Построение модели прогнозирования кадровых потребностей региона с помощью производственной функции Кобба - Дугласа

E.A. Pakhomova et al. / National Interests: Priorities and Security, 2018, vol. 14, iss. 2, pp.
253–268
pISSN 2073-2872 Устойчивое развитие экономики

eISSN 2311-875X
ПОСТРОЕНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ КАДРОВЫХ ПОТРЕБНОСТЕЙ

РЕГИОНА С ПОМОЩЬЮ ПРОИЗВОДСТВЕННОЙ ФУНКЦИИ КОББА – ДУГЛАСА*
Елена Анатольевна ПАХОМОВА a,•, Дарья Анатольевна ПИСАРЕВА b,
Кира Сергеевна ХАРЧЕВА с
a
доктор экономических наук, кандидат технических наук, доцент, профессор кафедры экономики,
Государственный университет «Дубна», Дубна, Российская Федерация
uni-dubna@mail.ru
orcid.org/отсутствует
SPIN-код: 3500-1423
b
эксперт, Администрация г. Дубны, Дубна, Российская Федерация
pisarevada@mail.ru
SPIN-код: N/A
c
студентка магистратуры кафедры прикладной информатики в экономике и управлении,
Государственный университет «Дубна», Дубна, Российская Федерация
kharcheva562@gmail.com
SPIN-код: 2311-5848
• Ответственный автор
История статьи: Аннотация

Получена 05.10.2017 Предмет. В статье предложена модель для прогнозирования кадровых потребностей
Получена в доработанном муниципальных районов Московской области на основе экономико-математического
виде 26.10.2017 моделирования с элементами программирования.
Одобрена 13.11.2017 Цели. Анализ кадровых потребностей муниципальных районов Московской области.
Доступна онлайн 15.02.2018Методология. Изложенная методология анализа кадровых потребностей является
продолжением авторского исследования, направленного на комплексное изучение
УДК 332.14 проблемы формирования кадрового потенциала, а также распределения кадровых
JEL: C03, С33, O18, R58 ресурсов по регионам и отраслям для выявления возможности прогнозирования
кадровых потребностей на региональном уровне с целью обеспечения
конкурентоспособности экономики нашей страны и повышения уровня жизни
населения. Предварительная обработка исходных данных включает
последовательное применение методов нормирования, дефлирования, расчет
интегральных показателей по пяти модификациям. Для построения математической
модели применен аппарат производственных функций Кобба – Дугласа, причем
линейная модель построена с помощью классического метода наименьших
квадратов, нелинейная – с помощью нелинейной безусловной оптимизации
с использованием итерационного алгоритма Левенберга – Марквардта.
Результаты. С применением программных продуктов MS Excel, ППП STATISTICA
12, Wolfram Mathematica 11 построены регрессионные модели производственной
функции Кобба – Дугласа, из которых отобраны зависимости, адекватно
аппроксимирующие эмпирический материал в смысле соответствия критериям
качества. Выявлено, что классическая функция Кобба – Дугласа с ограничениями на
параметры спецификации не подходит для описания российской нестационарной
экономики, однако возможно построение модифицированной функции
(без ограничений).
Выводы. Последовательность проведения анализа может быть взята за основу
Ключевые слова: регион, формирования методики прогнозирования кадровых потребностей региона.
кадровые потребности, Наработки исследования могут быть использованы органами государственного
производственная функция, и муниципального управления для решения задач анализа и прогнозирования
моделирование, регионального рынка труда, а также при планировании деятельности
прогнозирование образовательных учреждений.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2017
Е.А. Пахомова и др. / Национальные интересы: приоритеты и безопасность, 2018, т. 14, вып. 2, стр. 253–268
http://fin-izdat.ru/journal/national/ 253
E.A. Pakhomova et al. / National Interests: Priorities and Security, 2018, vol. 14, iss. 2, pp. 253–268
Для цитирования: Пахомова Е.А., Писарева Д.А., Харчева К.С. Построение модели прогнозирования кадровых
потребностей региона с помощью производственной функции Кобба–Дугласа // Национальные интересы:
приоритеты и безопасность. – 2018. – Т. 14, № 2. – С. 253 – 268.
https://doi.org/10.24891/ni.14.2.253
В* современных условиях развития нашей характеристикам районов, содержащихся в

