Статистико-экономический анализ кадрового потенциала науки РФ (Калужской области)

ВВЕДЕНИЕ

     Данная  тема является актуальной, так как  важнейшей задачей государственной политики Российской Федерации на среднесрочный период, определенной «Основами политики Российской Федерации в области развития науки и технологий на период до 2010 года и дальнейшую перспективу» является оптимальное решение кадровой проблемы в научно-техническом комплексе.

     Научные кадры – это интеллектуальный потенциал России. В последние  два десятилетия важнейшей проблемой  российской науки является сохранение научных традиций и широкого спектра направлений научных исследований. Из-за хронического недофинансирования науки в 90-е годы прошлого века система воспроизводства научных кадров оказалась подорванной. Неизбежным результатом этого стал кризис, который выражался в массовом оттоке из научно-исследовательских институтов, конструкторских бюро, научных подразделений высших учебных заведений квалифицированных специалистов, в основном молодого и среднего возраста, что создало реальную угрозу утраты преемственности между поколениями российских ученых, разрушения научных школ, снижения эффективности научного труда и, соответственно, вела к ослаблению всей инновационной системы страны.

     Постановлением  Правительства Российской Федерации  от 28 июля 2008 г. № 568 утверждена федеральная целевая программа «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы». Цель федеральной целевой программы является создание условий для эффективного воспроизводства научных и научно-педагогических кадров и закрепления молодежи в сфере науки, образования и высоких технологий, сохранения преемственности поколений в науке и образовании.

     Целью проекта является анализ закономерности изменения кадрового потенциала науки и оценка степени влияния факторов на него.

     Для достижения поставленной цели необходимо решить следующие задачи:

      - определить предмет и объект  кадрового потенциала науки РФ (Калужской области);

      - выявить сущность методов статистической  сводки и группировки;

      - рассмотреть методы изучения  взаимосвязи между явлениями;

      - проанализировать однородность  изучаемой совокупности;

      - оценить степень зависимости  между признаками изучаемой совокупности  с помощью корреляционно - регрессионного  метода;

     - выявить динамику результативного и факторных признаков кадрового потенциала науки РФ (Калужской области).

           Объектом исследования является совокупность кадрового потенциала.

           Предметом исследования является размеры и количественные соотношения экономических явлений, характеризующих кадровый потенциал науки РФ (Калужской области).

     Для анализа кадрового потенциала науки РФ (Калужской области) в курсовом проекте используются следующие методы:

  • Экономико-статистический метод;
  • Метод статистической сводки и группировки;
  • Метод средних и вариационный анализ;
  • Графический метод;
  • Корреляционно-регрессионный анализ;
  • Метод динамики по годам.

     Источниками данных явились периодические издания, учебные пособия, статистические сборники по РФ.

     Структурно  работа состоит из введения, трёх глав, заключения, изложена на 37 страницах печатного текста, содержит 23 таблицы, 6 рисунков. Список литературы включает 10 наименований. 
 
 
 
 
 

     ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СТАТИСТИЧЕСКОГО АНАЛИЗА КАДРОВОГО ПОТЕНЦИАЛА НАУКИ

     1.1. СОВРЕМЕННОЕ СОСТОЯНИЕ КАДРОВОГО ПОТЕНЦИАЛА НАУКИ

     К началу 2010 г. исследованиями и разработками в Российской Федерации было занято 801,1 тысяч человек, что соответствовало около 1,2% общей численности населения занятого в экономике. Таким образом, в настоящее время в российской науке осталось только 41,2% кадрового потенциала, которым она располагала к началу 1990-х годов [3].

     К персоналу, занятому исследованиями и  разработками относятся исследователи, техники, вспомогательный и прочий персонал.

     Исследователи составляют почти половину (49%) от всего  персонала, занятого исследованиями и  разработками.

     Исследователи с учеными степенями кандидатов и докторов наук формируют научную  элиту, от усилий и результатов деятельности которой в решающей степени зависят  состояние и развитие сектора  научных исследований и разработок.

