Научные консультанты: Перколяционные модели на рынках труда. Роль «трения» Сергей Юрьевич Рощин – Высшая школа экономики Софья Григорьевна Пустыльник - портал Superjob.ru Михаил Борисович Семенов – Пензенский государственный университет Егоров Илья Андреевич, Конинин Дмитрий Михайлович, Кревчик Павел Владимирович – Пензенский государственный университет Мозина Елена Викторовна -Московский авиационно – технологический институт им. К.Э. Циолковского, экономический факультет

Аннотация В рамках разрабатываемых тестовых перколяционных моделей с "конкурсным" трудоустройством и информационно-обусловленным случайным блужданием соискателей исследуется проблема управляемости параметров, минимизирующих время поиска на территориальных рынках труда в информационной поисковой среде с учетом динамики "скоростей" поиска, обусловленной локальными изменениями "информационной интенсивности". Анализируется влияние поискового "трения" для соискателей на рынках труда как с малым, так и большим коэффициентом асимметрии (соотношения числа соискателей к числу вакансий), а также неоднородностей в распределениях как вакансий, так и соискателей (по данным статистики кадрового агентства, портал Superjob.ru) на поисковую динамику.

Scientific Background on the Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2010 MARKETS WITH SEARCH FRICTIONS compiled by the Economic Sciences Prize Committee of the Royal Swedish Academy of Sciences Профессор экономики Массачусетского технологического института Питер Даймонд (США) Экономист Дейл Мортенсен (США) Профессор факультета экономики Лондонской школы экономики и политических наук Христофор Писсаридис (Кипр)

Рынки труда с «трением»

Фактические распределения соискателей и вакансий (данные портала Superjob.ru Рассматриваются 4 фактических распределения соискателей и вакансий: 1) «Промышленность – Москва», параметр асимметрии (превышение числа соискателей над числом вакансий) 2) «Промышленность – Пенза», параметр асимметрии – 1.3 3) «Финансы – Москва», параметр асимметрии – 7.4 4) «Финансы – Пенза», параметр асимметрии – 9.7

Фактические данные* по промышленности г.Москва желаемая должность желаемый уровень дохода уровень образования опыт работы по желаемой должности 1Конструктор-технолог2по дог.0высшее221 2Инженер высшее232 3Инженер-электрик, энергетик1по дог.0высшее2123 4Руководитель группы КИПиА высшее232 5 Инженер-электроник, инженер АСУТП, инженер по автоматизации высшее242 6 Инженер проектов / Инженер ПТО / Проектировщик высшее221 7Инженер-энергетик высшее242 8 Начальник производства / Начальник склада высшее242 9Химик-аналитик, технолог2по дог.0высшее21,51 10Технический директор высшее221 *Данные приведены за второе полугодие 2010г. компанией SuperJob Соискатели:

Фактические данные* по промышленности г.Москва *Данные приведены за второе полугодие 2010г. компанией SuperJob Соискатели: дата подачи резюме дата "прекращения" поиска работы"время ожидания" работыколичество попыток дней дня дней дня дня дней дней дня дней дней3

Фактические данные* по промышленности г.Москва *Данные приведены за второе полугодие 2010г. компанией SuperJob Вакансии: предлагаемая должность Предлагаемый уровень дохода Требуемый уровень образования Необходимый опыт работы по предлагаемой должности 1Конструктор (инженер)1до Среднее специальное1от 3 лет2 2Технолог женского белья2от Высшее2 да, не конкретизирован0 3Конструктор по белью (инженер)1от Высшее2от 3 лет2 4Инженер-электрик1до Среднее специальное1не указан0 5Оператор станка ЧПУ, технолог2от не имеет значения0 да, не конкретизирован0 6Руководитель сборочного производства3по дог.0Высшее2от 3 лет2 7Химик-технолог2от Высшее2 да, не конкретизирован0 8Инженер-конструктор1до Высшее2от 2 лет2 9Инженер-конструктор1по дог.0Высшее2от 2 лет2 10Руководитель строительства3по дог.0Высшее2от 5 лет3

