Далее рассмотрим состав безработных в зависимости от возраста. С этой целью также построим диаграмму для каждого федерального округа, разделив безработных на возрастные группы.

Рис. 3. Состав безработных по возрастным группам в 2011 г. (по данным выборочных обследований населения по проблемам занятости; в среднем за год; в процентах к итогу)

Согласно приведенным данным, во всех федеральных округах преобладают безработные среди молодёжи в возрасте от 20 до 24 лет, превосходя в полтора раза следующую группу (30-39) по численности безработных. Это вполне можно объяснить тем, что молодые профессионалы впервые выходят на рынок труда и им требуется время, чтобы найти подходящее место работы. Минимальное количество безработных наблюдается в возрасте старше 60 лет. Причина такого спада, скорее всего, кроется в том, что в этом возрасте люди выходят на пенсию и не относятся уже к категории безработных лиц.

Следует отметить, что распределение по возрастным группам по всей России примерно одинаковое. Так на уровне 20-25% от всех безработных округа находится безработица среди граждан, в возрасте от 30 до 39 лет, а чуть ниже, на уровне 15-20% - безработица для возрастной группы 40-59 лет. Безработица среди молодёжи до 20 лет держится на сравнительно низком уровне в 5-8% от всей численности безработных, что связано с тем, что преобладающее число лиц данного возраста заняты в учебных заведениях (школы, колледжи, университеты) и тем самым не может быть отнесено к безработным.

В заключение проанализируем состав безработных по уровню образования. Обычно считается, что у более образованного индивида вероятность получения рабочего места выше, ввиду наличия у него преимущества по сравнению с остальными. Однако приведем статистику за 2011 год.

Рис. 4. Состав безработных по уровню образования в 2011 г. (по данным выборочных обследований населения по проблемам занятости; в среднем за год; в процентах к итогу)

По приведенной диаграмме можно сделать вывод о том, что наибольшую долю безработных составляют лица, которые имеют только среднее (полное) образование. Наиболее ярко это наблюдается в Северо-Кавказском федеральном округе, где безработные, имеющих только аттестат о среднем образовании, составляют более половины всех безработных.

Наименьшую долю общей безработицы составляют лица, не имеющие основного общего образования (не окончившие 9 классов школы). Вероятнее всего это связано с тем, что доля таких граждан в целом по России невелика. Более того, люди, не окончившие среднюю школу зачастую не испытывают желания работать и не принимают никаких действий по её поиску. Таким образом, они не входят в состав рабочей силы. Практически тем же самым можно объяснить более низкую долю безработных среди граждан, имеющих только основное общее образование, по сравнению с профессионалами.

Далее, если рассмотреть безработных, которые имеют какое-либо профессиональные навыки, то в среднем, при увеличении степени образования (от начального до высшего профессионального), доля соответствующих лиц, не имеющих работу, уменьшается. Так, безработные с начальным профессиональным образованием составляют 20-25% от итога; со средним профессиональным образованием - 18-23%; с высшим профессиональным образованием - 13-20%.

Рассмотрев динамику и структуру безработицы по основным социально-демографическим показателям, мы смогли сделать определенные выводы и выдвинуть некоторые предположения. Однако без более детального анализа динамики на наличие тренда или сезонности, а также без рассмотрения влияния на уровень безработицы других социально-экономических факторов данное исследование является неполным. Таким образом, в следующей главе будет представлен статистический анализ уровня безработицы, а также мы подберём наиболее оптимальную модель, которая смогла бы наиболее точно описать динамику показателя, и на основе которой мы сможем сделать прогноз на несколько шагов вперед с некоторой определенной точностью.

Глава 3. Статистический анализ безработицы в Российской Федерации

3.1 Факторы, оказывающие влияние на уровень безработицы в России

Перед тем как переходить непосредственно к анализу данных, необходимо предварительно выбрать факторы, которые на первый взгляд могут оказывать влияние на уровень безработицы. Для исследования были взяты данные Росстата за 2011 год с целью анализа текущих тенденций на рынке труда.