     На  фоне снижения общей численности исследователей за период изучения наблюдалось уменьшение численности исследователей, имеющих ученые степени (кандидатов и докторов наук) (с 142,4 тысяч до 103,7 тысяч человек или на 27,2%). Удельный вес исследователей с учеными степенями в общей численности исследователей повысился до 26,4% .

     Обозначенная  общая тенденция снижения численности  исследователей с учеными степенями  стала результатом разнонаправленной  динамики численности кандидатов и  докторов наук.

     За 18 лет наблюдалось уменьшение численности кандидатов наук на 38,2% (с 126975 до 78512 (на 48463 человека).

     Такая динамика численности кандидатов объясняется  тем, что молодые ученые после  защиты кандидатской диссертации (средний  возраст лиц, защитивших кандидатскую диссертацию и утвержденных ВАКом – 34 года) из-за отсутствия перспектив материального и карьерного роста вынуждены переходить на работу в другие сферы экономической деятельности, а некоторые продолжают научно-исследовательскую деятельность за рубежом [4].

     В настоящее время во всех областях науки работает 25213 докторов наук (6,4% всех исследователей).

     Увеличение  численности докторов наук определяется их приверженностью к научно-исследовательской  деятельности, зрелым выбором научной  сферы и реализацией своих  профессиональных способностей (средний возраст лиц, защитивших докторскую диссертацию и утвержденных ВАКом – 49 лет), расширением возможностей для защиты докторской диссертации.

     Таким образом, отмечается тенденция к  снижению численности кандидатов наук (на 38,2%) и увеличение числа докторов наук (на 62,9%). В этом процессе доминирующим является уменьшение численности кандидатов наук, что можно объяснить оттоком из науки в другие отрасли экономики профессиональной, работоспособной и относительно молодой по возрасту (преимущественно в возрасте 30-39 лет) части научных кадров [4].

     Структура исследователей по секторам деятельности за последние 14 лет менялась незначительно.

     В 2010г. 69,1% докторов наук и более половины (56,4%) кандидатов наук были сосредоточены в государственных научных учреждениях, тогда как только 35,2% всех исследователей (со степенью и без степени) были заняты в этом секторе.

     Значительно меньше, чем в среднем по всем исследователям, доктора и кандидаты  наук работали в предпринимательском  секторе (55,9% против 17,6 и 27,8% соответственно) и, напротив, заметно больше – в секторе высшего профессионального образования (8,7% против 12,9 и 15,4%).

     Высокая доля исследователей с ученой степенью кандидатов и докторов наук в составе  всех исследователей (со степенью и  без степени) отмечена в государственном секторе и секторе высшего профессионального образования (44,7 и 44,9% соответственно), самая низкая – в предпринимательском секторе (11,9%).

     Профессиональная  структура научных кадров – одна из стабильных характеристик, которая изменяется достаточно медленно.

     Наибольший  отток научных кадров за последние 14 лет наблюдался в области технических  наук, где число исследователей сократилось  на 29,3%, сельскохозяйственных – на 24,6%, общественных наук - на 23,3%, естественных – на 18,7%, медицинских наук – на 11,3%.

     По  показателю сокращения числа исследователей, имеющих ученую степень кандидата  наук, области науки распределились следующим образом: больше всего  сокращение затронуло технические  науки (на 31,4%), далее следуют естественные науки (на 18%), сельскохозяйственные (на 16,9%) и общественные науки (на 5%).

     Число исследователей со степенью доктора  наук имело тенденцию роста во всех областях науки. Так, в сельскохозяйственных науках число докторов наук увеличилось  на 73,5%, в общественных – на 64,2%, в медицинских – на 49,1%, в технических – на 39,8%, в естественных и гуманитарных науках – на 31,3 и 27,8% соответственно [11].

