Статистический анализ занятости населения
Анализ базисных показателей: Рассматривая базисные показатели роста мы видим, что в период 1999 – 2004 гг. значение коэффициента роста было больше единицы, что говорит о том, что уровень безработицы был больше базового уровня, причем максимальный прирост составил 44,8% от уровня 1998 года. Во второй период 2005 – 2009 гг. коэффициент роста стал меньше единицы, что свидетельствовало о снижении уровня безработицы ниже базового уровня, причем наибольшее снижение было в 2008 году, когда уровень безработицы составил 80,9% от уровня 1998 года.
Средний коэффициент роста определяют на основе средней геометрической:
![]()
где К – средний коэффициент роста;
К1, К2, Кm – коэффициенты роста (по цепной системе);
m – число коэффициентов роста.
Рассчитаем средние коэффициенты роста и прироста, для исходных данных
![]()
Так как произведение К1ּК2ּ…ּК11 = y12/y1 то средний коэффициент роста также можно определить по формуле:

Средний темп роста представляет собой средний коэффициент роста, выраженный в процентах:
Тр = Кр ּ100% = 0,982ּ100% = 98,2%
Средний темп роста показывает, что уменьшение уровня безрабоитцы в среднем за 12 лет составило 98,2% от предыдущего года.
Средний коэффициент прироста будет равен:
Кпр = Кр – 1 = 0,982 – 1 = – 0,018
Средний темп прироста представляет собой средний коэффициент прироста, выраженный в процентах:
Тр = Крּ100% = – 0,018ּ100%= – 1,8%
То есть в среднем за 12 лет безработица в России уменьшалась на 1,8% в год.
При анализе рядов динамики необходимо определить общую тенденцию развития. На развитие явления во времени могут оказывать влияние различные факторы, одни из них могут формировать в рядах динамики определенную тенденцию в развитии, другие – оказывать кратковременное воздействие. Поэтому необходимо определить общую тенденцию развития.
При выявлении общей тенденции развития явления применяют различные приемы и методы выравнивания:
укрупнение интервалов;
сглаживание рядов динамики на основе скользящих средних;
аналитическое выравнивание и др.
Сглаживание рядов динамики на основе скользящих средних основана на вычислении звеньев подвижной средней из такого числа уровней ряда, которая соответствует длительности наблюдаемых в ряду динамики циклов. Для этого выбираем период скольжения, равный четырем периодам. Расчет скользящих средних состоит в определении средних величин из трех уровней ряда с отбрасыванием при вычислении каждой новой средней одного уровня ряда слева и присоединением одного уровня справа.
Скользящие средние, будут вычисляется по формуле:
yi = (yi-1 + yi + yi+1 + yi+2)/4
Чтобы получить сглаженные уровни ряда, необходимо провести центрирование расчетных средних, определяемых как простая средняя арифметическая из 2-х рядом лежащих скользящих средних:
Сглаженные уровни будут вычисляться по формуле:
yi = (yi-1 + yi)/2
Сглаживание рядов динамики отображено в таблице 6.
Таблица 6 – Расчет скользящих средних и сглаженных уровней
| № | Год | y | Скользящие средние | Сглаженные уровни |
| 1 | 1998 | 9,21 | - | - |
| 2 | 1999 | 9,45 | 10,04 | - |
| 3 | 2000 | 9,61 | 11,07 | 10,56 |
| 4 | 2001 | 11,89 | 11,91 | 11,49 |
| 5 | 2002 | 13,34 | 12,15 | 12,03 |
| 6 | 2003 | 12,81 | 11,43 | 11,79 |
| 7 | 2004 | 10,57 | 10,09 | 10,76 |
| 8 | 2005 | 9,00 | 9,06 | 9,58 |
| 9 | 2006 | 7,99 | 8,28 | 8,67 |
| 10 | 2007 | 8,68 | 7,92 | 8,10 |
| 11 | 2008 | 7,45 | - | - |
| 12 | 2009 | 7,55 | - | - |
Построим график центрированных средних с эмпирическими данными

