Пространственные дисбалансы регионального рынка труда: методология диагностики и роль цифровых данных
Автор: Пискунов А.В.
Журнал: Вестник Академии права и управления @vestnik-apu
Рубрика: Вопросы экономики и управления
Статья в выпуске: 2-1 (90), 2026 года.
Бесплатный доступ
Региональные рынки труда по-прежнему характеризуются выраженными пространственными дисбалансами. Положительные изменения в общероссийских показателях занятости и безработицы не привели к сокращению территориальных разрывов. Напротив, они сохраняются и усиливаются, что обостряет социальную поляризацию и затрудняет устойчивое развитие регионов. Преобладающая часть исследований рассматривает данную проблему через статический анализ официальной статистики. Влияние современных цифровых технологий на изменение параметров рынка труда при таком подходе почти не принимается во внимание. В исследовании предлагается многоуровневая методология диагностики регионального рынка труда, которая объединяет классические пространственные эконометрические модели авторегрессии и модели пространственных ошибок с массивами цифровых данных, поступающих в реальном времени от мобильных операторов, платформ занятости «ХэдХантер» и «СуперДжоб», а также Росстата. Опорой методологии служит авторский индекс пространственного дисбаланса. В его составе сведены экономическое, цифровое, миграционное и технологическое измерения. За счёт этого анализ можно вести сразу на нескольких уровнях: федеральном, региональном и муниципальном. С практической точки зрения инструмент значим прежде всего тем, что даёт возможность не только фиксировать уже сложившиеся пространственные дисбалансы, но и отслеживать их вероятное развитие в условиях активной цифровизации, внедрения искусственного интеллекта и распространения цифрового рубля. На данной основе становится возможной выработка обоснованных решений в сфере региональной политики занятости. Методология тем самым переводит анализ региональных рынков труда из режима пассивного статистического наблюдения в формат цифрового мониторинга и прогнозирования изменений.
Региональный рынок труда, пространственные дисбалансы, многоуровневая методология, индекс пространственного дисбаланса, цифровые данные, прогнозирование, искусственный интеллект
Короткий адрес: https://sciup.org/14138657
IDR: 14138657 | УДК: 331.5:332.1:004.9 | DOI: 10.47629/2074-9201_2026_2.1_140_146
Spatial imbalances of the regional labor market: diagnostic methodology and the role of digital data
Regional labor markets are still characterized by pronounced spatial imbalances. Positive changes in national employment and unemployment rates have not led to a reduction in territorial gaps. On the contrary, they persist and intensify, which exacerbates social polarization and hinders the sustainable development of the regions. The majority of studies consider this problem through a static analysis of official statistics. The impact of modern digital technologies on changing labor market parameters is almost ignored in this approach. The paper proposes a multi-level methodology for diagnosing the regional labor market, which combines classical spatial econometric autoregression models and spatial error models with arrays of digital data received in real time from mobile operators, employment platforms HeadHunter and Superjob, as well as from Rosstat. The methodology is based on the author’s spatial imbalance index. It combines economic, digital, migration and technological dimensions. Due to this, the analysis can be conducted at several levels at once: federal, regional and municipal. From a practical point of view, the tool is important primarily because it makes it possible not only to capture existing spatial imbalances, but also to track their likely development in the context of active digitalization, the introduction of artificial intelligence and the spread of the digital ruble. On this basis, it becomes possible to develop informed decisions in the field of regional employment policy. The methodology thus transfers the analysis of regional labor markets from the mode of passive statistical observation to the format of digital monitoring and forecasting of changes.
