Динамика уровня безработицы в россии: Уровень безработицы в России — Клинбиз | Клининговая компания в Нижнем Новгороде

Содержание

Уровень безработицы летом вырос в большинстве регионов России

МОСКВА, 26 окт — ПРАЙМ. Уровень безработицы в российских регионах по итогам июня-августа 2020 года составил 6,3%, что на 1,9 пункта выше, чем годом ранее, при этом самым высоким он оказался в Ингушетии, Туве и Чечне, свидетельствует исследование РИА Новости.

Безработица в России сократилась впервые за время пандемии

ВЛИЯНИЕ ПАНДЕМИИ

Пандемия коронавируса оказала негативное влияние практически на все секторы экономики и социальной сферы. Одной из наиболее пострадавших стала сфера занятости.

По итогам июня-августа, согласно данным Росстата, численность безработных по методологии МОТ составила 4,71 миллиона человек, что соответствует уровню безработицы 6,3%. Это на 1,9 процентного пункта выше показателя аналогичного периода прошлого года.

При этом число официально зарегистрированных безработных выросло более существенно. В августе 2020 года их численность увеличилась в 5,1 раза по сравнению с соответствующим периодом прошлого года и составила 3,6 миллиона человек (4,8% от численности рабочей силы).

Как полагают эксперты, более существенный рост уровня зарегистрированной безработицы может быть связан с уменьшением числа вакансий на рынке и увеличением социальной защищенности человека в статусе зарегистрированного безработного. В качестве поддержки населения правительство РФ изменило условия регистрации в качестве безработного на биржах труда – стать зарегистрированным безработным стало значительно проще, также выросло и пособие по безработице.

В августе из 4,8 миллиона безработных (по методологии МОТ) в возрасте от 15 лет и старше 21,8% составляет молодежь в возрасте до 25 лет, то есть более 1 миллиона молодых людей не могут найти работу (годом ранее в этой категории было чуть меньше 800 тысяч человек). Выросло и количество безработных в возрасте старше 50 лет – по итогам августа 2020 года их доля в общей структуре составляет 15,9%, или чуть более 760 тысяч человек (менее 600 тысяч было в августе 2019 года). Средний возраст безработного составляет 35,6 года.

ПОЛГОДА НА ПОИСК РАБОТЫ

На поиск работы в среднем в июне-августе 2020 года уходило 5,9 месяца, при этом к августу 18,5% безработных искали работу 12 месяцев и более. Сельским жителям найти работу сложнее, чем городским – 27,1% сельских безработных находились в состоянии застойной безработицы, городских – 14,7%.

В сентябре рост безработицы продолжился. По итогам месяца количество официально зарегистрированных безработных выросло в 5,5 раза по сравнению с сентябрем 2019 года и достигло 3,7 миллиона человек (4,9% от численности всей рабочей силы).

Для оценки ситуации в региональном разрезе РИА Новости подготовило рейтинг субъектов РФ по уровню безработицы на основе данных Росстата. Уровень безработицы (по стандартам МОТ) варьируется от 2,5% в Ямало-Ненецком автономном округе до 30,7% в Ингушетии. В 40 регионах он ниже, чем в среднем по России.

ЛИДЕРЫ И АУТСАЙДЕРЫ

В лидирующей пятерке рейтинга произошли некоторые изменения по сравнению с прошлым годом. По итогам июня-августа 2020 года самый низкий уровень безработицы наблюдается в ЯНАО (2,5%), следом за ним Москва (2,7%), ХМАО (3,2%), Петербург (3,6%) и Камчатка (3,6%).

Наиболее сложная ситуация – в Ингушетии, где уровень безработицы составил 30,7%, Туве (22,3%), Чечне (21,7%), Северной Осетии (16,3%), Дагестане (16,1%), в Кабардино-Балкарии (15,4%).

Как отмечают эксперты, в этих регионах ситуация на рынке труда никогда не была простой, но если в предыдущие периоды можно было наблюдать и положительную динамику в решении проблемы трудоустройства, то сейчас кризисные явления существенно осложнили ситуацию.

По итогам июня-августа 2020 года в 82 регионах уровень безработицы вырос, в двух — не изменился, в одном — на Чукотке — снизился на 0,1 процентного пункта. Самый существенный рост наблюдается в Туве (+11,6 п.п.).

Исследования и аналитика

Исследования и аналитика

В настоящее время, наверно, самой актуальной темой является проблема развития российской экономики и достижение мирового уровня развития, выход России из списка развивающихся стран или стран — «сырьевых придатков» и достижение уровня развитой страны. Данная тема актуальна для нас и на фоне происходящих процессов в мировой экономике, связанных с недавним финансовым кризисом, а также на фоне вступления России в ВТО. Но прежде, важно рассмотреть факторы, оказывающие влияние на развитие экономики.

Примитивная структура экономики, сырьевая зависимость и отсутствие ориентации на потребности людей определяет неспособность отечественных предприятий эффективно функционировать в рыночной экономике, что отражается в масштабности банкротства отечественных предприятий. Подробно проблема банкротства отечественных предприятий рассматривается в разделе

банкротство — функции оздоровления и сохранения, или перераспределения и ликвидации.

Для того, чтобы понять, каким образом можно обеспечить эффективное развитие нашей страны, необходимо, в первую очередь, определить направления оптимизации сложившейся ситуации. С этой целью целесообразно рассмотреть, каким образом шло становление и каким образом функционирует экономика развитых стран, что, возможно, позволит выработать эффективные решения сложившихся проблем. Именно этому посвящен раздел

опыт развитых экономик или «а как у них?».

Конечно же, многими специалистами проводятся исследования для того, чтобы найти наиболее эффективный путь развития для России. По результатам исследований многие специалисты сходятся во мнении, что основой эффективного развития, как наиболее мобильной, гибкой формой ведения бизнеса, способной в течение небольшого периода времени осуществить внедрения любой степени сложности, является малый бизнес.

Особенности функционирования малого бизнеса, а также вопросы, связанные с организацией и запуском малого бизнеса, рассматриваются в разделе малый бизнес.

Искренне надеемся, что представленная информация на нашем сайте поможет Вам в решении проблем, связанных с ведением бизнеса, вызовет Ваш интерес и, возможно, обусловит дискуссию на нашем форуме.

Все материалы раздела:

Коррупция

Монополизация экономики

Высокая себестоимость производства продукции и оказания услуг

Культурные и моральные принципы бизнес-среды

Неэффективность налогообложения

Ресурсное проклятие

Скорость обновления производственных и управленческих технологий

Снижение качества трудовых ресурсов

В большинстве регионов уровень безработицы вырос | Регионы России

РИА Рейтинг – 26 окт. Пандемия коронавируса оказала негативное влияние практически на все секторы экономики и социальной сферы. Одной из наиболее пострадавших стала сфера занятости.

По итогам июня-августа 2020 года, согласно данным Росстата, численность безработных по методологии МОТ составила 4,71 млн человек, что соответствует уровню безработицы 6,3%, это на 1,9 процентного пункта выше аналогичного периода прошлого года.

При этом число официально зарегистрированных безработных выросло более существенно. В августе 2020 года их численность увеличилась в 5,1 раз по сравнению с соответствующим периодом прошлого года и составила 3,6 миллиона человек (4,8% от численности рабочей силы). Более существенный рост уровня зарегистрированной безработицы может быть связан с уменьшением числа вакансий на рынке и увеличением социальной защищенности человека в статусе зарегистрированного безработного. В качестве поддержки населения Правительство РФ изменило условия регистрации в качестве безработного на биржах труда – стать зарегистрированным безработным стало значительно проще, также выросло и пособие по безработице.

В августе из 4,8 миллионов безработных (по методологии МОТ) в возрасте от 15 лет и старше 21,8% составляет молодежь в возрасте до 25 лет, то есть более 1 миллиона молодых людей не могут найти работу (годом ранее в этой категории было чуть меньше 800 тысяч человек). Выросло и количество безработных в возрасте старше 50 лет – по итогам августа 2020 года их доля в общей структуре составляет 15,9%, или чуть более 760 тысяч человек (менее 600 тысяч человек было в августе 2019 года). Средний возраст безработного составляет 35,6 лет.

В сентябре 2020 года рост безработицы продолжился. По итогам месяца количество официально зарегистрированных безработных выросло в 5,5 раз по сравнению с сентябрем 2019 и достигло 3,7 млн человек (4,9% от численности всей рабочей силы).

Для оценки ситуации в региональном разрезе по заказу РИА Новости агентство РИА Рейтинг подготовило рейтинг регионов РФ по уровню безработицы на основе данных Росстата. Уровень безработицы (по стандартам МОТ) варьируется от 2,5% в Ямало-Ненецком автономном округе до 30,7% в Республике Ингушетия. В 40 регионах РФ уровень безработицы ниже, чем в среднем по России.

В лидирующей пятерке рейтинга произошли некоторые изменения по сравнению с прошлым годом. По итогам июня-августа 2020 года самый низкий уровень безработицы наблюдается в Ямало-Ненецком автономном округе (2,5%), следом за ним Москва (2,7%), Ханты-Мансийский автономный округ – Югра (3,2%), Санкт-Петербург (3,6%) и Камчатский край (3,6%).

По сравнению с прошлым годом выросло количество регионов, в которых уровень безработицы равен или выше 10%. Если год назад таких регионов было шесть, то по итогам лета 2020 года их стало 13. Наиболее сложная ситуация в Республике Ингушетия, где уровень безработицы составил 30,7%, в Республике Тыва – 22,3%, в Чеченской Республике – 21,7%, в Республике Северная Осетия – Алания – 16,3%, в Республике Дагестан – 16,1%, в Кабардино-Балкарской Республике – 15,4%. В данных регионах ситуация на рынке труда никогда не была простой, но если в предыдущие периоды можно было наблюдать и положительную динамику в решении проблемы трудоустройства местного населения, то в настоящее время кризисные явления существенно осложнили ситуацию.

По итогам июня-августа 2020 года в 82 российских регионах уровень безработицы вырос, в двух – не изменился и в Чукотском автономном округе снизился на 0,1 процентный пункт. Самый существенный рост наблюдается в Республике Тыва (+11,6 п.п.).

РИА Рейтинг – это универсальное рейтинговое агентство медиагруппы МИА «Россия сегодня», специализирующееся на оценке социально-экономического положения регионов РФ, экономического состояния компаний, банков, отраслей экономики, стран. Основными направлениями деятельности агентства являются: создание рейтингов регионов РФ, банков, предприятий, муниципальных образований, страховых компаний, ценных бумаг, другим экономических объектов; комплексные экономические исследования в финансовом, корпоративном и государственном секторах.

МИА «Россия сегодня» – международная медиагруппа, миссией которой является оперативное, взвешенное и объективное освещение событий в мире, информирование аудитории о различных взглядах на ключевые события. МИА «Россия сегодня» представляет линейку информационных ресурсов агентства: РИА Новости, РИА Новости Спорт, РИА Новости Недвижимость, Прайм, РИА Рейтинг, ИноСМИ, Социальный навигатор. За рубежом медиагруппа представлена международным новостным агентством и радио Sputnik. Следите за новостями МИА «Россия сегодня» в телеграм-канале пресс-службы – «Зубовский, 4»

Названы регионы с самым высоким уровнем безработицы

https://ria.ru/20201026/bezrabotitsa-1581499984.html

Названы регионы с самым высоким уровнем безработицы

Летом уровень безработицы в российских регионах составил 6,3%, что на 1,9 пункта выше, чем годом ранее. При этом самым высоким он оказался в Ингушетии, Туве и… РИА Новости, 26.10.2020

2020-10-26T00:09

2020-10-26T10:47

россия

риа рейтинг

общество

/html/head/meta[@name=’og:title’]/@content

/html/head/meta[@name=’og:description’]/@content

https://cdn24.img.ria.ru/images/07e4/05/13/1571682312_0:160:3072:1888_1920x0_80_0_0_ecd67074daf2f5276ec298504210a1cf.jpg

МОСКВА, 26 окт — РИА Новости. Летом уровень безработицы в российских регионах составил 6,3%, что на 1,9 пункта выше, чем годом ранее. При этом самым высоким он оказался в Ингушетии, Туве и Чечне, свидетельствует исследование РИА Новости*.Влияние пандемииЭпидемия оказала негативное влияние практически на все секторы экономики. Одной из наиболее пострадавших стала сфера занятости.По данным Росстата, в июне — августе численность безработных, подсчитанная по методологии Международной организации труда (МОТ), составила 4,71 миллиона человек. При этом количество официально зарегистрированных безработных выросло более чем на 1,9 пункта. В августе их число увеличилось в 5,1 раза по сравнению с соответствующим периодом прошлого года и составило 3,6 миллиона человек (4,8% от численности рабочей силы).Как полагают эксперты, это может быть связано с уменьшением числа вакансий на рынке и ростом социальной защищенности человека в статусе зарегистрированного безработного. В качестве поддержки населения правительство упростило условия регистрации нетрудоустроенных на биржах труда, также выросло и пособие по безработице.Средний возраст безработного — 35,6 года. В августе из 4,8 миллиона нетрудоустроенных 21,8% приходилось на молодежь до 25 лет, то есть более миллиона молодых людей не могут найти работу (годом ранее в этой категории было чуть меньше 800 тысяч человек). Выросло и количество безработных в возрасте старше 50 лет — их доля в общей структуре составляет 15,9%, или чуть более 760 тысяч человек (против неполных 600 тысяч в августе 2019 года).Полгода на поиск работыНа поиск работы в среднем в июне — августе 2020 года уходило 5,9 месяца, при этом к августу 18,5% безработных искали работу 12 месяцев и более. Сельским жителям найти работу сложнее, чем городским — в состоянии застойной безработицы находились 27,1% нетрудоустроенных на селе, в городе эта доля составляла 14,7%.В сентябре рост безработицы продолжился. По итогам месяца количество официально зарегистрированных безработных выросло в 5,5 раза по сравнению с сентябрем 2019 года и достигло 3,7 миллиона человек (4,9% от численности всей рабочей силы).Для оценки ситуации в региональном разрезе РИА Новости подготовило рейтинг регионов по уровню безработицы на основе данных Росстата. Он варьируется от 2,5% в Ямало-Ненецком автономном округе до 30,7% в Ингушетии. В 40 регионах он ниже, чем в среднем по стране.Лидеры и аутсайдерыВ лидирующей пятерке рейтинга произошли некоторые изменения по сравнению с прошлым годом. По итогам июня — августа 2020-го самый низкий уровень безработицы наблюдается в ЯНАО (2,5%), следом идут Москва (2,7%), ХМАО (3,2%), Санкт-Петербург (3,6%) и Камчатка (3,6%).По сравнению с прошлым годом выросло количество регионов, в которых уровень безработицы равен или выше десяти процентов. Если год назад таких регионов было шесть, то по итогам лета 2020 года их стало 13.Наиболее сложная ситуация — в Ингушетии, где уровень безработицы составил 30,7%, Туве (22,3%), Чечне (21,7%), Северной Осетии (16,3%), Дагестане (16,1%) и Кабардино-Балкарии (15,4%).Как отмечают эксперты, в этих регионах ситуация на рынке труда никогда не была простой, но если в предыдущие периоды можно было наблюдать и положительную динамику в решении проблемы трудоустройства, то сейчас кризисные явления существенно осложнили ситуацию.По итогам июня — августа 2020 года в 82 регионах уровень безработицы вырос, в двух — не изменился, в одном — на Чукотке — снизился на 0,1 процентного пункта. Самый существенный рост наблюдается в Туве (+11,6 процентных пункта). *Рейтинг подготовлен по заказу агентства РИА Новости специалистами РИА Рейтинг.

https://ria.ru/20201026/bezrabotitsa-1581498318.html

https://ria.ru/20201022/inflyatsiya-1581072925.html

https://ria.ru/20201021/bezrabotitsa-1580859720.html

россия

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

2020

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

Новости

ru-RU

https://ria.ru/docs/about/copyright.html

https://xn--c1acbl2abdlkab1og.xn--p1ai/

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

https://cdn22.img.ria.ru/images/07e4/05/13/1571682312_171:0:2902:2048_1920x0_80_0_0_21b78c9de875e1213ea88b5614c5f631.jpg

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

россия, риа рейтинг, общество

МОСКВА, 26 окт — РИА Новости. Летом уровень безработицы в российских регионах составил 6,3%, что на 1,9 пункта выше, чем годом ранее. При этом самым высоким он оказался в Ингушетии, Туве и Чечне, свидетельствует исследование РИА Новости*.

Влияние пандемии

Эпидемия оказала негативное влияние практически на все секторы экономики. Одной из наиболее пострадавших стала сфера занятости.

По данным Росстата, в июне — августе численность безработных, подсчитанная по методологии Международной организации труда (МОТ), составила 4,71 миллиона человек. При этом количество официально зарегистрированных безработных выросло более чем на 1,9 пункта. В августе их число увеличилось в 5,1 раза по сравнению с соответствующим периодом прошлого года и составило 3,6 миллиона человек (4,8% от численности рабочей силы).26 октября 2020, 00:00ИнфографикаРейтинг российских регионов по уровню безработицы

Как полагают эксперты, это может быть связано с уменьшением числа вакансий на рынке и ростом социальной защищенности человека в статусе зарегистрированного безработного. В качестве поддержки населения правительство упростило условия регистрации нетрудоустроенных на биржах труда, также выросло и пособие по безработице.

Средний возраст безработного — 35,6 года. В августе из 4,8 миллиона нетрудоустроенных 21,8% приходилось на молодежь до 25 лет, то есть более миллиона молодых людей не могут найти работу (годом ранее в этой категории было чуть меньше 800 тысяч человек). Выросло и количество безработных в возрасте старше 50 лет — их доля в общей структуре составляет 15,9%, или чуть более 760 тысяч человек (против неполных 600 тысяч в августе 2019 года).

Полгода на поиск работы

На поиск работы в среднем в июне — августе 2020 года уходило 5,9 месяца, при этом к августу 18,5% безработных искали работу 12 месяцев и более. Сельским жителям найти работу сложнее, чем городским — в состоянии застойной безработицы находились 27,1% нетрудоустроенных на селе, в городе эта доля составляла 14,7%.

