Методы устойчивой кластеризации регионов России по занятости населения

Проблема дисбаланса на рынке труда Российской Федерации не может быть решена без выравнивания неоднородности ее регионов по социально-экономическим и демографическим характеристикам, поскольку рынок труда – это динамическая сложная система, на которую оказывают влияние множество разнообразных факторов, таких как экономическая, демографическая ситуация, качество образования, интересы участников рынка, технический прогресс и цифровизация, психологические аспекты и др. В статье рассматривается применение методов кластерного и дискриминантного анализа на социально-экономических данных, выделяются региональные особенности рынка труда в России. Кластерный анализ проведен традиционными иерархическими и итерационными методами: методом «ближайшего соседа», методом «дальнего соседа», методом «Уорда» и методом «k-средних», а также методом нечеткой кластеризации fanny. Полученные этими пятью методами результаты были оценены на согласованность. Проведенный дискриминантный анализ позволил получить устойчивую кластерную структуру по численности занятого населения по видам экономической деятельности, разделяющую регионы России на четыре основных группы, характеризующиеся позитивным, средним, нейтральным и негативным поведением. Благодаря построению профилей полученных кластеров были выделены слабоинформативные виды экономической деятельности, занятость в которых мало влияет на разделение регионов по группам. В статье оценены ошибки методов кластерного анализа по итоговой устойчивой кластеризации. Проанализированы регионы с высокими и низкими уровнями занятости населения, выявлены нетипичные субъекты Российской Федерации и рассмотрена их отраслевая специализация. Проведен сопоставительный анализ сформированных групп и нетипичных регионов, выделены регионы, которые могут быть условно отнесены к какому-либо кластеру. Итоговая типологизация регионов России по численности занятых по видам экономической деятельности разработана с учетом территориальных, социальных, отраслевых и климатических особенностей.

1. Тихомирова Т.М., Галочкина Ж.С. Методы устойчивой классификации регионов РФ с учетом динамики медико-демографической ситуации // Экономика природопользования. 2012. № 4. С. 132–142.

2. Лапа Е.А., Лапа Е.И. Типологизация региональных рынков труда на основе кластерного анализа // Теория и практика общественного развития. 2016. № 2. С. 68–71.

3. Портнова Л.В. Применение метода кластерного анализа в оценке и прогнозировании уровня безработицы в регионе // Вестник Оренбургского государственного университета. 2012. № 4. С. 158–163.

4. Тихомиров Н.П., Тихомирова Т.М., Ушмаев О.С. Методы эконометрики и многомерного статистического анализа. М.: Экономика, 2011. 647 с.

5. Шитиков В.К., Мастицкий С.Э. Классификация, регрессия и другие алгоритмы Data mining с использованием R. URL: https://github.com/ranalytics/data-mining (дата обращения: 07.04.2022).

6. Орлов Д.А., Постников Е.А. Кластеризация региональных рынков труда с учетом оценок NAIRU // Вестник Южно-Уральского государственного университета. Серия «Экономика и менеджмент». 2021. Т. 15. № 3. С. 34–44.

7. Шубат О.М., Караева А.П. Кластерный анализ в исследовании социально-экономических процессов: опыт критического // Проблемы моделирования социальных процессов: Россия и страны АТР: материалы Второй всероссийской научно-практической конференции с международным участием. – Владивосток, 2016. С. 325–328.

8. Маратканова И.В. Применение метода кластерного анализа для оценки сберегательно-инвестиционного потенциала населения Сибирского Федерального округа // Вестник Югорского государственного университета. 2021. Вып. 1 (60). С. 48–61

9. Регионы России. Социально-экономические показатели: стат. сб. / Росстат. М., 2020. 1242 с.

10. Уикем Х., Гроулмунд Г. Язык R в задачах науки о данных. Импорт, подготовка, обработка, визуализация и моделирование данных. М.: Вильямс, 2017. 592 с.