Методические подходы к прогнозированию динамики трудовых ресурсов в территориальных системах; Векторы благополучия: экономика и социум; Т. 54, № 1
| Parent link: | Векторы благополучия: экономика и социум=Journal of Wellbeing Technologies: сетевое издание/ Национальный исследовательский Томский политехнический университет.— .— Томск: ТПУ, 2019-.— 2658-4956 Т. 54, № 1.— 2026.— С. 113-122 |
|---|---|
| Autor principal: | |
| Altres autors: | |
| Sumari: | В современных условиях рост концентрации экономически активного населения в крупнейших городах и их спутниках, а также его сокращение в периферийных районах становятся угрозой сбалансированному социально-экономическому развитию данных территорий. В связи с этим возрастает актуальность исследований, посвященных оценке и прогнозированию динамики трудовых ресурсов в территориальных социально-экономических системах. Цель: проведение обзора методических подходов к прогнозированию динамики движения трудовых ресурсов с учетом пространственных особенностей размещения, установление их преимуществ и недостатков. Методы: сравнительный и ретроспективный анализы, обобщение. Результаты: в ходе исследования было выявлено, что при построении прогнозов динамики трудовых ресурсов в территориальных системах применяются в основном три группы методов – авторегрессионное моделирование временных рядов регрессионное моделирование с оценкой воздействия различных факторов и пространственное авторегрессионное моделирование с учетом влияния окружающих территорий. Выводы: при построении пространственных авторегрессионных моделей исследователи в основном применяли метод максимального правдоподобия, имеющий более высокий уровень ошибок и погрешностей при пространственной неоднородности данных по сравнению с методом обобщенных моментов, и одну определенную матрицу пространственных весов без оценки альтернативных. Для формирования прогнозных пространственных моделей необходим предварительный анализ пространственных взаимовлияний территориальных систем по оцениваемому показателю и отбор территорий, обладающих тесной пространственной автокорреляцией. Использование пространственных методов моделирования подтверждает высокий уровень их прогностических возможностей, так как они учитывают пространственную неоднородность размещения трудовых ресурсов In modern conditions, the increasing concentration of the economically active population in major cities and their satellite cities and its decline in peripheral areas pose a threat to the balanced socioeconomic development of these territories. This increases the relevance of the research on assessing and forecasting labor force dynamics in territorial socioeconomic systems. Aim. To carry out a review of methodological approaches to forecasting the dynamics of labor force movement, taking into account the spatial features of placement, and identifying their advantages and disadvantages. Methods. Comparative and retrospective analysis, generalization. Results. It was revealed that when constructing forecasts of labor force dynamics in territorial systems, three groups of methods are mainly used: autoregressive modeling of time series, regression modeling with an assessment of the impact of various factors, and spatial autoregressive modeling taking into account the effect of surrounding territories. Conclusions. When constructing spatial autoregressive models, researchers mainly used the maximum likelihood method, which has a higher level of errors and biases in the case of spatial heterogeneity of data compared to the generalized moments method, and one specific matrix of spatial weights without evaluating alternatives. Forming predictive spatial models requires a preliminary analysis of the spatial interactions of territorial systems based on the assessed indicator and the selection of territories with strong spatial autocorrelation. The use of spatial modeling methods demonstrates high predictive capabilities, as they take into account the spatial heterogeneity of labor force distribution Текстовый файл |
| Idioma: | rus |
| Publicat: |
2026
|
| Matèries: | |
| Accés en línia: | http://earchive.tpu.ru/handle/11683/137568 https://doi.org/10.18799/26584956/2026/1/2070 |
| Format: | Electrònic Capítol de llibre |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=686482 |
MARC
| LEADER | 00000naa2a2200000 4500 | ||
|---|---|---|---|
| 001 | 686482 | ||
| 005 | 20260523122454.0 | ||
| 090 | |a 686482 | ||
| 100 | |a 20260512d2026 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn uucaa | ||
| 200 | 1 | |a Методические подходы к прогнозированию динамики трудовых ресурсов в территориальных системах |d Methodological approaches to forecasting labor force dynamics in territorial systems |z eng |f И. В. Наумов, Н. Л. Никулина | |
| 320 | |a Список литературы: с. 119-120 (30 назв.) | ||