Для оценки ситуации в региональном разрезе РИА Новости подготовило рейтинг регионов по уровню безработицы на основе данных Росстата. Он варьируется от 2,5% в Ямало-Ненецком автономном округе до 30,7% в Ингушетии. В 40 регионах он ниже, чем в среднем по стране.

22 октября 2020, 19:16

В России удается сдерживать инфляцию и рост безработицы, считает Путин

Лидеры и аутсайдеры

В лидирующей пятерке рейтинга произошли некоторые изменения по сравнению с прошлым годом. По итогам июня — августа 2020-го самый низкий уровень безработицы наблюдается в ЯНАО (2,5%), следом идут Москва (2,7%), ХМАО (3,2%), Санкт-Петербург (3,6%) и Камчатка (3,6%).

По сравнению с прошлым годом выросло количество регионов, в которых уровень безработицы равен или выше десяти процентов. Если год назад таких регионов было шесть, то по итогам лета 2020 года их стало 13.

Наиболее сложная ситуация — в Ингушетии, где уровень безработицы составил 30,7%, Туве (22,3%), Чечне (21,7%), Северной Осетии (16,3%), Дагестане (16,1%) и Кабардино-Балкарии (15,4%).

По итогам июня — августа 2020 года в 82 регионах уровень безработицы вырос, в двух — не изменился, в одном — на Чукотке — снизился на 0,1 процентного пункта. Самый существенный рост наблюдается в Туве (+11,6 процентных пункта).

_{*Рейтинг подготовлен по заказу агентства РИА Новости специалистами РИА Рейтинг.}

21 октября 2020, 16:53Новости ПодмосковьяЖителям Московской области объяснили, как встать на учет по безработице

Безработица и её последствия для экономики страны (статистический анализ на примере РФ)

ЭКОНОМИКА ТРУДА № 1’2017 (январь-март)

ОБ АВТОРЕ:

Кочергин Михаил Александрович, магист ран т кафедры учёта, анализа и аудита (kochergin1994@

yandex.ru)

ЦИТИРОВАТЬ СТАТЬЮ:

Кочергин М.А. Безработица и её последствия для экономики страны (статистический анализ на

примере РФ) // Экономика труда. – 2017. – Том 4. – № 1. – С.9-18. doi:10.18334 /et. 4.1.37767

В таблицах 1–2 представлены исходные статистические данные и некоторые рас-

чёты, основанные на данных показателях.

Таблица 1

Показатели занятости и экономической активности населения РФ

в 2012–2016 гг. в среднем за год, млн чел.

Год Численность

населения

Численность

занятых

Численность

безработных

Численность эконо-

мически активного

населения (ЭАН)

Уровень экономической

активности, %

1 2 3 4 5 = 3 + 4 6 = 5 / 2 × 100%

2012 143,0 71,5 4,1 75,6 52,9

2013 143,3 71,4 4,1 75,5 52,7

2014 143,7 71,5 3,9 75,4 52,5

2015 146,3 72,3 4,3 76,6 52,4

2016 146,5 72,4 4,2 76,6 52,3

Источник: составлено автором по данным [1]

Таблица 2

Уровни занятости и безработицы в РФ в 2012–2016 гг. в среднем за год

Год Численность

занятых,

млн чел.

Численность

безработных,

млн чел.

Численность

ЭАН,

млн чел.

Уровень занятости

в расчёте на ЭАН,

Уровень безрабо-

тицы в расчёте на

ЭАН, %

1 2 3 4 5 = 2 / 4 × 100% 6 = 3 / 4 × 100%

2012 71,5 4,1 75,6 94,6 5,4

2013 71,4 4,1 75,5 94,6 5,4

2014 71,5 3,9 75,4 94,8 5,2

2015 72,3 4,3 76,6 94,4 5,6

2016 72,4 4,2 76,6 94,5 5,5

Источник: составлено автором по данным [1]

Динамика уровня экономической активности отрицательная: доля экономически

активного населения в общей численности населения страны за последние пять лет

стабильно снижается (рис. 2).

В Германии безработица выросла на 300 тысяч человек | Новости из Германии о Германии | DW

Число безработных в ФРГ на фоне пандемии коронавируса в апреле резко выросло, помимо этого, почти каждому третьему из более чем 33 млн трудящихся угрожает переход на работу по сокращенному графику, сообщило Федеральное агентство по труду (BA) в четверг, 30 апреля.

В апреле в Германии насчитывалось 2,644 млн безработных — на 308 тысяч больше, чем в марте и на 415 тысяч больше, чем годом ранее. В результате уровень безработицы в стране повысился на 0,7 процентных пункта до 5,8 процента.

«Из-за пандемии коронавируса рынок труда оказался под сильным давлением. Спрос на новых сотрудников фактически обвалился», — констатировал глава агентства Детлеф Шеле (Detlef Scheele). По его мнению, Германию ожидает самая глубокая рецессия за все послевоенное время.

По данным агентства, в настоящее время 751 тысяча компаний в Германии объявила о переводе персонала на работу по сокращенным графикам. Данная мера охватывает уже 10,1 млн человек.

До сих пор рекордные показатели по неполной занятости были отмечены в мае 2009, когда по сокращенным графикам работали 1,44 млн человек. За весь кризисный 2009 год было подано 3,3 млн заявлений о переходе на неполную занятость.

Смотрите также:

Топ-10 городов Германии, где проще всего найти работу
Штутгарт — 1-е место
Количество безработных в Германии сейчас самое низкое за четверть века. Оно составляет менее трех миллионов человек. По числу предложений работы первое место в стране занимает Штутгарт. Таков итог нового исследования, проведенного экспертами портала Adzuna. По его данным, в столице федеральной земли Баден-Вюртемберг на одну вакансию претендуют 1,31 безработных.
Топ-10 городов Германии, где проще всего найти работу
Ингольштадт — 2-е место
Баварский Ингольштадт славится не только своим живописным местоположением на берегу Дуная, но и высоким качеством жизни. Здесь есть университет, а также немало театров, музеев, библиотек, спортцентров. Это один из самых динамично развивающихся городов Германии. На одно предложение о работе здесь приходится 1,33 безработных. В Ингольштадте расположена штаб-квартира концерна Audi.
Топ-10 городов Германии, где проще всего найти работу
Регенсбург — 3-е место
Баварский Регенсбург — один из красивейших городов Германии. Его центральная часть находится под охраной ЮНЕСКО. Экономика Регенсбурга на подъеме. Особенно быстро развиваются такие отрасли, как автомобилестроение, машиностроение, электротехника, микроэлектроника. В Регенсбурге созданы широкие возможности для занятий спортом — футболом, хоккеем, легкой атлетикой, велоспортом, гандболом.
Топ-10 городов Германии, где проще всего найти работу
Франкфурт-на-Майне — 4-е место
Это не только самый большой город федеральной земли Гессен, но и бизнес-столица ФРГ. Здесь находятся Европейский центральный банк, Немецкий федеральный банк, Франкфуртская биржа. Фундамент его экономики — финансы, транспорт, ярмарочная деятельность. Во Франкфурте прекрасно отлажена инфраструктура. Стоит вспомнить хотя бы о том, что его аэропорт — крупнейший в стране и один из крупнейших в Европе.
Топ-10 городов Германии, где проще всего найти работу
Ульм — 5-е место
Визитная карточка расположившегося на берегу Дуная в земле Баден-Вюртемберг города — самый высокий в мире Ульмский собор. Впрочем, здесь немало и других памятников. А еще Ульм гордится своими театрами, музеями, музыкальными клубами. Реструктуризация местной экономики, выражающаяся в переходе промышленности от классических отраслей к высокотехнологичным, — залог повышения качества жизни горожан.
Топ-10 городов Германии, где проще всего найти работу
Вольфсбург — 6-е место
Первая ассоциация при упоминании об этом нижнесаксонском городе — автомобилестроительный концерн Volkswagen, штаб-квартира и центральный завод которого расположены здесь. Отличительные черты Вольфсбурга — это также прекрасная инфраструктура, живописные лесопарки, насыщенная культурная жизн и доступное жилье. На одну вакансию здесь претендуют примерно два безработных (1,98).
Топ-10 городов Германии, где проще всего найти работу
Эрланген — 7-е место
Небольшой Эрланген известен далеко за пределами Баварии — прежде всего, благодаря своему университету и расположению на территории города производственных подразделений концерна Siemens, работающих в сфере электротехники, электроники, энергетического оборудования, транспорта. Мягкий климат, благоприятная экология, стимулирование жилищного строительства — также привлекательные черты города.
Топ-10 городов Германии, где проще всего найти работу
Мюнхен — 8-е место
Баварская столица — третий по величине город в Германии и второй по значимости финансовый центр в стране. Мюнхен также входит в число населенных пунктов с наиболее динамично развивающейся экономикой, не говоря о том, что он прочно обосновался в верхних строчках рейтингов городов мира по уровню качества жизни. На одно рабочее место тут приходится 2,13 безработных.
Топ-10 городов Германии, где проще всего найти работу
Карлсруэ — 9-е место
Карлсруэ — второй по величине город в земле Баден-Вюртемберг. А еще его называют оплотом информационных технологий. Одна из визитных карточек города — знаменитый Технологический институт, образованный в результате слияния Университета Карлсруэ и городского исследовательского центра. Между прочим, именно здесь был открыт первый в Германии факультет информатики.
Топ-10 городов Германии, где проще всего найти работу
Дюссельдорф — 10-е место
Элегантный Дюссельдорф — столица земли Северный Рейн — Вестфалия. Он также входит в пятерку крупнейших экономических, транспортных, культурных и политических центров Германии. Здесь расположены штаб-квартиры многих крупных компаний. Энергоконцерн E.ON и химический гигант Henkel — лишь некоторые из них. И ситуация на рынке труда благоприятна: на одно объявление о работе приходится 2,69 безработных.
Топ-10 городов Германии, где проще всего найти работу
Оберхаузен — лидер по числу безработных
В масштабах ФРГ сложнее всего найти работу в Оберхаузене (земля Северный Рейн — Вестфалия) — в прошлом одном из центров металлургической и угледобывающей промышленности. В 1990-х годах, в связи с прекращением в Рурской области добычи угля и выплавки стали, заводы и шахты стали закрываться. Город потерял 50 тысяч рабочих мест и погряз в долгах. На одно рабочее место здесь приходится 51 безработный.
Автор: Наталия Королева

Рост ВВП РФ составит 2,8% в 2021 году и 2,4% в 2022 году — консенсус-прогноз ВШЭ | 04.03.21

Рост ВВП России составит 2,8% по итогам 2021 года и 2,4% по итогам 2022 года при цене нефти 51,9 и 54,7 доллара за баррель соответственно, свидетельствуют данные консенсус-прогноза, подготовленного Институтом «Центр развития» Высшей школы экономики.

Консенсус-прогноз составлен на основе опроса независимых экспертов с 2 по 11 февраля 2020 года.

Успехи экономики во втором полугодии 2020 г. в сочетании с наблюдаемым в первые месяцы 2021 г. ростом нефтяных цен и идущей в стране вакцинацией от коронавируса дают надежду на позитивную статистику в 2021 и 2022 годах, но восстановление будет осложнено бюджетной консолидацией после сильного наращивания расходов бюджета в 2020 г. и сохранением в 2021 г. низких объемов нефтедобычи, отмечают авторы прогноза.

«Согласно нашему консенсус-прогнозу, по итогам года ожидается рост ВВП на 2,8%, в 2022 г. — на 2,4%, в результате чего реальный ВВП превысит уровень 2019 г. на 2,1%: без кризиса такой прирост мог наблюдаться по итогам одного года вместо трех. Таких результатов прогнозисты ожидают при цене нефти 51,9 и 54,7 долл./барр. в 2021 и 2022 гг. соответственно», — говорится в материалах ВШЭ.

Доходы и безработица

Безработица, согласно прогнозу, тоже будет нормализовываться не очень быстро — с 5,8% в среднем в 2020 году до 5,4% и 5% в 2021 и 2022 гг. соответственно против 4,6% в 2019 г. «Впрочем, динамика этого индикатора будет зависеть особенно сильно от потребительского поведения (прежде всего в части восстановления спроса на услуги) и, возможно, окажется более позитивной», — говорится в материалах ВШЭ.

Реальные располагаемые доходы россиян в 2021 году вырастут на 2,3% и на 1,8% — в следующем. «Эксперты ожидают более медленного роста реальных располагаемых доходов населения — на 2,3% в 2021 году и на 1,8% в 2022 году, по итогам 2022 года уровень 2019 года будет превышен лишь на 0,5%. Вероятно, прогнозисты учитывают депрессивную динамику доходов, наблюдавшуюся с 2014 года, а также особо сильную зависимость доходов населения от уровня бюджетных расходов», — говорится в материалах ВШЭ.

Информационное агентство России ТАСС

Оценка влияния экономических колебаний на уровень безработицы в регионах России на основе модели Окуня

Abstract—

На основе модифицированной модели Окуня в статье оценивается влияние изменения объемов производства на динамику безработицы в России и трех региональных кластерах, различающихся уровнем безработицы и поведенческой реакцией на экономические шоки. Оценка спецификаций базовой модели Окуня на данных за 2010–2020 гг. Позволила выявить циклическую реакцию уровня безработицы в гетерогенных региональных кластерах на изменение объемов выпуска.

Базовый сценарий с прогнозом мирового экономического развития, представленный в июньском отчете Всемирного банка [1], предполагает сокращение мирового ВВП на 5,2% в 2020 году, что является худшим за последние восемь десятилетий. Прогнозируемый спад в экономически развитых странах может составить 7,7%, в государствах еврозоны — 9,1%, в США и Японии — 6,1%, в России — 6,0%. Объемы производства и доходы на душу населения в подавляющем большинстве стран снижаются, что приводит к росту безработицы и бедности населения, провоцируя снижение внутреннего спроса на товары и услуги.Темпы восстановления мировой экономики, по прогнозам Всемирного банка, будут умеренными и составят 4,2% в 2021 году, в то время как восстановительный рост в еврозоне достигнет 4,5%, в США — 4,0%, в Японии — 2,5%, а в России — 2,7%. [1]. По мнению экспертов, российская экономика в 2020–2021 годах испытает три шока, которые негативно отразятся на динамике ключевых показателей социально-экономического развития [2]. Это подразумевает, во-первых, экономические последствия пандемии коронавируса, охватившей большинство стран мира, в том числе Россию, во-вторых, падение цен на углеводороды на мировых рынках, в-третьих, изменение структуры и сокращение спроса на товары и услуги. из-за глобального экономического спада и сбоев в цепочке поставок.Экономический кризис и спад мировой экономики актуализируют исследования влияния динамики объемов производства на ключевые индикаторы национального рынка труда.

Связь между показателями экономического спада и рынка труда изучается как зарубежными, так и российскими авторами (см., Например, [3–6]). Применение эконометрических моделей позволяет оценить степень чувствительности показателей рынка труда к циклическим колебаниям макропараметров.Инструментальной основой большинства исследований является одна из основных модификаций модели Окуня; кроме того, есть несколько спецификаций взаимозависимости безработицы и объемов производства, подробно описанных в литературе [7]. Окунь обнаружил устойчивую отрицательную связь между циклической безработицей (разницей между фактической и естественной безработицей) и изменениями величины разрыва между реальным и потенциальным ВВП [8]. Снижение спроса на товары и услуги во время экономического спада снижает спрос на рабочую силу, что является производным фактором, подрывающим занятость и формирующим предпосылки для роста безработицы.Рост циклической безработицы, в свою очередь, увеличивает разрыв между реальным и потенциальным ВВП, поскольку увеличивается «недопроизводство» товаров и услуг. Циклическая безработица влечет за собой не только экономические, но и социальные издержки: расслоение населения по доходам, растущее социальное напряжение, рост заболеваемости, преступности и т. Д.

Циклические колебания выпуска в процентном выражении превышают колебания уровня безработицы и выпуска на одного рабочего во время спада падает вместе со спадом производства.В России падение производства по особым причинам несравнимо больше, чем масштабы сокращения занятости и роста безработицы. Анализ российского рынка труда, проведенный разными авторами, показывает, что с падением спроса на рабочую силу сокращается не только количество занятых, но и продолжительность рабочего времени, и реальные доходы населения, в первую очередь заработная плата. Исследователи подчеркивают, что российский рынок труда, адаптируясь к негативным экономическим потрясениям, реагирует «не столько ростом безработицы, сколько сокращением продолжительности рабочего дня и снижением реальной заработной платы» [9, с.251].

Несмотря на многочисленные научные публикации, посвященные различным аспектам взаимосвязи «выпуск – безработица», поведенческие реакции гетерогенных региональных рынков труда на экономические колебания изучены недостаточно. Данное исследование расширяет подходы, представленные в литературе, с учетом уникального разнообразия регионов России и высокой неоднородности российского рынка труда.

Цель исследования — оценить влияние изменений объемов выпуска на динамику уровня безработицы в трех группах регионов России, различающихся как уровнем безработицы, так и поведенческой реакцией на шоки.

В исследовании использованы официальные данные Федеральной службы государственной статистики [10] и данные Министерства экономического развития Российской Федерации [11]. В выборку вошли 79 субъектов Российской Федерации. ^{Сноска 1}. Период исследования — с 2010 по первый квартал 2020 года, используются квартальные данные. ^{Footnote 2}. Мы рассматриваем изменение национального рынка труда после экономического шока мировой рецессии (2008–2009 гг.) И до начала нового кризиса, вызванного последствиями эпидемии COVID-19.Скорость изменения валового внутреннего продукта и валового регионального продукта определяется на основе годовых и квартальных показателей физического объема производства. Оценка региональных уровней безработицы основана на методологии Международной организации труда (МОТ), а стоимость валового регионального продукта основана на системе национальных счетов (СНС). Доля регионов, включенных в выборку, составляет 99% ВВП России, а по численности безработных по методике МОТ превышает 96% ^{Footnote 3}.Для группировки регионов предлагается специально составленный алгоритм кластерного анализа, позволяющий учитывать межрегиональные различия, неоднородную структуру и неоднородность поведенческих реакций региональных рынков труда.

