Характеристики и точность полученных сетей представлены в табл.3.

В результате сравнительного анализа трехмерных моделей с применением нейронных сетей нами был сделан вывод о том, что для оценки вероятностей создания нового бизнеса специалистами в США целесообразно применять многослойный персептрон (MLP), который имеет 3 входа и 1 выход (табл. 3), на первом скрытом слое расположено 7 элементов, а на втором 3.

Для обучения нейронных MLP сетей были использованы следующие методы:

- обратное воспроизведение,

- конъюнктивный градиентный спуск.

Для американских специалистов доля правильно предсказанных случаев в обучающей выборке равна 90%, в контрольной - 89%, а в тестовой выборке - 95%. Для россиян на всех выборках правильно предсказываются 99% наблюдений.

В модели многослойного персептрона для США наибольшее влияние на вероятность основания бизнеса оказывает фактор f3 - «характеристика бизнеса», за ним следует фактор f1 - «опыт» и, наконец, фактор f2 - «отношение к образованию и науке».

Гистограмма распределения остатков построенной модели подобна графику нормального распределения. Это свидетельствует в пользу адекватности данной модели.

В работе была произведена оценка вероятности основания бизнеса при помощи классической многомерной нелинейной и линейной регрессии. Для трехмерной модели были рассмотрены пять различных регрессионных моделей. Все полученные функции являются непрерывными и принимают значения от 0 до 1, из этого следует, что они вполне могут быть использованы для моделирования зависимости вероятности основания нового бизнеса от трёх представленных факторов.

Для определения функции потерь использовался метод наименьших квадратов, а для оценки параметров модели - метод Гаусса - Ньютона.

Наиболее точной моделью для США является модель

. (3)

где P(f1, f2, f3) - вероятность основания нового бизнеса.

Значение смешанной корреляции R у представленной модели равно 0,43946756, R-квадрат равен 0,19313174, отсюда следует, что эта модель правильно предсказывает 19% случаев. Можно отметить, что данная модель среди обычных нелинейных регрессионных моделей имеет наивысший процент правильно предсказанных наблюдений.

Из табл. 4 видно, что наибольшее влияние на зависимую переменную в американской модели оказывает фактор f3 - «характеристика бизнеса», за ним следует фактор f1 - «опыт», а затем - фактор f2 - «отношение к образованию». При увеличении значений факторов f1 - «опыт» и f3 - «характеристика бизнеса» значение вероятности падает, а при увеличении фактора f2 - «отношение к образованию» - увеличивается. Стандартные ошибки в сравнении со значениями коэффициентов у данной модели также наименьшие из всех рассмотренных нелинейных регрессионных моделей, t-статистики имеют достаточно высокие показатели, а p-уровень вероятности очень низок.

Для представленной модели гистограмма распределения остатков подобна графику нормального распределения. Всё вышесказанное подтверждает как высокую точность, так и адекватность рассмотренных моделей.

В четвертой главе «Методика эконометрического моделирования занятости специалистов с высшим образованием в России» нами были обоснованы методологические основы анализа данных о состоянии занятости выпускников на российском рынке труда. Для исследования автором на основе экспертных оценок службы занятости были отобраны 14 параметров выпускников вузов. Параметры выпускников и их описания представлены в табл. 5.

С использованием факторного анализа, на основе 14 параметров для российских выпускников были получены трехфакторные модели. Как и в случае с выпускниками вузов США, для определения количества факторов были использованы критерий Кайзера и критерий «каменистой осыпи» (табл. 6).

Собственные значения, представленные в табл. 6, свидетельствуют о том, что, как и в случае для США, наиболее целесообразно рассматривать трехфакторные модели.

Как и ранее, в качестве методов факторного анализа был выбран метод главных компонент с использованием следующих методов вращения осей: Без вращения, Варимакс, Нормализированный Варимакс, Биквартимакс, Нормализированный Биквартимакс, Квартимакс, Нормализированный Квартимакс, Еквамакс и Нормализованный Еквамакс.