желаемая должность 1- инженер, 2-инженер-технолог, 3- управляющий состав желаемый уровень дохода 1-до 35000, , , 4- более уровень образования1-среднеспециальное, 2-высшее опыт работы по желаемой должности 1-менее 2х лет, 2- от 2 до 5, 3-более 5 Если какой-то параметр не указывался, то он относился к "нулевой" группе, которая считалась подходящей всем Группы параметров по соискателям и вакансиям, учитываемые при формировании базы данных компьютерной модели

Модель информационно – обусловленного случайного блуждания при наличии «конкурсного трудоустройства» Рассматривается модель «поискового» поля из гексагонально расположенных ячеек. Некоторые ячейки свободны, на некоторых располагаются вакансии. По ячейкам перемещаются соискатели. Перемещение соискателей случайно с равной вероятностью по 1/6 в каждую из соседних ячеек. При «включении» информационных полей вакансиями локальное распределение вероятностей для соискателей меняется. При заданном распределении вакансий порог перколяции определяется занятием 10-ю или более процентами соискателей искомых «рабочих мест». Для каждого соискателя и каждой вакансии фиксируется индивидуальная база данных с параметрами: «желаемая (предлагаемая) должность, желаемый (предлагаемый) уровень дохода, имеющийся (требуемый) уровень образования, имеющийся (требуемый) опыт работы по желаемой должности и др.

Модель информационно – обусловленного случайного блуждания при наличии «конкурсного трудоустройства» «Совмещение» соискателей и вакансий возможно только при совпадении соответствующих параметров. Кроме того, модель допускает, что работодатель берет не первого «пришедшего» соискателя с подходящим набором параметров, а ожидает прихода нескольких, и уже из них выбирает наилучшего (модель «конкурсного трудоустройства»). В редком числе случаев, когда число вакансий существенно преобладает над числом соискателей (например, в строительной отрасли), возможна модель «инверсного конкурсного трудоустройства», когда уже соискатель выбирает из нескольких «подходящих» вакансий.

Фактическая динамика трудоустройства по группе «промышленность – Пенза»

Сравнение модельной и фактической динамики трудоустройства по группе «промышленность – Пенза»

Модельная динамика трудоустройства по группе «промышленность – Пенза» (роль «трения»-верхний график, нижний график – без «трения»)

Модельная динамика трудоустройства по группе «промышленность – Пенза» (роль «трения»-верхний график, нижний – без «трения»)

Модельная динамика трудоустройства по группе «промышленность – Пенза» (роль «трения»и градиента информационного поля, усреднение по общему времени) Рис.1 (верхний) – без градиента с трением Рис. 2. (средний) – с градиентом и трением Рис. 3 (нижний) – с градиентом, без трения

Модельная динамика трудоустройства по группе «промышленность – Пенза» (роль начального распределения скоростей соискателей) Рис. 1 (верхний) – распределение скоростей соискателей по Гауссу Рис. 2 (нижний) – начальные скорости соискателей одинаковы Модель с градиентом и трением

Модельная динамика трудоустройства по группе «промышленность – Пенза» (роль коэффициента асимметрии), модель с трением и градиентом Рис. 1 (верхний) –1.3,(порог трения – 1,3) Рис. 2 (средний) – 1.0,(порог трения – 1,25) Рис. 3 (нижний) – 0.75,(порог трения – 1,25)

Модельная динамика трудоустройства по группе «промышленность – Пенза» (роль концентрации соискателей), модель с трением и градиентом, коэффициент асимметрии 1,3 Рис. 1 (верхний) –130 соискателей,(время по шагов) Рис. 2 (средний) – 65 соискателей,(время по шагов) Рис. 3 (нижний) –65 соискателей,(время по шагов)

Фактическая динамика трудоустройства по группе «промышленность – Москва»

Модельная динамика трудоустройства по группе «промышленность – Москва» (роль усреднения) Рис. 1 (верхний) – «топологическое усреднение» Рис. 2 (нижний) – «усреднение по максимальному времени»

Сравнение модельной и фактической динамики трудоустройства по группе «промышленность – Москва»

Фактическая динамика трудоустройства по группе «финансы– Пенза»

Сравнение модельной динамики с фактическим распределением «финансы– Пенза»

Модельная динамика трудоустройства по группе «финансы– Пенза»

Фактическая динамика трудоустройства по группе «финансы –Москва»

Сравнение модельной динамики с фактическим распределением «финансы– Москва»

