Economics and Mathematical MethodsEconomics and Mathematical MethodsЭкономика и математические методы0424-73883034-6177The Russian Academy of Sciences65335110.31857/S042473880024868-3ArticlesСтатьиResearch ArticleForecasting the sectoral structure of population employmentПрогнозирование отраслевой структуры занятости населенияDrobotenkoMichael I.ДроботенкоМихаил Иванович
Russian Federation
emm@cemi.rssi.ruhttps://orcid.org/0000-0001-6736-4691NevecheryaArtyom P.НевечеряАртём Павлович
Russian Federation
emm@cemi.rssi.ruKuban State UniversityФГБОУ ВО «Кубанский государственный университет»15032023591VOL 59, NO1 (2023)ТОМ 59, №1 (2023)222903022025Copyright ©; 2023, Ekonomika i matematicheskie metodyCopyright ©; 2023, Экономика и математические методы2023Ekonomika i matematicheskie metodyЭкономика и математические методыhttps://journals.eco-vector.com/0424-7388/article/view/653351

All the labor market subjects that can influence the labor resources dynamics are interested in employment forecasts by labor market sectors. Such subjects are state employees and municipal employees, employers and workers. The statistical data aggregation degree affects the quality of the labor resources dynamics forecasting. Each labor market indicator combines a set of detailed indicators in a high degree of aggregation case. When building the trends it is impossibile to take into account information on the detailed indicators trends. The labor market indicators for each specific year don’t contain information about the interaction with each other. This fact also negatively affects the forecast quality. The article discusses the use of a balance mathematical model of the labor resources dynamics, which relates the labor market sectoral indicators, to define the intersectoral movements indicators. The authors consider a calculating labor market indicators method that uses only statistical data on sectoral employment and unemployment. Thus, the statistical data on the labor resources dynamics provided by the Federal State Statistics Service is a sufficient condition for the Russian Federation labor market detailing using intersectoral movements’ indicators. The paper shows how a set of intersectoral movements indicators allows building the forecast values of these indicators and using them to calculate the forecast values of labor market indicators. The article considers examples of building employment estimates by Russian Federation economy sectors for 2011–2016 and 2019. The entry into force of the All-Russian classifier of types of economic activity second edition in 2017 is the reason for choosing such research intervals. The purpose of these examples was to determine the impact of the detailed labor market indicators of the sectoral employment estimates reliability. The authors compared the forecast obtained directly from labor market indicators with the forecasts obtained from intersectoral movements indicators. Intersectoral movements indicators are the results of applying balance models with varying degrees of detail. The reliability tables presented in this work to assess the forecasting quality indicate that the detailing of the sectoral employment indicators by using the balance model can increase reliability of the forecast.

Прогнозирование отраслевой занятости представляет интерес для всех субъектов рынка труда, способных влиять на динамику трудовых ресурсов (государственных и муниципальных служб, работодателей, работников). Качество прогнозирования динамики трудовых ресурсов зависит от степени агрегации используемых для этого статистических данных. При высокой степени агрегации каждый показатель рынка труда объединяет совокупность детализированных показателей, из-за чего информацию о трендах детализированных показателей невозможно учесть при построении трендов отраслевой занятости, что отрицательно сказывается на качестве прогноза. Негативно влияет на качество прогноза отсутствие информации о взаимодействии показателей рынка труда за каждый конкретный год. В работе предлагается с помощью балансовой математической модели динамики трудовых ресурсов, связывающей отраслевые показатели рынка труда, определить показатели межотраслевых перемещений. Для вычисления показателей рынка труда используются только статистические данные о структуре отраслевой занятости и безработице. Таким образом, для детализации рынка труда Российской Федерации с помощью показателей межотраслевых перемещений достаточно данных о динамике трудовых ресурсов, предоставляемых Федеральной службой государственной статистики. Показано, как с помощью показателей межотраслевых перемещений построить прогнозные значения этих показателей и вычислить прогнозные значения показателей рынка труда. Для установления влияния детализации показателей рынка труда на надежность прогноза отраслевой занятости рассмотрены примеры построения прогноза занятости в отраслях экономики Российской Федерации на 2011–2016 гг. и на 2019 г. Выбор интервала исследования вызван вступлением в силу в 2017 г. второй редакции «Общероссийского классификатора видов экономической деятельности». Для анализа использовались результаты прогнозирования непосредственно по показателям рынка труда и по показателям межотраслевых перемещений, полученные с помощью балансовых моделей различной степени детализации. Для оценки качества прогнозирования приведены таблицы надежности прогнозов, которые свидетельствуют о том, что детализация параметров отраслевой занятости при помощи балансовой модели способна повысить надежность их прогноза.

balance modellabor force dynamicsintersectoral relations detailingforecastinglabor marketбалансовая модельдинамика трудовых ресурсовдетализация межотраслевых связейпрогнозированиерынок трудаДроботенко М.И., Невечеря А.П. (2021). Прогнозирование динамики трудовых ресурсов на многоотраслевом рынке труда // Компьютерные исследование и моделирование. Т. 13. Вып. 1. С. 235–250.Единак Е.А., Коровкин А.Г. (2014). Построение баланса территориального движения занятого населения (на примере федеральных округов РФ) // Проблемы прогнозирования. № 3 (144). С. 72–85.Коровкин А.Г. (2001). Динамика занятости и рынка труда: вопросы макроэкономического анализа и прогнозирования. М.: МАКС Пресс.Коровкин А.Г., Единак Е.А., Королев И.Б. (2017). Прогнозирование численности и структуры населения на базе балансового подхода. В сб.: Демографический потенциал стран ЕАЭС. Екатеринбург: Институт экономики УрО РАН. С. 297–303.Невечеря А.П. (2016a). Исследование динамики трудовых ресурсов на основе многоотраслевой математической модели рынка труда // Экономика и математические методы Т. 52. Вып. 2. С. 129–140Невечеря А.П. (2016b). Численный алгоритм в задаче самоорганизации трудовых ресурсов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). № 04(118). С. 1333–1349.Невечеря А.П. (2021). Задача прогнозирования динамики трудовых ресурсов // Наука. Новое поколение. Успех. Т. 2. С. 24–26.Россия в цифрах. 2021: Краткий статистический сборник (2021). М.: Федеральная служба государственной статистики.Тихонов А. Н., Арсенин В. Я. (1979). Методы решения некорректных задач. М: Наука.Armstrong J.S. (1984). Forecasting by extrapolation: Conclusions from 25 years of research. Interfacess. No. 003. 20 p.Bakens J., Fouarge D., Peeters T. (2018). Labour market forecasts by education and occupation up to 2022. ROA. ROA Technical Reports, 14, 6, 52–66.Borghans L., De Grip A., Heijke H. (1996). Labor market information and the choice of vocational specialization. Economics of Education Review, 15 (1), 59–74.Cörvers F., Heijke H. (2005). Forecasting the labour market by occupation and education: Some key issues. Maastricht: Research centrum voor Onderwijs en Arbeidsmarkt.Key indicators of the labour market. Ninth edition. (2016). Geneva: International labour office.Knobel C., Kriechel B., Schmid A. (2008). Regional forecasting on labour markets. Munich: Rainer Hampp Verlag.Scott J., Marshall G. (2009). A dictionary of sociology. Oxford: Oxford University Press.Tsakalozos N., Konstantinos D., Scott R. (2011). Signal extrapolationusing empirical mode decomposition with financial applications. CASSP, IEEE International Conference on Acoustics, Speech and Signal Processing, 5744–5747.Wilkinson F. (1981). The dynamics of labour market segmentation. NYC: Academic press.