Анализируя значения факторных нагрузок для различных методов вращения осей, автор пришёл к выводу, что наиболее оптимальным методом является Нормализированный Варимакс.

В результате применения метода главных компонент с использованием вращения осей были получены следующие обобщающие факторы: f1 - «опыт», f2 - «мотивация трудоустройства» и f3 - «характеристика безработицы». Распределение характеристик по фактором описывает 44% вариации характеристик выпускников (табл.6).

Фактор f1 - «опыт» оценивает профессиональное прошлое специалиста и является линейной аппроксимацией следующих характеристик выпускника вуза: дата рождения, общий стаж, стаж по профессии, полученной в вузе, стаж на последнем месте работы. Следует отметить тот факт, что все факторные нагрузки переменных для этого фактора превышают 0,5, что показывает хорошую аппроксимацию переменных данным фактором.

Фактор f2 - «мотивация трудоустройства» описывает, насколько мотивирован специалист к поиску работы. Фактор является линейной аппроксимацией следующих характеристик: дата увольнения, причина увольнения, дата регистрации на бирже труда, дата закрытия регистрации на бирже труда, причина закрытия регистрации на бирже труда. Факторные нагрузки для этого фактора не так однозначны, как для предыдущего, но их значения высоки по отношению к другим факторам.

Третий фактор f3 - «характеристика безработицы», - является линеаризацией характеристик: количество детей, оконченный вуз, профессия вуза, последняя профессия, последнее место работы. Факторные нагрузки для переменных, входящих в этот фактор, также не столь значимы.

Рассмотрев корреляцию между вероятностью трудоустройства и полученными факторами, диссертант пришел к ряду следующих выводов.

Во-первых, наибольшее влияние на вероятность трудоустройства оказывает второй фактор, а наименьшее - первый.

Во-вторых, при увеличении значений первого или третьего фактора в модели значение вероятности увеличивается, а при увеличении второго фактора вероятность уменьшается.

Построенные на основе полученных факторов регрессионные модели показали зависимость вероятности трудоустройства от данных факторов. Вероятность трудоустройства описывается функцией P(f1,f2,f3).

При построении моделей, как и при анализе американских данных, автором были использованы следующие методы: логит-регрессия и пробит-регрессия, нейронные сети и многомерная нелинейная регрессия. Для логит-модели, построенной по российским данным, наиболее точным методом оценки параметров является метод Hooke-Jeeves and Quasi-Newton. Формула полученной регрессионной зависимости вероятности трудоустройства от данных факторов имеет следующий вид:

. (4)

В полученной модели наиболее значимым является фактор f2 - «мотивация трудоустройства», значение модуля его t-статистики наибольшее, а наименее значимым фактором является фактор f3 - «характеристика безработицы», так как он имеет наименьший модуль t-статистики.

Представленная выше логит-модель правильно описывает 57,15% наблюдений из общего числа наблюдений и 63,98% случаев, в которых имело место трудоустройство специалиста.

Так как гистограмма распределения остатков подобна кривой нормального распределения, то мы можем считать, что модель достаточно точно описывает рассматриваемый процесс.

Рассмотрим трехмерную пробит-модель для российских данных. Для пробит-модели оптимальным методом оценки параметров является метод Quasi-Newton. Формула регрессионной пробит-зависимости вероятности трудоустройства от данных факторов описывается формулой

, (5)

где NP обозначает нормальную вероятность.

Автором был сделан вывод о том, что наиболее значимым фактором в пробит-модели является фактор f2 - «мотивация трудоустройства», имеющий наибольший модуль t-статистики, а наименее значимым фактором выступает фактор f3 - «характеристика безработицы», имеющий минимальную t-статистику. Данный результат полностью совпадает с аналогичными выводами в логит-модели.

Аналогично логит-модели доля правильно предсказанных значений вероятности равна 57,28%, хотя доля правильно предсказанных случаев трудоустройства немного выше 64,24%.