страны наблюдаются структурные перекосы в отчетах глав администраций3.
экономике, в том числе в развитии секторов
отраслевого хозяйства, из которых вытекает Непосредственное влияние на социально-
проблема формирования кадрового экономическое развитие районов имеет их
потенциала, а также распределения кадровых сосредоточенность вокруг столицы. Районы,
ресурсов по регионам и отраслям. Ситуация расположенные ближе к центру, имеют схожие
на рынке труда в регионах непрерывно социально-экономические показатели – они
изменяется наряду с изменением являются промышленными, научными,
экономической ситуации. В качестве примера сельскохозяйственными и культурными
можно привести миграцию трудовых ресурсов центрами (некоторые имеют общероссийское
из сельских районов в города, а также из значение). В то же время районы, удаленные
дальних регионов – ближе к центру. По этой от центра, менее развиты, здесь преобладают
причине актуальность приобретает торговля, сельское хозяйство и добывающая
исследование возможности прогнозирования промышленность, слабо развита транспортная
кадровых потребностей на региональном сеть.
уровне в целях обе спечения На решение проблем неравномерного
конкурентоспособности экономики нашей развития нацелены социально-экономические
страны и повышения уровня жизни населения. программы и прогнозы, составляемые главой
В качестве объекта исследования выступают района на каждый год. Одним из ключевых
статистические данные по Московской направлений развития региона выступает
области (рассмотрено 36 муниципальных прогноз спроса и предложения рабочей силы.
районов, в состав которых не входят городские Прогнозирование потребности в кадрах
округа, в том числе и наукограды)1. крайне необходимо, поскольку эффективность
развития экономики региона, как и страны в
Обработка статистической информации целом, в значительной степени зависит от
проводилась с помощью программных эффективности функционирования рынка
продуктов MS Excel, ППП STATISTICA 12, труда, которая определяется его
Wolfram Mathematica 11. профессиональной и квалификационной
структурой [2].
Для исследования выбрана Московская
область, поскольку ей присущи высокие Расчет потребности экономики региона в
темпы социально-экономического развития. кадрах проводится нами на краткосрочную
Однако не все районы данной территории перспективу, потому что при увеличении
имеют одинаковый уровень развития2 [1]. Это прогнозного периода увеличивается ошибка
заметно как по сильно отличающимся прогноза, кроме того, изменчивость
значениям показателей, так и по социально-экономической ситуации оказывает
влияние на изменение требований к трудовым
*
Статья подготовлена при поддержке РФФИ в рамках ресурсам в кадровой политике конкретных
проекта № 16-06-00054 «Инструментально-методический
подход к адаптации модели тройной спирали для условий промышленных предприятий. Как правило,
России с учетом исторической ретроспективы». оптимальный период составляет 2–3 года.
1
Реестр официальных сайтов органов местного
самоуправления муниципальных образований Московской 3
Пахомова Е.А., Харчева К.С., Шаркова Т.С. Методический
области. URL: http://mosreg.ru подход к анализу социально-экономического положения
2
Шерстобитова Г.И. Социально-экономическая региона (на примере муниципальных районов Московской
типологизация муниципальных районов Самарской области области) // Сборник научных трудов SWorld. 2016. № 1.
// Вестник Самарского ГТИ. 2014. № 1. С. 57–65. С. 55–59.
254 http://fin-izdat.ru/journal/national/
Однако возможно составление такой Однако в нашем случае возможности

макроэкономической модели, которая бы подобного опыта моделирования несколько
смогла дать приблизительную оценку ограничены, а в какой-то степени и просто
потребности в кадрах на долгосрочную невозможны ввиду отсутствия необходимых
перспективу, то есть определить направление для прогнозирования показателей по видам
стратегии формирования кадровых экономической деятельности. По этой
потребностей отдельной отрасли, региона, причине принято решение осуществить
страны в целом. При этом необходимо прогнозирование кадров данной территории в
построить модель таким образом, чтобы общем виде, по всей совокупности видов
количество ее аргументов полностью деятельности.
уд о в л е т в о р я л о характеристикам
производственной системы. Для такой Опыт исследований [4–6] показывает,
системы в общем случае основными что наиболее успешным методом
характеристиками являются средства, прогнозирования кадровых потребностей
предметы труда и трудовые ресурсы [3]. является экономико-математическое
моделирование. Выбор методов решения
Заметим, что для более точного определения данного вопроса разнообразен. Например,
потребности в кадрах необходимо авторы статьи [7] используют
исследование отраслей специализации коинтеграционный анализ, то есть построение
представленных районов для определения модели исправления (коррекции) ошибок в
числа и профессиональной принадлежности целях прогнозирования спроса на труд в
специалистов, которых нужно готовить вузам, строительной отрасли. Для достижения
чтобы они были востребованы в «своем» поставленной цели авторы рассматривают
районе, способствовали его развитию, а не отношения между совокупным спросом на
уезжали в более перспективные, развитые труд и группами взаимосвязанных
районы. При изучении доступных для анализа экономических показателей, среди которых
показателей и ежегодных отчетов выявлено, объем строительства, заработная плата,
что в рассматриваемые территориальные стоимость материалов, банковская ставка и
единицы требуются прежде всего работники производительность. Авторы статьи [8]
следующих сфер деятельности: оптовой и приводят обзор методов, используемых в
розничной торговли, обрабатывающих Европе, США, Индии для анализа структуры
производств, а также государственного занятости в различных отраслях экономики
управления; в наименьшей степени требуются (построение распределения занятых по
работники в сферу сельского хозяйства. профессии и квалификации). Здесь основной
метод анализа – аналитический, включающий
Было проведено аналогичное исследование4, в в себя корреляционный и факторный анализ,
котором осуществлены попытки отраслевого нормативный метод и метод
прогнозирования кадров Вологодской области противопоставления, результаты которых
с применением эконометрических моделей сводятся в матрицу предсказания, и с
динамики. В работе построены модели спроса помощью экстраполяции рассчитываются
на труд для каждого отдельного вида прогнозные значения исследуемых факторов
деятельности, и в результате рассчитан рынка труда. В статье [9] авторы в целях
совокупный ежегодный прирост (сокращение) прогноза до 2030 г. строят модель
потребности в кадрах с высшим образованием предложения и спроса труда для экономики
по видам экономической деятельности. США с помощью адаптированного
4
Ольховик А.О. Моделирование потребности в кадрах как IGEM-моделирования, исследуя в качестве
инструмент управления развитием человеческого капитала факторов цены на отдых и потребление
(на примере обрабатывающих производств Вологодской товаров и услуг. Элементами моделирования
области): материалы международной научно-практической
конференции «Актуальные проблемы экономики являются 35 отраслей промышленности,
и современного менеджмента». Симферополь: которые, соответственно, производят 35 групп
Изд-во ДИАЙПИ, 2015. С. 314–316.
товаров и услуг с учетом импорта и экспорта. конец года по полной учетной стоимости по
Однако описанные методы являются коммерческим организациям муниципальной
достаточно трудоемкими в реализации. формы собственности (тыс. руб.). Но в связи с
отсутствием данных по показателю ВРП
Менее трудоемким и не уступающим в ( н е рассчитывается на уровне
результативности является аппарат муниципалитетов), а также на основании того,
производственных функций [10], ранее уже что оценка реального ВВП (ВРП) Росстатом
использованный нами5. В нем наибольшее все-таки завышена6, принято решение
распространение получили мультипликативно- составить по каждому показателю
степенные производственные функции, интегральный показатель по области, а
поскольку они легко приводятся к линейному показатель ВРП заменить показателем
виду, имеют наглядную экономическую «количество товаров отгруженных
интерпретацию [11]. В рамках данного собственного производства, выполнено работ
исследования мы развиваем этот аппарат и услуг собственными силами (без субъектов
(трудоемкость при этом не повышается), а малого предпринимательства), тыс. руб.».
именно – сконструирована функция по типу Исходные показатели для исследования
производственной функции Кобба - Дугласа, представлены панельными данными
которая имеет вид: за 2010–2015 гг.7.
L = A · Kα · Y β , (1) Далее исходные данные подвергаем
стандартным методам статистической
где L – объем спроса на труд (чел.); K – объем
обработки 8 : фактические значения
используемого капитала (тыс. руб.); Y – объем
показателей, выраженные в абсолютных
производимой продукции (тыс. руб.); A, α, β –
единицах, переводим в относительные
параметры.
значения, рассчитав показатель на душу
Данная функция включает те же параметры, населения; исключаем влияние инфляции с
что и классическая функция Кобба-Дугласа; помощью индексов-дефляторов и формулы
отличие заключается в том, что L выражается взаимосвязи базисного и цепного индекса на
через параметры K и Y, поскольку выражение шаге t9:
параметра L из функции после построения
GJ(t) = GJ(t – 1)·G(t) , (2)
регрессии влечет значительное увеличение
ошибки. Заметим, что степень показателя K где t – год; GJ – базисный индекс-дефлятор;
для удобства взята с положительным знаком, J – цепной индекс-дефлятор10.
поэтому данный факт необходимо учесть
после окончательного построения модели. Заметим, что если не обрабатывать показатели
подобным образом, то при проверке данных
А л го р и т м п о с т р о е н и я э ко н ом и ко - на нормальность они будут далеки от
математических моделей с применением нормального распределения, что в
прикладных программных продуктов дальнейшем приведет к некорректному
представлен на схеме (рис. 1).
6
Реальная инфляция в России: исправление «кривых
На начальном этапе исследования зеркал» Росстата. URL: http://ktovkurse.com
планировалось построение модели с 7
Использованы статистические данные: база данных
использованием трех показателей: Y– валового показателей муниципальных образований.
регионального продукта (ВРП), L – URL: http://gks.ru/dbscripts/munst; Территориальный орган
Федеральной службы государственной статистики
среднесписочной численности работников по Московской области. URL: http://msko.gks.ru
(чел.) и K – наличия основных фондов на 8
Рудикова Л.В. Microsoft Excel для студента.
5 СПб: БХВ–Петербург, 2005. С. 202–209.
Козырева Е.В., Лычагина Т.А., Пахомова Е.А. Применение 9
аппарата производственных функций для анализа Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка
экономических процессов: материалы международной эффективности инвестиционных проектов: теория и практика:
научно-практической конференции «Современные учеб. пособие. М.: Поли Принт Сервис, 2015. 1300 с.
10
направления теоретических и прикладных исследований – Федеральная служба государственной статистики.
2014». Вып. 1. Т. 25. Одесса: Куприенко, 2014. С. 45–48. URL: http://gks.ru
построению регре ссионных моделей п р о г н о з и р о в а н и я с помощью