Рисунок 2 – Сглаживание методом скользящих средних
В общем случае кривая центрированных средних выглядит более гладкой по сравнению с кривой исходных данных. Недостатком выравнивания рядов динамики на основе центрированных средних является то, что на концах динамического ряда отсутствуют данные и в результате не ясна закономерность вначале ряда и в конце.
Более совершенным приемом изучения общей тенденции в рядах динамики является аналитическое выравнивание. Оно основано на допущении, что изменения в рядах динамики выражены определенным математическим законом. На основе теоретического анализа выявляется характер явления во времени и на этой основе выбирается то или иное математическое выражение типа закономерности изменения явления: линейной, степенной, показательной функции и др.
Рассматривая сглаженную линию, прлученную методом скользящих средних, мы видим, что графиик вначале идет вверх, а потом вниз, поэтому аналичическое вырвнивание будем осуществлять на основе параболы. Регрессионные функции других видов (линейная, гипербола, логарифмическая) будут заведомо иметь высокую ошибку, так как эти функцию не могут иметь одновременно и повышающийся и понижающийся участки.
Уравнение параболы имеет вид
![]()
где
-
аналитически
полученный
уровень ряда,
t – год.
Для облегчения расчетов, каждому году присвоим номера, такие чтобы сумма всех лет была равной нулю: t = -11, -9, …, 7, 9, 11.
Для нахождения аппроксимирующего уравнения решаем систему уравнений для параболы

Решим систему уравнений, подставив расчетные данные из приложения А

Решая систему получаем
а = 11,11; b = -0,136; с = -0,0276.
= 11,11 – 0,136t –
0,0276t2
На основании полученного параметризованного уравнения находим ошибку аппроксимации по формуле
![]()
где ∑(у – y) / у = 1,16 (см. приложение А).
Ошибка аппроксимации хоть и превышает ошибку аппроксимации, однако уравнение регрессии является единственно возможным, следовательно мы будем использовать его в дальнейшем анализе с соответствующе степенью точности. В таблице 7 отражены исходные и данные, полученные аналитическим путем.
Таблица 7 – Значения регрессионной функции
| Год | y |
|
| 1998 | 9,21 | 9,27 |
| 1999 | 9,45 | 10,10 |
| 2000 | 9,61 | 10,71 |
| 2001 | 11,89 | 11,10 |
| 2002 | 13,34 | 11,27 |
| 2003 | 12,81 | 11,22 |
| 2004 | 10,57 | 10,95 |
| 2005 | 9,00 | 10,46 |
| 2006 | 7,99 | 9,74 |
| 2007 | 8,68 | 8,81 |
| 2008 | 7,45 | 7,66 |
| 2009 | 7,55 | 6,28 |
Оценим параметры уравнения на типичность/Для того чтобы оценить параметры уравнения на типичность нужно вычислить расчетные значения t - критерия Стьюдента.
ta = a / ma
tb = b / mb
tс = с / mс
где а,b и c – параметры уравнения
ma, mb, mc – ошибки по параметрам

Используя расчетные данные приложения А, вычислим
S2 = 16,08 : (12-2) = 1,604 => S = 1,27
ma
= 1,27 :
=
0,367
ta= 11,11 : 0,367 = 30,3
mb = mс = 1,604 : 572 = 0,0028
tb = 0,136 : 0,0028 = 48,6
tс = 0,00278: 0,0028 = 0,99
Сравним расчетные значения с табличными значениями t-критерия Стьюдента, Табличное значение t-критерия Стьюдента для десяти степеней свободы и 5% уровня значимости составило
tтабл = 2,228
ta = 30,3 > 2,228 => параметр а типичен
tb = 48,6 > 2,228 => параметр b типичен
tс = 0,99 < 2,228 => параметр c нетипичен
На основе полученных данных строим график динамики уровня безработицы в России, а также тренд найденный методом аналитического выравнивания. (Рисунок 3).