Модификации модели Окуня. Известно, что Окунь предложил несколько вариантов изучения взаимосвязи между выпуском продукции и безработицей, рассматривая как прямые, так и обратные зависимости. В современной научной литературе обсуждаются и используются различные модификации модели Окуня, одна из которых называется «версией разрыва», другая — «разницей», отражая взаимосвязь между «первыми отличиями».Рассмотрены динамические модели, а также модификации с запаздывающими переменными или взятые в логарифмической форме. В «прерывистой» модификации модели реальный ВВП сравнивается с потенциальным (разрывом выпуска), а фактическая безработица — с ее естественным или целевым уровнем. «Разрыв выпуска» для российской экономики неоднократно оценивался с помощью фильтров Калмана, Ходрика – Прескотта и других [12, 13]. Измерение естественного уровня безработицы, которое важно для оценки модели Окуня в версии с разрывами, представляет определенную трудность.Существующие в литературе подходы к анализу и оценке естественного уровня безработицы рассматриваются в отечественной и зарубежной литературе [14–16]. Наиболее часто используемые авторами инструменты для измерения естественного уровня безработицы включают кривую Филлипса, кривую Бевериджа и различные фильтры. Сразу отметим, что связь между ростом (падением) производства и отклонением фактической безработицы от естественного уровня опосредована влиянием многих других факторов, отражающих специфику развития страны и ее регионов.

Другая модификация модели Окуня, отражающая взаимосвязь первых различий, включает оценку регрессии между увеличением уровня безработицы и темпами роста производства. В модификации, которую мы будем использовать для решения поставленных задач, переменные взяты в логарифмической форме, что дает определенные преимущества, поскольку позволяет избежать искажений, вызванных отклонениями региональных значений уровня безработицы и темпов роста производства. из нормального закона распределения для набора регионов [17].На основе модифицированной модели Окуня [Okun, 1962] оценивается наличие и степень чувствительности рынка труда к деловому циклу [18, 19]. Модель имеет вид

$$ d {{U} _ {{it}}} = {{\ alpha} _ {i}} + {{\ beta} _ {i}} d {{G} _ { {it}}} + e, $$

(1)

, где dU _it — абсолютное изменение уровня безработицы в районе i за период t ; β _i обозначает коэффициент Окуня, который в модели имеет отрицательное значение, отражая рост безработицы при сокращении производства и замедлении экономического роста; dG _it — темп роста добычи в районе i за период т в процентах; α _i — параметр, отражающий специфику области i , подлежит оценке; е обозначает случайную величину.

Модифицированная модель Окуня была оценена для выборки из 79 регионов Российской Федерации с использованием квартальных и годовых данных. Панельная регрессия уточняет параметры силы воздействия экономических потрясений на безработицу в региональном разрезе:

$$ d {{U} _ {{it}}} = {{\ alpha} _ {i}} { {R} _ {i}} + {{\ beta} _ {i}} {{R} _ {i}} d {{G} _ {{it}}} + e $$

(2)

, где dU _it — изменение уровня безработицы региона i за период t ; β _i — коэффициент Окуня для территории и ; R _i — фиктивная переменная, отражающая региональные различия в уровне безработицы; dG _it — темп роста производства в процентах [19].В панельной выборке единицами наблюдения являются регионы. Панельные регрессии основаны на переменных логарифмического роста выпуска и уровня безработицы. Модификации с использованием логарифмов уровня безработицы и темпа роста выпуска широко используются в научных исследованиях [3, 17].

$$ \ ln ({{U} _ {{it}}}) = \ alpha + \ beta \ ln \ left ({{{G} _ {{it}}}} \ right) + e, $ $

(3)

где U _it — уровень безработицы в районе i в году t ; G _он обозначает темп роста (индекс производства) в районе и в году т .Параметры модели (3) оценивались методом наименьших квадратов OLS .

Кластеризация регионов. Уровень безработицы на российском рынке труда характеризуется высокой межрегиональной дифференциацией, которая снижается в период рецессии и увеличивается с началом экономического роста [20–22]. Для формирования относительно однородных групп был проведен кластерный анализ регионов России, входящих в выборку, по уровню безработицы ^{Footnote 4}.

Иерархическая кластеризация пошагово объединила регионы, близкие по квартальной динамике уровня безработицы в 2010–2019 гг. Отметим, что квартальные данные позволяют получить кластеры (клубы) регионов Российской Федерации, близкие по циклическим параметрам уровня безработицы. Используемый метод K-средних, широко используемый в методологии кластерного анализа, позволил минимизировать различия внутри кластеров и максимизировать вариативность между кластерами; Евклидовы расстояния, характеризующие качество кластеризации, представлены в Приложении (Таблица).В результате иерархической кластеризации регионов РФ по уровню и динамике квартальной безработицы за 2010–2019 гг. Сформировались три группы регионов или три клуба (табл. 1).

Таблица 1 . Состав региональных кластеров (клубов) РФ, 2010–2019 гг.

Выявленные кластеры (клубы) различаются не только уровнем безработицы, но и мерой неоднородности состава, связанной с отклонениями региональных значений уровня безработицы. от среднего по кластеру (таблица 2).

Таблица 2. Коэффициент вариации региональных значений уровня безработицы внутри клубов, 2011–2019 гг.,%

Как видно из данных табл. 2, второй клуб относительно однороден. Здесь отмечаются самые низкие значения коэффициента вариации: 4–10%, и этот показатель не изменился за последние пять лет (5%). Наиболее разнородным по составу является первый клуб, где значения коэффициента вариации достигают 30–32%. Среди регионов третьего клуба коэффициент вариации также высок, но диапазон его изменения по годам шире, чем в других клубах (19–30%).

Поквартальная динамика среднего для каждого кластера уровня безработицы за 2010–2020 годы, представленная на рисунке, существенно различается.

Данные на рисунке показывают разную глубину реакции среднего кластерного уровня безработицы на экономические потрясения. Для первого клуба характерны самые высокие значения и амплитуда колебаний уровня безработицы, включая первый квартал 2020 года. В третьем клубе они самые низкие. Промежуточное положение занимают регионы второго клуба, где амплитуда колебаний и уровень безработицы выше, чем в третьем клубе, но ниже, чем в первом.

Характеристики модели. В нашем исследовании коэффициенты Окуня были дифференцированы на общие, когда оценка проводится для экономики страны в целом, и специальные, рассчитанные для отдельных кластеров или регионов. В статье оцениваются как общие, так и специальные коэффициенты Окуня. Для этого для каждого кластера (клуба) регионов была построена панельная регрессия с фиксированными эффектами. В результате оценки, выполненной методом наименьших квадратов (МНК) с использованием квартальных данных за период 2010–2020 гг., Получены следующие модели:

Club 1: ln U = –0.068 * ln G + 2,874

Club 2: ln U = –0,043 * ln G + 2,113

Club 3: ln U = –0,062 * ln G + 1,195

Анализ Клубных спецификаций модели показывает, что среднесрочный коэффициент Окуня значим в соответствии с критерием Стьюдента, модели согласованы, а фиксированные эффекты регионов влияют на взаимосвязь между безработицей и экономическими колебаниями. В регионах кластера с наибольшим уровнем безработицы (клуб 1) самый высокий коэффициент Окуня (–0.068). Модель объясняет около 80% колебаний уровня безработицы ( R ² = 0,791). В третьем кластере (клуб 3), характеризующемся низким уровнем безработицы, коэффициент регрессии между экономической динамикой и колебаниями уровня безработицы ниже, чем в первом клубе (–0,062), а также коэффициент детерминации ( R ). ² = 0,611). Наименьшие значения коэффициента Окуня (–0,043) получены для второй клюшки с низким коэффициентом детерминации ( R ² = 0.481).

Расчеты показали, что значения коэффициента Окуня, который измеряет циклический отклик, для всех трех кластеров и для России в целом имеют отрицательные знаки, что согласуется с теоретическими предположениями модели и рабочими гипотезами настоящего исследования. Из данных Таблицы 3 видно, что для 2010–2020 гг. В среднем по выборке из 79 регионов, с уровнем безработицы 6,74% и среднегодовым ростом производства 1,07%, коэффициент Окуня равен –0.050. Каждый кластер (клуб) отличается как уровнем безработицы, так и темпами роста (спада) производства. Разные значения специальных коэффициентов Окуня во многом объясняются существенными различиями в структуре экономик и рынков труда регионов, входящих в клубы. Также необходимо учитывать неравномерность и условия социально-экономического и демографического развития регионов России. Важную роль играет характер экономических потрясений, влияющих на взаимосвязь выпуска и безработицы в разные периоды.

Таблица 3. Коэффициент Окуня: сравнение параметров клубов, 2010–2020 гг.

Межрегиональные различия влияют не только на уровень безработицы, но и на поведенческие реакции индикаторов рынка труда на экономические шоки. Регионы первого кластера с относительно высоким уровнем безработицы показали более сильную реакцию на рецессию и отставание от восстановительного роста, что объясняется структурой региональной экономики с низкой долей локомотивных производств, обеспечивающих растущий спрос на рабочую силу.Большинство регионов первого кластера отличаются высокой долей молодежи в структуре населения, а молодые люди без опыта работы чувствительны к циклической рецессии и подвержены риску на рынке труда, поскольку в кризисе их увольняют первыми. и нанял последним. Фактором риска для регионов первого кластера также является доля сельского населения, превышающая среднероссийские значения, среди которых безработица выше, чем в городах. Скорее всего, реальный масштаб безработицы в регионах этой группы выше статистически измеряемых, если учесть скрытую безработицу.С другой стороны, здесь высока доля неформального сектора, что сдерживает рост реальной безработицы. Важно понимать, что «наличие скрытой безработицы, производства и занятости населения в теневом секторе приводит к искажениям исследуемой зависимости динамики ВВП и уровня безработицы» [7, с. 484]. Высокие квартальные колебания уровня безработицы в течение года характерны для регионов первого кластера как наиболее неоднородного.

Регионы третьего кластера с относительно низким уровнем безработицы быстрее адаптировались как к кризисной ситуации, так и к восстановительному росту. Безработица увеличивалась в период спада, снижалась на этапе экономического роста, оставаясь на относительно низком уровне. Самый низкий уровень безработицы за периоды кризисов сохранился в Москве и Санкт-Петербурге, что объясняется более высокой диверсификацией экономики, структурой занятости и источников доходов населения, а также наличием отраслей, формирующих растущий спрос. для труда.

Второй кластер является наиболее однородным, его реакция на циклические экономические шоки, а также значение коэффициента Окуня близки к среднему по стране.

Для преодоления высоких межрегиональных контрастов на российском рынке труда при выборе приоритетов развития и инвестиций следует исходить из задач, во-первых, обеспечения экономического роста в краткосрочной и среднесрочной перспективе, а во-вторых, установления «полюсов роста». »Усиление межрегионального обмена за счет создания современных производств, в-третьих, с учетом особенностей развития конкретных территорий [23, с.7]. Результаты исследования показывают, что на уровне региональных кластеров (клубов) проявляются разные реакции циклической безработицы на экономические потрясения в стране. Помимо макроэкономических шоков необходимо учитывать влияние отраслевых шоков.

Исследование показало отрицательную связь между изменением валового регионального продукта и динамикой уровня безработицы, что подтверждает заявления Окуня. Спад или рост производства объясняют лишь небольшую часть, а именно циклическую составляющую изменения уровня безработицы.Модельные расчеты позволили выявить разную степень чувствительности уровня безработицы к циклическим шокам, что объясняется институциональными, социальными, экономическими и демографическими характеристиками развития регионов России. Значения коэффициентов Окуня для трех разнородных кластеров (клубов), рассчитанные с использованием данных квартальных временных рядов в 2010–2020 гг., Отражают особенности поведения местных рынков труда, на которых предприятия в период кризиса минимизируют затраты, как уже отмечалось, за счет сокращения реальная заработная плата и продолжительность рабочего дня, а не массовые увольнения персонала.Наши результаты согласуются с выводами других авторов, которые подтверждают, что «адаптация к спаду производства лишь в небольшой степени происходит за счет роста безработицы» [24, с. 205].

Оценка взаимосвязи «выпуск-безработица», отражающая зависимость рынка труда от экономических колебаний, особенно актуальна в контексте современного «коронакризиса». Нисходящая экономическая динамика в январе – мае 2020 года показывает, что пандемия COVID-19 в разной степени повлияла на разные сегменты экономики, затронув одни виды экономической деятельности больше, чем другие.На тех региональных рынках труда, где сконцентрированы наиболее «уязвимые» виды экономической деятельности, безработица увеличилась в большей степени. Сокращение персонала произошло в сфере обслуживания, на транспорте, в строительстве, торговле, учреждениях культуры и т. Д. Гостиницы и рестораны пострадали из-за краха индустрии туризма. В результате резкого падения спроса на авиаперевозки и железнодорожные перевозки спрос на топливо пропорционально упал. При этом, судя по котировкам акций, как отмечают эксперты, химическая и нефтехимическая отрасли пострадали в меньшей степени.Известно, что после введения ряда социальных ограничений и перехода многих предприятий на удаленный режим работы резко вырос спрос на услуги доставки еды, выросли продажи дезинфицирующих средств и средств индивидуальной защиты, лекарств и продуктов питания. Спад занятости и сокращение штата в значительной степени затронули малый и средний бизнес.

Анализ динамики физического объема производства по основным видам экономической деятельности показывает, что в апреле 2020 года он достиг 88.8% к марту, в мае к апрелю 97,4% [11] Рост количества безработных, по предварительным данным Росстата, в апреле составил 123% к марту 2020 г., в мае 105% к апрелю 2020 г. По сравнению с соответствующим периодом 2019 года рост безработицы составил 120,6% в апреле и 132,7% в мае (таблица 4).

Таблица 4. Число безработных в возрасте 15 лет и старше, январь – май 2020 г.

Зарегистрированная безработица в мае 2020 г. по сравнению с 2019 г. увеличилась 2.8 раз.

Национальные рынки труда в большинстве стран, включая Россию, отреагировали на замедление роста, а затем и спад производства, не только сокращением занятости и ростом безработицы, но и сокращением рабочего времени, снижением заработной платы , а также отмена премирования. Так, по данным Минэкономразвития, за период пандемии COVID-19 и спада производства реальная заработная плата в марте – апреле 2020 года снизилась на 6,3%, уровень занятости упал с 59.С 4% (март 2020 г.) до 58,4% в апреле и 58,3% в мае 2020 г. Уровень безработицы увеличился с 4,7% (март) до 5,8% (апрель) и 6,1% (май), а количество безработных выросло с 3,5 млн. в марте до 4,5 млн в мае 2020 года [11]. Следует учитывать, что многие предприятия собираются поддерживать режим удаленной работы даже после того, как пандемия закончится. В настоящее время нарастает цифровизация экономики, расширяются объемы электронной коммерции, онлайн-продаж и других операций, увеличиваются инвестиции компаний в искусственный интеллект, внедрение которого становится одним из приоритетных направлений инвестирования. .

Рынок труда и структура занятости в ближайшее время претерпят кардинальные изменения. Важно понимать, что выход из пандемии означает не возврат к предыдущей экономической модели, а переход к концептуально иной, где рынок труда будет основан на гибких формах занятости и инструментах для адаптации к циклическим экономическим колебаниям. а также о новой структуре спроса на рабочую силу. Для оценки региональных значений коэффициента Окуня в период экономического спада и восстановительного роста необходимы статистические данные за 2020–2021 годы и проведение исследований с учетом социально-экономических последствий «пандемического кризиса» и изменения модели экономического развития.В период циклического экономического спада следует ожидать значительного увеличения безработицы, поскольку модель Окуня предполагает более сильную реакцию уровня безработицы на спад, чем на восстановительный рост.

Пандемия коронавируса оказала значительное влияние на экономику России; эксперты прогнозируют глубокий спад производства, рост безработицы в 2020 году и медленный восстановительный рост в 2021 году. Политика поддержки занятости в период экономического спада должна учитывать высокие межрегиональные различия на российском рынке труда.В статье раскрываются особенности поведенческих реакций на экономические колебания региональных рынков труда с разным уровнем безработицы. Исследование позволяет сделать следующие выводы.

Во-первых, значения коэффициента Окуня, рассчитанные для трех региональных кластеров, имеют отрицательный знак, что подтверждает теоретические предпосылки и рабочие гипотезы исследования. В то же время взаимодействие спада (роста) производства с изменением уровня безработицы в инструменте адаптации к экономическим шокам опосредовано специфическими институциональными, социальными, экономическими и демографическими особенностями развития локальных рынков труда в России. регионы, влияющие на степень их восприимчивости к изменению объемов производства.

Во-вторых, была получена статистически значимая оценка влияния темпов роста и спада производства на изменение уровня безработицы. Оценки коэффициентов Окуня для России в целом и для трех кластеров (клубов) по отдельности показывают, что региональные рынки труда имеют разную степень чувствительности к спаду и росту производства, а также стабильно высокую (первый клуб) и низкую (третий клуб). ) уровень безработицы в 2010–2020 гг.

В-третьих, выявлены различия в поведенческих реакциях параметров рынка труда на экономические шоки в регионах России.Регионы первого кластера с высоким уровнем безработицы отличаются более глубокой реакцией на рецессию и отставанием от восстановительного роста. Регионы третьего кластера с низким уровнем безработицы быстрее адаптировались как к ситуации кризиса, так и к восстановительному росту. Второй кластер наиболее однороден, и реакция на циклические экономические шоки аналогична среднероссийской.

В-четвертых, расчеты показали, что значения коэффициентов Окуня в разрезе кластеров (клубов), как и для России в целом, оказались относительно низкими.Это означает, что российский рынок труда имеет сложный механизм адаптации к циклическим колебаниям экономики. Увеличение или уменьшение безработицы — лишь один, но не единственный канал адаптации к потрясениям. В свою очередь, изменение уровня безработицы является результатом не только спада или роста производства, но также вызвано другими факторами, влияние которых, хотя и косвенно, учитывается моделью Окуня.

Результаты могут быть использованы при разработке контрциклических мер экономической политики, учитывающих текущие проблемы на рынке труда.Дальнейшие исследования будут направлены на изучение нелинейной асимметричной зависимости «объем производства — безработица» в контексте рецессии и восстановления экономического роста в России.