Гистограмма распределения остатков подобна графику нормального распределения, что также говорит о неплохой точности модели.

Сравнивая трехмерные логит-модели и пробит-модели автор пришел к выводу, что они практически идентичны.

Результаты применения методики построения регрессионных моделей методами нейронных сетей отражены в табл. 7.

На основе результатов сравнительного анализа трехмерных моделей с применением нейронных сетей был сделать вывод о том, что для оценки вероятностей трудоустройства специалистов в России следует применять многослойный персептрон (MLP).

Полученный многослойный персептрон имеет 3 входа и 1 выход (табл. 7). Сеть MLP имеет 5 элементов на первом скрытом слое и не имеет элементов на втором.

В качестве методов обучения полученной нейронной сети были использованы следующие методы:

- обратное воспроизведение,

- конъюнктивный градиентный спуск.

На всех выборках модель правильно предсказывает 99% наблюдений.

В модели для выпускников российских вузов значимость фактора f2 - «мотивация трудоустройства» наибольшая, за ним следует фактор f1 - «опыт» и, наконец, фактор f3 - «характеристика безработицы».

Так как гистограмма распределения остатков построенной модели подобна графику нормального распределения, можно сделать вывод о том, что модель адекватна.

Теперь рассмотрим результаты анализа оценки вероятности основания бизнеса при помощи обычной многомерной нелинейной и линейной регрессии. Для трехмерной моделей были рассмотрены пять различных регрессионных моделей. В качестве определения функции потерь использовался метод наименьших квадратов, а для оценки параметров модели - метод Гаусса - Ньютона.

Формула для решения представленной задачи в случае России представлена ниже:

. (6)

где P(f1,f2,f3) обозначает вероятность трудоустройства.

Значение смешанной корреляции R у представленной модели равно 0,40873316, R-квадрат равен 0,1670628, следовательно, эта модель правильно предсказывает 16% случаев.

В модели для выпускников российских вузов (табл. 8) наибольшее значение на зависимую переменную оказывает фактор f1 - «опыт», за ним следует фактор f2 - «мотивация трудоустройства», а затем фактор f3 - «характеристика безработицы». При увеличении значений факторов f1 -«опыт» и f3 - «характеристика безработицы» значение вероятности увеличивается, а при увеличении фактора f2 - «мотивация трудоустройства» - уменьшается. Можно заметить, что у данной модели наименьшие стандартные ошибки из всех рассмотренных нелинейных регрессионных моделей. t-значения имеют достаточно высокие показатели при низком p-уровене.

Гистограмма распределения остатков подобна графику нормального распределения. Все вышесказанное иллюстрирует как высокую точность, так и адекватность рассматриваемой модели.

В заключении диссертационного исследования обобщены результаты разработки методологических основ статистического анализа рынка труда специалистов с высшим образованием и их трудоустройства по специальности. Обосновано использование опыта США, который, по мнению диссертанта, интересен по следующим причинам. Для Российской Федерации внедрение двухступенчатой системы высшего образования только получает свое развитие, в то время как в США уже накоплен подобный опыт подготовки специалистов. Особого внимания заслуживают критерии качества полученного образования, используемые в США, которые выступают признанным лидером среди государств с рыночной экономикой, с высокой степенью развития частного сектора. Значительная доля концентрации среднего и малого бизнеса во многом обусловлена сложившимся менталитетом: в США престижным является не просто факт трудоустройства по специальности, но прежде всего основание своего бизнеса. Последнее и служит критерием качества полученного образования.

Нами была сделана попытка определить факторы, влияющие на вероятность основания нового бизнеса выпускниками вузов США и на вероятность трудоустройства российских выпускников, а также найти наилучшие эконометрические методы, моделирующие зависимость искомых вероятностей от полученных факторов. Моделирование проходило в несколько этапов:

1) была определена система статистических показателей;

2) методами факторного анализа найденные показатели были преобразованы в несколько факторов;

3) на основе полученных факторов при помощи методов нейронных сетей, логит-регрессии и пробит-регрессии, а также при помощи методов нелинейного оценивания были получены различные регрессионные модели, оценивающие искомую вероятность;

4) был проведен сравнительный анализ найденных моделей, определены наилучшие из них и выработаны рекомендации по их использованию.