Рисунок 3 – Аналитическое выравнивание
3.2 Анализ структуры занятости населения
3.2.1 Анализ структуры занятых
Анализ структуры занятого населения начнем с рассмотрения половой структуры занятого населения, а также структуры с точки зрения места проживания.
Ниже, в таблице 8 показаны соответствующие данные для 2009 года.
Таблица 8 – Структура занятого населения в 2009 году.
| 2009 | |
| Занятые, всего | 67279 |
| из них: мужчины, тыс. чел. | 34186 |
| доля в ЭАН, % | 50,81 |
| женщины, тыс. чел. | 33093 |
| доля в ЭАН, % | 49,19 |
| проживают в городе | 51592 |
| доля в ЭАН, % | 76,68 |
| проживают в селе | 15687 |
| доля в ЭАН, % | 23,32 |
Изобразим данные на диаграммах (Рисунок 4)


Рисунок 4 – Структура занятого населения
Из первого рисунка наглядно видно, что доля занятых мужчин немного больше доли занятых женщин. Из второго рисунка мы видим, как велика доля городского населения в общей сумме занятых, что вполне очевидно, учитывая, что численность городского населения также значительно выше.
Далее проанализируем структуру занятого населения по возрасту. Исходные данные для 2009 года даны в таблице 9.
Таблица 9 – Возрастная структура занятого населения в 2009 году.
| Возраст, лет | Доля в общем числе занятых, % |
| до 20 | 2,2 |
| 20-29 | 22,1 |
| 30-39 | 24,5 |
| 40-49 | 30,1 |
| 50-59 | 16,8 |
| 60-72 | 4,4 |
Для более наглядного представления данных построим диаграмму

Рисунок 5 – Возрастная структура занятого населения
Из диаграммы видно, что наибольшая доля занятых (30,1%) приходиться на возрастную группу 40 – 49 лет. На втором месте (24,5%) возрастная группа 30 – 39 лет, а на третьем - 20 – 29 лет (24,5%). Эти три группы являются основными и в совокупности составляют более 75% всего занятого населения.
Перейдем к последнему структурному делению занятых – по образованию. Данные по 2009 году выглядят следующим образом (Таблица 10).
Таблица 10 – Структура занятого населения по образованию
| Образование | Доля в общем числе занятых, % |
| высшее профессиональное | 23,3 |
| неполное высшее профессиональное | 2 |
| среднее профессиональное | 26,5 |
| начальное профессиональное | 17,3 |
| среднее (полное) общее | 23,3 |
| основное общее | 6,9 |
| начальное общее, не имеют начального | 0,7 |
Строим диаграмму

Рисунок 6 – Структура занятого населения по образованию
Анализируя структуру занятого населения по образованию мы видим, что большая часть имеет среднее профессиональное образование (34,6%), на втором месте среднее общее образование (30,4%), а на третьем – начальное профессиональное (22,6%). Эти три группы являются основными и в совокупности составляют более 85% всего занятого населения.
3.2.2 Анализ структуры безработных
Анализ структуры безработного населения будем проводить такими же этапами, как и анализ занятого.
Ниже, в таблице 11 показаны соответствующие данные для 2009 года.
Таблица 11 – Структура занятого населения в 2009 году.
| 2009 | |
| Безработные, всего | 5652 |
| из них: мужчины, тыс. чел. | 3002 |
| доля в ЭАН, % | 53,11 |
| женщины, тыс. чел. | 2650 |
| доля в ЭАН, % | 46,89 |
| проживают в городе | 3768 |
| доля в ЭАН, % | 66,7 |
| проживают в селе | 1884 |
| доля в ЭАН, % | 33,3 |
Изобразим данные на диаграммах (Рисунок 7).
Из первого рисунка наглядно видно половая структура безработного населения аналогична половой структуре занятого населения: доля безработных мужчин немного больше доли безработных женщин.
Из второго рисунка мы видим, что доля городского населения в общей сумме безработных заметно больше аналогичному показателю для занятого населения.