Примечания

1.
В выборку не вошли Севастополь и Республика Крым из-за отсутствия данных до 2014 г., Чеченская Республика. Ненецкий, Ханты-Мансийский и Ямало-Ненецкий автономные округа входят в состав соответствующих субъектов Российской Федерации.
2.
3.
4.
Расстояние между кластерами рассчитывалось методом Уорда, целевая функция представляла собой сумму квадратов расстояний между элементами и «центром тяжести» кластера с использованием евклидовой метрики. .

ССЫЛКИ

1
Глобальные экономические перспективы (Всемирный банк, Вашингтон, округ Колумбия, 2020 г.). https://doi.org/10.1596/978-1-4648-1553-9
2
А.Л. Ведев, С. М. Дробышевский, А. Ю. Кнобель А.В., Соколов И.А., Трунин П.В. Сценарии развития экономической ситуации в России в 2020–2021 гг. И вызовы экономической политики // Экономика. Развит. Росс. 27 (5), 4–23.
3
С. Казес, Ш. Верик и Ф. А. Хусами, «Почему безработица так по-разному отреагировала на мировой финансовый кризис в разных странах? Выводы из закона Окуня », IZA J. Labor Policy 2 , 1–18 (2013).
Артикул Google ученый
4
р.Диксон, Г. К. Лим и Дж. К. Ван Оурс, «Возвращаясь к отношениям Окуна», Прил. Экон. 49 (28), 2749–2765 (2017).
Артикул Google ученый
5
А. Эванс, «Коэффициенты Окуна и коэффициенты участия по возрасту и полу», IZA J. Labor Econ. 7 (5), 1–22 (2018). https://doi.org/10.1186/s40172-018-0065-8
Статья Google ученый
6
М.Maitah, D. Toth и E. Kuzmenko, «Изучение взаимосвязи между экономическим ростом и занятостью в Чешской Республике и Бельгии», Rev. Eur. Stud. 7 (11), 115–124 (2015).
Google ученый
7
Ахундова О.В., Коровкин А.Г., Королев И.Б. Связь динамики ВВП и безработицы: теоретические и практические аспекты // Изв. Институт народнохозяйственного прогнозирования РАН (2005), стр.471–497.
Google ученый
8
А. М. Окун, «Потенциальный ВНП: его измерение и его значение», в Proceedings of the Business and Economic (Stat. Sect., Am. Stat. Assoc., 1962).
9
Гимпельсон В. Э., Капелюшников Р. И. Российская модель рынка труда: испытание кризисом // Журн. Nov. Ekon. Ассоц., 2015, № 2. С. 249–253.
10
Росстат: Федеральная служба государственной статистики.https://www.gks.ru.
11
Минэкономразвития России. Деловой пейзаж на май 2020 года. Https://www.economy.gov.ru/material/file/0a16c1bc10412bb6dcabfc834301154b/200618_.pdf.
12
Зубарев А.В., Трунин П.В. Анализ динамики российской экономики с использованием индикатора разрыва выпуска // Проблемы прогнозирования. Русь. Экон. Dev. 28 , 126–132 (2017).
Артикул Google ученый
13
С.Синельников-Мурылев, С. Дробышевский, М. Казакова, «Декомпозиция темпов роста ВВП России в 1999–2014 гг.», Экономика. Полит., 2014, № 5. С. 7–37.
14
Л. Болл, Н. Г. Мэнкью, «NAIRU в теории и на практике», J. Econ. Перспектива. 16 (4), 115–136 (2002).
Артикул Google ученый
15
Ахундова О.В., Коровкин А.Г. Опыт оценки естественного уровня безработицы в экономике России // Известия : Институт народнохозяйственного прогнозирования РАН, (М., МАКС Пресс, 2006), сс. .488–508.
16
О. Бланшар, «Должны ли мы отвергать гипотезу естественной нормы?», J. Econ. Перспектива. 32 (1), 97–120 (2018).
Артикул Google ученый
17
Н. О’Хиггинс, «На этот раз все по-другому? Молодежные рынки труда во время «Великой рецессии», Comp. Экон. Stud. 54 (2), 395–412 (2012). https://doi.org/10.1057/ces.2012.15
Статья Google ученый
18
H.Булхол и П. Сикари, «Показатели рынка труда по возрастным группам: в центре внимания Франция», OECD Econ. Деп. Работа. Пап., № 1027 (2013).
19
О. Хутенгс и Г. Штадтманн, «Возрастная и гендерная безработица в скандинавских странах: анализ, основанный на законе Окуня», Comp. Экон. Stud. 56 (4), 567–580 (2014).
Артикул Google ученый
20
Молодежный рынок труда: оценка и моделирование межрегиональных различий (Univ.Кн., Москва, 2016).
21
Т. Блинова, В. Марков, В. Русановский, «Эмпирическое исследование пространственной дифференциации безработицы среди молодежи в России», Acta Oecon. 66 (3), 507–526 (2016).
Артикул Google ученый
22
Т. В. Блинова, В. А. Марков, В. А. Русановский, «Межрегиональные различия безработицы среди молодежи в России: модели конвергенции», Понте Дж. 73 (8), 202–216 (2017).
Google ученый
23
В. В. Ивантер, О. Дж. Говтвань, М.С. Гусев, М.Ю. Ксенофонтов А.В., Кувалин Д.Б., Моисеев А.К., Порфирьев Б.Н., Семикашев В.В., Узяков М.Н., Широв А.А. Система мер по восстановлению экономического роста в России // Проблемы прогнозирования. Русь. Экон. Dev. 29 , 1–5 (2018).
Артикул Google ученый
24
E.T. Гурвич и Э.Вакуленко С. Исследование рынка труда и экономической политики России // Журн. Nov. Ekon. Ассоц., № 1, 203–212 (2018).

Скачать ссылки

Финансирование

Работа выполнена при поддержке Российского фонда фундаментальных исследований (грант № 14). 20-010-00681).

Сведения об авторе

Филиалы

Институт аграрных проблем РАН, 410012, Саратов, Россия
Блинова Т.В.
Ю.Гагарина Саратовский государственный технический университет, 410054, Саратов, Россия
В.А. Русановский, В.А. Марков

Для корреспонденции

Блинова Т.В.

Декларации этики

Авторы заявляют об отсутствии конфликта интересов.

Дополнительная информация

Перевод И. Перцовской

ПРИЛОЖЕНИЕ

Таблица

Евклидовы расстояния между кластерами

Кластер (клуб)	Клуб 1	Клуб 2	Клуб 3
Клуб 1	0.00
Клуб 2	4,93	0,00
Клуб 3	7,22	2.32	0,00

Источник: рассчитано авторами по данным Росстата [10].

Рис. 1.

Средние кластерные значения уровня безработицы, 2010–2020 гг. (Квартальные данные): — клуб 1, –◼– клуб 2, –◻– клуб 3. Источник расчеты авторов на основе данных [10].

Об этой статье

Цитируйте эту статью

Блинова, Т.В., Русановский В.А. И Марков В.А. Оценка влияния экономических колебаний на уровень безработицы в регионах России на основе модели Окуня. Шпилька. Русь. Экон. Dev. 32, 103–110 (2021 г.). https://doi.org/10.1134/S1075700721010032

Скачать цитату

Ключевые слова:

Модель Окуня
эконометрическая оценка
уровень безработицы
экономические колебания
региональные кластеры

динамика занятости в регионах России

Автор

Перечислено:

Командир Саймон
Либерман, Леонид
Емцов, Руслан

Abstract

За последние 15 месяцев в России начались структурные изменения, но не удалось стабилизировать экономику.Баланс, заключают авторы, показывают, что возврат к централизованному контролю остается практически невозможным, но произошедшая денцентрализация содержит много нежелательных особенностей. При построении своего анализа авторы опираются на совокупные данные и данные на уровне фирм из результатов первого раунда обзора 1992 года, охватывающего 41 фирму в Московском регионе. Результаты опроса показывают, что большая автономия фирм облегчила использование рыночной власти, но не снизила спрос на легкие кредиты из бюджета или банковской системы.По большей части спрос был удовлетворен, что позволило фирмам удовлетворить текущие требования по заработной плате и, в меньшей степени, поддерживать уровень выпуска. Высокая номинальная прибыль может быть связана либо с ценовым поведением, обусловленным рыночной властью, либо с трансфертами или субсидиями, направляемыми через финансово-денежную систему. Это, в свою очередь, искусственно поддерживало доходную часть государственных счетов. К концу 1992 г. официальная занятость составляла не более 1% рабочей силы, но данные о важности маргинальной безработицы указывают на то, что лежащий в основе переход к открытой безработице будет значительным.К третьему кварталу 1992 года этот «увеличенный» уровень безработицы приблизился к 4 процентам рабочей силы. Несмотря на это, авторы наблюдают нетривиальный отток безработных на рабочие места, а в некоторых регионах — на рабочие места в частном или коллективном секторе. В России преобладает отток рабочих мест в госсектор. Данные опроса показывают значительную текучесть кадров в государственном секторе и устойчивый найм. Похоже, что большая часть сбоев на рынках труда происходит из-за добровольного увольнения и смены места работы. Чистые изменения в занятости были ограниченными и касались в основном вспомогательного или канцелярского персонала.Авторы усматривают основополагающее правило или правило членства, доминирующее в решениях российских компаний, и было бы опасно предполагать, что они будут сохранены. Они интерпретируют это как стратегию холдинга в сложной игре, которую фирмы ведут с государством. Отсутствие заслуживающей доверия программы реформ ослабило любой импульс к крупномасштабной реструктуризации фирм. Заработная плата была более нестабильной и имела региональный разброс, но авторы не прогнозируют значительного последовательного изменения относительной заработной платы. Скорее, траектория заработной платы, вероятно, регулировалась текущими потоками и дополнительными трансфертами, а затем устанавливалась в соответствии с правилом стабильной занятости.Динамика заработной платы в 1992 г. явно связана с изменениями в денежно-кредитной и налогово-бюджетной политике России и связанных с ней институциональных характеристик.

Скачать полный текст от издателя

Цитаты

Цитаты извлекаются проектом CitEc, подпишитесь на его RSS-канал для этого элемента.

Цитируется по:

Марк К. Фоли, 1997. « Динамика рынка труда в России », Рабочие бумаги 780, Центр экономического роста Йельского университета.
Гимпельсон, Владимир и Липпольдт, Дуглас, 1999. « Текучесть рабочей силы в России: данные административной отчетности предприятий в четырех регионах », Серия «Экономика переходного периода» 4, Институт перспективных исследований.
Тичит, Ариан, 2006. « Оптимальная скорость перехода пересмотрен ,» Европейский журнал политической экономии, Elsevier, vol.22 (2), страницы 349-369, июнь.

Исправления

Все материалы на этом сайте предоставлены соответствующими издателями и авторами. Вы можете помочь исправить ошибки и упущения. При запросе исправления укажите дескриптор этого элемента: RePEc: wbk: wbrwps: 1167 . См. Общую информацию о том, как исправить материал в RePEc.

По техническим вопросам, касающимся этого элемента, или для исправления его авторов, названия, аннотации, библиографической информации или информации для загрузки, обращайтесь: (Roula I.Язиги). Общие контактные данные провайдера: http://edirc.repec.org/data/dvewbus.html .

Если вы создали этот элемент и еще не зарегистрированы в RePEc, мы рекомендуем вам сделать это здесь. Это позволяет связать ваш профиль с этим элементом. Это также позволяет вам принимать потенциальные ссылки на этот элемент, в отношении которых мы не уверены.

У нас нет ссылок на этот товар. Вы можете помочь добавить их, используя эту форму .

Если вам известно об отсутствующих элементах, цитирующих этот элемент, вы можете помочь нам создать эти ссылки, добавив соответствующие ссылки таким же образом, как указано выше, для каждого ссылочного элемента.Если вы являетесь зарегистрированным автором этого элемента, вы также можете проверить вкладку «Цитаты» в своем профиле RePEc Author Service, поскольку там могут быть некоторые цитаты, ожидающие подтверждения.

Обратите внимание, что исправления могут занять пару недель, чтобы отфильтровать различные сервисы RePEc.

Рост безработицы и стратегии преодоления: на примере Новосибирской области в России

Страница из

НАПЕЧАТАНО ИЗ ОНЛАЙН-СТИПЕНДИИ ОКСФОРДА (Оксфорд.Universitypressscholarship.com). (c) Авторские права Oxford University Press, 2021. Все права защищены. Отдельный пользователь может распечатать одну главу монографии в формате PDF в OSO для личного использования. дата: 06 марта 2021 г.

Глава:: (стр.151) 7 Растущая безработица и стратегии преодоления: на примере Новосибирской области в России
Источник:: Кризис смертности в странах с переходной экономикой
Автор (ы):: Наталья Чернина
Издательство:: 13

DOI: 10.1093 / acprof: oso / 9780198297413.003.0007

В этой главе рассказывается, как жители России, особенно в Новосибирске, смогли справиться с ростом безработицы, вызванным появлением рынка труда в России. Люди в России — чтобы противостоять ослабляющим последствиям безработицы — проникли на все уровни неформальной экономики, пытаясь интенсифицировать и укрепить свою экономику. Таким образом они смогли приобрести профессиональные навыки, не связанные с их прошлой работой.Данные, использованные в этой главе, были предоставлены Государственным комитетом Российской Федерации по статистике, Управлением Госкомстата по Новосибирской области , и дополнены опросами, проведенными Всероссийским центром изучения общественного мнения.

Ключевые слова: Новосибирская область, рынок труда, безработица, Россия, неформальная экономика, профессиональные навыки

Для получения доступа к полному тексту книг в рамках службы для получения стипендии
Oxford Online требуется подписка или покупка.Однако публичные пользователи могут свободно искать на сайте и просматривать аннотации и ключевые слова для каждой книги и главы.
Пожалуйста, подпишитесь или войдите для доступа к полному тексту.
Если вы считаете, что у вас должен быть доступ к этой книге, обратитесь к своему библиотекарю.
Для устранения неполадок, пожалуйста, проверьте наш FAQs , и если вы не можете найти там ответ, пожалуйста Связаться с нами .
Revista ESPACIOS | Vol. 40 (№ 30), 2019
Vol. 40 (Номер 30) Год 2019. Страница 1
Modelos para a previsão de curto e intermediateário prazo da taxa de desemprego
ТИХОМИРОВА, Татьяна 1 и НЕЧЕТОВА, Алена 2
Поступила: 04.10.2019 • Утверждена: 24.08.2019 • Опубликована 09.09.2019
1. Кафедра математических методов в экономике, Российский экономический университет им. Г.В. Плеханова, Россия. Электронная почта: [email protected]
2. Кафедра математических методов в экономике РЭУ им. Г.В. Плеханова, Россия
Revista ESPACIOS. ISSN 0798 1015