     Таким образом, необходимость подготовки высоко-квалифицированных специалистов со степенями в нашей стране не вызывает сомнений. Однако следует увязывать профиль подготовки с потребностями науки и уровнем технологического развития страны. В противном случае при наличии многочисленных ученых со степенями некому будет заняться адаптацией зарубежных технологий к российским условиям, что, к сожалению, становиться характерным явлением. Другим негативным последствием неконтролируемого увеличения численности лиц с учеными степенями может стать снижение научного уровня исследований и разработок и дальнейшее падение престижа отечественной науки [6, 11].

     Высокая доля исследователей в области медицинской  науки с учеными степенями  свидетельствует об уровне квалификации научного персонала и может являться индикатором нарушения нормального  ритма воспроизводства научных кадров, недостаточного притока молодых ученых и одновременно более интенсивного оттока исследователей, не имеющих ученой степени. То есть имеет место нарушения преемственности поколений в науке, разрушение научных школ, усиление процесса старения кадров [4].

     В Российской Федерации функционируют 70 федеральных научно-исследовательских  институтов медицинского профиля, в  которых трудятся 27,5 тысяч человек, из них 5,9 тысяч исследователей (21,5%), в том числе докторов наук – 1,2 тысяч (20,3%), кандидатов наук – 2,9 тысяч (49,2%).

     В настоящее время существующая статистическая информация не позволяет провести более  детальный анализ структуры и  динамики кадрового потенциала в  медицинской науке.

     Важным  индикатором состояния и развития сектора исследований и разработок является возрастная структура исследователей.

     В нашей стране продолжается процесс  старения научных кадров. Исследователи  в возрасте 50-59 лет составляют самую  многочисленную группу - 27,8%.

     Отечественная наука остается в проигрыше дважды: первый раз – затрачивая усилия на адаптацию и обучения молодых специалистов до 29 лет, а второй раз – теряя опытных специалистов и испытывая дефицит квалифицированных кадров старше 30 лет.

     В настоящее время среди исследователей, имеющих ученые степени, 39,2% составляют лица в возрасте 60 лет и старше, 29,1% - в возрасте 50-59 лет, 17% - 40-49 лет, 11,3% - 30-39 лет и 3,4% - до 29 лет.

     Треть кандидатов наук (33,5%) относятся к  возрастной группе 60 лет и старше, 28,9% - 50-59 лет, 18,8% - 40-49 лет, 14,3% - 30-39 лет, 4,5% - до 29 лет.

     Больше  половины докторов наук (57%) в возрасте 60 лет и старше, 30% - в возрасте 50-59 лет, 11,2% - в возрасте 40-49 лет, 1,75% - в возрасте 30-39 лет, 0,05% - до 29 лет [4].

     Таким образом, важной задачей для развития науки в России является сохранения и дальнейшее обеспечения преемственности труда ученых, передача накопленного опыта и знаний молодому поколению. Ее решение возможно путем обеспечения притока молодежи в науку и создания соответствующих условий для максимально длительного периода работы опытных ученых старших возрастов.  

     1.2. ПОНЯТИЕ И СУЩНОСТЬ СТАТИСТИЧЕСКОЙ СВОДКИ И ГРУППИРОВКИ

     В результате статистического исследования получают статистическую информацию, представляющую собой большое количество первичных сведений об отдельных единицах объекта исследования. Дальнейшая задача статистики заключается в том, чтобы привести эти материалы в определенный порядок, систематизировать и на основе дать сводную характеристику всей совокупности фактов при помощи обобщающих статистических показателей. Это достигается в результате сводки.

     Статистическая  сводка – это научно-организованная обработка материалов наблюдения, включающая в себя систематизацию, группировку  данных, составление таблиц, подсчет  групповых и общих итогов, расчет производных показателей [1]. Она позволяет перейти к обобщающим показателям совокупности в целом и отдельных ее частей, осуществлять анализ и прогнозирование изучаемых процессов.

     По  технике или способу выполнения сводка может быть ручной либо механизированной (с помощью ЭВМ).

     Если  производится только подсчет общих  итогов по изучаемой совокупности единиц наблюдения, то сводка называется простой.