Модельная динамика трудоустройства по группе «финансы– Москва»

Сравнительный ряд результатов 1(промышленность Пенза (1.3)) 2(промышленность Москва (2,6)) 3 (финансы Москва (7,4)) 4 (финансы Пенза (9.7))

Выводы: При информационно – обусловленном случайном поиске поисковая динамика существенно определяется степенью неоднородности распределения соискателей и вакансий. Наилучшее соответствие фактических и модельных поисковых распределений достигается с учетом влияния «трения» и градиента информационного поля на величины поисковых скоростей соискателей. С ростом коэффициента асимметрии при наличии поискового трения наблюдается рост величины второго пика в поисковых распределениях.

Направления развития: 1. Взаимосвязь информационно - обусловленных хаотической и детерминированной моделей поиска. Исследование нелинейных эффектов типа бифуркаций во временной поисковой динамике. Анализ роли масштабов в поисковых моделях; 2. Взаимодействие соискателей при столкновении и вероятностный обмен информационной «восприимчивостью»; 3. Моделирование «мобильных» информационных полей у работодателей; 4. Моделирование самозанятости (финансирование развития предпринимательства через структуры служб занятости, включая роль МЦЗ). 5. Моделирование реалистичной динамики поиска работы для территориальных и региональных рынков труда.

Литература Маркова К.В., Рощин С.Ю. Поиск работы на российском рынке труда, М Тарасевич Ю.Ю. Перколяция: теория, приложения, алгоритмы, М. УРСС, 2002, 112 с. Перколяционные модели на рынках труда. М. Никитин, А. Юрко (ВШЭ) Поисковые теории рынков(Нобелевская премия по экономике 2010 года) Вопросы экономики, 1, Markets with Search Frictions (Nobel lecture) Brian V. Krauth A dynamic model of job networking and social influences on employment, Journal of Economic Dynamics and Control Volume 28, Issue 6, March 2004, Pages Journal of Economic Dynamics and ControlVolume 28, Issue 6 Antoni Calvó-Armengol, Thierry Verdier, Yves Zenou Strong and weak ties in employment and crime Journal of Public Economics, Volume 91, Issues 1-2, February 2007, Pages Strong and weak ties in employment and crime Liaquat Hossain, Anjali de Silva Exploring user acceptance of technology using social networks The Journal of High Technology Management Research, Available online 27 March 2009Exploring user acceptance of technology using social networks Alessandra Casella, Nobuyuki Hanaki Information channels in labor markets: On the resilience of referral hiring Journal of Economic Behavior & Organization, Volume 66, Issues 3-4, June 2008, Pages Information channels in labor markets: On the resilience of referral hiring Linda F. Crowell Weak ties: a mechanism for helping women expand their social networks and increase their capital The Social Science Journal, Volume 41, Issue 1, 2004, Pages 15-28Weak ties: a mechanism for helping women expand their social networks and increase their capital Josse Delfgaauw, Robert Dur Signaling and screening of workers motivation Journal of Economic Behavior & Organization, Volume 62, Issue 4, April 2007, Pages Signaling and screening of workers motivation Darrell Duffie, Semyon Malamud, and Gustavo Manso Information Percolation with Equilibrium Search Dynamics Econometrica April 6, 2009 Darrell Duffie, Gaston Giroux, and Gustavo Manso Information Percolation (preprint, march – 2009) Tom Erez, Sarit Moldovan and Sorin Solomon Social Anti-Percolation, Resistance and Negative Word-of-Mouth Industry and Labour Dynamics II, Proceedings of the 2004 conference Konstantinos Tatsiramos Unemployment Duration and Subsequent Employment Stability, IZA DP No. 2280, Institute for the Study of Labor, 2006 Konstantinos Tatsiramos, Arne Uhlendorff, Marco Caliendo An Analysis of Unemployment Duration and Employment Stability Based on a Regression-Discontinuity Approach, IZA Bonn, Working Paper, 2008 Информационно – аналитический бюллетень фонда «Бюро экономического анализа», июнь, Данные портала Superjob.ru (2010)

«Схожесть» аналогий в модельном языке экономики рынков труда и физики низкоразмерных систем (по материалам: Martin Zwierlein, MIT, Harvard, USA, The ground state of imbalanced Fermi mixtures