Первоначально были отобраны следующие социально-экономические факторы, принимая во внимания результаты исследований, проведенных ранее:

х1. среднее время поиска работы безработными (месяцев);

х2. удельный вес убыточных организаций (в процентах от общего числа организаций);

х3. удельный вес городского населения в общей численности населения (оценка на конец года, в процентах);

х4. коэффициенты пенсионной нагрузки (оценка на конец года);

х5. общие коэффициенты рождаемости (число родившихся на 1000 человек населения);

х6. ожидаемая продолжительность жизни при рождении (число лет);

х7. общие коэффициенты брачности на 1000 человек населения;

х8. коэффициенты миграционного прироста на 10000 человек населения;

х9. индекс физического объема инвестиций в основной капитал (в постоянных ценах, в процентах к предыдущему году);

х10. ввод в действие жилых домов на 1000 человек населения (квадратных метров общей площади);

х11. удельный вес домохозяйств, имевших персональный компьютер с доступом к сети Интернет;

х12. индекс потребительских цен (декабрь к декабрю предыдущего года, в процентах)

х13. мощность амбулаторно-поликлинических учреждений на 10000 человек населения (на конец года, тысяч посещений в смену);

х14. среднемесячная номинальная начисленная заработная плата работников организаций (рублей).

Можно предположить, что каждый из перечисленных показателей в той или иной мере влияет на значение уровня безработицы в Российской Федерации. Так, удельный вес убыточных организаций может влиять с той точки зрения, что обычно в связи с неблагоприятным экономическим положением на фирме часть работников вынуждены ее покинуть и начать искать себе новое место работы. Демографические факторы также могут повлиять на уровень безработицы, так как при увеличении численности людей или мигрантов увеличивается конкуренция на рынке труда. Такой показатель, как удельный вес домохозяйств, имевших персональный компьютер с доступом к сети Интернет должен коррелировать с зависимой переменной, так как в современном мире общение между работодателем и потенциальным работником осуществляется именно в Интернете. Более того, глобальная сеть помогает контактировать тем участникам на рынке труда, которые могут находиться друг от друга в тысячах километров.

3.1.1 Корреляционно-регрессионный анализ

Регрессионный анализ - есть метод исследования зависимости результативного признака у (случайной величины) от нескольких случайных величин х1,х2,…,хk, называемых факторами или регрессорами. Исследование причинно-следственной связи между показателями является одной из основных задач общей теории статистики.

Одной из предпосылок регрессионного анализа является нормальность распределения изучаемых факторов и, главным образом, результирующей переменной. Также, изучаемые единицы должны быть качественно однородными. С целью приведения всех признаков к одинаковым единицам обычно используют принцип нормировки, то есть каждую центрированную величину признака делят на среднее квадратическое отклонение: , где - значение l-го признака у j-го объекта, - среднее арифметическое значение l-го признака, а - среднее квадратическое отклонение.

После того как все признаки были нормированы, мы проверяем зависимую переменную «уровень безработицы» на нормальность её распределения по правилу 3-х сигм. Данное правило является частным случаем при рассмотрении закона о нормальном распределении и формулируется следующим образом: вероятность отклонения случайной величины от своего математического ожидание на величину, большую, чем утроенное среднее квадратичное отклонение (сигма), стремится к нулю. Таким образом, после применения данного правила к результирующей переменной с целью приведения распределения к нормальному виду были удалены из рассмотрения республика Калмыкия, республика Ингушетия, республика Тыва и Чеченская республика, так как уровень безработицы там в несколько раз превосходит соответствующий уровень в оставшихся регионах. В результате, количество наблюдений у нас равно 80.

Далее производится проверка всех факторов на нормальный закон распределения (приложение 1), используя одновыборочный критерий Колмогорова-Смирнова. Мы проверяем гипотезу о том, что каждая переменная является нормально распределённой на уровне значимости б=0,05, при конкурирующей гипотезе ( не принадлежит нормальному закону распределения).

