Безработица в России виды, формы, социально-экономические последствия (стр. 6 из 8)
Людям, потерявшим работу, приходится обманывать государство: получая пособие по безработице, они неофициально подрабатывают. Согласно российскому законодательству, это является преступлением и этими безработными занимается служба по борьбе с экономическими преступлениями. Заводят уголовное дело, которое потом передается в суд и человека заставляют вернуть деньги государству. Во многих случаях экономических преступников приговаривают к условным срокам, что практически к нулю сводят возможность их дальнейшего трудоустройства
Так же стоит отметить, что безработица рассматриваться не только как что-то неблагоприятное для общества, оно так же рассматривается как благо (хотя безработный вряд ли согласится с этим), весьма полезное в экономическом смысле.
И так попытаемся сгруппировать основные последствия безработицы разбив их на социальные и экономические[21]:
Социальные последствия
Отрицательные:
- Сложнее становится найти работу тем, кто еще не работал, не имеет опыта и трудового стажа, а также людям старшего возраста, не всегда способными выдержать возрастающий темп работы
- В первую очередь страдают малоквалифицированный люди, поскольку работодатель предпочтет оставить более квалифицированного работника
- Создает чувство неуверенности в завтрашнем дне, ухудшает психологическое состояние людей
- Растет криминализация общества
- Усиливается политическая и социальная нестабильность в стране
- Увеличение социальной дифференциации
- Снижение трудовой активности
Положительные:
- Повышение социальной ценности рабочего места
- Увеличение личного свободного времени
- Возрастание свободы выбора места работы
- Увеличение социальной значимости и ценности труда
- Увеличение числа безработных ведет, в первую очередь, к высвобождению женщин, способствует решению ряда демографических проблем
Экономические последствия
Отрицательные:
- Ухудшаются условия жизни семьи работника (пособие по безработице всегда меньше получаемой ранее заработной платы)
- Уменьшаются поступления в бюджет, что отрицательно сказывается на оказании помощи социально незащищенным слоям населения, снижается и их уровень жизни
- Сокращение производства.
- Затраты на помощь безработным.
- Утрата квалификации.
- Недопроизводство национального дохода.
Положитильные:
- Всегда есть резерв рабочей силы, который можно задействовать в нужное время
- Сдерживает требования профсоюзов о дальнейшем повышения зарплаты, тормозя тем самым рост инфляции в стране
- Конкуренция между работниками как стимул к развитию способностей к труду.
Глава 3. Математически-статистическое исследование
3.1 Коррелиционно-регрессионный анализ
Данный многофакторный анализ занимает центральное место в моделировании. Многофакторные модели служат основным средством прогнозирования экономических результативных признаков, а также средство оценки роли каждого отдельного фактора в объяснении вариации результативных признаков.
Для многофакторного анализа и моделирования необходимо прежде всего необходимо соблюдения некоторых условий: достаточной численности совокупности (выборки), близости распределения ее по результативному и по всем факторным признакам к нормальному закону распределения, соблюдение гомоскедастичности.
Имеем исходные данные задачи.
| год | Всего безработных, Y | мужчин, Х1 | женщин, Х2 | Время, X3=t |
| 1995 | 6712 | 3616 | 3096 | 1 |
| 1996 | 6732 | 3662 | 3070 | 2 |
| 1997 | 8058 | 4371 | 3687 | 3 |
| 1998 | 8902 | 4792 | 4110 | 4 |
| 1999 | 9094 | 4801 | 4293 | 5 |
| 2000 | 6999 | 3781 | 3219 | 6 |
| 2001 | 6303 | 3411 | 2893 | 7 |
| 2002 | 6268 | 3385 | 2883 | 8 |
| 2003 | 5951 | 3148 | 2803 | 9 |
| 2004 | 6116 | 3076 | 3040 | 10 |
Теперь рассмотрим систему показателей тесноты - построим корреляционную матрицу.
| Y | X1 | X2 | X3 | |
| Y | 1,00 | 0,99 | 0,99 | -0,47 |
| X1 | 0,99 | 1,00 | 0,96 | -0,54 |
| X2 | 0,99 | 0,96 | 1,00 | -0,38 |
| X3 | -0,47 | -0,54 | -0,38 | 1,00 |
Особенностью многофакторной системы является недопустимость слишком тесной связи между факторными признаками. Это условие часто именуется проблемой коллинеарности факторов. Коллинеарность означает достаточно тесную неслучайною линейную корреляцию одних факторов с другими. Часто рекомендуют исключать фактор, связанный с другим фактором при
. Так же есть рекомендации исключать фактор уже при 
. Мы будем придерживаться варианта не более 0,7.Из матрицы видно, что факторы Y, X1, X2 сильно коррелируют между собой. Фактор X3 слабо влияет на все остальные, поэтому его сразу можно исключить.
Оставляем факторы Y и X1.
Также для сравнения рассчитаем подобную корелляционую матрицу, но через относительные поазатели.
| год | Всего безработных, Y | мужчин, Х1 | женщин, Х2 | Время, X3=t |
| 1995 | 8,81165 | 8,193124 | 8,03786623 | 0 |
| 1996 | 8,81463 | 8,205765 | 8,02943284 | 0,69314718 |
| 1997 | 8,99442 | 8,382747 | 8,2125684 | 1,09861229 |
| 1998 | 9,09403 | 8,474703 | 8,32117831 | 1,38629436 |
| 1999 | 9,11537 | 8,47658 | 8,36474107 | 1,60943791 |
| 2000 | 8,85352 | 8,237744 | 8,07682603 | 1,79175947 |
| 2001 | 8,74878 | 8,134761 | 7,9700493 | 1,94591015 |
| 2002 | 8,74321 | 8,127109 | 7,9665867 | 2,07944154 |
| 2003 | 8,69131 | 8,054523 | 7,93844555 | 2,19722458 |
| 2004 | 8,71866 | 8,031385 | 8,01961279 | 2,30258509 |
| Y | X1 | X2 | X3 | |
| Y | 1,00 | 0,99 | 0,99 | -0,29 |
| X1 | 0,99 | 1,00 | 0,95 | -0,35 |
| X2 | 0,99 | 0,95 | 1,00 | -0,21 |
| X3 | -0,29 | -0,35 | -0,21 | 1,00 |
Зависимость коэффициентов уменьшилась по сравнению с предыдущей матрицей, но общая зависимость факторов практически не изменилась.
Прежде чем начать анализ, построим график зависимости Y и X1, а также проведем тренд:
Из графика видно, что между экономическими явлениями существует нелинейное соотношение. Таким образом она выражена с помощью нелинейной регрессии, следующим полиномом:
y = a + b*x + c*x2
Для нашей параболы второй степени заменяем переменные x=x1, x2=x2, и получаем двухмерное уравнение линейной регрессии:
y = a + b*x1 + c*x2
Для оценки параметров линейной множественной регрессии используем метод наименьших квадратов (МНК). При его применении строится система нормальных уравнений, решение которой и позволяет получить оценки параметров регрессии.
Согласно МНК неизвестные параметры a,b и c получают таким образом, чтобы сумма квадратов отклонений фактических значений y от значений yр, найденных по уравнению регрессии, была минимальной:
Чтобы найти минимум функции, надо вычислить частные производные по каждому из параметров a,b и c и приравнять их к нулю, тогда:
В результате преобразования получим следующую систему нормальных уравнений для оценки параметров a, b и с:
| t | y | x1 | y*x1 | (x1)^2 | x1*x2 | (x1)^4 | (x1^2)*Y |
| 1 | 6712 | 3616 | 24270592 | 13075456 | 47280848896 | 170967549607936 | 87762460672 |
| 2 | 6732 | 3662 | 24652584 | 13410244 | 49108313528 | 179834644139536 | 90277762608 |
| 3 | 8058 | 4371 | 35221518 | 19105641 | 83510756811 | 365025518020881 | 153953255178 |
| 4 | 8902 | 4792 | 42658384 | 22963264 | 110039961088 | 527311493533696 | 204418976128 |
| 5 | 9094 | 4801 | 43660294 | 23049601 | 110661134401 | 531284106259201 | 209613071494 |
| 6 | 6999 | 3781 | 26463219 | 14295961 | 54053028541 | 204374500913521 | 100057431039 |
| 7 | 6303 | 3411 | 21499533 | 11634921 | 39686715531 | 135371386676241 | 73334907063 |
| 8 | 6268 | 3385 | 21217180 | 11458225 | 38786091625 | 131290920150625 | 71820154300 |
| 9 | 5951 | 3148 | 18733748 | 9909904 | 31196377792 | 98206197289216 | 58973838704 |
| 10 | 6116 | 3076 | 18812816 | 9461776 | 29104422976 | 89525205074176 | 57868222016 |
| Сумма | 71135 | 38043 | 277189868 | 148364993 | 593427651189 | 2433191521665030 | 1108080079202 |
Получим систему:
yр = 6368,97 - 1,34665*x + 0,0004x2
Посчитаем Yр. Сумма полученных отклонений расчетных значений от фактических должна быть равна 0.
| x1 | y(р) | Y | y-y(р) | (x1)^2 |
| 3616 | 6670,61 | 6712 | 41,39 | 45050944 |
| 3662 | 6741,07 | 6732 | -9,07 | 45319824 |
| 4371 | 8038,73 | 8058 | 19,27 | 64931364 |
| 4792 | 8997,42 | 8902 | -95,42 | 79245604 |
| 4801 | 9019,45 | 9094 | 74,55 | 82700836 |
| 3781 | 6931,10 | 6999 | 67,90 | 48986001 |
| 3411 | 6376,96 | 6303 | -73,96 | 39727809 |
| 3385 | 6342,10 | 6268 | -74,10 | 39287824 |
| 3148 | 6048,92 | 5951 | -97,92 | 35414401 |
| 3076 | 5968,65 | 6116 | 147,35 | 37405456 |
| Сумма полученных отклонений | 0,000 | |||
3.2 Прогнозирование одномерного временного ряда