В соответствии с поставленными целью и задачами в работе автором получены следующие результаты.

· При использовании корреляционного анализа из 224 характеристик выпускников вузов США было отобрано 18. Для выпускников российских вузов использовалось 14 параметров.

· На основе факторного анализа полученные 18 характеристик американских специалистов были преобразованы в три фактора, характеризующие выпускника: f1 - «опыт», f2 - «отношение к образованию» и f3 - «характеристика бизнеса».

· Из 14 характеристик российских специалистов были получены три фактора, характеризующие выпускника: f1 - «опыт», f2 - «мотивация трудоустройства» и f3 - «характеристика безработицы». Таким образом, была получена трехфакторная модель.

· Методами корреляционного анализа было определено влияние каждого фактора на вероятность основания нового бизнеса выпускниками вузов США. Наибольшее влияние оказывает фактор f3 - «характеристика бизнеса», за ним следует фактор f1 - «опыт», а затем фактор f2 - «отношение к образованию». При этом факторы f3 - «характеристика бизнеса» и f1 - «опыт» оказывают негативное влияние на основание нового бизнеса, а фактор f2 - «отношение к образованию» - позитивное.

· Для российских выпускников наибольшее влияние на вероятность трудоустройства имеет фактор f2 - «мотивация трудоустройства», за ним по значимости следует f1 - «опыт», а затем f3 - «характеристика безработицы». При увеличении значений фактора f1 - «опыт» или f3 - «характеристика безработицы» значения вероятности увеличиваются, а при увеличении фактора f2 - «мотивация трудоустройства» вероятность уменьшатся.

· На основании полученных факторов были построены трехмерные регрессионные логит-моделей и пробит-модели зависимостей вероятности основания нового бизнеса и вероятности трудоустройства. Модели правильно предсказывают 81,02% случаев для США и 57,15% - для России.

· Трехмерная логит-модель для США описывается функцией (1), а пробит-модель - функцией (2). Для оценки параметров логит-модели был использован метод Quasi-Newton Estimation Method, а при построении пробит-модели - Hooke-Jeeves pattern moves Estimation Method.

· Трехмерная логит-модель для России описывается функцией (4), а пробит-модель - функцией (5). Для оценки параметров логит-модели был использован метод Hooke-Jeeves and Quasi-Newton, а при построении пробит-модели - метод Quasi-Newton.

· На основе полученных выше факторов автором были построены нейронные сети различных классов для моделирования трехмерной регрессионной модели для США и России. Из построенных сетей была отобрана сеть, которая обладает наибольшей точностью и адекватностью. Таковой для США и России оказался многослойный персептрон. Для американских данных модель имеет на первом скрытом слое 7 элементов, а на втором - 3 элемента, для России - 5 элементов на первом скрытом слое и не имеет элементов на втором. Доля правильно предсказанных наблюдений при помощи многослойного персептрона для американской модели равна 95%, а для российской - 99%.

· Как для США, так и для России были рассмотрены пять различных линейных и нелинейных трехмерных регрессионных моделей, описывающих зависимость искомой вероятности от трех найденных факторов. Наилучшая, с точки зрения точности и адекватности трехмерная модель для США задается формулой (3) и правильно предсказывает 19% наблюдений. Модель для выпускников российских вузов задается формулой (6) и правильно предсказывает 16% случаев.

В результате проведенного исследования были сделаны следующие выводы.

