Динамика занятости в промышленности России

Прогноз смертности на 2015 год говорит об ее росте. Тенденция к росту вызвана сердечно-сосудистыми и онкологическими заболеваниями, а также травматизмом и алкогольными отравлениями. 

10. Динамика численности населения с высшим образованием

Таблица 10

Годы	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014
%  к предыдущему году	101,7	102,4	103,1	103,5	102,1	100,7	98,7	95,0	92,1	93,6	93,0

 

Рис. 10. Динамика численности населения с высшим образование, в % к предыдущему году

Если бы в России политика в области высшего образования была направлена на сокращение неоправданно большого количества филиалов, коммерческих образовательных учреждений, то это привело бы к укреплению основных вузов страны, имеющих формировавшуюся десятилетиями академическую базу в лице профессорско-преподавательского состава и опыта работы. Но, к сожалению, под угрозу сокращения и реорганизации попали, прежде всего, гуманитарные и педагогические вузы. Это может привести к тому, что через 5 лет будет остро недоставать учителей и преподавателей. Необходимо сохранить и укрепить все основные вузы России и Кузбасса. А для этого надо поддерживать наши вузы, создавать для выпускников новые рабочие места на основе открытия современного промышленного производства.

Согласно переписи населения России, проведённой в 2010 году, из 1000 человек в возрасте 15 лет и более, указавших уровень образования, 228 имеют высшее образование. Аналогичный показатель среди городского населения — 269, среди сельского населения — 111.

 

11. Динамика доли дохода от развития промышленности в общем объеме ВВП( результирующий фактор)

Таблица 11

Годы	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014
%  к предыдущему году	140,7	126,0	127,0	131,7	115,6	122,2	109,4	113,9	105,8	107,1	110,2

 

Рис. 11. Динамика доли дохода от развития промышленности в общем объеме ВВП, в % к предыдущему году

Удвоение физических объемов промышленного производства по отношению к началу 2004 года можно ожидать в 2015-2016 годах. Самыми быстро растущими отраслями оказались

- производство резиновых и пластмассовых изделий (430%);

- производство электрооборудования, электронного и оптического оборудования (346%);

- производство кожи, изделий из кожи и производство обуви (218%).

Наиболее слабо растут

- текстильное и швейное производство (131%);

- производство транспортных средств и оборудования (145%);

- производство кокса и нефтепродуктов (149%).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. Корреляционно-регрессионный анализ

Для проведения многофакторного корреляционно-регрессионного анализа были взяты следующие показатели:

У- доля дохода от развития промышленности в общем объеме ВВП

1. инфляция;
2. курс $;
3. курс евро
4. ставка рефинансирования;
5. инвестиции в основной капитал;
6. численность безработных;
7. численность занятых;
8. рождаемость;
9. смертность;
10. численность населения с высшим образованием.

В результате анализа необходимо прийти к функциональной зависимости вида: У= f( Х1, Х2,Х3,Х4,Х5,Х6,Х7,Х8,Х9,Х10). И свести все  показатели в сводную таблицу (табл. 12).

Таблица 12

	у	х1	х2	х3	х4	х5	х6	х7	х8	х9	х10
2004	140,7	115,1	106,9	101,0	88,0	99,9	102,4	88,7	101,7	97,0	101,7
2005	126,0	112,0	105,6	102,0	77,3	99,5	99,5	88,9	97,0	100,4	102,4
2006	127,0	111,7	92,7	90,7	79,4	99,7	101,5	95,5	101,5	94,0	103,1
2007	131,7	110,9	93,9	100,4	88,9	99,6	101,5	92,5	108,8	96,0	103,5
2008	115,6	109,0	104,0	104,3	95,8	99,7	101,2	100,2	106,4	99,8	102,1
2009	122,2	111,9	91,2	115,2	91,3	100,0	102,3	86,1	101,5	100,9	100,7
2010	109,4	113,3	90,6	104,9	104,8	99,9	100,3	104,0	101,5	100,9	98,7
2011	113,9	108,8	136,7	93,2	90,9	100,1	97,8	133,8	100,4	94,9	95,0
2012	105,8	108,8	93,1	100,7	82,5	100,0	100,8	131,2	105,9	99,0	92,1
2013	107,1	106,1	96,6	97,7	97,0	100,1	101,3	132,7	99,7	98,2	93,6
2014	110,2	105,6	98,5	113,2	103,1	94,2	101,0	133,1	99,0	99,5	93,0

 

В результате вычислений получим таблицу парных коэффициентов корреляции, которую можно представить в виде треугольной матрицы (табл. 13).