| 330 | |a В современных условиях рост концентрации экономически активного населения в крупнейших городах и их спутниках, а также его сокращение в периферийных районах становятся угрозой сбалансированному социально-экономическому развитию данных территорий. В связи с этим возрастает актуальность исследований, посвященных оценке и прогнозированию динамики трудовых ресурсов в территориальных социально-экономических системах. Цель: проведение обзора методических подходов к прогнозированию динамики движения трудовых ресурсов с учетом пространственных особенностей размещения, установление их преимуществ и недостатков. Методы: сравнительный и ретроспективный анализы, обобщение. Результаты: в ходе исследования было выявлено, что при построении прогнозов динамики трудовых ресурсов в территориальных системах применяются в основном три группы методов – авторегрессионное моделирование временных рядов регрессионное моделирование с оценкой воздействия различных факторов и пространственное авторегрессионное моделирование с учетом влияния окружающих территорий. Выводы: при построении пространственных авторегрессионных моделей исследователи в основном применяли метод максимального правдоподобия, имеющий более высокий уровень ошибок и погрешностей при пространственной неоднородности данных по сравнению с методом обобщенных моментов, и одну определенную матрицу пространственных весов без оценки альтернативных. Для формирования прогнозных пространственных моделей необходим предварительный анализ пространственных взаимовлияний территориальных систем по оцениваемому показателю и отбор территорий, обладающих тесной пространственной автокорреляцией. Использование пространственных методов моделирования подтверждает высокий уровень их прогностических возможностей, так как они учитывают пространственную неоднородность размещения трудовых ресурсов | ||
| 330 | |a In modern conditions, the increasing concentration of the economically active population in major cities and their satellite cities and its decline in peripheral areas pose a threat to the balanced socioeconomic development of these territories. This increases the relevance of the research on assessing and forecasting labor force dynamics in territorial socioeconomic systems. Aim. To carry out a review of methodological approaches to forecasting the dynamics of labor force movement, taking into account the spatial features of placement, and identifying their advantages and disadvantages. Methods. Comparative and retrospective analysis, generalization. Results. It was revealed that when constructing forecasts of labor force dynamics in territorial systems, three groups of methods are mainly used: autoregressive modeling of time series, regression modeling with an assessment of the impact of various factors, and spatial autoregressive modeling taking into account the effect of surrounding territories. Conclusions. When constructing spatial autoregressive models, researchers mainly used the maximum likelihood method, which has a higher level of errors and biases in the case of spatial heterogeneity of data compared to the generalized moments method, and one specific matrix of spatial weights without evaluating alternatives. Forming predictive spatial models requires a preliminary analysis of the spatial interactions of territorial systems based on the assessed indicator and the selection of territories with strong spatial autocorrelation. The use of spatial modeling methods demonstrates high predictive capabilities, as they take into account the spatial heterogeneity of labor force distribution | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |0 583337 |9 583337 |t Векторы благополучия: экономика и социум |l Journal of Wellbeing Technologies |o сетевое издание |f Национальный исследовательский Томский политехнический университет |c Томск |n ТПУ |d 2019- |x 2658-4956 | |
| 463 | 1 | |0 686424 |9 686424 |t Т. 54, № 1 |d 2026 |v С. 113-122 | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a трудовые ресурсы | |
| 610 | 1 | |a территориальные системы | |
| 610 | 1 | |a теоретический обзор | |
| 610 | 1 | |a методы прогнозирования | |
| 610 | 1 | |a авторегрессионное моделирование | |
| 610 | 1 | |a регрессионное моделирование | |
| 610 | 1 | |a пространственное авторегрессионное моделирование | |
| 610 | 1 | |a labor force | |
| 610 | 1 | |a territorial systems | |
| 610 | 1 | |a theoretical review | |
| 610 | 1 | |a forecasting methods | |
| 610 | 1 | |a autoregressive modeling | |
| 610 | 1 | |a regression modeling | |
| 610 | 1 | |a autoregressive modeling | |
| 700 | 1 | |a Наумов |b И. В. |g Илья Викторович | |
| 701 | 1 | |a Никулина |b Н. Л. |g Наталья Леонидовна | |
| 801 | 0 | |a RU |b 63413507 |c 20260512 |2 PSBO | |
| 850 | |a 63413507 | ||
| 856 | 4 | 0 | |u http://earchive.tpu.ru/handle/11683/137568 |z http://earchive.tpu.ru/handle/11683/137568 |
| 856 | 4 | 0 | |u https://doi.org/10.18799/26584956/2026/1/2070 |z https://doi.org/10.18799/26584956/2026/1/2070 |
| 942 | |c CF | ||