Таблица 1

Одновыборочный критерий Колмогорова-Смирнова

На основании получившихся значений, можно сделать вывод о том, что гипотеза о принадлежности каждой переменной нормальному закону распределения не отвергается на уровне значимости б=0,05, за исключением . Т.е. переменные - нормально распределённые величины. Таким образом, предпосылка регрессионного анализа о нормальности распределения показателей выполняется, и мы можем переходить к следующему этапу исследования ( мы также включим пока в анализ ввиду предположения о влиянии размера среднемесячной заработной платы в регионе на уровень безработицы).

Перед тем как воспользоваться методом регрессионного анализа необходимо выяснить, какие факторы из вышеперечисленных было бы целесообразнее всего использовать для включения в модель. Зачастую, включение большего количества показателей в модель не улучшают её статистические свойства, а наоборот ухудшают, ввиду, к примеру, наличия мультиколлинеарности между переменными. Наиболее обоснованным методом для выбора факторов является.

Корреляционный анализ является одним из методов статистического анализа взаимозависимости нескольких признаков. На данный момент, он определяется как метод, применяемый в случае, когда наблюдение считается случайным и выбранным из генеральной совокупности, распределённой по многомерному нормальному закону распределения. Основной задачей данного анализа является оценка корреляционной матрицы генеральной совокупности по выборке и определении частных и множественных коэффициентов корреляции и детерминации на её основе оценок. Другими словами, корреляционный анализ позволяет обработать статистические данные, с целью измерения тесноты связи между двумя или более переменными.

Для определения необходимости включения в уравнение множественной регрессии тех или иных факторов, а также для оценки полученного уравнения на соответствие выявленным связям (используя коэффициент детерминации) мы построим матрицу парных коэффициентов корреляции :

, где , а .

Согласно корреляционной матрице (приложение 2), на уровне 0,01 оказались значимыми корреляции между уровнем безработицы и средним временем поиска работы безработными (связь является положительной), удельным весом городского населения в общей численности населения (отрицательная зависимость), коэффициентом пенсионной нагрузки (отрицательная взаимосвязь), общими коэффициентами рождаемости (коэффициент имеет положительный знак), коэффициентами миграционного прироста (отрицательная взаимосвязь), удельным весом домохозяйств, имевших персональный компьютер с доступом к сети Интернет (коэффициент корреляции отрицателен), а также среднемесячная номинальная начисленная заработная плата работников организаций (корреляция является также отрицательной). В то же время, на уровне 0,05 значима связь между уровнем безработицы и такими показателями как индекс потребительских цен и мощность амбулаторно-поликлинических учреждений.

Надо заметить, что коррелированных между собой показателей достаточно много, однако при этом мультиколлинеарность между факторами не наблюдается. Таким образом, в регрессионную модель могут войти все переменные, кроме показателей удельного веса убыточных организаций (х2), ожидаемой продолжительности жизни при рождении (х6), общих коэффициентов брачности (х7), индекса физического объема инвестиций в основной капитал (х9), ввода в действие жилых домов (х10).

После проведения корреляционного анализа у нас остались 9 переменных, которые имеют значимую корреляцию на том или ином уровне значимости. Однако включение всех этих факторов в модель может оказаться бессмысленным и увеличение такой характеристики качества построенной модели как коэффициент детерминации может быть результатом добавления в модель большого количества регрессоров. Таким образом, проверим оставшиеся переменные на существенность их включения с помощью дисперсионного анализа.

Дисперсионный анализ предназначен для проверки зависимостей нормально распределённой случайной величины, являющейся результативным признаком, от нескольких величин - факторных признаков, или факторов, среди которых могут быть как случайные, так и неслучайные величины, измеряемые в любой из шкал: интервальной, порядковой или номинальной Теория вероятностей и математическая статистика, под ред. В.С. Мхитаряна, - М.: Маркет ДС, 2010.

В работе приведён анализ однофакторного комплекса. По очереди изучается влияние 9 факторов на уровень безработицы в Российской Федерации. Исследование существенности влияния каждого фактора на уровень безработицы в РФ заключается в проверке основной гипотезы дисперсионного анализа: уровни факторного признака не влияют на изменение результативной переменной. В данной работе все расчеты производятся на уровне значимости 0,05. Сведем результаты всех расчетов в одну таблицу (приложение 3) и проверим значимость влияния каждого признака в отдельности с помощью F-статистики.

