Ковенська О.А.
Звіт про виконання другого етапу науково-дослідної роботи на тему:
"Дослідження шляхів забезпечення економічної безпеки територій".
Дрогобич: ДДПУ,
2006. – С.56-62.
Економічна оцінка якості трудового потенціалу регіону – передумова прогнозування стану його економічної безпеки (на прикладі СЕЗ "Курортополіс Трускавець")
Як відомо, економічна безпека території залежить від впливу комплексу факторів – екологічних, науково-технічних, соціальних, економічних та інших. У зв’язку з цим, прогнозування стану економічної безпеки потребує формування методологічних підходів до економічної оцінки впливу зазначених факторів на ті чи інші показники, які дозволяють характеризувати динаміку та тенденції соціально-економічного розвитку, а отже і економічна безпека територій.
Використовуючи систему показників, наведених у табл. 1 дослідимо за допомогою математичних методів вплив різних факторів на якість трудового потенціалу СЕЗ «Курортополіс Трускавець».
Таблиця 1. Система показників, що впливають на якість трудового потенціалу СЕЗ «Курортополіс Трускавець»
| Показники | 2001 р. | 2002 р. | 2003 р. | 2004 р. | 2005 р. |
| 1.Очікувана тривалість життя (роки) (мін.25 р. – мах. 85 р.) | 68,3 | 68,3 | 68,7 | 69,0 | 69,2 |
| 2.Умовний коефіцієнт депопуляції (співвідношення числа померлих до числа народжених) | 1,51 | 1,46 | 1,22 | 1,24 | 1,05 |
| 3.Коефіцієнт стійкості сімей (кількість шлюбів/ кількість розлучень) | 1,15 | 1,26 | 2,42 | 2,65 | 1,98 |
| 4. Рівень освіти (кількість населення з повною вищою та н/вищою освітою в загальній кількості населення) в % | 54,5 | 55,7 | 56,1 | 56,8 | 57,2 |
| 5. Виробництво продукції та послуг на душу населення (тис. грн. мін-100$, макс-40тис$); | 2,26 | 2,65 | 2,78 | 3,63 | 3,91 |
| 6. Середньомісячна номінальна заробітна плата (грн.). | 202,5 | 248,76 | 310,69 | 407,55 | 455,25 |
| 7. Рівень зареєстрованого безробіття населення (%); | 5,42 | 4,69 | 3,47 | 2,8 | 1,94 |
| 8. Рівень зайнятості населення (%); | 69,5 | 68,0 | 68,9 | 72,6 | 75,06 |
| 9. Коефіцієнт забезпеченості лікарями (в розрахунку на 100.000 осіб населення); | 205 | 208 | 214 | 219 | 224 |
| 10. Кількість залучених інвестицій на одного жителя (грн.); | 87,59 | 154,79 | 103,26 | 259,02 | 791,74 |
| 11. Забезпечення житлом ( в кв.м. на одного жителя). | 18,6 | 18,9 | 19,1 | 19,3 | 19,5 |
Специфікація моделі. У нашому розпорядженні існує ряд показників. Як залежна змінна доцільним є використання очікуваної тривалості життя (в роках).
Щодо основних факторів, обраних для моделювання, слід відмітити недостатню кількість спостережень по кожному з них. У моделі кількість змінних має бути не більшою за кількість спостережень, а в нашому випадку мають місце статистичні дані тільки за п’ять років. Створимо наступні лінійні моделі:
Перша з них включатиме наступні показники (див. табл. 2):
Таблиця 2.