Рисунок 7 – Структура занятого населения
Анализируем структуру безработного населения по возрасту. Исходные данные для 2009 года даны в таблице 12.
Таблица 12 – Возрастная структура безработного населения в 2009 году
| Возраст, лет | Доля в общем числе безработных, % |
| до 20 | 9,7 |
| 20-29 | 31,8 |
| 30-39 | 22,1 |
| 40-49 | 23,1 |
| 50-59 | 11 |
| 60-72 | 2,4 |
Для более наглядного представления данных построим диаграмму

Рисунок 8 – Возрастная структура безработного населения
Из диаграммы видно, что наибольшая доля безработных (31,2%) приходиться на возрастную группу 20 – 29 лет. На втором месте (22,6%) возрастная группа 40 – 49 лет, а на третьем – 30 – 39 лет (21,7%). Эти три группы являются основными и в совокупности составляют более 75% всего занятого населения.
Перейдем к последнему структурному делению безработных – по образованию. Данные по 2009 году выглядят следующим образом (Таблица 13).
Таблица 13 – Структура безработного населения по образованию
| Образование | Доля в общем числе занятых, % |
| высшее профессиональное | 10,6 |
| неполное высшее профессиональное | 3,2 |
| среднее профессиональное | 19,9 |
| начальное профессиональное | 17,5 |
| среднее (полное) общее | 33,6 |
| основное общее | 14 |
| начальное общее, не имеют начального | 1,4 |
Строим диаграмму

Рисунок 9 – Структура безработного населения по образованию
Анализируя структуру безработного населения по образованию мы видим, что большая часть имеет среднее общее образование (33,5%), на втором месте среднее профессиональное (19,9%), а на третьем – начальное профессиональное (17,5%). Эти три группы являются основными и в совокупности составляют более 70% всего безработного населения.
3.3 Корреляционно-регрессионный анализ
Комплекс методов статистического измерения взаимосвязей, основанный на регрессионной модели, называется корреляционно-регрессионным анализом. Первая задача состоит в определении степени влияния искажающих факторов. Второй задачей анализа является выявление на основе значительного числа наблюдений того, как меняется в среднем результативный признак в связи с изменением одного или нескольких факторов. В данной работе рассматривается влияние уровень безработицы 2-х факторных признаков:
х1 – темпы роста (снижения) ВВП России;
х2 – средняя заработная плата населения России.
Первая задача решается определением различных показателей тесноты связей и называется собственно корреляционным анализом. Вторая задача решается определением уравнением регрессии и носит название регрессионного анализа.
3.3.1 Корреляционный анализ
Первый этап – построение диаграмм распределения на основе исходных данных.
Таблица 14 – Динамика темпов прироста ВВП и уровня безработицы
| Год | Темпы прироста ВВП, %. | Уровень безработицы, % |
| 1998 | -2,3 | 9,21 |
| 1999 | -0,9 | 9,45 |
| 2000 | -5,8 | 9,61 |
| 2001 | -4,8 | 11,89 |
| 2002 | -8,3 | 13,34 |
| 2003 | 0,8 | 12,81 |
| 2004 | 3,1 | 10,57 |
| 2005 | 4,9 | 9,00 |
| 2006 | 5,1 | 7,99 |
| 2007 | 6,2 | 8,68 |
| 2008 | 7,2 | 7,45 |
| 2009 | 6,5 | 7,55 |
На основе таблицы 14 построим диаграмму распределения и определяем существенность связи между уровнем безработицы и первым фактором – темпами прироста ВВП РФ (рис.10).