Во-первых, наиболее точными методами для оценки функций с бинарным откликом являются методы моделирования с помощью нейронных сетей, предсказывающие правильно на тестовой выборке практически 100% случаев. Однако методы нейронных сетей являются численными методами и поэтому не дают точной математической формулы модели. В случае необходимости получения аналитического решения поставленной задачи лучше использовать логит-регрессию или пробит-регрессию, правильно предсказывающую около 50-80% случаев. Использование обычной линейной или нелинейной регрессии рекомендуется использовать только в крайнем случае, так как эти методы имеют очень низкую долю правильно предсказанных случаев, приблизительно 15-20%.

В заключение следует отметить, что главным отличием в оценке успешности выпускника вуза в США от России является основание нового бизнеса, в то время как в России это трудоустройство, а также интерпретация факторов. С развитием рыночной экономики в России, процессов глобализации, а также с переходом к компетентностному обучению трудоустройство будет постепенно заменяться на основание нового бизнеса, а рассмотренные факторы для России будут постепенно трансформироваться в их американский аналог. Следовательно, приведенные в данной статье результаты могут быть востребованы для анализа российского рынка труда в будущем. трудоустройство образование труд

Предложенные автором теоретический подход и система методов статистического исследования рынка труда способны обеспечить образовательные учреждения, государственную службу занятости, предприятия, выступающие работодателями, эффективным инструментарием для оценки качества занятости специалистов с высшим образованием.

Основные публикации автора по теме диссертации

Статьи в изданиях, рекомендуемых ВАК России для публикаций результатов научных исследований

1. Бурков, А.В. Отдельные аспекты применения метода нейронных сетей для оценки конкурентоспособности выпускников вузов на рынке труда [Текст] // Экон. науки. - Самара, 2007. - № 12. - С. 431-435. - 0,3 печ.л.

2. Бурков, А.В. Отдельные аспекты методики применения комплексного подтверждающего факторного анализа с использованием структурных уравнений [Текст] // Экон. науки. - Самара, 2008. - № 6. - С. 84-89. - 0,5 печ.л.

3. Бурков, А.В. Анализ факторов, влияющих на вероятность основания бизнеса выпускниками вузов с использованием логит и пробит моделей (на примере США) [Текст] // Вестн. Самар. гос. экон. ун-та. - Самара, 2008. - №1. - С. 14-19. - 0,5 печ.л.

4. Бурков, А.В. Основные подходы к моделированию оценки вероятностей трудоустройства выпускников вузов России и США [Текст] // Вопр. статистики. - М., 2008. - № 6. - С. 47-55. - 0,8 печ.л.

5. Бурков, А.В. Проблемы качества высшего образования в контексте реализации Болонской декларации [Текст] // Вестн. Самар. гос. экон. ун-та. - Самара, 2008. - № 9. - С.10-14. - 0,3 печ.л.

6. Бурков, А.В. Об участии российского бизнеса в повышении качества высшего профессионального образования [Текст]// Креативная экономика. - М., 2008. - № 12. - С. 67-73. - 0,4 печ.л.

7. Бурков, А.В. Бизнес-сообщество и высшая школа: проблемы интеграции [Текст] // Российское предпринимательство. - М., 2008. -№12. - С. 148-152. - 0,3 печ.л.

8. Бурков, А.В. Высшее профессиональное образование: рыночные отношения и критерий качества [Текст] // Интеграл. - М., 2009. - №1. -С.10-14. - 0,3 печ.л.

9. Бурков, А.В. Статистический анализ процесса трудоустройства специалистов с высшим образованием: монография [Текст]. // Марийск. фил. Моск. открытого соц. ун-та. - Йошкар-Ола, 2004. -148 с. - 9,25 печ.л.

10. Бурков, А.В. Статистическое обеспечение мониторинга эффективности высшего профессионального образования: монография [Текст]. // Марийск. гос. техн. ун-ет. - Йошкар-Ола, 2008. - 152 с. - 10,75 печ.л.

11. Бурков, А.В. Методология статистического исследования рынка труда как подход к обеспечению качества высшего образования (на примере России и США): монография [Текст] // Марийск. гос. техн. ун-ет. - Йошкар-Ола, 2008. - 284 с. - 17,8 печ.л.