(к незначимости коэффициентов регрессии и к производственных функций наиболее
низкому качеству моделей). корректно использовать только три из пяти
модификаций: 1, 2, 4. Оставшиеся две
Обработанные данные агрегируются в целях модификации непригодны для дальнейшего
построения интегральных показателей по пяти анализа ввиду отсутствия связи между
различным модификациям [12]. переменными либо нарушения нормальности
Модификация 1: распределения исследуемых величин.
x ij x −μ Далее строим регрессионные модели,

X =∑ n
⋅| i σ | (3) используя модуль «Нелинейная оценка»
∑ x ij программного пакета STATISTICA по
i= приведенным данным с помощью формул 11
Модификация 2: (3), (4), (6). Процесс построения
производственной функции представляет
x ij X собой решение задачи линейного метода
X =∑ n
⋅ (4) наименьших квадратов и нелинейной
X
∑ x ij безусловной оптимизации с помощью
i=
итерационного алгоритма Левенберга –
Модификация 3: Марквардта, который решает задачу
нелинейной минимизации методом
x ij X −X наименьших квадратов.
X =∑ n
⋅| | (5)
X
∑ x ij Результаты уравнений, полученные по всем
i= мод ифика циям , с применением
Модификация 4: производственной функции нелинейного вида,
представлены в табл. 1. Качество модели
x ij X −X оцениваем по коэффициенту детерминации R2
X =∑ ⋅ (6)
n
X −X и стандартной ошибке регрессии SEE12.
∑ x ij
i= Модификация 4 наилучшим образом
Модификация 5: аппроксимирует данные, по скольку
показывает наибольший коэффициент
x−μ детерминации и наименьшее значение
X = ⋅∑| σ | (7)
n стандартной ошибки регрессии, что частично
подтверждает результаты, приведенные в
x i −μ
где n – количество показателей; λ = σ – статье [12]. Коэффициенты регрессии значимы
стандартизированная величина показателя на 5%-ном уровне, что дает основание
в i-й выборке; записать функциональную зависимость:
x ij L = 1,5K0,2Y–0,24 . (8)
ωij = n
– метод расчета весов.
Далее было осуществлено моделирование
∑ xij по всем модификациям с помощью
i=
линеаризованной производственной функции.
В результате использования формул (3)–(7) После расчета интегральных показателей
получаем пять массивов данных, приведенных 11
Боровиков В.П. STATISTICA: искусство анализа данных
к одной размерности (приведенные данные), на компьютере для профессионалов. СПб: Питер, 2001. 656 с.
которые проверяем на наличие корреляции и 12
Козырева Е.В., Лычагина Т.А., Пахомова Е.А. Применение
нормальности их распределения. Данный аппарата производственных функций для анализа
анализ проводим в программном пакете экономических процессов: материалы международной
научно-практической конференции «Современные
STATISTICA и делаем вывод о том, что для направления теоретических и прикладных исследований –
2014». Вып. 1. Т. 25. Одесса: Куприенко, 2014. С. 45–48.
перейдем к логарифмированным данным и детерминации R2adj, среднюю ошибку

