Вариативный кластерный анализ занятости населения в городах Российской Федерации

Цель исследования заключается в анализе социально-экономических факторов занятости населения в городских округах Российской Федерации. В рамках исследования проводится кластерный анализ городов по двум вариантам: (1) на основе факторных показателей занятости и (2) с использованием как результативных, так и факторных показателей занятости. В обоих случаях проводится статистическое обоснование учета лагов запаздывающего влияния факторных показателей на результативные. Применение данного вариативного подхода в кластеризации позволяет выявить статистически однородные группы городов, соответственно, без учета и с учетом индивидуальных эффектов факторного влияния на занятость и на основе этого обосновать индикаторы регулирования занятости в городах Российской Федерации.
Материалы и методы. Для достижения поставленной цели на основе данных муниципальной статистики, предусмотренных Федеральным планом статистических работ, была разработана система показателей, включающая количественные и качественные оценки уровня социально-экономических факторов занятости населения. В исследовании проведен кластерный анализа с использованием иерархического метода (Уорда) и итеративного метода (k-средних).
Результаты. В результате кластерного анализа были выделены статистически однородные подгруппы городов, которые различаются по уровню занятости населения, административному составу, набору и характеру влияния факторных показателей на занятость. На основе сравнительного анализа двух вариантов кластеризации доказано, что выявление значимых факторов занятости на муниципальном уровне (по городским муниципальным образованиям) возможно при кластеризации с применением как результативных, так и факторных показателей, а также с учетом временных лагов их взаимосвязи. Кластеризация городов лишь по факторным показателям не обеспечивает учета индивидуальных особенностей взаимозависимости исследуемых показателей в городах, что приводит к грубым статистическим оценкам и скрытости латентных взаимосвязей, учет которых необходим для регулирования занятости.
Заключение. Исследование выявило, что статистически однородные кластеры городов имеют специфику административного состава, что предопределяет особенности многофакторных регрессионных моделей занятости, параметры которых рекомендованы к использованию для разработки мер по регулированию занятости и социально-экономического развития городов.

1. Смирнов И.А., Малафеев О.А., Голубков В.В., Яковец Т.Ю. Задача кластеризации городов Севера России по социально-демографическим данным [Электрон. ресурс] // Сборник научных трудов секции третьей Евразийской научно-технологической конференции «Сопряжение Большого евразийского партнерства и инициативы «Один пояс – один путь»: Арктические стратегии, программы, проекты». СПб.: Издательство ВВМ, 2020. Режим доступа: https://www.elibrary.ru/item.asp?id=42462050.

2. Энхбат П. Кластерный анализ умных городов в сфере мобильности и транспорта. Доклад на VII научном семинаре «Инновационное развитие экономики отдельных стран и регионов: международные сравнения» НИУ «Высшая школа экономики» 12 декабря 2022 г. [Электрон. ресурс]. Режим доступа: https://wec.hse.ru/mirror/pubs/share/802506466.pdf.

3. Фонд «Институт экономики города» Типология городов России по показателям индексов качества жизни и качества среды, 2022 г. [Электрон. ресурс]. Режим доступа: https://www.urbaneconomics. ru/sites/default/files/tipologiya-22.12.pdf.

4. Kenger O.N., Kenger Z.D. Clustering of Cities Based on Their Smart Performances: A Comparative Approach of Fuzzy C-Means, K-Means, and K-Medoids, 2023 DOI: 10.1109/ACCESS.2023.3333753.

5. Портнова Л.В. Кластерный подход к анализу регистрируемой безработицы в регионе // Вестник Российского экономического университета имени Г. В. Плеханова. 2023. № 20(1). С. 89–93. DOI: 10.21686/2413-2829-2023-1-89-93.

6. БД ПМО. Раздел 1.33 «Муниципальная статистика» Федерального плана статистических работ (утвержден распоряжением Правительства Российской Федерации от 6 мая 2008 г. № 671-р с последующими изменениями).

7. Созинова А.А., Ряттель А.В., Савельева Н.К., Метелева О.А. Кластерный подход к оценке показателей рынка труда: кроссрегиональное сравнение [Электрон. ресурс] // Экономика труда. 2022. Т. 9. № 10. С. 1509–1526. Режим доступа: https://1economic.ru/lib/116372. DOI: 10.18334/et.9.10.116372.

8. Буйтек Э.К., Калиева С.А. Применение метода кластерного анализа в оценке уровня безработицы в Казахстане [Электрон. ресурс] // Central Asian Economic Review. 2020. № 1. С. 87–99. Режим доступа: https://caer.narxoz.kz/jour/article/view/84/83.

9. Ворогушин Е. «Кейс: разработка системы кластеризации городов для повышения прозрачности оплаты труда» PWC [Электрон. ресурс]. Режим доступа: https://assets.dm.ux.sap.com/ru-hrdigital-transformation-retail/pdfs/vorogushin_pwc.pdf.

10. Eugenio Cesario E., Lindia P., Vinci A. A scalable multi-density clustering approach to detect city hotspots in a smart city // Future Generation Computer Systems. 2024. Т. 157. C. 226–236. DOI: 10.1016/j.future.2024.03.042 https://www.sciencedirect.com/science/article/pii/S0167739X24001122.

11. Орлова И.В., Филонова Е.С. Кластерный анализ регионов Центрального федерального округа по социально-экономическим и демографическим показателям [Электрон. ресурс] // Статистика и экономика. 2015. № 5. Режим доступа: https:// cyberleninka.ru/article/n/klasternyy-analiz-regionovtsentralnogo-federalnogo-okruga-po-sotsialnoekonomicheskim-i-demograficheskim-pokazatelyam.

12. Нормализация Z-оценки: определения и примеры [Электрон. ресурс]. Режим доступа: https:// www.codecamp.ru/blog/z-score-normalization/.

13. Ward J.H. Hierarchical grouping to optimize an objective function // J. of the American Statistical Association. 1963. 236 с.

14. Czyż SH, Toriola AL, Starościak W, Lewandowski M, Paul Y, Oyeyemi AL. Physical Fitness, Physical Activity, Sedentary Behavior, or Diet-What Are the Correlates of Obesity in Polish School Children? // Int J Environ Res Public Health. 2017. № 14 (6). C. 664. DOI: 10.3390/ijerph14060664.

15. Эмпирическое корреляционное отношение [Электрон. ресурс]. Режим доступа: https:// studfile.net/preview/9336236/page:11/.

16. Шкала Чеддока [Электрон. ресурс]. Режим доступа: https://math.semestr.ru/corel/cheddok.php.