12. Бурков, А.В. Эконометрические методы прогнозирования экономических процессов [Текст] // Качество образования и управление по результатам: материалы рос.-амер. конф. / Марийск. фил. Моск. открытого соц. ун-та, М.; - Йошкар-Ола, 2001. - С.50-52. - 0,2 печ.л.

13. Бурков, А.В. Применение системы STATISTICA для решения экономических задач многомерного регрессионного анализа [Текст] // Проблемы стабилизации и развития экономики АПК: материалы науч.-практ. конф. / Марийск. гос. ун-ет. - Йошкар-Ола, 2001. - С.214-216. - 0,3 печ.л.

14. Бурков, А.В. Методы анализа выживания коммерческих фирм в условиях рынка [Текст] // Математико-статистический анализ социально-экономических процессов. / Моск. гос. ун-ет экономики, статистики и информатики, - М., 2002. - С.45-49. - 0,3 печ.л.

15. Бурков, А.В. Использование методов анализа выживаемости для оценки трудоустройства специалистов с высшим образованием в условиях современного рынка труда [Текст] // Проблемы реформирования и укрепления экономики отраслей АПК: материалы науч.-практ. конф. / Марийск. гос. ун-ет, - Йошкар-Ола, 2002. - С.215-217. - 0,3 печ.л.

16. Бурков, А.В. Регрессионные модели «Анализа выживаемости» в процессе трудоустройства безработных специалистов с высшим образованием [Текст] // Прикладные аспекты статистики и эконометрики: материалы науч. конф. молодых ученых. / Моск. гос. ун-ет экономики, статистики и информатики, - М., 2002. - С.14-18. - 0,3 печ.л.

17. Бурков, А.В. Анализ трудоустройства специалистов в профессиональных группах [Текст] // Россия и мировое сообщество в поисках новых форм стабильности: материалы постоянно действующей Всерос. междисциплин. науч. конф. / Марийск. гос. техн. ун-ет, - Йошкар-Ола, 2002. - Ч.1. - С. 88-90. - 0,3 печ.л.

18. Бурков, А.В. Логит-модели в оценке процесса трудоустройства специалистов с высшим образованием, на примере Республики Марий Эл [Текст] // Актуальные проблемы образования и науки в исследованиях молодых учёных: материалы республиканск. науч.-практ. конф. «Актуальные проблемы образования и науки». / Марийск. фил. Моск. открытого соц. ун-та, - М.; - Йошкар-Ола, 2003. - С.20-24. - 0,2 печ.л.

19. Бурков, А.В. Российская высшая школа в условиях рыночных отношений [Текст] // Научные исследования молодых учёных в области гуманитарных наук: сб. научн. тр. студентов и аспирантов. / Моск. открытый соц. ун-ет, - М., 2003 - №5. - С.95-101. - 0,5 печ.л.

20. Бурков, А.В. Анализ распределения лагов в оценке процесса трудоустройства специалистов на примере республики Марий Эл [Текст] / Л.П.Бакуменко, А.В. Бурков // Математико-статистический анализ социально-экономических явлений: сб. научн. тр., Издательство Моск. гос. ун-та экономики, статистики и информатики - М., 2003. С.18-19. - 0,2. печ.л.

21. Бурков, А.В. Динамика процесса трудоустройства специалистов с высшим образованием [Текст] // Управление развитием регионов Российской Федерации на основе программ экономического и социального развития (на примере Республики Марий Эл): сб. докл. межрегион. научн.-практ. конф. / Правительство Республики Марий Эл, - Йошкар-Ола, 2003. - С.120-122. - 0,3 печ.л.

22. Бурков, А.В. Регрессионные модели анализа выживаемости в оценке процесса трудоустройства специалистов [Текст] // Глобальные тенденции в статистике и математических методах в экономике: сб. докл. междунар. науч.-практ. конф. «Наука, практика и образование». - Санкт-Петербург, 2004. - С.27-30. - 0,2 печ.л.

