Трудовой потенциал населения регионов России: сравнительный анализ в статике и динамике
Автор: Токсанбаева М.С., Коленникова О.А., Попова Р.И.
Журнал: Народонаселение @narodonaselenie
Рубрика: Качество и условия жизни населения
Статья в выпуске: 3 т.28, 2025 года.
Бесплатный доступ
В межрегиональных исследованиях человеческого и трудового потенциала широко применяется анализ в статике и динамике. В статье статический анализ проводился на основе группировки регионов методом кластерного анализа по показателям человеческого потенциала, в состав которых вошли показатели трудового потенциала. На базе статистики Росстата за 2021 г. предметно изучались показатели трудового потенциала, в том числе, показатель численности работников высокой квалификации в процентах к занятому населению. Проведён сравнительный анализ по группам регионов. В их состав вошли по 10 регионов с самыми высокими и самыми низкими значениями показателя трудового потенциала. Первая группа образована столичными и северными добывающими регионами. Основное внимание уделено второй группе: в европейской части страны это в основном среднеразвитые субъекты РФ, в которых распространены не самые передовые индустриальные производства; в азиатских регионах группы уровень индустриального развития ниже, а зависимость от бюджетных вливаний выше. Динамические изменения отслеживались на основе темпов роста показателей трудового потенциала, которые в 2014-2024 гг. в целом по стране повышались, особенно в последнее пятилетие. Сравнительный анализ проведён по 10 регионам с самыми высокими и низкими темпами роста за 2019-2024 годы. Изучение динамики осложнило противоречивое влияние внеэкономических факторов (пандемия COVID-19, специальная военная операция). Но удалось установить, что в первой группе регионов больше территорий с низкой базой расчёта темпов роста. В половине регионов из второй группы наблюдалась отрицательная динамика ключевых показателей (занятость в обрабатывающей индустрии, уровень бюджетных вливаний).
Человеческий и трудовой потенциалы, работник, квалификация, регион, анализ в статике и динамике, отрасль, темпы роста
Короткий адрес: https://sciup.org/143185762
IDR: 143185762 | DOI: 10.24412/1561-7785-2025-3-137-149
Labor potential of population in the regions of Russia: Comparative analysis in static and dynamic contexts
In interregional studies of human and labor potential, both static and dynamic analyses are widely used. This article applies these methods to identify problematic and developing subjects of the Russian Federation (RF). The static analysis was carried out on the basis of grouping regions using the cluster analysis method based on human potential indicators, which included indicators of labor potential. Using statistics from Rosstat for the year 2021, the study focused specifically on labor potential indicators, selecting the percentage of highly qualified workers relative to the employed population as a key metric. A comparative analysis was performed across a spectrum of regions, comprising ten regions with the highest and lowest values of labor potential. The first group included capital-and resource-rich Northern regions, while the second group consisted of problematic regions. In the European part of the country, these were primarily medium-developed subjects of the RF, characterized by less advanced industrial production. In the Asian regions, the level of industrial development is lower, and reliance on budgetary funding is higher. Dynamic changes were tracked based on the growth rates of labor potential indicators, which generally increased across the country from 2014 to 2024, particularly in the past five years. Comparative analysis was conducted for ten regions with the highest and lowest growth rates from 2019 to 2024. Examination of the dynamics was complicated by the contradictory influence of exogenous factors, such as the coronavirus pandemic and the special military operation. Nonetheless, it was found that the first group of regions contained more areas with a low base for calculating growth rates. In almost half of the RF subjects in the second group, there was observes a negative dynamics in key development indicators (employment in manufacturing, levels of budgetary funding, etc.).