| Рік | Очікувана тривалість життя(в роках, мін-25, макс-85) | Виробництвово продукції та послуг на душу населення (тис.грн)мін-100$, макс-40тис$ | Середньомісячна номінальна з/п (грн) | Рівень зайнятості населення (%) | Кількість залучених інвестицій на одного жителя (грн) |
| y | x1 | x2 | x3 | x4 | |
| 2001 | 68,3 | 2,26 | 202,5 | 69,5 | 87,59 |
| 2002 | 68,3 | 2,65 | 248,76 | 68 | 154,79 |
| 2003 | 68,7 | 2,78 | 310,69 | 68,9 | 103,26 |
| 2004 | 69 | 3,63 | 407,55 | 72,6 | 259,02 |
| 2005 | 69,2 | 3,91 | 455,25 | 75,06 | 791,74 |
Перевіримо масиви незалежних змінних на наявність мультиколінеарності базуючись на алгоритмі Феррара-Глобера:
По першій моделі:
- Критерій X2 –критерій (
) становить 18,412, що є більше за критичне його значення (12,5916) і свідчить про існування мультиколінеарності у масиві незалежних змінних.
- F – критерії (
) :
F1 = 0,466260486
F2 = 109,3985283
F3 = 289,585348
F4 = 54,46657837
Табличне значення його становить 10,13. Отже, ймовірно х2, х3 та х4 мультиколінеарні з іншими.
- t-критерій (
, табличне значення становить 6,314):
t12 = 0,353259131
t13 = -0,317477789
t14 = 0,339116499
t23 = 5,010634349
t24 = -2,001163665
t34 = 3,517287859
Відповідно, жодна із пар незалежних змінних не є мультиколінеарими.
Модель має наступний вигляд:
Y = 65,4-0,6*X1+0,007*X2+0,04*X3-0,00013*X4
Для уникнення мультиколінеарності та підвищення якості моделі із списку факторів заберемо х1 – обсяги виробництва товарів та послуг на душу населення. Отримаємо наступну залежність:
Y = 65,11 +0,0033*X2+0,036*X3-0,00021*X4
Як бачимо, вплив середньомісячної номінальної заробітної плати, рівня зайнятості та залучених інвестицій на очікувану тривалість життя є мінімальним.
Друга модель включатиме (див. табл. 3):
- коефіцієнт стійкості сімей, що визначається відношенням кількості шлюбів до кількості розлучень;
- рівень освіти;
- забезпеченість лікарями (в розрахунку на 100000 населення).
Таблиця 3.
| Рік | Очікувана тривалість життя (в роках, мін-25, макс-85) | Коефіцієнт стійкості сімей (кільк. шлюб/кільк. розлучень) | Рівень освіти, % | Забезпеченість лікарями (в розрах. на 100.000 чол. населення) |
| y | x1 | x2 | x3 | |
| 2001 | 68,3 | 1,15 | 54,5 | 205 |
| 2002 | 68,3 | 1,26 | 55,7 | 208 |
| 2003 | 68,7 | 2,42 | 56,1 | 214 |
| 2004 | 69 | 2,65 | 56,8 | 219 |
| 2005 | 69,2 | 1,98 | 57,2 | 224 |
Використавши алгоритм Феррара-Глобера дослідимо масив незалежних змінних на мультиколінеарність:
- Критерій X2 –критерій становить 6,003618065, що є менше за критичне його значення (7,81) і свідчить про відсутність мультиколінеарності у масиві незалежних змінних.
- F – критерії:
F1 = 0,393047048
F2 = 3,869912761
F3 = 3,764985814
Табличне значення його становить 19. Отже, жоден із факторів не є мультиколіеарним з іншими.
- t-критерій (табличне значення 2,9):
t12 = 0,198640475
t13 = 0,116231329
t23 = 0,116231329
Відповідно, жодна із пар незалежних змінних не є мультиколінеарими.
Використавши однокроковий метод найменших квадратів знаходимо оцінки параметрів моделі:
Y = 63,42+0,067*X1-0,176*X2+0,07*X3
| параметр | t-Statistic |
| а0 | 28,51984 |
| а1 | 1,484342 |
| а2 | -2,518481 |
| а3 | 7,527517 |
Табличне значення t-критерію з (n-m=5-3=2) ступенями свободи та рівні значущості α=5% становить 2,920. Таким чином, оцінки параметрів а0 та а3 є зміщеними.
