Классификации регионов России с учетом структуры неформальной занятости и уровня социально-экономического развития

Цель исследования. Возможности реализации общенациональных и общерегиональных стратегических задач зависят от соответствия принимаемых мер выбранной траектории развития. Комплекс мер включает в себя управленческие решения в области регулирования рынка труда и касающиеся вопросов легализации неформальной занятости. Для принятия управленческих решений по регулированию рынка труда на региональном уровне необходима объективная статистическая оценка взаимосвязи неформальной занятости с показателями социально-экономического развития.

Информационной основой регулирования неформальной занятости должны являться количественно оцененные устойчивые закономерности взаимосвязи параметров неформальной занятости и структурно-динамических характеристик экономического роста и развития. Для выявления и оценки этих статистических закономерностей на основе данных Федеральной службы государственной статистики в региональном разрезе разработана система статистических показателей и определены значимые факторы неформальной занятости и социально-экономического развития. Учитывая неоднородность субъектов Российской Федерации по масштабу и структуре неформальной занятости требуется распределение регионов на однородные группы. Статья описывает подходы классификации регионов России с учетом уровня социально-экономического развития и структуры неформальной занятости.

Материалы и методы. Статья рассматривает подход к распределению регионов на однородные группы с применением методов кластерного анализа на основе главных компонент системы статистических показателей, характеризующих занятых в неформальном секторе, который базируется на предположении о том, что показатели неформальной занятости находятся в причинно-следственной зависимости с показателями социально-экономического развития.

Результаты. Получены пять групп регионов, однородных по структурным характеристикам неформальной занятости и обобщенным факторам социально-экономического развития. Для целей дальнейшей интерпретации выделенные группы оценены и отранжированы относительно среднероссийского уровня социально-экономического развития: низкий уровень (8 регионов), ниже среднего (26 регионов), средний (41 регион), выше среднего (8 регионов), высокий уровень (2 региона).

Заключение. Полученная классификация регионов России является переходным этапом к построению эконометрической модели взаимосвязи неформальной занятости и показателей социально-экономического развития. Дальнейший анализ позволит оценить какие именно показатели в наибольшей степени оказывают мультипликационный эффект на региональную экономику и получить количественную оценку данного влияния на ее рост.

1. Radermacher W.J. Official Statistics in the context of the COVID-19 crisis [Электрон. ресурс]. Режим доступа: https://officialstatistics. com/news-blog/crises-politics-and-statistics (Дата обращения: 19.11.2020)

2. ILO. Кризис COVID-19 и неформальная экономика [Электрон. ресурс]. Режим доступа: https://www.ilo.org/wcmsp5/groups/public/- --ed_protect/---protrav/---travail/documents/ briefingnote/wcms_745853.pdf.

3. Mireia J Informal employment in highincome countries for a health inequalities research: A scoping review // Work. Informal employment in high-income countries for a health inequalities research. 2016. Т.53. № 2. С. 347–356.

4. Bernabè S. Measuring informal employment in transition countries // Note prepared for the WIEGO meeting on «Measuring Informal Employment in Developed Countries. 2008. Т. 31.

5. Гимпельсон В.Е. «Бойцы невидимого фронта»: кто они и сколько их? История на основе данных ОНПЗ // В тени регулирования: неформальность на российском рынке труда. Под общ. ред. В.Е. Гимпельсон, Р.И. Капелюшников. М.: Издательский дом НИУ ВШЭ, 2014.

6. Бирюкова С.С., Синявская О.В. Возможные меры снижения неформальной занятости и скрытой оплаты труда // Журнал Новой Экономической Ассоциации. 2018. № 1(37). С. 193–203.

7. Binelli C. Wage inequality and informality: evidence from Mexico // IZA Journal of Labor & Development. 2016. Т. 5. № 1. С. 5.

8. Елисеева И., Юзбашев М.М. Общая теория статистики. М.: Федеральное государственное унитарное предприятие «Издательство», 2004.

9. Власов М.П. Моделирование экономических систем и процессов. М.: Издательский Дом «Инфра-М», 2011. 311 с.

10. Kaiser H.F. The application of electronic computers to factor analysis // Educational and psychological measurement. 1960. Т. 20. № 1. С. 141–151.

11. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистика, 2011. 352 с.

12. Rezaee M.R., Lelieveldt B.P., Reiber J.H. A new cluster validity index for the fuzzy c-mean // Pattern recognition letters. 1998. Т. 19. № 3–4. С. 237–246.

13. Zhao F., Yang Y., Zhao W. Adaptive clustering algorithm based on max-min distance and bayesian decision theory // IAENG Int. J. Comp. Sci. IJCS. 2017. Т. 44. № 2. С. 24.

14. Ward Jr J.H. Hierarchical grouping to optimize an objective function // Journal of the American statistical association. 1963. Т. 58. № 301. С. 236–244.

15. Tinsley H.E., Brown S.D. Handbook of applied multivariate statistics and mathematical modeling. Academic press, 2000.

16. Олдендерфер М.С., Блэшфилд Р.К.. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. 215 с.