23. Бурков, А.В. Методологические основы реформирования учёта на малом предприятии [Текст] / А.В.Бурков, Е.А. Мурзина // Региональные аспекты экономики, управления и права в современном обществе: Межвузовский региональный сборник статей. / Марийск. гос. техн. ун-ет, Российская муниципальная академия, - Йошкар-Ола, 2005. - С.56-64. - 0,5/0,4 печ.л.

24. Бурков, А.В. Перспективы применения принципа приоритета содержания над формой к налоговым правоотношениям [Текст]/ А.В.Бурков, Е.А. Мурзина // Проблемы и развитие социально-экономических систем: межвуз. сб. науч. тр. / Марийск. гос. техн. ун-ет, - Йошкар-Ола, 2006. - Ч.1. - С.29-31. - 0,3/0,2 печ.л.

25. Бурков, А.В. Международные аспекты послевузовского образования [Текст]/ А.В.Бурков, Е.А. Мурзина // Регион - 2006: социальные и экономические проблемы развития: материалы регион. науч.-практ. конф. / Марийск. гос. техн. ун-ет, Марийск. гос. ун-ет, - Йошкар-Ола, 2006. - С.137-140.- 0,3/0,2 печ.л.

26. Бурков, А.В. Прогнозные оценки состояния рынка труда Республики Марий Эл на 2006-2007 годы [Текст] / А.В.Бурков, Е.А. Мурзина // Формирование инновационной стратегии развития экономики регионов России: материалы регион. науч.-практ. конф. / Марийск. гос. ун-ет, - Йошкар-Ола, 2006. - С.250-252. - 0,3/0,2 печ.л.

27. Бурков, А.В. Задача выявления факторов, влияющих на создание нового бизнеса выпускниками вузов, на примере США [Текст] // Обозрение прикладной и промышленной математики. - М., 2006 -Т.13. - № 6 - С.1059-1060. - 0,1 печ.л.

28. Бурков, А.В. Принципы налогового планирования [Текст]/ А.В.Бурков, Е.А. Мурзина // Вузовская наука - региону: материалы пятой всерос. науч.-техн. конф. / Вол. гос. техн. ун-ет, - Вологда, 2007. - Т.2 - С.90-92. - 0,3/0,2 печ.л.

29. Бурков, А.В. Статистическое исследование рынка труда как подход к обеспечению контроля качества высшего образования [Текст] // Одиннадцатые Вавиловские чтения. Национальные проекты России как фактор её безопасности и устойчивого развития в глобальном мире: материалы постоянно действующей Всерос. междисциплин. научн. конф. с междунар. участием. / Марийск. гос. техн. ун-ет, - Йошкар-Ола 2008. - Ч.1 - С.151-153. - 0,5 печ.л.

30. Бурков, А.В. Проблема качества высшего профессионального образования в России в условиях глобализации мировой экономики [Текст] // VI Спиридоновские чтения / Казан. гос. техн. ун-ет, - Казань, 2008. - С. 45-55. - 0,5 печ.л.

31. Бурков, А.В. Основные подходы к моделированию вероятности трудоустройства специалистов трехфакторными логит-моделями [Текст] // Стратегическое планирование и прогнозирование как форма управления экономикой: материалы науч.-практ. конф. / Марийск. гос. техн. ун-ет, - Йошкар-Ола, 2008. - С.163-166. - 0,2 печ.л.

32. Бурков, А.В. Методика применения методов структурных уравнений к оценке факторов, влияющих на трудоустройство выпускников российских вузов [Текст] // Проблемы гуманизации: традиции, новации и качество образования: сб. тр. по материалам юбил. науч.-практ. конф. с междунар. участием., / Марийск. фил. Моск. открытого соц. ун-та, - М.,-Йошкар-Ола, 2008. - Ч.2. - С.353-358. - 0,5 печ.л.

Размещено на Allbest.ru