет утверждать, что эти остатки являются следствием случайных ошибок наблюдений, которые представляются независимыми, нормально распределёнными случайными величинами. Следовательно, сформированные регрессионные зависимости обладают должной степенью адекватности.

В силу этого можно констатировать, что отличительной чертой созданных моделей является весьма высокая точность прогноза уровня трудового потенциала территориальных образований и уровня социального риска в них в сочетании с очевидной простотой используемого для этой цели инструмента оценки.

Однако, поскольку инвестиционное поле России подвержено воздействию множества факторов, степень влияния которых на социально-экономические и инвестиционные процессы неоднозначна, при формировании прогноза уровня трудового потенциала и уровня социального риска территориальных образований необходимо учитывать характер изменчивости инвестиционного поля и факторов, оказывающих на него влияние. Поэтому сформулированные модели следует использовать для построения краткосрочных или среднесрочных прогнозов, не превышающих по своей продолжительности, соответственно, одного года или трёх лет [3, с. 88].

Кроме того, с течением времени наблюдается определённое изменение степени значимости параметров, вошедших в те либо иные модели. Отдельные параметры способны приобрести статус факторов, определяющих уровень рассчитываемых индексов, другие параметры, напротив, трансформируются в незначительные факторы, не оказывающие существенного влияния на результирующий признак.

В силу названных причин следует проводить актуализацию сформулированных моделей не реже одного раза в три года. Это позволит обеспечить учёт динамики значимости факторов, определяющих уровень трудового потенциала регионов и уровень социального риска в них, и, как следствие, повысить точность прогноза данных индексов [3, с. 88].

Таким образом, в рамках данного исследования разработан комплексный инструментарий оценки и прогнозирования уровня трудового потенциала территориальных образований и уровня социального риска, характерного им, который с успехом может быть использован на практике при изучении состояния и тенденций развития социально-экономических и инвестиционных процессов на территориальном уровне.

Список литературы:

1. Перцухов В.И., Панасейкина В.С. Моделирование инвестиционного поведения экономических систем: Монография: в 2 т. Т.1: Краснодар: Изд-во ООО «Ризограф», 2007.  212 с.

2. Перцухов В.И. Инвестиционный климат: моделирование инвестиционной ситуации в условиях территориального разделения труда: монография.  Краснодар: Изд-во ООО «Ризограф», 2010. 212 с.

3. Перцухов В.И. Моделирование инвестиционной ситуации: основные методические положения исследования инвестиционных преференций на основе использования методов количественной диагностики. Краснодар: Изд-во ООО «Ризограф», 2010. 112 с.

Literature:

1. Pertsuhov V. I, Panaseykina V. S. Modeling of investment behavior of economic systems: The Monography: in 2 т. Т.1: Krasnodar: «Risograph» Publishing house, 2007. 212 p.

2. Pertsuhov V. I, An investment climate: modeling of an investment situation in the conditions of territorial division of labor. The monography. – Krasnodar: «Risograph» Publishing house, 2010. 212 p.

3. Pertsuhov V. I, . Modeling of an investment situation: the basic methodical positions of research of investment preferences on the basis of use of methods of quantitative diagnostics. Krasnodar: «Risograph» Publishing house, 2010. 112 p.