Том. 40 (№ 30) Год 2019
[индекс]
[Если вы обнаружите какие-либо ошибки на этом сайте, отправьте электронное письмо веб-мастеру]
© 2019.revistaESPACIOS.com • ® Права защищены
Содержание
1. Введение
2.Методы
3. Результаты
4. Обсуждение
5. Заключение
Благодарности
Библиографические ссылки
РЕФЕРАТ:
В данной статье представлен обзор методов и методов моделирования безработицы на рынках труда в развитых странах, России и регионах России. В работе представлен набор разработанных автором эконометрических моделей краткосрочного и среднесрочного прогнозирования безработицы в России, адаптированных к условиям экономического развития страны.Авторы обосновывают взаимосвязь между уровнем безработицы и некоторыми факторами, такими как цены на нефть, индекс потребительских настроений, предложенный автором индикатор рынка труда и другие. Также рассмотрите причины расхождений между модельными оценками уровня безработицы в России и данными официальной статистики (2015–2017 гг.), Которые, по всей видимости, связаны со скрытой безработицей в стране.
Ключевые слова: безработица, цены на нефть, индекс настроений потребителей (CSI), эконометрическое моделирование
РЕЗУЛЬТАТ:
Это произведение представляет собой левантацию технологий и методик для моделирования или использования медицинских материалов в России и в регионах России.O trabalho Compartilha um Condições de Modelos Econométricos desenvolvidos por autores para a previsão a curto e médio prazo do desemprego na Rússia, que são Adaptados às condições do desenvolvimento econômico da nação. Os autores субстанции между relação entre o nível de desemprego e alguns fatores, como os preços do petróleo, o ndice de Sentimento do Consumidor, o indicador do mercado de trabalho e outros. Рассматривайте também как causas das variações entre как avaliações do modelo do nível de desemprego na Rússia e os dados estatísticos oficiais (2015-2017), que parecem estar associados ao desemprego oculto no país.
Palabras clave : desemprego, preços do petróleo, Индекс настроений потребителей (CSI), modelagemconométrica
1. Введение
Рынок труда развивается под влиянием множества факторов. Скрытая безработица, межрегиональные миграционные потоки и сезонная занятость затрудняют моделирование процессов на рынке труда. В этой ситуации достаточно сложно получить адекватные оценки безработицы и обосновать действия по ее снижению.Существующий дисбаланс между спросом на рабочую силу и ее предложением ограничивает потенциал как соискателей работы в поиске работы, соответствующей их образованию, так и у работодателей для заполнения вакансий, при этом последние вынуждены в этих условиях сосредоточиться на решении вопросов, связанных с повышением квалификации своей рабочей силы. Это приводит к усилению напряженности на региональных рынках труда и на национальном рынке труда в целом. Все это сигнализирует о необходимости разработки и внедрения на практике комплекса методов управления рынком труда.Важнейшим аспектом такого управления является соответствующее межрегиональное распределение трудовых ресурсов с уделением должного внимания региональному балансу между спросом и предложением рабочей силы (Тихомирова, Сукиасян, 2014; Тихомирова, 2015; Лялина, 2019). Разработка этих методов, в частности, основана на прогнозировании уровня безработицы с использованием различных показателей, включая характеристики безработицы и занятости, индексы предложения работы, различные комплексные характеристики условий труда (оплата, квалификация персонала и т. Д.)) (Тихомирова, Лебедева, 2015; Давыденко и др., 2017; Пленкина, Осиновская, 2018; Тунг, 2019).
В рамках данного исследования авторы исследуют комплекс методик и методов оценки и прогнозирования безработицы в отдельных странах мира и в России. Эти инструменты были адаптированы к источникам информации для этих стран. В статье представлен набор разработанных авторами моделей прогнозирования уровня безработицы в России, основанный на: официальной статистике безработицы (количество зарегистрированных безработных на 1000 человек), расхождении между официальными значениями уровня безработицы и фактическими данными. ед., уровень застрахованной безработицы, Индекс условий на рынке труда и индикатор безработицы в периоды роста.Все эти индикаторы характеризуют безработицу на рынке труда в целом, но каждый из них также отражает определенные его специфические характеристики. Соответственно, их включение в модели, отражающие динамику этого явления, помогает повысить надежность моделей и повысить их прогностический потенциал.
В целом модели прогнозирования безработицы, используемые в практике управления занятостью, можно разделить на две основные группы: краткосрочные и среднесрочные.Ниже приводится подробное описание каждого из этих типов моделей.
2. Методы
2.1. Методы краткосрочного прогнозирования
В литературе предлагаются различные методы для составления краткосрочных прогнозов безработицы. Большинство этих методов основано на использовании моделей ARIMA, которые связывают текущие значения его индикаторов с его уровнями за прошлые периоды. Такой способ представления процесса безработицы обычно оправдан, когда существует стабильная экономическая ситуация, которая предопределяет определенные устойчивые закономерности в ее динамике.Когда ситуация меняется, эти паттерны, естественно, заменяются другими паттернами. В этом контексте достоверность прогнозов безработицы, полученных с помощью моделей ARIMA, зависит от обоснования предположений о сохранении стабильной ситуации, при которой эти модели были разработаны. Это предположение можно считать оправданным, когда речь идет о краткосрочных прогнозах, что предопределяет целесообразность использования моделей этого класса именно для краткосрочного прогнозирования безработицы.
Например, в США они используют модель ARMA (3,1) для прогнозирования индекса условий на рынке труда (LMCI). Этот индекс рассчитывается на основе 19 основных показателей, включая безработицу (Chung, Fallick, Nekarda, & Ratner, 2014). Использование этой модели позволяет компенсировать незначительные колебания факторов индекса, выявить ключевой тренд в его динамике и получить достаточно надежные краткосрочные прогнозные оценки его значений. Однако специфика характеристик индекса не позволяет широко использовать его для моделирования рынка труда в других странах.Кроме того, относительно низкая прогностическая способность модели ARMA (3,1), которая обеспечивает надежные прогнозы LMCI только на основе двух точек, с последующими прогнозируемыми значениями, характеризующимися более низкой надежностью и значительным доверительным интервалом.
Модели авторегрессии также используются в Великобритании для оценки рынка труда. В частности, работы Н. Макларена и Р. Шанбхога (2011), а также Н. Аскитаса и К.Ф. Циммерман (2009) представляет прогнозы безработицы, разработанные на основе этих моделей.Обратите внимание, что авторы использовали в качестве исходных данных различия в уровнях безработицы, зарегистрированные официальными статистическими источниками и различными источниками в Интернете.
Исследователи также использовали модели авторегрессии для оценки рынка труда в Италии. Например, в работе C. Lacava (2008) исследуются такие модели, как ARIMA, SARIMA (модель ARIMA с сезонностью) и ARTM (аддитивная регуляризация тематических моделей), используемые для описания динамики безработицы (на основе пола, образования). уровень и регион).
Здесь стоит отметить, что указанные выше варианты модели типа ARIMA разработаны для конкретных регионов и, как правило, не адекватны условиям развития безработицы в других регионах с определенными отличительными особенностями.
По результатам сравнения фактических данных по безработице с прогнозными значениями, полученными для различных штатов на основе вышеуказанных вариантов модели, прогностические возможности моделей практически совпадают.Для некоторых штатов оценки уровня безработицы, полученные с помощью Модели 1, лучше, чем оценки, полученные с помощью Модели 2, в то время как для других все наоборот. В опубликованном ежемесячном прогнозе уровня безработицы в штатах Пенсильвания, Нью-Джерси и Делавэр на период с января 2008 года по август 2010 года фактический уровень безработицы соответствовал 90% прогнозируемых значений. Ранее аналогичный метод (Fernández, Menéndez, & Suárez, 2004) использовался для прогнозирования занятости в различных секторах испанского региона Астурия, хотя модели типа ARIMA, по-видимому, продемонстрировали лучшие прогностические результаты.
Приведенные выше варианты модели безработицы отвечают требованиям операционной эффективности, учитывают региональные особенности и являются достаточно универсальными для американских штатов. Однако их нельзя использовать в отношении многих стран мира, поскольку по регионам отсутствует статистическая информация о переменных ежемесячных изменений застрахованной безработицы и текущего индекса занятости.
Подобные модели авторегрессии для оценки безработицы были предложены в работах российских и других стран исследователей (Schanne, Wapler, & Weyh, 2010; Семерикова, Демидова, 2016; Суханова, Ширнаева, 2016).Полученные на их основе краткосрочные прогнозы безработицы характеризуются достаточно высокой степенью согласованности с фактическими данными, что свидетельствует о возможности их использования в оперативном управлении безработицей на региональных рынках труда.
2.2. Методы среднесрочного прогнозирования
Для среднесрочных прогнозов безработицы можно использовать многофакторные эконометрические модели, которые помогут выявить ключевые закономерности в ее развитии со ссылкой на влияние на нее социально-экономических процессов.
Подобные модели использовались для оценки безработицы многими исследователями по всему миру (Mason, 2011; Malizia & Ke, 1993). У них уровень безработицы в определенной стране или регионе внутри нее зависит от набора факторов, характеризующих социально-экономическую ситуацию. Эти факторы включают уровень доходов, уровень развития различных секторов экономики, качество жизни и многие другие. Некоторые исследователи также добавили миграцию к этому списку факторов (Израэли и Мерфи, 2003; Маккормик и Шеппард, 1992; Лоусон и Дуайер, 2002).
Особого внимания заслуживает многофакторная модель оценки уровня безработицы, предложенная в работе А.С. Цайльстра и Дж. П. Эльхорст (2006). Модель отличается тем, что она включает в себя различные типы факторов: региональные и макроэкономические. Таким образом, модель одновременно учитывает взаимосвязь между безработицей и внешней и внутренней экономикой, что позволяет более точно оценивать изучаемый процесс, а также моделировать структурные характеристики региональных рынков труда.
Наибольшее количество факторов используется в рамках многофакторных моделей оценки безработицы, описанных в работе П. Хубера (2013). Одна из моделей включает 26 факторов источника, а вторая — 34 фактора. По мнению авторов, использование такого количества переменных в модели не очень эффективно. В попытке добиться наилучшего приближения модельных значений исследователь включает в модель большое количество факторов, что часто сопровождается различными эффектами, такими как, например, мультиколлинеарность, искажающая значимость влияния каждого из них. от зависимой переменной.При использовании множества факторов также не удастся устранить эффект мультиколлинеарности специальными методами (например, методом главных компонент). Кроме того, чтобы достоверно оценить параметры таких многофакторных моделей, потребуется значительное количество наблюдений, которые не всегда доступны.
3. Результаты
3.1. Прогноз уровня безработицы в России с использованием модели ARIMA
В рамках данного исследования для создания краткосрочных прогнозов безработицы в России авторы разработали модель авторегрессии ARIMA (2,2,0), которая использует интегрированный массив месячных значений уровня безработицы U _t В стране , при этом в качестве исходных данных взяты значения безработицы за период с октября 1994 г. по октябрь 2017 г. (3):
3.2. Модель безработицы, основанная на факторах опережающего влияния
Повышение достоверности прогнозов уровня безработицы также связано с предварительным обоснованием определенного этапа в его динамике. В простейшем случае такой фазой может быть ее увеличение или уменьшение. Этот подход является новым и еще не получил широкого применения в науке. Обоснование этого было дано в работах К.А. Fleischman и J.M. Roberts (2011) и R. Barnichon и C.J. Nekarda (2012), в которых предлагается моделировать периоды роста и снижения безработицы отдельно.
Модель ожидаемого роста безработицы представляет собой многофакторную эконометрическую взаимосвязь с запаздывающими экзогенными переменными, представленными избранными социально-экономическими и финансовыми показателями, которые определяют рост в этом явлении. Причина использования этих индикаторов вместо классических заключается в том, что они первыми реагируют на изменения макроэкономической ситуации в стране, что, в свою очередь, помогает моделировать прогнозируемые значения безработицы и оценивать будущую реакцию рынка труда на эти изменения.
Модель ожидаемого роста безработицы, разработанная авторами для России на основе использования ежемесячных данных за период с октября 1994 г. по октябрь 2017 г., представлена следующим уравнением (5):
Коэффициент детерминации модели выше 90%.
Причиной раздельного моделирования безработицы на основе фаз роста и спада является сама природа этого явления — его цикличность и асимметрия, включая гендерную асимметрию.В частности, вопросы, связанные с раздельным моделированием периодов роста и снижения безработицы из-за ее цикличности, исследовались в работах Р. Барничона (2012), А. Голана и Дж. М. Перлоффа (2004). Между тем акцент на эффекте асимметрии при моделировании безработицы прослеживается в работах П. Ротмана (1998), К. Миласа и Р. Ротман (2008), С. Мошири, Л. Браун (2004) и К.Г. Абазиева, М.В. Гришин (2010).
3.3. Многофакторная регрессионная модель оценки уровня безработицы
Для составления среднесрочных прогнозов уровня безработицы в России авторы разработали специальную многофакторную регрессионную модель.Модель учитывает различные социально-экономические показатели, которые объясняют динамику этого явления в России.
Чтобы предотвратить влияние мультиколлинеарности этих факторов на оценки коэффициентов модели, при их получении авторы использовали метод главных компонент. В соответствии с этим методом авторы использовали годовые значения выбранных факторов за период 1994–2017 гг., Чтобы составить интегральный показатель социально-экономического благополучия, рассматриваемый как единственная переменная, которая объясняет закономерности изменения уровня безработицы в страна.Этот индекс был определен как линейная комбинация стандартизованных значений факторов согласно следующему выражению (7):
Модель
Model 10 неплохо приближает процесс безработицы, его коэффициент детерминации превышает 88%.
4. Обсуждение
Модель ARIMA (2,2,0) (Выражение 4) зарекомендовала себя как достаточно надежный инструмент для получения краткосрочных оценок уровня безработицы в России.По его оценкам на 1–3 месяца уровень безработицы в стране составит 5,4–5,6%.
Поскольку модель основана на ретроспективном анализе фактических временных рядов процесса, она не учитывает влияние внешних факторов на безработицу. В этом контексте, если мониторинг безработицы направлен исключительно на отрицательную динамику показателя, то есть на рост безработицы, было бы более эффективно использовать модель ожидаемого роста безработицы, основанную на опережающих факторах влияния.Что делает такие модели уникальными, так это использование устойчивых соотношений запаздывания между уровнем безработицы и факторами опережающего влияния, которые были бы более эластичными по отношению к изменениям в макроэкономике и сигнализировали о предстоящем росте безработицы.
Выбор цен на нефть марки Brent и CSI в качестве индикаторов безработицы в России был обусловлен их значимостью как характеристик экономической ситуации в стране. Цены на нефть является движущей силой российской экономики из-за его укоренившееся внимание на ресурсах (Тихомирова и Nechetova, 2014).Что касается CSI, то он отражает реакцию населения на социально-экономическую ситуацию в стране.
Исследователи Т.М. Тихомирова, А.Ю. Нечетова (2017) использовала методы фазового анализа, которые помогают компенсировать эффекты волатильности рассматриваемых временных рядов (уровень безработицы, цены на нефть и CSI), чтобы установить зависимость лага между CSI и ценами на нефть и . уровень безработицы на основе квартальных и ежемесячных данных. В частности, было доказано, что CSI опережает уровень безработицы на один месяц, а цену на нефть — на 4 месяца.
Исходя из коэффициентов эластичности авторской модели 6, при росте цены на нефть на 10 долларов за баррель уровень безработицы в России снижается на 0,47%, а при увеличении CSI на 10% следует ожидать падения цен на нефть на 0,44%. уровень безработицы.
На рис. 1 представлены графики, отражающие динамику фактических ежемесячных данных по безработице в России и их оценок, полученных с помощью Модели 6 за период 1994–2017 гг.
Рисунок 1
Сравнение динамики фактических значений уровня безработицы в России
с его оценками, полученными с помощью Модели 6 (1994–2017).
Графики, представленные на Рисунке 1, также свидетельствуют об увеличении расхождения между фактическими и модельными значениями уровня безработицы в период с 2015 по 2017 год — модельная оценка превышает фактические значения на 5-6%. По мнению авторов, эти различия могут свидетельствовать о скрытой безработице в России, которую трудно измерить или оценить.
Одним из способов занижения уровня безработицы является перевод работников с полного рабочего дня на неполный.Этот вопрос носит международный характер и неоднократно становился предметом обсуждения на заседаниях Международной организации труда (МОТ). Аналитики МОТ определили несколько других форм занятости, которые часто используются для занижения уровня официальной безработицы: временная или подработка, онлайн-занятость, множественная занятость и самозанятость.
Россия в настоящее время также сталкивается с проблемой увеличения количества сотрудников, работающих неполный рабочий день.На официальном сайте Росстата представлены статистические данные о количестве работников, для которых переход с полного рабочего дня на неполный был осуществлен исключительно по инициативе работодателя. Например, в третьем квартале 2014 года (начальный период отклонения модельных значений безработицы от фактических) в России общее количество сотрудников, работающих неполный рабочий день по инициативе работодателя, составляло 81 000 человек. Во втором квартале 2016 года эта цифра достигла 147000 человек, увеличившись на 1.8 раз. В первом квартале 2017 года количество сотрудников, работающих неполный рабочий день по инициативе работодателя, сократилось незначительно — до 132 тысяч. Темпы роста этого показателя свидетельствуют о том, что в последние несколько лет люди были вынуждены работать на не устраивающих их условиях, но не считались безработными.
Таким образом, сравнение модельного и официально зарегистрированного уровня безработицы может помочь определить размер его скрытой составляющей. Кроме того, описанные выше модели безработицы могут также помочь оценить систематические искажения в официальных статистических данных.Авторы считают, что эти искажения связаны с занижением реальных уровней. Об этом свидетельствует тот факт, что средний уровень безработицы в России за рассматриваемый 20-летний период составляет около 8%. В то же время аналогичное значение, характеризующее среднее значение безработицы в периоды ее роста, в Модели 6 составило 14,5%, исходя из факторов опережающего влияния. Таким образом, при сравнении двух значений можно сделать вывод, что при неизменных условиях внешней среды уровень безработицы в России не будет более 8%, а в кризисных ситуациях, под влиянием конъюнктуры мирового рынка, он может вырасти до 14. .5%.
Влияние факторов, характеризующих макроэкономическую ситуацию в стране, на уровень безработицы показано графиками, отражающими динамику интегрального индекса социально-экономической ситуации в стране () и уровня безработицы в период 1994–2017 гг. На рисунке 2.
Для среднесрочных прогнозов безработицы в России можно использовать многофакторную регрессионную модель, которая включает в качестве объясняющей переменной интегральный макроэкономический показатель социально-экономического развития, полученный на основе метода основных компонентов (см. Модель 10).
Рисунок 2
Динамика уровня безработицы и интегральный индекс
социально-экономического благополучия в России (1994–2017 гг.).
В целом данные графики свидетельствуют о том, что увеличение значений интегрального показателя, характеризующего улучшение социально-экономического положения страны, сопровождается снижением уровня безработицы. Другими словами, эти процессы в рассматриваемом периоде характеризуются отрицательной корреляцией.Определенный интерес представляют изменения динамики показателей за последние три года. Следует отметить, что, хотя в период с 2014 по 2016 год произошло значительное снижение значений интегрального показателя, уровень безработицы в 2016 году немного вырос по сравнению с 2014 годом, и это с учетом того, что в 2015 году наблюдался рост безработицы. Это может свидетельствовать о занижении значений уровня безработицы официальными источниками. Исходя из коэффициентов эластичности в Модели 10, при увеличении интегрального показателя социально-экономического благополучия на 10 единиц в предыдущий момент времени уровень безработицы в текущем периоде снизится на 2%.На рисунке 3 показано сравнение набора фактических и расчетных значений уровня безработицы, полученных на основе Модели 10.
Рисунок 3
Сравнение динамики фактических значений безработицы в России
с прогнозными значениями, полученными с помощью Модели 10 (1994–2019).
Как видно из графиков на рисунке 3, модельные уровни безработицы в России в период 2015–2017 гг. Были несколько выше официальных (примерно на 6-7%), что также свидетельствует о занижении реальных значений.Согласно прогнозу модели 10, в 2019 году уровень безработицы в России составит 5,83%.
Данная модель позволяет получать среднесрочные оценки безработицы не только для рынка труда России в целом, но и для каждого отдельного региона.
5. Заключение
При разработке прогнозов уровня безработицы в стране и ее регионах, это может помочь учесть целый ряд условий, которые определяют цели проекта, характеристики постановки задачи прогнозирования, состав и объем исходной информации, взаимосвязь между отдельными показателями и т. д.
В основе разработки краткосрочных прогнозов безработицы (на 1–3 периода) лежат предположения о стабильности социально-экономического положения страны, влияющей на ее уровень, и сохранении устойчивых закономерностей в ее динамике в ближайшем будущем. будущее. Эти последовательные модели могут с достаточной достоверностью описываться моделями ARIMA, в которых уровень безработицы в текущем периоде определяется их значениями в предыдущие периоды.
В частности, при прогнозировании уровня безработицы на несколько месяцев хорошие результаты были достигнуты с использованием модели ARIMA (2,2,0), которая отражает линейную зависимость между вторым увеличением безработицы в текущем периоде с аналогичным увеличением в двух предыдущих периодах. периоды.
В то же время модели ARIMA не позволяют получить достоверные результаты, когда происходит изменение ситуации в стране или регионе, которое влечет за собой изменение закономерностей в динамике безработицы.В такой ситуации более надежные прогнозы безработицы можно получить с помощью многофакторных эконометрических моделей, которые учитывают влияние на нее факторов, предопределяющих закономерности ее развития. Эти факторы обычно включают ключевые макроэкономические показатели, характеризующие экономическую ситуацию в стране или регионе. В частности, при разработке таких моделей для России можно использовать баланс видимой торговли, расходы населения, коэффициент выбытия активов, коэффициент чистой миграции и инфляцию.
Ключевым вопросом при разработке многофакторных моделей прогнозирования безработицы является необходимость предотвращения влияния возможных корреляционных взаимосвязей между факторами на оценки их коэффициентов. Когда они есть, может быть целесообразно оценить коэффициенты моделей, используя метод основных компонентов. На основе этого метода авторы внедрили для России интегральный показатель, характеризующий состояние национальной экономики, влияющее на уровень безработицы.В частности, этот показатель свидетельствует о том, что увеличение уровня безработицы в стране связано с увеличением уровня выбытия активов и увеличением миграции и инфляции, а его снижение — с увеличением темпов экономического роста.
Эконометрические модели с главными компонентами представляются достаточно эффективным инструментом для прогнозирования уровня безработицы в России на среднесрочный период не более трех лет. При этом реальный прогностический потенциал зависит от достоверности оценок характеристик экономической ситуации в стране в течение прогнозируемого периода.
При прогнозировании безработицы в периоды ее роста или снижения может помочь использование многофакторных эконометрических моделей, которые учитывают опережающее влияние определенных макроэкономических показателей на их уровень. В работе, в частности, показано, что в число этих факторов в России могут входить цены на нефть и CSI, которые предопределяют изменения уровня безработицы на четыре и один месяц, соответственно, вперед.
Многофакторные модели безработицы, полученные для России, также заставили авторов рискнуть заявить о занижении фактических значений безработицы, что, помимо прочего, связано с официальной документацией, не включающей данные о скрытой безработице (связанной с неполной занятостью). , обязательный отпуск и другие их виды).
Благодарности
Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (проект № 18-010-00513 «Разработка стратегии перехода России к расширенному воспроизводству»).
Библиографические ссылки
Абазиева К.Г., Гришин М.В. (2010). Гендерная асимметрия безработицы: Общая динамика и влияние кризиса. Учет и статистика, 3, 53–60. (на русском).
Аскитас, Н., Циммерман, К. Ф. (2009). Эконометрика Google и прогнозирование безработицы. Applied Economics Quarterly, 55 (2), 107–120.
Барничон Р. (2012, март). Размещение вакансий, увольнение и колебания безработицы. Журнал экономической динамики и управления, 36 (3), 315–330.
Барничон, Р., Некарда, К. Дж.(2012, 21 ноября). Тонкости прогнозирования безработицы: использование потоков рабочей силы для прогнозирования рынка труда (Рабочий документ FEDS № 2013-19). Получено с веб-сайта Федеральной резервной системы: https://www.federalreserve.gov/pubs/feds/2013/201319/201319pap.pdf
Чанг, Х. Т., Фаллик, Б., Некарда, К. Дж., И Ратнер, Д. Д. (декабрь 2014 г.). Оценка изменения условий на рынке труда (Рабочий документ ФРС № 2014-109). Получено с веб-сайта Федеральной резервной системы: https: // www.Federalreserve.gov/econresdata/feds/2014/files/2014109pap.pdf
Давыденко В.А., Каймерчик Ю., Ромашкина Г.Ф., Żelichowska, E. (2017). Разнообразие стимулов для сотрудников с точки зрения сотрудников банков в Польше — эмпирический подход. Предпринимательство и вопросы устойчивого развития, 5 (1), 116-126.
Фернандес, М. М., Менендес, А. Х. Л., и Суарес, Р. П. (2004). Определение сценариев с помощью моделей сменного распределения.Заявление в областной отдел трудоустройства . Доклад, представленный на конференции «Регионы и бюджетный федерализм»: 44-й Конгресс Европейской региональной научной ассоциации (ERSA), Порту, Португалия. Получено с https://www.econstor.eu/bitstream/10419/117193/1/ERSA2004_454.pdf
.
Флейшман, К. А., и Робертс, Дж. М. (2011, октябрь). Из многих серий, один цикл: улучшенные оценки бизнес-цикла на основе многомерной модели ненаблюдаемых компонентов (Рабочий документ FEDS No.2011-46). Получено с веб-сайта Федеральной резервной системы: https://www.federalreserve.gov/Pubs/feds/2011/201146/201146pap.pdf
Голан А. и Перлофф Дж. М. (2004). Превосходные прогнозы уровня безработицы в США с использованием непараметрического метода. Обзор экономики и статистики, 86 (1), 433–438.
Хубер П. (2013). Институты рынка труда и региональные различия в безработице (Рабочий документ WWWforEurope № 29). Получено с https: // www.econstor.eu/bitstream/10419/125681/1/WWWforEurope_WPS_no029_MS95.pdf
Израэли, О., и Мерфи, К. Дж. (2003). Влияние промышленного разнообразия на уровень безработицы в штате и доход на душу населения. Летопись региональной науки, 37 (1), 1–14.
Malizia, E., & Ke, S. (1993, май). Влияние экономического разнообразия на занятость и стабильность. Journal of Regional Science, 33 (2), 221–235.
Мейсон, С.(2011). Неравенство в региональной безработице и влияние промышленного разнообразия (магистерская диссертация, Университет Южного Креста, Новый Южный Уэльс, Австралия). Получено с https://epubs.scu.edu.au/cgi/viewcontent.cgi?article=1257&context=theses
.
Маккормик Б. и Шеппард С. (1992, март). Модель регионального сокращения и безработицы. Экономический журнал, 102 (411), 366–377.
Макларен, Н., и Шанбхог, Р.(2011). Использование данных поиска в Интернете в качестве экономических показателей. Ежеквартальный бюллетень Банка Англии, 51 (2), 134–140.
Милас, К., & Ротман, Р. (2008). Прогнозирование уровня безработицы вне выборки с использованием объединенных прогнозов STVECM. Международный журнал прогнозирования, 24 (1), 101–121.
Мошири С. и Браун Л. (2004 г., ноябрь). Вариация безработицы в течение бизнес-циклов: сравнение моделей прогнозирования. Journal of Forecasting, 23 (7), 497–511.
Лакава, К. (2014). Прогнозирование индикаторов рынка труда: макро vs микро . Получено с https://editorialexpress.com/cgi-bin/conference/download.cgi?db_name=IAAE2014&paper_id=453
.
Лоусон, Дж. И Дуайер, Дж. (2002, июнь). Регулировка рынка труда в Австралии (аналитический доклад RBA № 2002-04). Получено с веб-сайта Резервного банка Австралии: https://www.rba.gov.au/publications/rdp/2002/pdf/rdp2002-04.pdf
Лялина, А. (2019). Безопасность рынка труда в свете внешней трудовой миграции: новые теоретические выводы. Проблемы предпринимательства и устойчивости, 6 (3), 1105-1125.
Пленкина, В.В. Осиновская, И. (2018). Совершенствование системы стимулирования и стимулирования труда в нефтяных компаниях. Проблемы предпринимательства и устойчивого развития, 6 (2), 912-926.
Ротман, П.(1998). Прогнозирование асимметричного уровня безработицы. Обзор экономики и статистики, 80 (1), 164–168.
Шанн, Н., Ваплер, Р., и Вей, А. (2010). Прогнозы региональной безработицы с пространственной взаимозависимостью. Международный журнал прогнозирования, 26 (4), 908–926.
Семерикова Е.В., Демидова О.А. (2016). Использование пространственных эконометрических моделей при прогнозе регионального уровня безработицы. Прикладная эконометрика, 3, 29–51. (на русском).
Сен, Э. (октябрь 2010 г.). Уровень безработицы в штате в настоящее время составляет человек. Получено с https://www.philadelphiafed.org/-/media/research-and-data/publications/research-rap/2010/state-unemployment-rate-nowcasts.pdf
.
Суханова Е.И., Ширнаева С.Ю. (2016). Прогнозирование уровня безработицы: эконометрический подход. Наука XXI века: Актуальные направления развития, 1-2, 226–231. (на русском).
Тихомирова Т.М., Нечетова А.Ю. (2014). Эконометрические модели оценки уровня безработицы в регионах РФ в ресурсоориентированной экономике // Экономика. Экономика Природопользования, 3, 4–25. (на русском).
Тихомирова Т.М., Сукиасян А.Г. (2014). Модифицированные оценки человеческого потенциала в регионах Российской Федерации с учетом рисков потери здоровья и социальной напряженности. Регион Экономика, 4, 164–177.
Тихомирова Т. М. (2015). Учет кадровой потребности регионов РФ в прогнозировании структуры выпуска специалистов профессиональной подготовки // Финансы. Федерализм, 3, 55–74. (на русском).
Тихомирова Т.М., Лебедева Ю.С. (2015). Статистическое моделирование миграционной привлекательности стран-членов ЕС. Журнал современных прикладных статистических методов, 14 (2), 257–274.