Рисунок 10 – Диаграмма распределения уровня безработицы в зависимости от темпа прироста ВВП.
Из диаграммы направленности можно сделать вывод, что связь между величинами присутствует, направление связи – обратное.
Таблица 15 – Динамика средней заработной платы в РФ и уровня безработицы
| Год | Средняя заработная плата РФ, тыс. руб. (в сопоставимых ценах 2009 г) | Уровень безработицы, % |
| 1998 | 4,88 | 9,21 |
| 1999 | 4,44 | 9,45 |
| 2000 | 3,29 | 9,61 |
| 2001 | 3,71 | 11,89 |
| 2002 | 3,88 | 13,34 |
| 2003 | 4,20 | 12,81 |
| 2004 | 4,48 | 10,57 |
| 2005 | 4,92 | 9,00 |
| 2006 | 5,27 | 7,99 |
| 2007 | 5,90 | 8,68 |
| 2008 | 6,88 | 7,45 |
| 2009 | 7,76 | 7,55 |
На основе таблицы 15 построим диаграмму распределения и определяем существенность связи между уровнем безработицы и вторым фактором – средней заработной платой в РФ (рис.11).

Рисунок 11 – Диаграмма распределения уровня безработицы в зависимости от среднемесячной заработной платы
Из диаграммы направленности можно сделать вывод, что связь между величинами присутствует, направление связи – обратное.
Произведем оценку существенности связи между объемом капитальных вложений и каждым из факторов на основании коэффициента корреляции. Оценка существенности связи на основе коэффициента корреляции подтверждает оценку существенности связи на основе диаграммы распределения. Коэффициент корреляции можно найти по формуле

где r – коэффициент корреляции;
n – число наблюдений;
На основе данных, рассчитанных в приложении Б, вычислим коэффициент корреляции между первым факторным признаком – х1 и результативным признаком - y

Коэффициент корреляции находиться в интервале между -0,6 и -0,8. Это говорит о том, что между уровнем безработицы и темпами прироста ВВП наблюдается сильная обратная связь.
На основе данных, рассчитанных в приложении Б, вычислим коэффициент корреляции между вторым факторным признаком – х2 и результативным признаком - y

Коэффициент корреляции находиться в интервале между -0,6 и -0,8. Это говорит о том, что между уровнем безработицы и средней заработной платой наблюдается сильная обратная связь.
Проверка адекватности регрессионной модели (проверка значимости, существенности связи). Проверка осуществляется на основе t-критерия Стьюдента. Существенность связи на основе t-критерия Стьюдента оценивают, если выборка малая (n до 30). t-критерий Стьюдента определяют по формуле

где r – коэффициент корреляции;
n – число наблюдений.
Рассчитаем критерии и сравним их с теоретическими значениями для t-критерия Стьюдента.
Произведем оценку существенности связи на основе t-критерия Стьюдента между первым факторным признаком х1 и результативным признаком

Сравним tр с tтабл: по таблице t Стьюдента для доверительной степени вероятности Р = 0,05 и числе степеней свободы τ = n – 2 = 10, tгабл = 2,228
Так как tр > tтабл (3,3 > 2,228), значит влияние данного фактора (прирост ВВП) признается существенным.
Оценка существенности связи на основе t-критерия Стьюдента между вторым факторным признаком х2 и результативным признаком

Сравним tр с tтабл: по таблице t Стьюдента для доверительной степени вероятности Р = 0,05 и числе степеней свободы τ = n – 2 = 10, tгабл = 2,228.
Так как tр > tтабл (3,4 > 2,262) значит влияние данного фактора (производство промышленной продукции) признается.
3.3.2 Регрессионный анализ
Определим зависимость между факторными признаками и результативными. При этом рассмотрим как линейные, так и криволинейные зависимости.
линейная ŷ = a + bx;
парабола ŷ = a + bx + cx2;
гипербола ŷ = a + b / x
Определение зависимости между результативным признаком и первым факторным признаком (прирост ВВП РФ)
По линейной форме связи:
Для нахождения аппроксимирующего уравнения по линейной форме связи решим систему уравнений, используя расчетные данные приложения В