представим конечный результат (табл. 2).
аппроксимации Ŝ, значение которой 6–7%
Сравнение полученных результатов свидетельствует о хорошо подобранной
13
нелинейных и линейных моделей показывает, модели .
что переход к линейному виду привел к
Модели 2, 3 не подходят для прогнозирования
значительному снижению коэффициента
кадров в силу незначимости значений
детерминации (ухудшение качества модели) и
параметров функции. В модели 1 параметры
стандартной ошибки (улучшение качества
значимы; модель 4 имеет незначимые
модели). Поскольку в целом об изменении
параметры при удовлетворительных
качества регрессии однозначно судить не
критериях качества, а потому требует
представляется возможным, то нет оснований
дополнительного исследования. Полученные
отвергать модель в логарифмированных
результаты дополняют наше предыдущее
данных, которая легко приводится к виду (8):
исследование14.
lnL = 0,41 + ln0,2K + ln(–0,24)Y . (9)
Построение осуществлялось в программном
Заметим, что в процессе обработки данных пакете Wolfram Mathematica по алгоритму с
пришлось столкнуться с рядом недостатков применением встроенных команд (рис. 2).
программного пакета STATISTICA, который,
Последний этап алгоритма – построение
например, не учитывает ограничений
графика остатков для оценки их поведения –
параметров классических производственных
выявил цикличность остатков (рис. 3).
функций. В связи с этим для надежности
Возможные причины возникновения
полученных результатов был выбран
подобного рода цикличности могут быть
программный пакет Wolfram Mathematica,
следующими: сезонные изменения на рынке
который обладает в этом смысле
рабочей силы; экономическая и политическая
преимуществом.
ситуации; условия развития региона
В указанном программном пакете был написан (социальные, демографические, миграционные,
15
код для четырех разновидностей модели с психологические) .
использованием интегральных показателей,
Приведенные данные близки к нормальному
рассчитанных по модификации 4:
распределению с 5%-ным уровнем доверия,
• неклассическая функция Кобба – Дугласа а значит, возникает вопрос о более
без ограничений; тщательном изучении цикличности16. Можно
предположить, что при увеличении числа
• классическая функция Кобба – Дугласа наблюдений в исследовании не возникнет
с двумя видами ограничений; подобной цикличности в остатках, однако в
предыдущей нашей работе17, где был изучен
• функция Кобба – Дугласа с учетом влияния
13
научно-технического прогресса (НТП) без Там же.
14
ограничений. Лычагина Т.А., Пахомова Е.А., Писарева Д.А. Применение
аппарата производственных функций для анализа влияния
состояния основных фондов на экономическое развитие РФ
Выявлено, что классическая функция // Национальные интересы: приоритеты и безопасность. 2016.
Кобба – Дугласа с ограничениями на № 10. С. 4–19.
параметры спецификации не подходит для 15
Шуваев А.В. Цикличность рынка труда: методология и
описания российской нестационарной методика исследования: материалы третьей международной
конференции «Циклы». Ставрополь: Изд-во СевКавГТУ, 2015.
экономики, однако возможно построение С. 10–19.
модифицированной функции (без 16
Пахомова Е.А., Писарева Д.А. Применение спектрального
ограничений) [13]. Полученные выводы анализа к исследованию социально-экономических процессов
представлены в табл. 3. // Сборник научных трудов SWorld. 2014. № 3. С. 79–83.
17
Важенина В.С., Лычагина Т.А., Пахомова Е.А.,
Для более глубокого анализа качества модели Писарева Д.А. Исследование возможностей применения
аппарата спектрального анализа и производственных функций
используем скорректированный коэффициент (на примере макроэкономических показателей России):
большой временной промежуток, в остатках Показатели L и K имеют прямую зависимость,