Таким образом, для переменных х₁, х₅, х₈, х₁₁ и х₁₃ наблюдаемое значение F-статистики превосходит ее критическое значение, т.е. гипотеза о несущественности влияния фактора на изменение результативного признака отвергается с вероятностью ошибки, равной 0,05. Следовательно, можно считать, что следующие переменные существенно влияют на уровень безработицы РФ:

· среднее время поиска работы безработными (месяцев);

· общие коэффициенты рождаемости (число родившихся на 1000 человек населения);

· коэффициенты миграционного прироста на 10000 человек населения;

· удельный вес домохозяйств, имевших персональный компьютер с доступом к сети Интернет;

· мощность амбулаторно-поликлинических учреждений на 10000 человек населения (на конец года, тысяч посещений в смену).

В результате проведенных корреляционного и дисперсионного анализов мы определили, какие переменные далее будут включены в регрессионный анализ, для проверки их статистической значимости. Далее необходимо предоставить дескриптивные статистики для каждой переменной, описать математическую модель зависимости показателей, построить уравнение регрессии, описывающее изменение коррелируемых величин и определяющее среднее значение результативного признака при каком-либо значении факторного.

Переобозначим все оставшиеся переменные, которые будут использованы в последующем анализе. Так, зависимым признаком будет являться уровень безработицы в РФ (Y), а независимыми - следующие, упомянутые выше показатели:

х1. среднее время поиска работы безработными (месяцев);

х2. общие коэффициенты рождаемости (число родившихся на 1000 человек населения);

х3. коэффициенты миграционного прироста на 10000 человек населения;

х4. удельный вес домохозяйств, имевших персональный компьютер с доступом к сети Интернет;

х5. мощность амбулаторно-поликлинических учреждений на 10000 человек населения (на конец года, тысяч посещений в смену).

Рассчитаем основные дескриптивные статистики для отобранных переменных и представим результаты в виде следующей таблицы:

Таблица 2

Если взглянуть на рисунок 5, то визуально весь период можно разделить на три сектора, в каждом из которых выделяется своя тенденция. В связи с этим, а также ввиду громоздкости анализа большого массива данных, далее будет рассмотрена только его часть, а именно период с января 2009 года по март 2013 года. Во-первых, к данному моменту времени кризис уже немного «утих», а во-вторых, исследование именно этого периода времени позволит нам построить более точный краткосрочный прогноз будущих значений уровня безработицы в России.

Рис. 6. Ряд динамики уровня безработицы в РФ

По представленному графику возможно предположить о том, что данный ряд динамики может быть описан с помощью мультипликативной модели. Кроме этого анализ графика позволяет сделать предположения о наличие тренда, сезонности и случайной компоненты.

Для начала проверим гипотезу о том, что в данном временном ряду присутствует тренд. Для этой цели существует несколько подходов, в частности, в рамках работы мы использовали метод Фостера-Стюарта. В основе данного подхода лежит нулевая гипотеза об отсутствии тренда в динамике значений уровня безработицы, а именно гипотеза . Рассчитав t-статистики для данного теста, мы получили, что выдвинутая гипотеза отвергается с вероятностью ошибки , т.е. мы подтвердили предположение, которое было выдвинуто выше.

Далее переходим к анализу наличия сезонной компоненты в исследуемом ряду динамики. Перед началом анализа влияния сезонности необходимо провести сглаживание ряда. Для этого можно использовать простую скользящую среднюю с длиной интервала, равной 12-ти наблюдениям. Формула для расчетов будет выглядеть следующим образом: . При расчёте теряются несколько первых и последних значений, которые восстанавливаются с помощью среднего абсолютного прироста, рассчитанного на последнем активном участке сглаживания.