Коефіцієнт детермінації та скоригований коефіцієнт детермінації є наступними: R2=0,997404 та R2Adjusted=0,989616, що свідчить про існування тісної залежності між досліджуваними соціально-економічними показниками.
Критерій Дарбіна-Уотсона становить 3,131625. Обчислимо критерій фон Неймана, який становить 3,91453125. Відповідно, це свідчить про відсутність автокореляції.
Використаємо результати моделювання.
Якщо тенденції у зростанні рівня освіти та кількості лікарів на наступні 5 років збережуться, коефіцієнт стійкості сімей залишиться на рівні 2005, а усі інші чинники залишаться без змін, очікувана тривалість життя буде становити приблизно 68,6<70,1 (y)<71,6 (±5%).
Інтерпретація результатів обчислення:
1. Оскільки значення а0>0, то відносна зміна очікуваної тривалості життя проходить швидше, ніж зміна факторів (стійкості сімей, рівня освіти та кількості лікарів).
2. Якщо коефіцієнт стійкості сімей зросте на одну одиницю за рахунок зростання кількості шлюбів або зменшенням кількості розлучень, то очікувана тривалість життя гранично зросте на 0,067 року за умови незмінності усіх інших факторів;
3. Якщо кількість людей, які мають повну, базову вищу освіту зросте на 1%, то очікувана тривалість життя гранично зменшиться на 0,176 роки за умови незмінності усіх інших факторів.
4. Якщо кількість лікарів на 100000 населення зросте на одну особу, то очікувана тривалість життя гранично зросте на 0,07 роки за умови незмінності усіх інших факторів.
Обчислимо коефіцієнти еластичності:
 |
0,001845182 % |
 |
-0,143618049 % |
 |
0,218049491 % |
Як бачимо, найістотніший вплив на очікувану тривалість життя в рамках цієї моделі має кількість лікарів на 100000 чол. населення (якщо кількість лікарів зросте на 1%, то очікувана тривалість життя ймовірно зросте на 0,2%). Найменший вплив – сімейний стан.
Загальна еластичність (
) становить приблизно 0,08% і означає, якщо усі фактори, включені до моделі збільшаться одночасно на 1%, то очікувана тривалість життя населення зросте на 0,08%.
Наступне, дослідимо вплив рівня освіти та кількості залучених інвестицій на рівень зайнятості в курортополісі.
Таблиця 4.
| Рівень зайнятості населення (%) | Рівень освіти, % | Кількість залучених інвестицій на одного жителя (грн.) |
| y | x1 | x2 |
| 69,5 | 54,5 | 87,59 |
| 68 | 55,7 | 154,79 |
| 68,9 | 56,1 | 103,26 |
| 72,6 | 56,8 | 259,02 |
| 75,06 | 57,2 | 791,74 |
Результати моделювання наведено в таблиці нижче:
Таблиця 5.
| Значення | Стандартна помилка | t-статистика | |
| a0 | 38,72475 | 70,17916 | 0,551798 |
| a1 | 0,535051 | 1,268213 | 0,421893 |
| a2 | 0,007492 | 0,004527 | 1,654903 |
| R2 | 0,809826 | ||
| Скоригований R2 | 0,619652 |
Табличне значення t-Statistic із 5-2=3 ступенями свободи та рівні значущості 5% становить 2,353. Усі оцінки параметрів моделі є незміщеними. Скоригований коефіцієнт детермінації становить 0,62, і свідчить, що між факторами та результатом існує помітний зв‘язок (згідно шкали Чеддока).
Якщо рівень освіти зросте на 1%, то рівень зайнятості зросте на 0,5%.
Запропонована модель може бути використаною для прогнозування стану економічної безпеки територіальних утворень за соціально-демографічною безпекою (СДМБ) та іншими складовими економічної безпеки, а її доопрацювання дозволить створити систему моніторингу стану економічної безпеки території.