так же присутствует цикличность, а значит, однако необходимо помнить про обратную
это не является единичным случаем. замену, то есть взаимозаменяемость этих
В о з м ож н о , п о т р е бу е т с я п е р е с м о т р показателей при построении данной модели
последовательности шагов представленного н е н а р у ш е н а . П р и т е х н и ч е с ко м
ранее алгоритма, и учет цикличности следует перевооружении и расширении предприятия,
производить на начальных этапах обработки внедрении новой технологии, новых машин,
данных, еще до проверки на нормальность. оборудования, нового строительства
(что является следствием НТП) необходима
Таким образом, окончательная модель дополнительная рабочая сила, то есть при
прогноза описывается функциональной увеличении основных фондов возможно
зависимостью (8) или (9). увеличение списочной численно сти
Заметим, что показатели K и Y практически в работников и наоборот. Однако стоит
равной степени оказывают влияние на заметить, что модернизация или замена
потребность в кадрах. Показатели L и Y имеют морально устаревшего оборудования не
обратную зависимость, то есть при обязательно увеличивают списочную
увеличении (уменьшении) одного из них численность, а т р е бу ют лишь
уменьшается (увеличивается) второй. переквалификации старого персонала,
Возможно, это связано с тем, что мы отошли а механизация и автоматизация
от классической функции Кобба – Дугласа. производственного процесса и вовсе
Для российской экономики это можно сокращают количество работников. Таким
объяснить, например, тем, что люди образом, увеличение стоимости основных
увольняются, а отгрузка растет за счет фондов не во всех случаях приводит к
большего использования основных фондов, то увеличению количества работников, что
есть количество человеко-часов на одном и говорит о неоднозначности данного
том же оборудовании увеличивается. показателя.
Предположим, на одном компьютере работали Достоинство подобного опыта моделирования

двое сотрудников, одного сократили, тогда состоит в том, что оно представлено для
оставшийся для сохранения прибыли должен существующих объектов и основано на
производить больше, чем когда их было двое. реальных данных. Однако трудности
Это подтверждается еще и тем, что с 2012 г. в разработки методики прогнозирования
стране действует Национальная программа кадровых потребностей обусловлены
повышения производительности труда и роста невозможностью получения доступа к
ВВП. В данной программе описываются две необходимой статистической информации, в
стратегии, одна из которых содержит частности: среднесписочной численности
следующий посыл: «Произвести тот же работников организаций, данным по отраслям
объем продукции меньшим числом персонала (инвестиции в отрасль, занятые в отрасли и
(при повышении производительности труда так далее), данным по заработной плате,
предприятие может сократить количество данным по квалификации персонала.
персонала и произвести прежний объем Содержащаяся в статистических источниках
продукции (услуг) меньшим числом информация недостаточна ни для
18
работников)» , то есть объем продукции удовлетворения текущих потребностей
растет при снижении численности работников. специалистов и управленцев, ни для
исследовательских целей, ни для
материалы международной научно-практической прогнозирования [14]. Данная проблема может
конференции «Институциональные и финансовые механизмы быть решена путем создания системы
развития территориальных кластеров и технологических
платформ». Дубна: Государственный университет «Дубна»;
мониторинга потребности региона в кадрах.
М.: Директ-Медиа (в печати). Сбор исходных данных можно осуществлять
18
Национальная программа повышения путем проведения ежегодных исследований в
производительности труда и роста ВВП. URL: http://xn---- регионах либо с помощью включения
dtba9bibii.xn--p1ai/productivity
необходимых исходных показателей в формы дальнейшем позволит значительно сократить

отчетности, которые ежегодно подают время на обработку исходных данных.
организации в комитет статистики [15]. Последовательность проведения анализа
может быть взята за основу формирования
Следует признать, что в условиях острой методики прогнозирования кадровых
нехватки официальных статистических потребностей региона.
данных для реализации поставленной цели, их
периодической изменчивости, наличия Предполагается, что применение полученных
лагового отставания в их публикации, моделей будет возможно в том числе для
становится затруднительным выполнение других регионов либо для анализа кадровых
базового принципа проведения эксперимента – потребностей в разрезе по отраслям. Однако
соблюдение условия его повторяемости при разработке общего для регионов
(необходимость сбора данных в одних и тех автоматизированного программного
же условиях с использованием одинаковых комплекса, обеспечивающего потребности
ме тод ик расчета и о б р а б о т к и , экономики в подготовке специалистов,
предпочтительно – из одного источника). существует опасность упущения специфики
Полученные в работе результаты подкреплены региональных экономик, поэтому подобный
уже сделанными ранее исследованиями в комплекс должен быть человеко-машинным.
данной области19 и подтверждают корректное Наработки исследования могут быть
использование производственных функций использованы органами государственного и
(многофакторных регрессионных моделей)
муниципального управления для решения
для моделирования и прогнозирования
задач анализа и прогнозирования
экономических процессов субъектов
регионального рынка труда, а также при
Российской Федерации.
планировании деятельности образовательных
В результате проведенного исследования учреждений. Опыт прогнозирования
осуществлена попытка построения модели подготовки кадров с учетом потребностей
для прогнозирования кадровых потребностей рынка труда, накопленный в последние годы в
на основе экономико-математического Москве и Московской области, необходимо
моделирования и программирования, что в распространять и на остальные регионы [16].
19
Лычагина Т.А., Пахомова Е.А., Писарева Д.А. Применение
аппарата производственных функций для анализа влияния
состояния основных фондов на экономическое развитие РФ
// Национальные интересы: приоритеты и безопасность. 2016.
№ 10. С. 4–19; Ольховик А.О. Моделирование потребности
в кадрах как инструмент управления развитием человеческого
капитала (на примере обрабатывающих производств
Вологодской области): материалы международной научно-
практической конференции «Актуальные проблемы
экономики и современного менеджмента». Симферополь:
Изд-во ДИАЙПИ, 2015. С. 314–316.
Таблица 1
Результаты регрессий, построенных по функции нелинейного вида
Table 1
Results of regressions based on the non-linear function
Значение p
№ Модификация A R2 SEE
1 x ij x −μ 0,955 0,142 –0,226 0,885 0,019
X =∑ n
⋅| i σ |
∑ x ij
i=
2 x ij X 1,346 0,212 –0,145 0,919 0,021