 

Таблица 13

	у	х1	х2	х3	х4	х5	х6	х7	х8	х9	х10
	1,0000
х1	0,7074	1,0000
х2	0,5580	-0,3552	1,0000
х3	0,5079	-0,4684	-0,1329	1,0000
х4	0,4352	-0,5248	-0,1307	-0,7830	1,0000
х5	0,9926	-0,4494	-0,1356	-0,8433	-0,1039	1,0000
х6	0,9960	-0,2490	0,1370	-0,7536	-0,1340	0,0589	1,0000
х7	0,9984	0,5246	0,4718	-0,5629	-0,1387	-0,1257	-0,7858	1,0000
х8	0,9991	0,5718	0,4896	-0,3515	-0,1627	0,0281	-0,8002	0,1001	1,0000
х9	0,9993	0,5838	0,9830	-0,3669	-0,1758	-0,0179	-0,7717	0,1628	-1,0062	1,0000
х10	0,9998	0,6059	0,9896	-0,0398	-0,2028	-0,1110	-0,7450	0,4086	-0,9793	0,7958	1,0000

 

Элементами являются парные коэффициенты корреляции, характеризующие тесноту взаимосвязи между признаками. Анализируя эти коэффициенты, необходимо отметить, что чем больше их абсолютная величина, тем больше влияния оказывает соответствующий факторный признак на результирующий.

Сравниваем все коэффициенты с [rij] ≥ 0,8. Если есть коэффициенты корреляции ≥0,8, то соответствующие признаки из модели исключаются (табл. 14).

Таблица 14

	у	х1	х2	х3	х4	х6	х7	х9
2004	140,7	115,1	106,9	101,0	88,0	102,4	88,7	97,0
2005	126,0	112,0	105,6	102,0	77,3	99,5	88,9	100,4
2006	127,0	111,7	92,7	90,7	79,4	101,5	95,5	94,0
2007	131,7	110,9	93,9	100,4	88,9	101,5	92,5	96,0
2008	115,6	109,0	104,0	104,3	95,8	101,2	100,2	99,8
2009	122,2	111,9	91,2	115,2	91,3	102,3	86,1	100,9
2010	109,4	113,3	90,6	104,9	104,8	100,3	104,0	100,9
2011	113,9	108,8	136,7	93,2	90,9	97,8	133,8	94,9
2012	105,8	108,8	93,1	100,7	82,5	100,8	131,2	99,0
2013	107,1	106,1	96,6	97,7	97,0	101,3	132,7	98,2
2014	110,2	105,6	98,5	113,2	103,1	101,0	133,1	99,5

 

Регрессия используется для анализа воздействия на отдельную зависимую переменную значений независимых переменных (факторов) и позволяет представить корреляционную связь между признаками в виде некоторой функциональной зависимости:

У= f( Х1, Х2,Х3,Х4,Х5,Х6,Х7,Х8,Х9,Х10)- называется уровнем регрессии или корреляционно-регрессионной модель

     В результате регрессионного анализа получаем значение R2- коэффициент детерминации, который определяется путем сравнения фактических значений параметра и значений, полученных на основе расчетных данных (табл. 15).

Таблица 15

Регрессионная статистика
Множественный R	0,955788
R-квадрат	0,91353
Нормированный R-квадрат	0,711767
Стандартная ошибка	6,080125
Наблюдения	11

 

В данном случае R2= 0,91355, что говорит о точном подборе факторов в модель и о наличии сильной взаимосвязи факторов с результативным признаком.

Общим результатом произведенного корреляционно-регрессионного анализа являются значения коэффициентов эластичности при переменных Х1, Х2,Х3,Х4,Х5,Х6,Х7,Х8,Х9,Х10 (табл. 16).

Таблица 16

Коэффициенты
Y-пересечение	-58,569
Переменная X 1	0,683
Переменная X 2	0,323
Переменная X 3	0,410
Переменная X 4	-0,213
Переменная X 5	-2,905
Переменная X 6	0,306
Переменная X 7	-2,166

На основе полученного ряда коэффициентов можно составить уравнение регрессии:

У=0,683Х1+0,323Х2+0,41Х3-0,213Х4-2,905Х5+0,306Х6-2,166Х7

Полученное уравнение У= f(Х1,Х2,Х3,Х4,Х5,Х6,Х7) отвечает цели корреляционно-регрессионного анализа и является линейной моделью зависимости реального ВВП от 7 факторов:

Х1- инфляция;

Х2- курс $;

Х3- курс евро;

Х4- ставка рефинансирования;