Решая систему, получаем
a = 10,05
b = – 0,266
Следовательно
y = 10,05 - 0,266х1
На основании полученного параметризованного уравнения находим ошибку аппроксимации по формуле
![]()
где ∑(у – ŷ) / у = 1,28 (см. приложение В)
По криволинейной форме связи (парабола):
Для нахождения аппроксимирующего уравнения по криволинейной форме связи решаем систему уравнений для параболы

Решим систему уравнений, подставив расчетные данные из приложения Г

Получаем
а = 10,30
b = - 0,267
с = - 0,0089
Следовательно
y = 10,30 – 0,267х – 0,0089х2
На основании полученного параметризованного уравнения находим ошибку аппроксимации по формуле
![]()
где ∑(у – y) / у = 1,27 (см. приложение Г).
По криволинейной форме связи (гиперболе):
Для нахождения аппроксимирующего уравнения по криволинейной форме связи решаем систему уравнений для гиперболы

Подставим расчетные данные из приложения Д в систему уравнений

Следовательно
a = 9,78
b = 0,715
ŷ = 9,78 – 0,715 / х1
На основании полученного параметризованного уравнения находим ошибку аппроксимации по формуле
![]()
где ∑(у – y) / у = 1,89 (см. приложение Д).
По наименьшей ошибки аппроксимации отбирается та или иная модель. Наименьшая ошибка аппроксимации получается по уравнению параболы (Еа = 10,6%), значит аппроксимирующим уравнением для оценки зависимости между результативным признаком и первым факторным признаком будет являться уравнение:
y = 10,30 – 0,267х – 0,0089х2
Так как зависимость криволинейная, определим корреляционное отношение по следующей формуле

где
– факторная
дисперсия
–
общая дисперсия
Пользуясь приложением Г вычисляем

η = 0,727, следовательно, связь сильная.
Оценка параметров на типичность для аппроксимирующего параметризованного уравнения первого факторного признака.
Для того чтобы оценить параметры уравнения на типичность нужно вычислить расчетные значения t-критерия Стьюдента.
ta = a / ma
tb = b / mb
tс = с / mс
где а,b и c – параметры уравнения
ma, mb, mc – ошибки по параметрам

Используя расчетные данные приложения Г, вычислим
S2 = 20,21 : (12-2) = 2,021 => S = 1,42
ma
= 1,42 :
=
0,41
ta= 10,30 : 0,41 = 25,1
mb = mс = 2,021 : 313,75 = 0,0064
tb = 0,267 : 0,0064 = 41,7
tс = 0,0089: 0,0064 = 1,39
Сравним расчетные значения с табличными значениями t - критерия Стьюдента, Табличное значение t - критерия Стьюдента для десяти степеней свободы и 5% уровня значимости составило
tтабл = 2,228
ta = 25,1 > 2,228 => параметр а типичен
tb = 41,7 > 2,228=> параметр b типичен
tс = 1,39 < 2,228 => параметр c нетипичен
Лишь один из параметров является не типичным, следовательно, это уравнение с небольшими допущениями можно использовать при прогнозировании уровня безработицы.
Определение зависимости между результативным признаком и вторым факторным признаком (среднемесячная заработная плата в РФ)
По линейной форме связи:
Для нахождения аппроксимирующего уравнения по линейной форме связи решим систему уравнений, используя расчетные данные приложения Е


Получаем
a = 15,24
b = – 1,096
Следовательно
y = 15,24 – 1,096х2
На основании полученного параметризованного уравнения находим ошибку аппроксимации по формуле
![]()
где ∑(у – ŷ) / у = 1,24 (см. приложение Е)
По криволинейной форме связи (парабола):
Для нахождения аппроксимирующего уравнения по криволинейной форме связи решаем систему уравнений для параболы

Решим систему уравнений, подставив расчетные данные из приложения Ж

Следовательно
а = 19,05
b = -2,57
с = 0,133
y = 19,05 – 2,57х + 0,133х2
На основании полученного параметризованного уравнения находим ошибку аппроксимации по формуле