X =∑ n
⋅
X
∑ x ij
i=
3 x ij X −X 1,5 0,2 –0,243 0,94 0,018

X =∑ n
⋅
X −X
∑ x ij
i=
Источник: авторская разработка

Source: Authoring
Таблица 2
Результаты регрессий, построенных по функции линейного вида
Table 2
Results of regressions based on the linear function
Значение p
№ Модификация A R2 SEE
1 x ij x −μ –0,047 0,141 –0,223 0,777 0,012
X =∑ n
⋅| i σ |
∑ x ij
i=
2 x ij X 0,298 0,21 –0,145 0,842 0,015

X =∑ n
⋅
X
∑ x ij
i=
3 x ij X −X 0,406 0,199 –0,242 0,882 0,012

X =∑ n
⋅
X −X
∑ x ij
i=

Source: Authoring
Таблица 3
Результаты оценивания
Table 3
Evaluation results
Модель A R2 R2adj Ŝ,% SEE
1. L = AKαYβ 1,5 0,2 –0,24 – 0,88 0,81 0,01 0,02
2. L = AKαY(1–α); 0,79 0,69 0,31 – –7,07 –12,5 0,05 0,15

(α + β = 1; 0 < α, β < 1
3. L = AKαYβ ; 1,34 0,15 2·10–9 – 0,29 –0,18 0,02 0,04

(α + β ≠ 1; 0 < α, β < 1
4. AKαYβeγt 1,52 0,09 –0,19 0,01 0,92 0,87 0,01 0,01

Source: Authoring
Рисунок 1
Алгоритм построения модели с помощью производственной функции
Figure 1
The algorithm for constructing a model based on the production function

Source: Authoring
Рисунок 2
Алгоритм написания кода
Figure 2
The coding algorithm

Source: Authoring
Рисунок 3
График остатков
Figure 3
The chart of residuals

Source: Authoring
Список литературы
1. Чеклаукова Е.Л. Методика оценки уровня социально-экономического развития
муниципального образования // Проблемы современной экономики. 2009. № 1. С. 569–573.
2. Анисимова О.В., Харчева К.С., Шаркова Т.С. Методика предварительного анализа кадровых
потребностей // Проблемы региональной экономики. 2015. № 31. С. 10–19.
3. Клейнер Г.Б. Методы анализа производственных функций. М.: Информэлектро, 1980. 72 с.
4. Гуртов В.А., Питухин Е. А., Серова Л.М. Моделирование потребностей экономики в кадрах
с профессиональным образованием // Проблемы прогнозирования. 2007. № 6. С. 91–102.
URL: https://cyberleninka.ru/article/n/modelirovanie-potrebnostey-ekonomiki-v-kadrah-s-
professionalnym-obrazovaniem
5. Васильева З.А., Филимоненко И.В. Роль бизнеса и власти в формировании кадровых
потребностей для инновационной экономики // Инженерное образование. 2012. № 11.
С. 116–117.
6. Андреева Н.В., Козлова Т.Г. Методика прогнозирования, планирования и мониторинга
кадровых потребностей региона // Вестник Алтайской академии экономики и права. 2013.
№ S1. С. 31–35.
7.
pISSN 2073-2872 Sustainable Development of Economy

eISSN 2311-875X
BUILDING THE MODEL FOR PREDICTING THE REGION’S STAFFING NEEDS

THROUGH THE COBB–DOUGLAS PRODUCTION FUNCTION
Elena A. PAKHOMOVA a,•, Dar’ya A. PISAREVA b, Kira S. KHARCHEVA c
a
Dubna State University, Dubna, Moscow Oblast, Russian Federation
uni-dubna@mail.ru
orcid.org/not available
b
Administration of Dubna, Dubna, Moscow Oblast, Russian Federation
pisarevada@mail.ru
orcid.org/not available
c
14. Kolesnikova O.A. [Improving methodological approaches to necessity of Russian Federation