Тихомирова Т.М., Нечетова А.Ю. (2017). Краткосрочное прогнозирование безработицы на основе факторов опережающего влияния. Федерализм, 2, 7–22. (на русском).
Тунг, Л. Т. (2019). Роль страхования от безработицы в устойчивом развитии Вьетнама: обзор и последствия для политики. Проблемы предпринимательства и устойчивости, 6 (3), 1039-1055.
Zeilstra, A. S., & Elhorst, J. P. (2006, сентябрь). Уровень безработицы на региональном и национальном уровнях Европейского Союза: комплексный анализ . Доклад представлен на расширении, Южная Европа и Средиземноморье: 46-й Конгресс Европейской региональной научной ассоциации (ERSA), Волос, Греция.Получено с http://www-sre.wu.ac.at/ersa/ersaconfs/ersa06/papers/73.pdf
% PDF-1.4 % 1 0 obj > эндобдж 4 0 obj (\ 376 \ 377 \ 000M \ 000a \ 000i \ 000n \ 000 \ 040 \ 000s \ 000t \ 000a \ 000t \ 000i \ 000s \ 000t \ 000i \ 000c \ 000a \ 000l \ 000 \ 040 \ 000f \ 000i \ 000n \ 000d \ 000i \ 000n \ 000g \ 000s) эндобдж 5 0 obj > эндобдж 8 0 объект (\ 376 \ 377 \ 000P \ 000o \ 000p \ 000u \ 000l \ 000a \ 000t \ 000i \ 000o \ 000n \ 000 \ 040 \ 000d \ 000i \ 000s \ 000t \ 000r \ 000i \ 000b \ 000u \ 000t \ 000i \ 000o \ 000n \ 000 \ 040 \ 000o \ 000f \ 000 \ 040 \ 000t \ 000h \ 000e \ 000 \ 040 \ 000C \ 000I \ 000S \ 000 \ 040 \ 000c \ 000o \ 000u \ 000n \ 000t \ 000r \ 000i \ 000e \ 000s) эндобдж 9 0 объект > эндобдж 12 0 объект (\ 376 \ 377 \ 000F \ 000u \ 000r \ 000t \ 000h \ 000e \ 000r \ 000 \ 040 \ 000d \ 000e \ 000m \ 000o \ 000g \ 000r \ 000a \ 000p \ 000h \ 000i \ 000c \ 000s \ 000 \ 040 \ 000a \ 000n \ 000d \ 000 \ 040 \ 000p \ 000o \ 000p \ 000u \ 000l \ 000a \ 000t \ 000i \ 000o \ 000n \ 000 \ 040 \ 000d \ 000y \ 000n \ 000a \ 000m \ 000i \ 000c \ 000 с) эндобдж 13 0 объект > эндобдж 16 0 объект (\ 376 \ 377 \ 000E \ 000d \ 000u \ 000c \ 000a \ 000t \ 000i \ 000o \ 000n \ 000a \ 000l \ 000 \ 040 \ 000l \ 000e \ 000v \ 000e \ 000l \ 000 \ 040 \ 000a \ 000n \ 000d \ 000 \ 040 \ 000t \ 000e \ 000r \ 000t \ 000i \ 000a \ 000r \ 000y \ 000 \ 040 \ 000e \ 000d \ 000u \ 000c \ 000a \ 000t \ 000i \ 000o \ 000n) эндобдж 17 0 объект > эндобдж 20 0 объект (\ 376 \ 377 \ 000E \ 000m \ 000p \ 000l \ 000o \ 000y \ 000m \ 000e \ 000n \ 000t \ 000 \ 040 \ 000a \ 000n \ 000d \ 000 \ 040 \ 000u \ 000n \ 000e \ 000m \ 000p \ 000л \ 000o \ 000y \ 000m \ 000e \ 000n \ 000t) эндобдж 21 0 объект > эндобдж 24 0 объект (\ 376 \ 377 \ 000I \ 000n \ 000c \ 000o \ 000m \ 000e \ 000 \ 040 \ 000a \ 000n \ 000d \ 000 \ 040 \ 000l \ 000i \ 000v \ 000i \ 000n \ 000g \ 000 \ 040 \ 000s \ 000t \ 000a \ 000n \ 000d \ 000a \ 000r \ 000d \ 000s) эндобдж 25 0 объект > эндобдж 28 0 объект (\ 376 \ 377 \ 000D \ 000a \ 000t \ 000a \ 000 \ 040 \ 000s \ 000o \ 000u \ 000r \ 000c \ 000e \ 000s \ 000 \ 040 \ 000a \ 000n \ 000d \ 000 \ 040 \ 000a \ 000v \ 000a \ 000i \ 000l \ 000a \ 000b \ 000i \ 000l \ 000i \ 000t \ 000y) эндобдж 29 0 объект > эндобдж 32 0 объект (\ 376 \ 377 \ 000M \ 000e \ 000t \ 000h \ 000o \ 000d \ 000o \ 000l \ 000o \ 000g \ 000y \ 000 \ 040 \ 000 / \ 000 \ 040 \ 000M \ 000e \ 000t \ 000a \ 000d \ 000a \ 000t \ 000a) эндобдж 33 0 объект > эндобдж 35 0 объект (\ 376 \ 377 \ 000C \ 000o \ 000n \ 000t \ 000e \ 000x \ 000t) эндобдж 36 0 объект > эндобдж 38 0 объект (\ 376 \ 377 \ 000S \ 000e \ 000e \ 000 \ 040 \ 000a \ 000l \ 000s \ 000o) эндобдж 39 0 объект > эндобдж 41 0 объект (\ 376 \ 377 \ 000F \ 000u \ 000r \ 000t \ 000h \ 000e \ 000r \ 000 \ 040 \ 000E \ 000u \ 000r \ 000o \ 000s \ 000t \ 000a \ 000t \ 000 \ 040 \ 000i \ 000n \ 000f \ 000o \ 000r \ 000m \ 000a \ 000t \ 000i \ 000o \ 000n) эндобдж 42 0 объект > эндобдж 45 0 объект (\ 376 \ 377 \ 000D \ 000a \ 000t \ 000a \ 000 \ 040 \ 000v \ 000i \ 000s \ 000u \ 000a \ 000l \ 000i \ 000s \ 000a \ 000t \ 000i \ 000o \ 000n) эндобдж 46 0 объект > эндобдж 48 0 объект (\ 376 \ 377 \ 000M \ 000a \ 000i \ 000n \ 000 \ 040 \ 000t \ 000a \ 000b \ 000l \ 000e \ 000s) эндобдж 49 0 объект > эндобдж 51 0 объект (\ 376 \ 377 \ 000D \ 000a \ 000t \ 000a \ 000b \ 000a \ 000s \ 000e) эндобдж 52 0 объект > эндобдж 54 0 объект (\ 376 \ 377 \ 000D \ 000e \ 000d \ 000i \ 000c \ 000a \ 000t \ 000e \ 000d \ 000 \ 040 \ 000s \ 000e \ 000c \ 000t \ 000i \ 000o \ 000n) эндобдж 55 0 объект > эндобдж 57 0 объект (\ 376 \ 377 \ 000S \ 000o \ 000u \ 000r \ 000c \ 000e \ 000 \ 040 \ 000d \ 000a \ 000t \ 000a \ 000 \ 040 \ 000f \ 000o \ 000r \ 000 \ 040 \ 000t \ 000a \ 000b \ 000l \ 000e \ 000s \ 000 \ 040 \ 000a \ 000n \ 000d \ 000 \ 040 \ 000f \ 000i \ 000g \ 000u \ 000r \ 000e \ 000s \ 000 \ 040 \ 000 \ 050 \ 000M \ 000S \ 000 \ 040 \ 000E \ 000x \ 000c \ 000e \ 000l \ 000 \ 051) эндобдж 58 0 объект > эндобдж 60 0 объект (\ 376 \ 377 \ 000E \ 000x \ 000t \ 000e \ 000r \ 000n \ 000a \ 000l \ 000 \ 040 \ 000l \ 000i \ 000n \ 000k \ 000s) эндобдж 61 0 объект > эндобдж 75 0 obj> транслировать x ڥ rEU @ Ea ^ xke˩E9 @ $ D «گ O? f @ | zzzz = 2HWq» Y_J $ ITF «όҞ-rZ (> tW_o Ul; ҉ ~]] ~ pI! H &} w}> G2 wQ e & F9o7 ա c9V & 6y
Структурные и временные факторы экономического роста в России
Обновление прогноза в основном заключается в улучшении ожиданий темпов восстановления экономики в 2021–2022 годах в базовом сценарии. Степень ожидаемой мягкости денежно-кредитной политики также была скорректирована. Краткосрочные и долгосрочные рыночные ставки будут ниже, чем ожидалось ранее, поскольку инфляция может отклоняться от целевого значения в течение значительного периода времени. Рубль будет укрепляться относительно уровней середины ноября во всех трех сценариях (на 4-15%), но графики будут отличаться. Налогово-бюджетная политика будет оставаться стимулирующей в течение 2021 года, но крупные дефициты в 2020-2021 годах будут постепенно уменьшаться с возвратом к бюджетному правилу.
Из-за антипандемических ограничений и падения внешнего спроса в 2021 году российская экономика продолжит работать ниже своего потенциала. В среднем годовое отклонение ВВП от потенциального уровня составит около -8% по сравнению с -4,5 −5% в 2019 году. Приближение к потенциальному уровню в 2021–2022 годах будет происходить в основном за счет восстановления занятости и загрузки производственных мощностей. Это станет возможным благодаря значительно менее строгим ограничениям, вводимым во время повторных волн пандемии, а также постепенному улучшению внешней среды.В результате экономика будет расти быстрее, чем ее потенциал.
Потенциальные темпы экономического роста после 2023 года превысят 2%. Это станет возможным благодаря ожидаемому временному увеличению имеющихся трудовых ресурсов (из-за бэби-бума 1980-х годов и эффекта пенсионной реформы), а также Российский рынок продолжает адаптироваться к шоку 2014–2015 гг. Положительные эффекты государственной политики и долгосрочные последствия пандемии, вероятно, будут сравнительно менее заметными.
Нынешний экономический спад почти несопоставим с тремя предыдущими российскими кризисами по глубине и серьезности. Что касается спада деловой активности, текущий кризис более серьезен, чем предыдущие, но характеризуется более стабильными ценами на основных макро-рынках (кредитный, валютный и рынок труда). Поскольку процесс адаптации сосредоточен в отдельных отраслях, долгосрочные последствия кризиса могут быть небольшими по историческим меркам.
Обновление индикаторов прогноза
См. Макроэкономический прогноз АКРА Вопросы и уроки экономического кризиса 2020 года от 21 апреля 2020 года.
Допущения и динамика показателей базового сценария в макроэкономическом прогнозе практически не изменились по сравнению с предыдущей версией. Качественные изменения в базовом сценарии коснулись двух элементов:
1. Динамика восстановления экономики в 2021–2023 годах стала более реалистичной.АКРА оставило свою оценку глубины спада 2020 года без изменений, но пересмотрело вклад структурных и циклических факторов. Большее влияние последнего предполагает более быстрое восстановление ( стр. 4-6, ). В частности, в 2021 году ВВП в реальном выражении может вырасти более чем на 3,5% из-за значительно менее строгих ограничений, введенных во время новых волн COVID-19. Это положительно сказывается на активности в сфере услуг, снижение которой составляет 60-70% от общего спада деловой активности в 2020 году.
2. АКРА также пересмотрело свои ожидания относительно мягкости денежно-кредитной политики Банка России. Факторы, позволившие снизить краткосрочные процентные ставки, и общая логика принятия решений регулятора описаны в исследовании АКРА от 5 июня 2020 года. Постепенное возвращение ключевой ставки к нейтральному уровню, скорее всего, начнется не ранее. ранее 2022 г. и может быть продлен, если среднегодовой уровень инфляции в течение некоторого времени будет оставаться на уровне менее 4%, что возможно при выполнении предпосылок базового сценария.АКРА считает, что денежно-кредитное стимулирование тогда проявится не в глубоком, но краткосрочном снижении, а в более долгосрочном сохранении умеренно низкой ключевой ставки.
Таблица 1. Ключевые показатели базового сценария макроэкономического прогноза
Показатель
Единица измерения
Фактическое
Оценка
Прогноз
2017
2018
2019
2020
2021
2022
2023
2024
Цена на нефть марки Urals
(в среднем за год)
долларов за баррель
53.5
70,1
63,6
40,7
45,0
50,0
52,0
55,0
Мировой ВВП ¹
% г / г
3.3
3,0
2,5
-4,4
4,5
2,9
2,6
2,5
Темпы роста реального ВВП России
% г / г
1.8
2,5
1,3
-4,3
3,8
3,3
2,8
2,2
Среднегодовой курс доллара США
руб. /
долл. США
58.3
62,7
64,6
72,6
71,0
69,5
69,2
69,7
Реальный располагаемый доход
% г / г
-0.5
0,1
0,8
-4,7
2,9
2,3
2,0
1,5
Уровень безработицы
% от EAP ²
5.2
4,8
4,6
5,8
5,6
5,1
4,8
4,5
Инфляция (ИПЦ ³)
% Дек / Дек
2.5
4,4
3,0
4,2
3,4
3,8
3,5
3,5
Ключевая ставка (на конец года)
%
7.75
7,75
6,25
4,25
4,25
5,0
5,0
5,0
Ставка 5-летних бескупонных ОФЗ (на конец года)
%
7.2
8,5
6,1
5,4
5,8
6,0
5,5
5,5
Остаток федерального бюджета
% ВВП
-1.4
2,6
1,8
-5,0
-2,8
-1,5
-0,4
-0,5
Источник: АКРА
¹ Методология Всемирного банка, реальный прирост.
² Экономически активное население.
³ Индекс потребительских цен.
Во всех трех сценариях АКРА ⁴ рубль укрепляется в среднесрочной перспективе по сравнению с обменным курсом в середине ноября 2020 года (на 4-15%). Это станет возможным благодаря постепенному восстановлению спроса на основную продукцию, экспортируемую российскими производителями, а также снижению внешней оценки рисков инвестиций в активы в развивающихся странах. Пессимистический сценарий также учитывает последствия возможных финансовых санкций.Сроки укрепления рубля до относительно стабильных уровней варьируются от трех месяцев до двух лет в зависимости от сценария.
⁴ Основные показатели для всех трех сценариев доступны в Приложении.
В течение 2021 года бюджетная политика будет существенно стимулирующей из-за временного отклонения расходов федерального бюджета от маржинальных расходов в соответствии с бюджетным правилом.
Оптимистический сценарий по-прежнему предполагает более быстрое прекращение ограничений пандемии.Пессимистический сценарий, в свою очередь, помимо более строгих ограничений, предполагает, что эффективный медицинский ответ (разработка вакцины, прошедшей все необходимые проверки и ее массовое распространение) может занять более двух лет с момента начала пандемии, и также включает период повышенного финансового стресса.
Таблица 2. Качественные допущения для макроэкономических сценариев в России
Влияние на экономику России
Оптимистичный
Базовый корпус
Пессимистический
1.Продолжительность пандемических мероприятий ⁵ в России
Очень прочный
Не применяется с 2021 г.
5-6 месяцев с перерывами в 2020 г .; 1-2 месяца в 2021 году
6-7 месяцев с перерывами в 2020 г .; 3-4 месяца в 2021 году (+ более строгие ограничения)
2.Отклонение объема экспорта российских товаров в 2021 г. к 2019 г.
Сильный
-1%
-3–4%
-8–9%
3. Сокращение банковских депозитов из-за снижения доверия в 2021 году
Сильный
–
–
+
4.Достаточная поддержка ликвидности в уязвимых отраслях
Сильный
+
+/-
–
5. Координация политики стран-экспортеров нефти по ограничению добычи в течение 2020 / после 2020 года
Средний
+/-
+ / + (ослабление)
+ / +
6.Долговой кризис Китая в 2021 году
Средний
–
–
–
7. Бюджетный или финансовый кризис в отдельных странах ЕС в 2021-2022 гг.
Слабая
–
+/-
+
8.Новые экономические или финансовые санкции
Слабая
–
–
+
Источник: АКРА
⁵ Ограничительные меры подразумевают не только самоизоляцию или карантин для населения, но и запреты на широкий круг организаций и общественных учреждений, проведение массовых мероприятий и некоторые пассажирские перевозки.
Экономический рост: структурный и временный
Более подробную информацию о проблемах наверстывания в плане роста см. В макроэкономическом исследовании АКРА. Напряженность в мировой торговле может перерасти в экономический спад к концу 2019 г. с 23 июля 2019 г. (раздел «Для стран со средним уровнем дохода это может стать труднее демонстрировать догоняющий рост в следующие 10 лет »)
Из-за ограничений, связанных с пандемией, и падающего внешнего спроса, российская экономика работает ниже своего потенциального уровня ⁶ в 2020 году.Постоянная неполная занятость и загрузка производственных мощностей, вероятно, сохранятся, по крайней мере, в течение большей части 2021 года. Ожидается, что в отсутствие новых потрясений экономическая активность впоследствии восстановится примерно до своего потенциального уровня, который больше не будет напрямую ограничиваться пандемией.
Каков потенциал экономического роста и, следовательно, ожидаемого долгосрочного роста? По данным АКРА, при полной занятости и загрузке производственных мощностей, а также при отсутствии сбоев в производительности, вызванных потрясениями, средний темп роста российской экономики может быть постоянно близок к 1.5–2%. Более того, темпы роста могут быть близки к показателям 2000-х годов. Модель экономического роста АКРА ⁷ позволяет анализировать влияние отдельных факторов: около 2/3 потенциального роста может быть обеспечено за счет стабильного вклада накопления физического капитала, а примерно 1/3 — за счет человеческого капитала ( Рис. 1 ) . Увеличение роста в 2000-х годах было почти наполовину из-за выхода России из трансформационного периода 1990-х годов, в течение которого постепенно активировались частично простаивающие производственные мощности, снижалась безработица и происходила долгосрочная адаптация к рыночной экономике и новой структуре иностранного капитала. имели место торговые отношения.В связи с этим рост был во многом цикличным, временным, поэтому с уверенностью ожидать таких темпов в будущем сложно.
⁶ Для целей данного исследования потенциальный ВВП считается его расчетным уровнем, который достигается, когда уровень безработицы составляет 4,5–5,5%, загрузка производственных мощностей соответствует промышленным 64% и отсутствует отрицательная производительность. потрясения, связанные с одним из предыдущих кризисов. Это определение не связано с оценкой ACRA безработицы, которая не приводит к ускорению инфляции или необходимости политики стимулирования, и выбрано для ясности.
⁷ Модель аналогична по структуре модели, описанной в следующей статье: Экономический рост в России с учетом демографических изменений и вклада человеческого капитала, Акиндинова Н.В., Чекина К.С., Яркин А.М., Экономический журнал Высшей школы экономики. 2017. Т. 21, № 4, страницы 533-561.
Рисунок 1. Разложение среднегодового экономического роста по структурным и циклическим факторам
Под производительностью понимается то, что в литературе чаще всего называют совокупной факторной производительностью (TFP).В используемой модели его изменение определяется как часть экономического роста, которую нельзя объяснить другими факторами. АКРА считает ее циклической составляющей, поскольку мы интерпретируем ее колебания как временные потери эффективности распределения имеющихся ресурсов в результате экономических потрясений.
Каков вклад производительности и почему он неравномерный? Производительность, а точнее ее циклическая часть (включена в «прочие» на рис. , рис. 1 ), вносила значительный положительный вклад в экономический рост до 2014 года.Во многом это связано с его не менее значительным провалом в 1990-е годы. Сбои в производственных цепочках и денежном обращении сделали невозможным полное использование потенциала экономики на длительный период. Однако к началу 2010-х годов эти эффекты исчезли. Похожая последовательность негативных потрясений и постепенной адаптации производительности, по-видимому, произошла после 2014 года, когда вклад других факторов в среднем снижал экономический рост на 1 процентный пункт в год в течение нескольких лет. Если предположить, что произойдет корректировка нового уровня цен на энергоносители, обменного курса и режима санкций и контрсанкций, что в конечном итоге позволит полностью восстановиться после падения производительности, это должно поддержать экономический рост в течение некоторого периода.АКРА оценивает продолжительность этого восстановления в 15-25 лет с начала шока (например, импортозамещение сложной техники и электронной продукции). В связи с этим АКРА оценивает среднегодовой вклад адаптации в + 0,2-0,3 процентных пункта в 2020-2030 годах.
Последствия пандемии, по оценке АКРА, не проявятся в полной мере в 2020-2022 годах с точки зрения воздействия на экономический рост. Хотя по большей части они будут временно отклоняться от уровней потенциальной занятости и использования производственных мощностей в эти годы.АКРА также ожидает скачка производительности. Однако это будет несопоставимо по величине с аналогичными потрясениями 1990-х годов или после 2014 года. АКРА пришло к такому выводу на основе количественного сравнения структуры последних четырех экономических спадов ( стр. 7-9, ). Процессы, потенциально влияющие на продуктивность, признаки и период их воздействия, перечислены в Табл. 3 .
Таблица 3. Процессы, связанные с пандемией, которые могут наиболее сильно повлиять на производительность
Циклический компонент
(влияние в 2020-2023 гг.)
Возможная составляющая (долгосрочное воздействие)
1.Новые санитарные нормы для транспорта и других общественных мест
(- / +) временные чрезмерно жесткие ограничения
(-) меньше услуг в тех же областях и мощностях, затраты на поддержание социальной дистанции и дезинфекцию
2. Переход некоторых профессий на удаленную работу
(- / +) потеря эффективности в переходный период
(+) новые знания => влияние на человеческий капитал
3.Перевод части образовательных услуг в онлайн-режим
(- / +) потеря эффективности в переходный период
(-) услуги, не оказанные в 2020-2022 гг. => Влияние на человеческий капитал
4. Банкротство, отток рабочей силы из отраслей, на которые действуют ограничения
(- / +) потеря эффективности в переходный период
(0)
5.Быстрые изменения обменных курсов, процентных ставок и относительных цен на товары и услуги
(- / +) потеря эффективности в переходный период
(0)
Источник: АКРА
Есть ли перспективы ускорения потенциального роста? Потенциальный экономический рост в следующие несколько лет после 2023 года будет близок к 2% или даже немного выше из-за дополнительного вклада большей рабочей силы (около 0.В среднем 5–0,6 п.п. в 2024–2030 гг.). Его рост будет связан с отголоском бэби-бума 1980-х годов, а также с влиянием пенсионной реформы, переходный период которой заканчивается в 2028 году ( рис. 2 ). Несмотря на то, что исторически эластичность рабочей силы лиц трудоспособного возраста была ограниченной, мы полагаем, что другие факторы, такие как изменение доли работающих пенсионеров, будут менее выражены в 2020-х годах, и, следовательно, рост будет заметным.
Рисунок 2.Динамика рабочей силы как фактор потенциального роста в 2023–2028 гг.
Источник: АКРА
Наибольшие перспективы роста доли инвестиций в экономике в целом мы связываем с изменением структуры расходов государства в пользу инвестиций. Теоретически последствия пенсионной реформы позволяют сделать это при сохранении примерного баланса.
Следует также учитывать долгосрочные последствия государственной политики .Социальная политика, прямо или косвенно направленная на повышение рождаемости и продление активной жизни населения, в случае успеха может оказать значительное влияние на трудовые ресурсы. Однако это будет заметно за пределами горизонта прогноза и в основном с 2030 года.
Меры правительства по стимулированию инвестиций в основной капитал также могут иметь ограниченное влияние: в 2024–2030 годах мы видим возможность сохранения исторически высокого вклада инвестиций в ВВП и, как следствие, дополнительный эффект на объем производственного капитала. (учитывается в соответствующей составляющей потенциального роста).
Наконец, продолжающееся развитие спектра государственных услуг, предоставляемых в цифровом формате, является дополнительным потенциальным фактором роста, учитывая размер государства и его роль в российской экономике. В то же время сложно количественно оценить влияние этого процесса на ВВП, и поэтому он остается положительным риском в рамках нашего базового прогноза.
Ранее мы говорили о потенциальных темпах роста ВВП. На рис. 3 показано отклонение уровня ВВП от его потенциального.
Как быстро может восстановиться экономическая активность? Расчет, основанный на выбранных нами допущениях, показывает, что возврат к докризисному статус-кво может произойти в 2022–2023 годах (в годовом исчислении, Рис. 3 ).
Рисунок 3. Отклонение ВВП от потенциала в 2005–2024 гг.,%
Источники: АКРА
Текущий кризис во многих отношениях менее серьезен, несмотря на резкие колебания деловой активности
Сравнивая динамику ключевых макроэкономических показателей в текущем году и во время кризисов 1998, 2008–2009 и 2014–2015 годов, можно сделать вывод, что некоторые макроэкономические рынки в России в настоящее время испытывают гораздо меньшее давление.
В частности, внутренний валютный рынок намного более стабилен ( График 3, стр. 8) , несмотря на сопоставимый ценовой шок на экспортируемые товары ( Графики 1-2 ). В связи с этим цены на импорт меняются относительно мало по сравнению с ценами на местные товары и не приводят к значительному изменению затрат на внутреннее производство и более высокой инфляции ( График 4 ).
Кроме того, у населения и компаний меньше причин для вывода средств из банковской системы и конвертации рублевых депозитов в иностранную валюту, а это означает, что меньше давление на ликвидность банков.В результате уровень финансового стресса ниже ( График 7 ). В частности, рынок капитала испытывает меньшее давление, что отражается в более низкой волатильности процентных ставок ( графики 5–6 ).
Похоже, что новый налог на проценты по крупным депозитам, а также введение счетов условного депонирования для покупки квартир также оказали значительное влияние на стимулы к размещению средств на банковских счетах.
Ключевым отличием динамики текущего кризиса от предыдущих является резкость спада.На первом этапе снижение потребления населения, вызванное регуляторными ограничениями, а не экономическими стимулами, привело к самому быстрому сокращению розничной торговли и объема услуг, оказываемых населению за всю историю кризисов в России ( Графики 10–11, стр.9 ). Таким образом, несмотря на более стабильное промышленное производство ( График 9 ) и строительство по историческим меркам, общая деловая активность также снизилась рекордными темпами.
Из-за отложенного спроса на товары и повседневные услуги (хотя доход снизился, его использование сильно сместилось в пользу сбережений на депозитах или наличными), первая фаза восстановления также развернулась с рекордной скоростью.Кроме того, фискальная и денежно-кредитная политика (, графики 12–13, ) способствует этому в гораздо большей степени, чем во время предыдущих кризисов. Вышеупомянутая скорость восстановления активности и влияние антициклической политики объясняют, почему всплеск безработицы в настоящее время находится на историческом минимуме ( График 14 ), то есть рынок труда также более стабилен, чем во время предыдущих кризисов.
Более стабильные макрорынки и цены на них означают, что временные потери в эффективности производства и распределения товаров и услуг, связанные с необходимостью адаптации к новым условиям, не так значительны, как можно было бы ожидать исходя из опыта предыдущих кризисов.Поэтому, в отличие от кризиса 2014–2015 годов, наш базовый сценарий предусматривает возможность практически полной адаптации бизнеса и населения к новым условиям в 2020–2022 годах до состояния, при котором производительность труда будет очень близка к предварительной. кризисный уровень уже к 2023 году.
Приложение. Ключевые показатели сценариев макроэкономического прогноза
Таблица 1. Ключевые показатели базового сценария макроэкономического прогноза
Показатель
Единица измерения
Фактическое
Оценка
Прогноз
2017
2018
2019
2020
2021
2022
2023
2024
Цена на нефть марки Urals
(среднегодовая)
долл. / Барр.
53.5
70,1
63,6
40,7
45,0
50,0
52,0
55,0
Мировой ВВП ⁸
% г / г
3.3
3,0
2,5
-4,4
4,5
2,9
2,6
2,5
Темпы роста реального ВВП России
% г / г
1.8
2,5
1,3
-4,3
3,8
3,3
2,8
2,2
Курс доллара к рублю (среднегодовой)
руб. /
долл. США
58.3
62,7
64,6
72,6
71,0
69,5
69,2
69,7
Реальные располагаемые доходы населения
% г / г
-0.5
0,1
0,8
-4,7
2,9
2,3
2,0
1,5
Уровень безработицы
% от EAP ⁹
5.2
4,8
4,6
5,8
5,6
5,1
4,8
4,5
Инфляция (ИПЦ ¹⁰)
% Дек / Дек
2.5
4,4
3,0
4,2
3,4
3,8
3,5
3,5
Ключевая ставка (на конец года)
%
7.75
7,75
6,25
4,25
4,25
5,0
5,0
5,0
Ставка пятилетних бездкупных ОФЗ (на конец года)
%
7.2
8,5
6,1
5,4
5,8
6,0
5,5
5,5
Остаток федерального бюджета
% ВВП
-1.4
2,6
1,8
-5,0
-2,8
-1,5
-0,4
-0,5
Источник: АКРА
⁸ Методология Всемирного банка, реальный прирост.
⁹ Экономически активное население.
¹⁰ Индекс потребительских цен.
Таблица 2. Основные показатели пессимистического сценария макроэкономического прогноза
Показатель
Единица измерения
Фактическое
Оценка
Прогноз
2017
2018
2019
2020
2021
2022
2023
2024
Цена на нефть марки Urals
(среднегодовая)
долл. / Барр.
53.5
70,1
63,6
40,7
35,0
39,0
47,0
47,0
Мировой ВВП
% г / г
3.3
3,0
2,5
-4,4
0,8
3,1
2,4
2,3
Темпы роста реального ВВП России
% г / г
1.8
2,5
1,3
-5,3
0,5
4,3
3,9
2,7
Курс доллара к рублю (среднегодовой)
руб. /
долл. США
58.3
62,7
64,6
72,6
77,2
76,1
72,4
72,5
Реальные располагаемые доходы населения
% г / г
-0.5
0,1
0,8
-4,7
-1,0
3,0
2,2
1,5
Уровень безработицы
% от EAP
5.2
4,8
4,6
5,8
7,2
6,0
5,2
4,5
Инфляция (ИПЦ)
% Дек / Дек
2.5
4,4
3,0
4,2
5,8
3,2
3,1
3,5
Ключевая ставка (на конец года)
%
7.75
7,75
6,25
4,25
7,00
5,5
5,0
5,0
Ставка пятилетних бездкупных ОФЗ (на конец года)
%
7.2
8,5
6,1
5,4
6,5
6,5
5,5
5,5
Остаток федерального бюджета
% ВВП
-1.4
2,6
1,8
-5,0
-4,2
-1,8
-0,4
-0,5
Источник: АКРА
Таблица 3.Ключевые показатели оптимистического сценария макроэкономического прогноза
Показатель
Единица измерения
Фактическое
Оценка
Прогноз
2017
2018
2019
2020
2021
2022
2023
2024
Цена на нефть марки Urals
(среднегодовая)
долл. / Барр.
53.5
70,1
63,6
40,7
50,0
55,0
65,0
65,0
Мировой ВВП ¹¹
% г / г
3.3
3,0
2,5
-4,4
5,3
3,1
2,7
2,7
Темпы роста реального ВВП России
% г / г
1.8
2,5
1,3
-3,9
5,1
2,9
2,7
2,5
Курс доллара к рублю (среднегодовой)
руб. /
долл. США
58.3
62,7
64,6
72,6
66,0
64,5
63,9
62,4
Реальные располагаемые доходы населения
% г / г
-0.5
0,1
0,8
-4,7
3,9
2,1
1,9
1,6
Уровень безработицы
% от EAP ¹²
5.2
4,8
4,6
5,8
4,7
4,5
4,5
4,5
Инфляция (ИПЦ ¹³)
% Дек / Дек
2.5
4,4
3,0
4,2
4,0
3,6
3,6
3,5
Ключевая ставка (на конец года)
%
7.75
7,75
6,25
4,25
4,75
5,0
5,0
5,0
Ставка пятилетних бездкупных ОФЗ (на конец года)
%
7.2
8,5
6,1
5,4
5,3
5,3
5,5
5,5
Остаток федерального бюджета
% ВВП
-1.4
2,6
1,8
-5,0
-1,0
-0,4
-0,3
0,1
Источник: АКРА
¹¹ Методология Всемирного банка, реальный прирост.
¹² Экономически активное население.
¹³ Индекс потребительских цен.
Экономические проблемы России продолжают нарастать во время вспышки коронавируса
Правительство России заявило в среду, что треть российской экономики остановилась из-за изоляции от коронавируса, поскольку власти продолжали сопротивляться призывам к более смелым мерам по поддержке экономики и обнародовали трехэтапный план по ослаблению ограничений на вирусы. .
На телевизионном заседании российского кабинета министров министры заявили президенту Владимиру Путину, что экономическая активность в России упала на 33% с начала пандемии коронавируса.
Путин ввел «нерабочий» период в конце марта, который продлится до 11 мая. В Москве и многих других регионах в течение последних шести недель также действуют строгие предписания о неработающем доме. хотя за пределами Москвы правоприменение было неоднородным, а мобильность оставалась относительно высокой.
Министр финансов Антон Силуанов заявил в среду российской деловой газете «Ведомости», что правительству необходимо осторожно подходить к расходам на протяжении всего кризиса, заявив, что было бы неправильно тратить впустую фонд национального благосостояния России в размере 157 миллиардов долларов, накопленный за годы прибылей от экспорта нефти. в течение следующих двух лет.
Никаких дополнительных значительных мер по поддержке экономики или бизнеса не было обнародовано на последней телевизионной встрече руководства России в среду днем, несмотря на то, что Андрей Белоусов, занявший пост исполняющего обязанности премьер-министра России после того, как Михаил Мишустин заразился Covid-19, заявил, что страна в настоящее время вступает в сложный период для экономики.
Кризис, связанный с коронавирусом, потряс экономическую модель России, ориентированную на обеспечение стабильности, которая была создана, чтобы справиться с падением цен на нефть, говорят аналитики, но не с падением цен на нефть одновременно с обвалом мировых и внутренних расходов, вызванным падением цен на нефть. коронавирус сработал.
Эта динамика оказала огромное давление на очевидную финансовую мощь России, поскольку экономические издержки от коронавируса для правительства, бизнеса и населения продолжают расти.
По оценкам Oxford Economics, каждая дополнительная неделя ограничений обходится российской экономике в 1% ее годового ВВП. Между тем, из-за резкого спада расходов и обвала цен на нефть в апреле государственные налоговые поступления упали на 31%, сообщил Путину глава Федеральной налоговой службы Даниил Егоров. Доходы от экспорта нефти и газа упали более чем наполовину.
По словам министра экономики Максима Решетникова, закрыто более трети предприятий розничной торговли, а прибыль по сектору снизилась на 25%. В общей сложности 735 000 человек зарегистрировались в качестве безработных за последние два месяца, поскольку официальный уровень безработицы начинает расти.
Экономисты по-прежнему скептически относятся к истинному количеству потерянных рабочих мест, учитывая большие размеры неформальной экономики России. Многие, в том числе глава Счетной палаты Алексей Кудрин, прогнозировали, что в этом году безработица может достичь 8 миллионов человек.В знак потенциального стресса для российских потребителей доходы государства от подоходного налога с населения — косвенного показателя официальной заработной платы — упали на 14% в апреле.
Правительство неоднократно настаивало на том, что защита рабочих мест должна быть главным приоритетом для компаний, но экономическая поддержка — особенно для малых предприятий — остается незначительной. Ожидается, что в рамках программы субсидирования различных государственных займов на поддержку бизнеса будет выделено 436 миллиардов рублей (5,8 миллиарда долларов), но только 80 миллиардов (1 доллар США).1 млрд) при прямой финансовой поддержке.
Белоусов сказал в среду, что около 2000 малых предприятий подали заявки на получение беспроцентных кредитов для ежедневной выплаты зарплаты сотрудникам, что выше ожиданий правительства.
«Скромный» — это слово, которое экономисты чаще всего используют для описания пакета мер стимулирования Кремля.
«Россия не представила каких-либо всеобъемлющих ответных мер экономической политики», — написал в недавнем отчете Гюнтер Дойбер, глава экономического отдела Райффайзен Банка. «Отсюда можно сделать вывод, что политические приоритеты России лежат в другом месте.Осторожная реакция экономической политики также отражает укоренившуюся ориентацию политики на стабильность и поддержание резервов — в ущерб долгосрочному экономическому развитию ».
Он добавил: «Из-за осторожной совокупной реакции экономической политики в 2021 году в России не ожидается восстановления. Скорее, Россия действует как безбилетник, рассчитывая на значительное восстановление мировой экономики, обусловленное стимулами в других странах».
No related posts.