В ходе данного исследования индексы сезонности были рассчитаны по методу отношений помесячных средних к средней месячной соответствующего года. Предварительно мы избавились от тенденций в ряду путём деления исходного значения уровня ряда на соответствующую тому же уровню рассчитанную скользящую среднюю. Для большей наглядности мы изобразили полученные данные (приложение 11) на графике, где красная линия соответствует значению в 100%, а синяя - соответствующие индексы сезонности:

Рис. 7. Индексы сезонности уровня безработицы в России

Представленная диаграмма иллюстрирует смещение синего многоугольника в сторону зимнего и весеннего сезона. Таким образом, выдвинутое предположение о наличии сезонности в модели подтверждается, причём оно достаточно заметное. Такую сезонность можно объяснить следующим образом: люди в течение лета зарабатывают и копят деньги на сезонных предприятиях (сбор урожая, услуги по обслуживанию туристов), а зимой, когда нет работы, они тратят то, что накопили за лето и осень.

Далее в ходе работы были построены и оценены несколько моделей динамики, с помощью которых можно описать изменение во времени уровня безработицы в России в период с января 2009 года по март 2013. Предоставим полученные результаты в виде сводной таблицы:

Таблица 4

Безработица является макроэкономической проблемой, которая в течение последних нескольких лет нависает над многими развитыми странами, вызывая сильные волнения в обществе. Мониторинг проблем безработицы, в особенности ввиду последствий мирового финансового кризиса, представляет собой необходимую меру, предпринимаемую государством с целью выработки наиболее эффективной политики по решению данного вопроса на основе полученных результатов.

Если смотреть на мир в целом, то ученые прогнозируют продолжительный рост уровня безработицы как минимум до 2017 года. На фоне таких заключений экспертов Россия показывает совершенно противоположные результаты - в декабре 2012 года уровень безработицы в России достиг своего наименьшего уровня в 4 процентных пункта. Именно такие показатели подтолкнули к исследованию безработицы именно в Российской Федерации.

Достаточно многие российские и зарубежные ученые занимались изучением проблемы безработицы с совершенно разных сторон. На данный момент помимо исследования основных характеристик, относящихся к уровню безработицы, проводится анализ влияния различных факторов, которые на первый взгляд совершенно не имеют с безработицей ничего общего, а также рассматривается её влияние на другие стороны жизни человека. Самые последние работы относятся как к построению различных вероятностных моделей, описывающих переход человека между разными состояниями занятости, так и к разработке статистических моделей, которые могли бы описать факторы, влияющие на продолжительность безработицы.

Для первой части анализа безработицы в Российской Федерации в рамках представленной работы были взяты данные по регионам России за 2011 год, что помогло отразить текущие тенденции на рынке труда. Изучив структуру безработицы по полу, мы пришли к выводу, что число женщин, желающих и готовых приступить к работе ниже, чем число мужчин. При этом количество женщин в нашей стране превышает количество мужчин, что наталкивает на заключение о том, что либо женщины более «успешны» в поиске работы, либо они занимаются домашним хозяйством, тем самым не относятся к числу рабочей силы. Далее, анализ состава безработных по возрасту показал, что в основном наибольшую их долю составляют молодые люди в возрасте 20-29 лет, которые, получив диплом, впервые выходят на рынок труда и им нужно время, чтобы адаптироваться и найти наиболее подходящую себе работу. Что же касается структуры безработных по образованию, то наибольшую долю среди всех безработных составляют лица, имеющие только среднее (полное) образование. Это объясняется тем, что в настоящее время работодатели предпочитают брать даже на самые низшие должности людей с начальным профессиональным образованием, на что указывает более низкая доля таких безработных.

Далее в рамках работы было проведено исследование влияния различных социально-экономических факторов на уровень безработицы в России. В ходе корреляционного и дисперсионного анализа первоначально из 14-ти выдвинутых факторов, оказывающих возможное влияние, были отобраны пять. Однако в наилучшую регрессионную модель вошли общие коэффициенты рождаемости, коэффициенты миграционного прироста на 10000 человек населения и удельный вес домохозяйств, имевших персональный компьютер с доступом к сети Интернет.