subject staff forecasting]. Vestnik VGU. Ser. Ekonomika i upravlenie = Proceedings of Voronezh
State University. Series: Economics and Management, 2012, no. 2, pp. 95–97. (In Russ.)
15. Markov D.V. [Forecasting technique of region’s demand for personnel]. Izvestiya Baikal'skogo
gosudarstvennogo universiteta = Bulletin of Baikal State University, 2009, no. 4, pp. 116–120.
(In Russ.)
16. Merzlova M.P. [Predicting for training based on labor market and employers needs: A case study
of Russian Federation subjects]. Servis v Rossii i za rubezhom = Service in Russia and Abroad,
2010, no. 1, pp. 59–62. (In Russ.)
Conflict-of-interest notification
We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or
potential conflict of interest with any other third party whatsoever, which may arise as a result of the
publication of this article. This statement relates to the study, data collection and interpretation,
writing and preparation of the article, and the decision to submit the manuscript for publication.
14. Kolesnikova O.A. [Improving methodological approaches to necessity of Russian Federation

subject staff forecasting]. Vestnik VGU. Ser. Ekonomika i upravlenie = Proceedings of Voronezh
State University. Series: Economics and Management, 2012, no. 2, pp. 95–97. (In Russ.)
15. Markov D.V. [Forecasting technique of region’s demand for personnel]. Izvestiya Baikal'skogo
gosudarstvennogo universiteta = Bulletin of Baikal State University, 2009, no. 4, pp. 116–120.
(In Russ.)
16. Merzlova M.P. [Predicting for training based on labor market and employers needs: A case study
of Russian Federation subjects]. Servis v Rossii i za rubezhom = Service in Russia and Abroad,
2010, no. 1, pp. 59–62. (In Russ.)
Conflict-of-interest notification
We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or
potential conflict of interest with any other third party whatsoever, which may arise as a result of the
publication of this article. This statement relates to the study, data collection and interpretation,
writing and preparation of the article, and the decision to submit the manuscript for publication.

Построение модели прогнозирования кадровых потребностей региона с помощью производственной функции Кобба - Дугласа

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Построение модели прогнозирования кадровых потребностей региона с помощью производственной функции Кобба - Дугласа

Загружено:

Авторское право:

Доступные форматы

E.A. Pakhomova et al. / National Interests: Priorities and Security, 2018, vol. 14, iss. 2, pp.

pISSN 2073-2872 Устойчивое развитие экономики

ПОСТРОЕНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ КАДРОВЫХ ПОТРЕБНОСТЕЙ

История статьи: Аннотация

© Издательский дом ФИНАНСЫ и КРЕДИТ, 2017

В* современных условиях развития нашей характеристикам районов, содержащихся в

Однако возможно составление такой Однако в нашем случае возможности

построению регре ссионных моделей п р о г н о з и р о в а н и я с помощью

x ij x −μ Далее строим регрессионные модели,

перейдем к логарифмированным данным и детерминации R2adj, среднюю ошибку

большой временной промежуток, в остатках Показатели L и K имеют прямую зависимость,

Предположим, на одном компьютере работали Достоинство подобного опыта моделирования

необходимых исходных показателей в формы дальнейшем позволит значительно сократить

2 x ij X 1,346 0,212 –0,145 0,919 0,021

3 x ij X −X 1,5 0,2 –0,243 0,94 0,018

Источник: авторская разработка

2 x ij X 0,298 0,21 –0,145 0,842 0,015

3 x ij X −X 0,406 0,199 –0,242 0,882 0,012

Источник: авторская разработка

2. L = AKαY(1–α); 0,79 0,69 0,31 – –7,07 –12,5 0,05 0,15

3. L = AKαYβ ; 1,34 0,15 2·10–9 – 0,29 –0,18 0,02 0,04

Источник: авторская разработка

Источник: авторская разработка

Источник: авторская разработка

Источник: авторская разработка

pISSN 2073-2872 Sustainable Development of Economy

BUILDING THE MODEL FOR PREDICTING THE REGION’S STAFFING NEEDS

14. Kolesnikova O.A. [Improving methodological approaches to necessity of Russian Federation

14. Kolesnikova O.A. [Improving methodological approaches to necessity of Russian Federation

Вам также может понравиться