Показатель	Единица измерения	Фактическое			Оценка	Прогноз
Показатель	Единица измерения	2017	2018	2019	2020	2021	2022	2023	2024
Цена на нефть марки Urals (в среднем за год)	долларов за баррель	53.5	70,1	63,6	40,7	45,0	50,0	52,0	55,0
Мировой ВВП ¹	% г / г	3.3	3,0	2,5	-4,4	4,5	2,9	2,6	2,5
Темпы роста реального ВВП России	% г / г	1.8	2,5	1,3	-4,3	3,8	3,3	2,8	2,2
Среднегодовой курс доллара США	руб. / долл. США	58.3	62,7	64,6	72,6	71,0	69,5	69,2	69,7
Реальный располагаемый доход	% г / г	-0.5	0,1	0,8	-4,7	2,9	2,3	2,0	1,5
Уровень безработицы	% от EAP ²	5.2	4,8	4,6	5,8	5,6	5,1	4,8	4,5
Инфляция (ИПЦ ³)	% Дек / Дек	2.5	4,4	3,0	4,2	3,4	3,8	3,5	3,5
Ключевая ставка (на конец года)	%	7.75	7,75	6,25	4,25	4,25	5,0	5,0	5,0
Ставка 5-летних бескупонных ОФЗ (на конец года)	%	7.2	8,5	6,1	5,4	5,8	6,0	5,5	5,5
Остаток федерального бюджета	% ВВП	-1.4	2,6	1,8	-5,0	-2,8	-1,5	-0,4	-0,5