Положительную зависимость уровня безработицы от числа родившихся на 1000 человек населения (что имеет наибольшее влияние на результирующую переменную при прочих равных) можно объяснить с точки зрения увеличения числа женщин, оставивших в связи с родами и последующим уходом за грудным ребёнком свое прежнее место работы, которые по прошествии некоторого времени обращаются в биржу труда с целью поиска работы, тем самым увеличивая уровень безработицы в регионе. Факт того, что при положительном приросте миграции уровень безработицы сокращается, можно объяснить тем, что миграция зачастую связана именно с работой, т.е. люди мигрируют туда, где либо они уже нашли место работы, либо туда, где они намерены устроиться на неё. В заключение, наличие значимой обратной зависимости между уровнем безработицы и долей домохозяйств, имеющих персональный компьютер с выходом в Интернет, связано с тем, что Интернет позволяет «стереть» километры между потенциальным работником и работодателем, а также миновать биржу труда, предоставляя возможность контактировать с работодателем напрямую.

Наряду с корреляционно-регрессионным анализом был проведен компонентный анализ, в основу которого были взяты все предложенные в начале анализа переменные. В результате исследования было выделено 5 главных компонент, проинтерпретированные следующим образом: экономическая сторона жизни безработных, демографические процессы в регионе, обеспеченность жильем, уровень инфляции и экономическое положение организаций в регионе. Однако построение регрессии на данные компоненты не привело к новым результатам, отличным от тех, которые были получены в ходе анализа, упомянутого выше.

В заключение, был проведен анализ динамики уровня безработицы в Российской Федерации, в результате которого мы выбрали адекватную модель, наиболее точно описывающую поведение уровня безработицы. Данной моделью является модель Хольта, относящаяся к классу адаптивных моделей, которые предсказывают значение показателя с неким лагом. Согласно прогнозу, построенному на основе адаптивной модели, в апреле и мае 2013 года уровень безработицы, скорее всего, незначительно снизится. Кроме того, для посткризисного периода (январь 2009 - март 2013) был выявлен нисходящий тренд и наличие сезонной компоненты, которая указывает на то, что пик безработицы приходится на середину зимы - середину весны, а в остальное время года происходит снижение показателя. Таким образом, если отталкиваться от работы Токарского Б.Л. и Змановского И.С (2010), имеющаяся тенденция в уровне безработицы может свидетельствовать о завершении экономического кризиса и прихода экономической системы к равновесию.

По результатам проведенного анализа можно дать несколько рекомендаций относительно выстраивания будущей политики, направленной на снижение уровня безработицы в стране. Как показывают исследования, правильные меры, исходящие от государства оказывают значимое влияние на стабилизацию данного показателя.

Во-первых, стоит обратить внимание на содействие в поисках работы только что выпускающимся специалистам как из высших учебных заведений, так и из учреждений начального и среднего профессионального образования. С этой целью необходимо упростить взаимосвязь между потенциальным работником и работодателем, а также создавать рабочие места на производствах соответственно. Во-вторых, имеет значение создавать курсы повышения профессиональной квалификации и адаптации на рынке труда не только для молодых специалистов, а также для женщин, обращающихся на биржу труда с целью поиска работы после выхода из декрета. В-третьих, необходимо упростить рабочую миграцию, например, с точки зрения предоставления каких-либо социальных льгот по приобретению жилья на новом месте. И кроме всего прочего следует продолжать политику государства, направленную на увеличение доли домохозяйств, имеющих компьютер с выходом в Интернет.

Список литературы

1. Арзамасцева Л.П., Колесникова О.А., Федченко А.А. Посткризисные тенденции и факторы развития рынка труда Воронежской области. Вестник Воронежского государственного университета. Серия: Экономика и управление. 2011.№ 1. С. 207-216.

2. Айвазян С.А., Мхитарян В.С.. Прикладная статистика и основы эконометрики. - М.: ЮНИТИ, 1998

3. Беркович М.И., Папина А.Л., Сущикова С.Э. Безработица в современных условиях: региональные особенности и формы поддержки. Сборник научных трудов вузов России "Проблемы экономики, финансов и управления производством". 2010. № 28. С. 107-111.

