авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Pages:     | 1 |   ...   | 3 | 4 || 6 |

Информационное обеспечение процесса управления социально-экономическими системами мезоуровня: теория, методология, инструментарий

-- [ Страница 5 ] --

Проанализируем пути для безработных: 1) наличие высшего образования дает 15 возможных путей трудоустройства, из них 14 с положительной обратной связью; 2) наличие среднего профессионального образования – десять возможных путей трудоустройства, из них семь с положительной обратной связью; 3) наличие начального профобразования дает 15 возможных путей трудоустройства, из них 14 с положительной обратной связью; 4) отсутствие образования – 17 возможных путей трудоустройства, из них десять с положительной обратной связью. Таким образом, наибольшие шансы получить работу в СЗ у лиц без образования и с высшим профессиональным образованием.

Проанализируем импульсные процессы в механизме, отображенном на когнитивной карте. Моделирование проводилось на основании формул (2)–(6), реализованных в программе ПС КМ. В целях оценки возможных управляющих воздействий, а также возможных стратегий развития было проведено импульсное моделирование. Выбор вершин и совокупностей вершин, в которые вносились импульсные воздействия, определялся на основании экспертных предложений и анализа симплициальных структур.

Сценарий № 1. Импульс поступает в одну вершину V3 – затраты, видно, что при этом происходит улучшение продовольственной безопасности, увеличение реализованной продукции, что положительно сказывается на качестве жизни населения (см. рисунок 8).

G2: при qv3=1; qv1=-1, qv2=1

Рисунок 8– Импульсные процессы для когнитивной карты G2

(получено по результатам исследований автором)

Сценарий № 2. Импульсы поступают в две вершины: V1-финансы -1 и V2-инвестиции +1. Из рисунка 8 видно, что несмотря на инвестиции, нехватка финансов отрицательно влияет практически на все индикаторы. (Сценарный анализ для когнитивных карт G3-G4 показал, что государственная политика, работа службы занятости положительно влияют на спрос и предложение рабочей силы, а так же на уровень жизни населения и отрицательно на безработицу и т. д.)

(2) Статистический анализ данных в АПК.

1. Важнейшей задачей в сельском хозяйстве является оценка влияния затрат на производство продукции и урожайность. В нашем случае рассматривалось 547 сельскохозяйственных предприятий, из которых 169 принадлежат северной и центральной зонам Краснодарского края – основным производителям зерновых. Рассматривались следующие факторы: затраты на 1га – x1 (тыс. руб.); оплата труда на 1га (тыс.руб.) – x2; затраты на семена на 1га (тыс. руб.) – x3; затраты на удобрения на 1 га (тыс. руб.) – x4; затраты на ГСМ на 1 га (тыс.руб.) – x5; амортизация (тыс. руб.) – x6; урожайность ц/га – y.

Регрессионный анализ с использованием Statistica 6.1 показал, что линейная модель объясняет всего 16,2 % вариации урожайности и кроме свободного члена и затрат на удобрения на 1 га других значимых переменных нет. Результаты пошаговой регрессии, несмотря значимость факторов, включенных в модель, объясняют всего 13 % вариации урожайности. Использование кусочно-линейной регрессии с использованием квази-ньютоновского метода оптимизации позволило получить следующую модель (R2=0,707):



y = (30.358 + 0.582x1 +0.207 x2 -1.694x3 + 1.726x4 - 0.002x5 + 3.932x6)* (y <= 47.199) + (45.686 +1.206x1 + 1.828x2 + 1.029x3 - 0.225x4 - 0.015x5 + -0.885)*(y > 47.199 ).

Поиск законов (в системе PolyAnalyst) позволил найти правило
(R2 =0,4346):

Урожайность = (58.9852 *"Оплата труда на 1га"*"затраты на 1га"*"затраты на 1га"*if(NewVar,1,0.761038)+120.481*"Оплата труда на 1га"*"затраты на 1га")/("Оплата труда на 1га"*"затраты на 1га"*"затраты на 1га"+25.472 *"Оплата труда на 1га"+0.0620379 *"затраты на 1га"*"затраты на 1га").