	Влияние на экономику России	Оптимистичный	Базовый корпус	Пессимистический
1.Продолжительность пандемических мероприятий ⁵ в России	Очень прочный	Не применяется с 2021 г.	5-6 месяцев с перерывами в 2020 г .; 1-2 месяца в 2021 году	6-7 месяцев с перерывами в 2020 г .; 3-4 месяца в 2021 году (+ более строгие ограничения)
2.Отклонение объема экспорта российских товаров в 2021 г. к 2019 г.	Сильный	-1%	-3–4%	-8–9%
3. Сокращение банковских депозитов из-за снижения доверия в 2021 году	Сильный	–	–	+
4.Достаточная поддержка ликвидности в уязвимых отраслях	Сильный	+	+/-	–
5. Координация политики стран-экспортеров нефти по ограничению добычи в течение 2020 / после 2020 года	Средний	+/-	+ / + (ослабление)	+ / +
6.Долговой кризис Китая в 2021 году	Средний	–	–	–
7. Бюджетный или финансовый кризис в отдельных странах ЕС в 2021-2022 гг.	Слабая	–	+/-	+
8.Новые экономические или финансовые санкции	Слабая	–	–	+

	Циклический компонент (влияние в 2020-2023 гг.)	Возможная составляющая (долгосрочное воздействие)
1.Новые санитарные нормы для транспорта и других общественных мест	(- / +) временные чрезмерно жесткие ограничения	(-) меньше услуг в тех же областях и мощностях, затраты на поддержание социальной дистанции и дезинфекцию
2. Переход некоторых профессий на удаленную работу	(- / +) потеря эффективности в переходный период	(+) новые знания => влияние на человеческий капитал
3.Перевод части образовательных услуг в онлайн-режим	(- / +) потеря эффективности в переходный период	(-) услуги, не оказанные в 2020-2022 гг. => Влияние на человеческий капитал
4. Банкротство, отток рабочей силы из отраслей, на которые действуют ограничения	(- / +) потеря эффективности в переходный период	(0)
5.Быстрые изменения обменных курсов, процентных ставок и относительных цен на товары и услуги	(- / +) потеря эффективности в переходный период	(0)

Показатель	Единица измерения	Фактическое			Оценка	Прогноз
Показатель	Единица измерения	2017	2018	2019	2020	2021	2022	2023	2024
Цена на нефть марки Urals (среднегодовая)	долл. / Барр.	53.5	70,1	63,6	40,7	45,0	50,0	52,0	55,0
Мировой ВВП ⁸	% г / г	3.3	3,0	2,5	-4,4	4,5	2,9	2,6	2,5
Темпы роста реального ВВП России	% г / г	1.8	2,5	1,3	-4,3	3,8	3,3	2,8	2,2
Курс доллара к рублю (среднегодовой)	руб. / долл. США	58.3	62,7	64,6	72,6	71,0	69,5	69,2	69,7
Реальные располагаемые доходы населения	% г / г	-0.5	0,1	0,8	-4,7	2,9	2,3	2,0	1,5
Уровень безработицы	% от EAP ⁹	5.2	4,8	4,6	5,8	5,6	5,1	4,8	4,5
Инфляция (ИПЦ ¹⁰)	% Дек / Дек	2.5	4,4	3,0	4,2	3,4	3,8	3,5	3,5
Ключевая ставка (на конец года)	%	7.75	7,75	6,25	4,25	4,25	5,0	5,0	5,0
Ставка пятилетних бездкупных ОФЗ (на конец года)	%	7.2	8,5	6,1	5,4	5,8	6,0	5,5	5,5
Остаток федерального бюджета	% ВВП	-1.4	2,6	1,8	-5,0	-2,8	-1,5	-0,4	-0,5

Уровень безработицы летом вырос в большинстве регионов России

Безработица в России сократилась впервые за время пандемии

Исследования и аналитика

В большинстве регионов уровень безработицы вырос | Регионы России

Названы регионы с самым высоким уровнем безработицы

Влияние пандемии

Полгода на поиск работы

Лидеры и аутсайдеры

Безработица и её последствия для экономики страны (статистический анализ на примере РФ)

В Германии безработица выросла на 300 тысяч человек | Новости из Германии о Германии | DW

Топ-10 городов Германии, где проще всего найти работу

Штутгарт — 1-е место

Топ-10 городов Германии, где проще всего найти работу

Ингольштадт — 2-е место

Топ-10 городов Германии, где проще всего найти работу

Регенсбург — 3-е место

Топ-10 городов Германии, где проще всего найти работу

Франкфурт-на-Майне — 4-е место

Топ-10 городов Германии, где проще всего найти работу

Ульм — 5-е место

Топ-10 городов Германии, где проще всего найти работу

Вольфсбург — 6-е место

Топ-10 городов Германии, где проще всего найти работу

Эрланген — 7-е место

Топ-10 городов Германии, где проще всего найти работу

Мюнхен — 8-е место

Топ-10 городов Германии, где проще всего найти работу

Карлсруэ — 9-е место

Топ-10 городов Германии, где проще всего найти работу

Дюссельдорф — 10-е место

Топ-10 городов Германии, где проще всего найти работу

Оберхаузен — лидер по числу безработных

Рост ВВП РФ составит 2,8% в 2021 году и 2,4% в 2022 году — консенсус-прогноз ВШЭ | 04.03.21

Оценка влияния экономических колебаний на уровень безработицы в регионах России на основе модели Окуня

Abstract—

Примечания

ССЫЛКИ

Финансирование

Сведения об авторе

Филиалы

Для корреспонденции

Декларации этики

Дополнительная информация

ПРИЛОЖЕНИЕ

ПРИЛОЖЕНИЕ

Таблица

Об этой статье

Цитируйте эту статью

Ключевые слова:

динамика занятости в регионах России

Автор

Abstract

Рекомендуемая ссылка

Скачать полный текст от издателя

Цитаты

Исправления

Рост безработицы и стратегии преодоления: на примере Новосибирской области в России

Наталья Чернина

Revista ESPACIOS | Vol. 40 (№ 30), 2019

Modelos para a previsão de curto e intermediateário prazo da taxa de desemprego

Содержание

1. Введение

Revista ESPACIOS. ISSN 0798 1015

[Если вы обнаружите какие-либо ошибки на этом сайте, отправьте электронное письмо веб-мастеру]

Структурные и временные факторы экономического роста в России

Обновление индикаторов прогноза

Таблица 1. Ключевые показатели базового сценария макроэкономического прогноза

Таблица 2. Качественные допущения для макроэкономических сценариев в России

Экономический рост: структурный и временный

Рисунок 1. Разложение среднегодового экономического роста по структурным и циклическим факторам

Таблица 3. Процессы, связанные с пандемией, которые могут наиболее сильно повлиять на производительность

Рисунок 2.Динамика рабочей силы как фактор потенциального роста в 2023–2028 гг.

Рисунок 3. Отклонение ВВП от потенциала в 2005–2024 гг.,%

Текущий кризис во многих отношениях менее серьезен, несмотря на резкие колебания деловой активности

Приложение. Ключевые показатели сценариев макроэкономического прогноза

Таблица 1. Ключевые показатели базового сценария макроэкономического прогноза

Таблица 2. Основные показатели пессимистического сценария макроэкономического прогноза

Таблица 3.Ключевые показатели оптимистического сценария макроэкономического прогноза

Экономические проблемы России продолжают нарастать во время вспышки коронавируса

Отставить комментарий Отменить ответ