4. Безработица. Википедия: [http://ru.wikipedia.org]

5. Галимов А., Уразаева Л.Ю. Математическая оценка взаимодействия уровней безработицы различных возрастных групп с учетом старения населения. Вестник Нижневартовского государственного гуманитарного университета. 2013. № 1. С. 14-19.

6. Гмурман В.Е.. Теория Вероятностей и математическая статистика. Изд. 4-е, доп. Учеб. Пособие для вузов. М., «Высшая шеола», 1972.

7. Методологические пояснения. Трудовые ресурсы. Официальная статистика. Служба Государственной Статистики.

8. Методологические положения по проведению выборочных обследований населения по проблемам занятости (обследований рабочей силы), утвержденные приказом Росстата от 21.12.10г. №452

9. Ниворожкин Л.И., Ниворожкина Е.М., Шухмин А.Г. Моделирование поведение населения на рынке труда крупного города: Продолжительность регистрируемой безработицы. М:РПЭИ, 2001. - 55с.

10. Официальные данные об уровне безработицы в РФ. Холдинг «Финам»: [http://www.finam.ru/]

11. Портнова Л.В. Применение метода кластерного анализа в оценке и прогнозировании уровня безработицы в регионе. Вестник Оренбургского государственного университета. 2012. № 4. С. 158-163.

12. Портнова Л.В. Статистический анализ и прогнозирование уровня безработицы (на примере Оренбургской области). Известия Оренбургского государственного аграрного университета. 2012. Т. 2. № 34-1. С. 148-152.

13. Рынок труда. Центр управления финансами: [http://www.center-yf.ru/data/Kadroviku/Rynok-truda.php]

14. Статистический сборник «Регионы России. Социально экономические показатели», 2012. Федеральная Служба Государственной Статистики.

15. Статистические методы прогнозирования, Дуброва Т.А., 2003

16. Сарычева Т.В. Статистическом исследовании влияния половозрастных факторов на продолжительность поиска работы. Современные проблемы науки и образования. 2012. № 5. С. 242-242.

17. Сарычева Т.В. Совершенствование концептуального подхода к прогнозированию занятости населения региона. Современные проблемы науки и образования. 2012. № 6. С. 411-411.

18. Токарский Б.Л., Змановский И.С. Стратегии анализа и прогноза рынка труда крупного города в условиях кризисной экономики. Известия Иркутской государственной экономической академии (Байкальский государственный университет экономики и права) (электронный журнал). 2010. № 5. С. 10-17.

19. Теория вероятностей и математическая статистика: учеб. Пособие / В.С. Мхитарян, Л.И. Трошин, Е.В. Астафьева, Ю.Н. Миронкина; под ред. В.С. Мхитаряна, - М.: Маркет ДС, 2010.

20. Файзуллин И.Ф. Роль государства в сокращении безработицы. Вестник Уфимского государственного авиационного технического университета. 2006. Т. 8. № 5. С. 146-149

21. Foley M. Labor Market Dynamics in Russia. Mimeo. 1997.

22. Randall K., (2013, January 23). Worldwide “Jobless Numbers”: Global Unemployment Hits Record High, Declining Living Standards. Global Research. Retrieved February 1, 2013:

[http://www.globalresearch.ca/worldwide-jobless-numbers-global-unemployment-hits-record-high-declining-living-standards/5320126]

23. Resolution concerning statistics of the economically active population, employment, unemployment and underemployment, adopted by the Thirteenth International Conference of Labour Statisticians, (1982). International Labour Organization (ILO).

24. Tabatabai H., (n.d.). Unemployment statistics: important issues. International Labour Organization (ILO)

25. Types of Unemployment, (n.d.). In About.com Economics. Retrieved February 1, 2013: [http://economics.about.com/od/unemployment-category/a/Types-Of-Unemployment.htm]

Приложение

Приложение 1. Графики распределения исследуемых величин