Регрессия в Statistica и аналогичные средства в системе PolyAnalyst взаимно дополняют друг друга в описании изучаемого процесса. Рассмотрение данных с двух альтернативных точек зрения позволяет лучше вникнуть в суть проблемы. Потенциально с помощью этих моделей (и им подобных) можно прогнозировать урожайность в разные моменты времени или тенденцию к росту или спаду урожайности. Это необходимо для оценки государственными органами потенциальных возможностей сельского хозяйства, полученные модели могут с успехом использоваться в северной и центральной зонах Краснодарского края.

2. Практически при проведении полевого опыта часто регистрируют целый ряд сопутствующих неконтролируемых переменных, меняющихся при повторении опыта – это элементы погодных условий на разных стадиях развития растений, а также элементы структуры урожая. Так, в многолетнем многофакторном эксперименте в ст. Ленинградской Краснодарского края фиксировались в разные периоды вегетации климатические факторы X1-X18:

а) содержание влаги в 0–30-сантиметровом слое почвы: X1 –на период посева, X2 – на период возобновления весенней вегетации, X3 – на период выхода в трубку, X4 – на период колошения, X5 – на период полной спелости;

б) содержание влаги в 0–100-сантиметровом слое почвы: X6 – на период посева, X7 – на период возобновления весенней вегетации, X8 – на период выхода в трубку, X9 – на период колошения, X10 – на период полной спелости;

в) количество осадков X11 – за с/х год VIII–VII, X12 – за IX–XI – период осенней вегетации, X13 – за IV–VI – период весенне-летней вегетации, X14 – за V–VI – период от колошения до созревания;

г) гидротермический коэффициент X15 – на период посева, всходов, X16 – на период возобновления весенней вегетации, X17 – на период выхода в трубку, колошения, X18 – на период колошения, восковой спелости, X19 – на период восковой спелости.

Перечисленные выше климатические факторы, переменные Xs – ковариаты, наблюдались на фоне двухфакторного иерархического опыта: фактор B-доза внесения удобрений «сгруппирован» внутри главного фактора A-предшественник. Фактор А наблюдался на пяти уровнях: эспарцет, озимая пшеница, подсолнечник, кукуруза, озимая пшеница. Фактор B наблюдался на трех уровнях: без удобрений, средняя доза NPK, органоминеральная система. Опыт проводился с 1979 по 1998 гг., результаты опытных данных были объединены в одну таблицу, годовые данные полевого опыта использовались в качестве повторений (по 20 повторений для каждого сочетания предшественника и дозы внесения удобрений), расчеты проводились с использованием многолетней средней.

С использованием системы Statistica 6.1 была получена модель, в общем, объясняющая 70,5 % вариации урожайности (множественный коэффициент корреляции R равен 0.84 и является значимым при уровне значимости менее 0,05). В полученной модели значимы все факторы, кроме X12, X16, X18.

Анализ показал, что наибольшую долю влияния на урожайность дает доза внесения удобрений, затем предшественник и их взаимодействие. Затем согласно доле влияния содержание влаги в 0–100-сантиметровом слое почвы на период полной спелости; количество осадков за с/х год VIII-VII; X9; X7; X13; X15.

Полученная модель ковариационного анализа может с успехом использоваться в северной зоне Краснодарского края, но сама идеология применения ковариационного анализа для обработки данных многолетних многофакторных опытов, конечно, применима везде. Необходимость подобных моделей подтверждается опытом развития аграрной науки как у нас в стране, так и за рубежом.

(3) Статистический анализ данных службы занятости населения.

Характеристика данных. Источником данных для анализа являлась база данных, основанная на карточках учёта лиц, обратившихся в государственную службу занятости одного из районов Краснодарского края. Всего рассматривалось свыше 250 признаков. Нами были выбраны социально-демографические признаки: пол, дата рождения, образование, а также профессионально-квалификационные характеристики: общий стаж, профессии (по образованию, первая–четвертая профессии, последняя профессия), средний размер оплаты труда за последний год. На основании перечисленных выше переменных были сформированы следующие переменные: возраст на момент закрытия карты, число профессий, число дней до трудоустройства.

Кроме того, рассматривались причины закрытия карты, категории незанятости. База данных до 2007 г. формировалась только с учётом лиц, добровольно обратившихся за содействием в поиске работы. С 2007 г. в базе данных стали учитываться и лица, обратившиеся в СЗ за консультацией. Поэтому исследование проводилось лишь для безработных, которые обратились в СЗ с 1.01.2004 по 31.12.2006 г. В этот период, несмотря на некоторые изменения в трудовом законодательстве, средний приток безработных в СЗ не изменялся. При изучении молодёжного сегмента рынка труда на основании данных службы занятости нами была рассмотрена молодёжь в трёх возрастных группах (16–19, 20–24 и 25–29 лет, как наиболее близких друг другу. В первой группе, как правило, нет профессий, вторая группа находится в процессе получения профессии и третья группа – это лица, уже получившие образование и имеющие несколько профессий. За исследуемый период в районной СЗ получил статус безработного 10441 человек, из них лица в возрасте 16–29 лет – 4390 человек. Временной промежуток анализа – от даты постановки на учёт до даты закрытия карточки.

Последние полтора–два года политика государства ориентирована не на социальную стабилизацию в обществе, как это было в начале 90-х гг. (выплата пособий по безработице), а на обеспечение занятости населения – то есть найти работу теперь более выгодно, чем жить на пособие по безработице. С 2004 по 2006 гг. наибольшее число дней до трудоустройства возрастает для мужчин по всем возрастным категориям, а также для женщин первой возрастной категории. Для мужчин второй и третьей возрастной категорий наибольшее число дней до трудоустройства уменьшается. Если для первой возрастной категории (16–19 лет) в отношении мужчин и женщин число дней до трудоустройства примерно одинаково, то для второй категории (20–24 года) трудоустройство женщин было более длительным в 3,2; 4,1; 1,7 раз в 2004–2006 гг. соответственно. Для третьей возрастной категории длительность трудоустройства женщин превышала в 5,1; 3,9; 1,9 раза в 2004–2006 гг. соответственно. Продолжительность безработицы в среднем составляла в 2004 г. – 44,2 дня, в 2005 г. – 33,7 дней и в 2006 г.– 53,6 дня. Для лиц интеллектуального труда, работников финансовой сферы, потерявших работу в связи с сокращениями и банкротством организаций, число вакансий стабильно меньше потребности в них. Дополнительные вакансии предлагались, прежде всего, для лиц рабочих профессий. Таким образом, в течение всего периода 2004–2006 гг. наблюдался дисбаланс между спросом и предложением рабочих мест.

Применение рангового коэффициента корреляции Спирмена показало, что в исходных данных нет значимых корреляций (превышающих 0,6).

Факторный анализ показал, что существует два фактора, которые объясняют свыше 53,8% общей дисперсии в 2004 г., 59,12% и 45,2% соответственно в 2005 и 2006 гг. Вращение факторов показывает, что такими факторами могут быть: число дней до трудоустройства и категории занятости в 2004 г., группы молодёжи и образование в 2005 и в 2006 гг. Для оценки достоверности разделения изучаемого множества на классы применялся дискриминантный анализ исходных данных, который показал, что три группы молодёжи достаточно хорошо различимы. Матрица классификации показывает, что 98,9 % данных классифицированы правильно.

Вероятностный анализ перехода в различные временные интервалы при пребывании на учёте в центре занятости в состоянии регистрируемой безработицы и оценку «риска» сняться с учёта в качестве безработного проведен нами с помощью оценок Каплана-Мейера. Анализировались данные за три года (2004–2006 гг.). Методы анализа выживаемости не описывают адекватно имеющиеся данные. Если исключить из анализа безработных, получивших работу в первые 9–11 дней, то оставшиеся данные достаточно хорошо описываются распределением Вейбулла, для которого нет значимого отклонения от наблюдаемых значений при оценивании параметров по минимуму суммы взвешенных квадратов (таблица 1).

Таблица 1 – Оценки параметров модели Вейбулла Веса:

1=1., 2=1./V,3=N(I)*H(I)2

Лямбда Стд.Ош. Гамма Дисперс. Стд. Ош. Ковар. Хи-квадр сс p
Вес 1 0,00019 0,00029 1,65 0,07 0,27 -0,0008 10,24 9,00 0,33
Вес 2 0,00119 0,00014 1,34 0,04 0,2 -0,0003 4,595 9,00 0,87
Вес 3 0,00312 0,00399 1,16 0,05 0,21 -0,0008 3,174 9,00 0,96






Pages:     | 1 |   ...   | 3 | 4 || 6 |
 

Похожие работы:










 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.