     Статистическая  сводка проводится по определенной программе  и плану. Программа сводки устанавливает  этапы:

      - выбор группировочных признаков;

      - определение порядка формирования  групп;

      - разработка системы статистических  показателей для характеристики  групп и объекта в целом;

      - разработка макетов статистических  таблиц для предоставления результатов  сводки.

     План  сводки содержит указания о последовательности и сроках выполнения отдельных частей сводки, ее исполнителях и о порядке изложения и предоставления результатов.

     В сводке статистического материала  отдельные единицы статистической совокупности объединяются в группы при помощи метода группировок.

     Статистическая  группировка – это процесс  образования однородных групп на основе расчленения статистической совокупности или объединения изучаемых  единиц в частные совокупности по существенным для них признакам, каждая из которых характеризуется системой статистических показателей. [1]

     Метод группировок применяется для  решения задач, возникающих в  ходе научного статистического исследования:

  1. выделение социально-экономических типов явлений;
  2. изучение структуры явления и структурных сдвигов, происходящих в нем;
  3. изучение связей и зависимостей между отдельными признаками явления.

     Для решения этих задач применяют  следующие виды группировок:

     1) Типологическая группировка –  это разделение качественно-разнородной  совокупности на социально-экономические типы. Примерами могут служить группировки секторов экономики, хозяйствующих субъектов по формам собственности. Признаки, по которым производится распределение  изучаемой совокупности на группы, называются группировочными признаками, или основанием группировки. Выделить типичное можно не по любому признаку, а только по определенному, который должен изменяться в зависимости от условий места и времени.

     2) Структурная группировка – это  разбиение изучаемой совокупности  на группы с целью изучения ее структуры. К структурной относится группировка населения по размеру среднедушевого дохода, группировка хозяйств по объему продукции.

     3) Аналитическая (факторная) группировка  – это группировка по факторному  признаку с целью анализа направления  и взаимосвязи между явлениями. Если группы образуются по одному признаку, группировка называется простой. Группировка по двум или нескольким признакам называется сложной.

     4) Комбинированная группировка. В  основании группировки лежит  несколько признаков, взятых в  комбинации.

     К правилам построения группировок относят:

  1. Строится ранжированный ряд – расположение значений признака в порядке возрастания.
  2. Определяется размах вариации – разница между максимальным и минимальным значением:

                                  R= Xmax – Xmin                                        (1)

  1. Определяется число групп по формуле Стерджесса:

                                n= 1+3,322 lgN                                       (2)

  1. Определяется величина интервала – предел изменения значений признака каждой группы:

                               i = R : n                         (3)

  1. Значение признака распределяется по группам и производится расчет групповых и общих итогов. Рассчитывается обобщающие показатели, и формулируются выводы.
    1. ПОНЯТИЕ ВАРИАЦИИ И ПОКАЗАТЕЛИ ЕЁ ХАРАКТЕРИЗУЮЩИЕ

     Вариация  возникает в результате того, что  индивидуальные значения признака складываются под совокупным влиянием разнообразных  факторов (условий), которые по-разному  сочетаются в каждом отдельном случае. Таким образом, величина каждого варианта объективна.

     К показателям вариации относятся:

  • Размах вариации (R)- представляет собой разность между максимальным и минимальным значениями признака:

            R= xmax - xmin                      (4)

  • Среднее линейное отклонение(d) показывает отклонение индивидуальных значений признака от среднего по совокупности. Среднее линейное отклонение бывает двух видов:

     Прямое:              ;                      (5) 

     Взвешенное:    ;              (6) 

     
  • Дисперсия признака представляет собой средний квадрат отклонений вариантов от их средней величины, она вычисляется по формулам простой и взвешенной дисперсии (в зависимости от исходных данных).

     Простая дисперсия:                 (7)

     Взвешенная  дисперсия:               (8)

  • Среднее квадратическое отклонение  равно корню квадратному из дисперсии:

               

                       (9)

  • Коэффициент вариации представляет собой выраженное в процентах отношение среднего квадратического отклонения к средней арифметической:

                          (10)

        Для характеристики среднего значения признака в вариационном ряду используются так называемые показатели центра распределения. К ним относятся средняя величина признака, мода и медиана.

