Forecasting the growth of regional labor productivity

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The article is devoted to the problem of forecasting the growth of regional labor productivity. To study labor productivity in the regions of Russia, the methods of factor and regression analysis were used. Based on the proposed multivariate regression model and logistic regression model, the share of Russian regions where labor productivity will increase with a probability of more than 95% is estimated. This made it possible to identify regions as points of growth of regional labor productivity. In terms of labor productivity growth, problematic regions have also been identified. The proposed results can be used by the Ministry of Economic Development of Russia to justify the effectiveness of regional development.

作者简介

Tatiana Burtseva

MIREA - Russian Technological University

Email: tbur69@mail.ru
Профессор кафедры статистики и математических методов в управлении, доктор экономических наук, доцент

参考

  1. Татарников О.В., Голодов С.В., Кокарев М.А. Применение функций Кобба-Дугласа для регионального прогнозирования производительности труда // Актуальные проблемы менеджмента и экономики в России и за рубежом: сборник научных трудов по итогам международной научно-практической конференции. 2017. – c. 85-88.
  2. Факторы роста производительности труда на предприятиях несырьевых секторов российской экономики. / докл. к XXI Апр. междунар. науч. конф. по проблемам развития экономики и общества, Москва, 2020 г. / Ю. В. Симачев (рук. авт. кол.), М. Г. Кузык, А. А. Федюнина и др. ; Нац. исслед. ун-т «Высшая школа экономики». - М.: Изд. дом Высшей школы экономики, 2020. – 60 c.
  3. Френкель А.А. Производительность труда: проблемы моделирования роста. - М.: Экономика, 1984. – 176 c.
  4. Бурцева Т.А., Френкель А.А., Тихомиров Б.И., Сурков А.А. Интегральный индекс – эффективный инструмент измерения региональной производительности труда // Экономика труда. – 2020. – № 11. – c. 1085-1102.
  5. Бурцева Т.А. Система показателей региональной производительности труда // ФЭС: Финансы. Экономика. Стратегия. – 2020. – № 4-5. – c. 32-41.
  6. Буфетова А.Н. Пространственные аспекты динамики производительности труда в России // Мир экономики и управления. – 2017. – № 4. – c. 142-157.
  7. МиролюбоваТ.В. Производительность труда в регионах России: пространственные аспекты и взаимосвязь с информационными ресурсами // Вестник Пермского университета. Серия: Экономика. – 2016. – № 3. – c. 120-131.
  8. Гагарина Г.Ю., Седова Н.В., Чайникова Л.Н., Архипова Л.С. Региональный аспект анализа производительности труда как показателя эффективности экономики России // Региональная экономика и управление. – 2019. – № 3.
  9. Михеева Н.Н. Сравнительный анализ производительности труда в российских регионах // Регион: Экономика и Социология. – 2015. – № 2. – c. 86-112.
  10. Нагаева О.С., Поподько Г.И. Сравнительный анализ производительности труда в ресурсных и нересурсных регионах России // Экономика труда. – 2019. – № 4. – c. 1299-1316. – doi: 10.18334/et.6.4.41271.
  11. Гафарова Е.А. Эконометрический анализ факторов роста производительности труда в субъектах Российской Федерации // Вопросы статистики. – 2021. – № 2. – c. 80-89. – doi: 10.34023/2313-6383-2021-28-2-80-89.
  12. Бурцева Т.А. Эконометрические модели региональной производительности труда // Вопросы статистики. – 2017. – № 3. – c. 30-36.
  13. Бурцева Т.А., Френкель А.А., Сурков А.А. Статистическое моделирование региональной производительности труда // Вопросы статистики. – 2022. – № 4. – c. 62-70.
  14. Бурцева Т.А., Френкель А.А., Тихомиров Б.И., Сурков А.А. Анализ влияния факторов на региональную производительность труда // Экономика и предпринимательство. – 2021. – № 7. – c. 407-412.
  15. Регионы России. Социально-экономические показатели. 2022. Статистический сборник. Федеральная служба государственной статистики России. [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/210/document/47652 (дата обращения: 03.03.2022).

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Burtseva T.A., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».