     Расчет  средней величины признака в вариационном ряду осуществляется по формуле средней арифметической взвешенной:

                            ,                                                 (11)

     где хi — варианты признака; fi —частоты.

     Мода  — значение признака, наиболее часто  встречающееся в изучаемой совокупности. В дискретном ряду модой является вариант с наибольшей частотой. В интервальном вариационном ряду мода рассчитывается по формуле:

                  

,                                    (12)

       где  - нижняя граница модального интервала;

       - модальный интервал;

      , , - частоты в модальном, предыдущем и следующем за модальным интервалах (соответственно).

     Модальный интервал — это интервал, имеющий наибольшую частоту.

     Медиана — вариант, расположенный в середине упорядоченного вариационного ряда, делящий его на две равные части, таким образом, что половина единиц совокупности имеют значения признака меньше, чем медиана, а половина — больше, чем медиана. В интервальном ряду медиана определяется по формуле:

             

        ,                     (13)

     где - нижняя граница медианного интервала;

      - половина общего числа наблюдений;

      - сумма наблюдений до начала  медиального интервала; 

      - число наблюдений в медианном  интервале.

     Медианный интервал — это интервал, в котором находится порядковый номер медианы. Для его определения необходимо подсчитать сумму накопленных частот  до числа, превышающего половину объема совокупности. 
 

    1. МЕТОДЫ  ИЗУЧЕНИЯ ВЗАИМОСВЯЗИ МЕЖДУ ЯВЛЕНИЯМИ

     Для исследования взаимосвязи между явлениями используются следующие методы: [1]

  1. Метод параллельных рядов, при котором факторы, характеризующие результативный признак, располагают в возрастающем или убывающем порядке, а затем прослеживают изменение величины результативного признака.
  2. Метод аналитических группировок (см. пункт 1.2).
  3. Графический метод. При построении графика по оси абсцисс отражаются значения факторного признак, а по оси ординат – результативного. Полученная совокупность называется полем корреляции и позволяет визуально оценить наличие связи, ее вид и интенсивность.
  4. Корреляционный анализ, задачи которого сводятся к измерению тесноты известной связи между варьирующими признаками, определению неизвестных связей и оценке факторов, оказывающих наибольшее влияние на результативный признак.
  5. Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимой, или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. Но целесообразнее применять корреляционный и регрессионный анализы в совокупности.

     Корреляционная  связь может возникать в различных формах:

  1. Парная корреляция — связь между двумя признаками (результативным и факторным).
  2. Частная корреляция — зависимость между результативным и одним из факторных признаков при фиксированном значении других факторных признаков.
  3. Однофакторная корреляция – зависимость между результативным признаком и одним факторным.
  4. Многофакторная корреляция — зависимость результативного и двух или более факторных признаков, включенных в исследование.

     Корреляционный  анализ имеет своей задачей количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков (при многофакторной связи). Теснота связи количественно выражается величиной коэффициентов корреляции.

     Величина  коэффициента корреляции служит также оценкой соответствия уравнения регрессии выявленным причинно-следственным связям.

     Регрессия может быть однофакторной (парной) и  многофакторной (множественной).

     Уравнение линейной множественной регрессии  имеет вид:

                            

                                    (14)

     где — расчетные значения результативного признака;

     х1, х2,,   , хn — факторные признаки;

      — параметры модели (коэффициенты регрессии).

      Для нахождения параметров линейной множественной регрессии необходимо решить систему уравнений:

                                                                                                     (15) 

     Для практического использования моделей  регрессии большое значение имеет  их адекватность, т.е. соответствие фактическим статистическим данным.

     Корреляционно-регрессионный  анализ проводится для ограниченных по объему совокупностей, поэтому показатели регрессии и корреляции могут  быть искажены влиянием случайных факторов. Общая оценка адекватности уравнения может быть получена с помощью дисперсионного F-критерия Фишера: