Показатель: Коэффициент Джини (распределение дохода), Категории: Демографические и социально-экономические показатели. 10%, 30% населения, коэффициент Джини для распределения богатства) Россия опережает любую другую крупную страну. Насколько равномерно происходил рост богатства швейцарцев показывает так называемый «коэффициент Джини» (Gini-Koeffizienten). На примере коэффициента Джини показано, насколько сильно различается оценка неравенства в зависимости от используемых данных и способов расчета. Коэффициент Джини (0÷1), индекс Джини (0÷100 %) < 0.25 0.25–0.29 0.30–0.34 0.35–0.39 0.40–0.44 0.45–0.49 0.50–0.54 0.55–0.59 ≥ 0.60 нет данных Индекс Джини равен отношению закрашенной площади к площади треугольника под прямой Коэффициент Джини.
Коэффициент Джини: формула неравенства
| Коэффициент Джини | По итогам 2023 года коэффициент Джини в России вырос до 0,403, что говорит об увеличении концентрации доходов в стране по сравнению с предыдущим годом. |
| Коэффициент Джини. Из экономики в машинное обучение - | Коэффициент Джини может принимать значения от 0 до 1. Чем ближе коэффициент Джини к нулю, тем меньше изгиб кривой Лоренца, и доходы распределены более равномерно. |
| Коэффициент Джини | Насколько равномерно происходил рост богатства швейцарцев показывает так называемый «коэффициент Джини» (Gini-Koeffizienten). |
Индекс Джини
В данной статье приведены показатели коэффициента и индекса Джини — показателя, характеризующего дифференциацию населения России по доходам. Применение коэффициента Джини в России началось в 1990-х годах — в это время, как и позднее период экономического роста в 2000-е годы , он демонстрировал низкую эгалитарность равенство российского общества [2]. Показатели коэффициента Джини в России за все время измерения 1991—2018 Содержание.
Достоинства и недостатки индекса Индекс Джини позволяет обобщенно оценить, насколько доходы распределены неравномерно. Из обобщенности метода вытекают как его достоинства, так и недостатки.
Так, например, индекс: легко рассчитывается при наличии небольшого количества статистической информации; предоставляет обобщенную, не персонифицированную информацию; позволяет сравнивать страны независимо от масштаба; универсален. Индекс Джини получил широкое признание как универсальный метод оценки неравенства распределения доходов в экономике, индекс рассчитывают многие страны и международные организации для оценки неравенства. Ниже приведена карта мира с распределением стран по индексу неравенства. Источник: Всемирный Банк, 2018 год Как можно увидеть, в развитых странах индекс неравенства находится на уровне от низкого до среднего.
Это обусловлено как социальной ролью государства в таких странах, осуществляющего прямую поддержку слоев населения с низкими доходами, так и часто применяемой в развитых странах прогрессивной ставкой налогообложения, являющейся универсальным выравнивающим механизмом. По данным Всемирного Банка первые 15 стран с самым высоким неравенством выглядят так: Здесь любопытно нахождение США на 15 месте. Впрочем, ни для кого не секрет что в США достаточно большое расслоение в доходах.
Снижение бедности происходит за счет увеличения МРОТ, который влияет на размер социальных выплат, и политики поддержки семей с детьми. Также сокращению уровня бедности в России способствовали социальные выплаты в пандемию. При этом планы по увеличению МРОТ позволяют сделать прогноз, что число бедных людей в России будет сокращаться и дальше, отмечает эксперт. Максимальный уровень неравенства наблюдался в 2010 году. Де-факто это итог быстрых темпов обогащения ряда людей в 1990-е и 2000-е годы В то же время Аникин отмечает, что необходимо обращать внимание на экстремальный разрыв зарплат между топ-менеджментом и самыми низкооплачиваемыми работниками компаний, который способен демотивировать сотрудников. Институт политических исследований посчитал, что разрыв зарплат руководителей самых низкооплачиваемых работников в США составляет 670 раз.
При этом стремительный рост пришелся на пять лет - с 1995 по 2000 год, когда разрыв увеличился со 118 раз до 371 раза. В России наибольший рост разрыва зарплат пришелся примерно на тот же период - 1991-1994годы, когда страна перешла на рыночную модель экономики, отмечает доктор экономических наук директор Института психолого-экономических исследований Александр Неверов. Одна из причин этого явления - институты, которые позволяют богатым людям наращивать свои доходы. К плюсам такой системы можно отнести появление "компаний-единорогов" с миллиардными оборотами, таких как Apple, Google, Microsoft, Amazon, рассказывает Аникин.
Однако в этом есть только теоретическая логика. В то же время коэффициент Джини ведь растет, показывая реальное положение дел. В расчетах федеральных ведомств немало ошибок. Дело не в сознательном занижении инфляции, попытках «не увидеть» реальный рост цен или понизить показатели коэффициента Джини.
Дело в большей степени состоит в проблемной выборке для статистической оценки. Так, например, индекс прожиточного минимума высчитывает Минтруд, который не учитывает полное изменение стоимости услуг по всей стране, что на выходе дает более красивую картину по прожиточному минимуму, а значит, население кажется менее бедным, чем есть на самом деле. В обзоре ВШЭ сказано, что Росстат тоже не безгрешен. Он определяет инфляцию и прожиточный минимум на основе цен в городах и не учитывает стоимость товаров в несетевых магазинах в сельской местности. То же касается и услуг. Десятка богатых к десятке бедных Для определения неравенства используется еще так называемый децильный коэффициент. Этот показатель в России менялся за последнее десятилетие примерно в общей парадигме коэффициента Джини и тоже наглядно показывал разницу в доходах бедных и богатых. По данным Росстата, за последние десять лет наиболее низким децильный коэффициент оказался в 2017 году 15,3 , а самым высоким — в 2008-2010 годах 16,6.
По другим оценкам, в истории современной России он в реальности мог достигать и 17. Нормально это или нет? В предвоенной царской России начала XX века, например, по расчетам профессора факультета социологии Санкт-Петербургского государственного университета Бориса Миронова, децильный коэффициент равнялся всего лишь 6,5. В других странах коэффициент сильно разнится, причем далеко не всегда это коррелирует с благополучием страны. Так, в 2015 году в Южной Корее он составлял 7,8, что считается очень хорошим показателем.
Полезные статьи
- Словарь неравенства
- Какие страны и почему отличаются высоким показателем джини география реферат
- Неравенство доходов и коэффициент Джини в России: причины, последствия и пути решения
- предоставляет экономические и финансовые данные
- Что такое коэффициент / индекс Джини?
Неравенство и бедность
Индекс Джини: коэффициент Джини выраженный в процентах (то есть коэффициент Джини умноженный на 100%). Коэффициент Джини, который используется для измерения неравенства, показывает, что разрыв между богатыми и бедными слоями населения становится все больше. Первой с конца является Южно-Африканская Республика – коэффициент Джини здесь достиг 63%. The Gini coefficient measures inequality on a scale from 0 to 1. Higher values indicate higher inequality. Depending on the country and year, the data relates to income measured after taxes and benefits, or to consumption, per capita. 10%, 30% населения, коэффициент Джини для распределения богатства) Россия опережает любую другую крупную страну.
Экономика. 10 класс
| Коэффициент Джини, значение по странам мира и в России | В минувшем году в России коэффициент Джини, характеризующий степень неравенства в распределении доходов внутри групп населения, вырос. |
| Индекс Джини в странах мира | В 2023 году в России коэффициент Джини, отражающий дифференциацию по доходам, составил 0,403 против 0,395 годом ранее, отчитался Росстат. |
| Коэффициент Джини — Википедия Переиздание // WIKI 2 | Коэффициент Джинни показывает степень отклонения фактического объема распределения доходов населения от линии их равномерного распределения. |
Индекс Джини в странах мира
Коэффициент Джини — это статистический показатель, характеризующий степень неравномерности распределения доходов между разными социальными группами. Коэффициент Джинни показывает степень отклонения фактического объема распределения доходов населения от линии их равномерного распределения. Коэффициент Джини (Gini coefficient) – это количественный показатель, показывающий степень неравенства различных вариантов распределения доходов, разработанный итальянским экономистом, статистиком и демографом Коррадо Джини (1884-1965 г.г.). В 2023 году в России коэффициент Джини, характеризующий степень неравенства в распределении доходов внутри групп населения, вырос до 0,403 против 0,395 годом ранее, следует из доклада Росстата о социально-экономическом положении .pdf). Коэффициент Джини показывает, насколько «кривая Лоренца» отклоняется от «линии равенства», сравнивая площади A и B на картинке. Помимо Коэффициента Джини и Децильного коэффициента, народ постоянно пытается придумать другие коэффициенты и индексы, которые бы, так или иначе, отражали неравенство.
Задача №77. Расчёт коэффициента Джини
На примере коэффициента Джини показано, насколько сильно различается оценка неравенства в зависимости от используемых данных и способов расчета. Первой с конца является Южно-Африканская Республика – коэффициент Джини здесь достиг 63%. Коэффициент Джини позволяет выявить высокие уровни неравенства доходов, которые могут стать причиной нежелательных политических и экономических последствий. Коэффициент Джини – статистический показатель, который используется для характеристики уровня экономического неравенства в стране.
Коэффициент Джини — индекс концентрации доходов, справедливости и неравенства
По факту его значение может быть низким. В то же время часть граждан зарабатывает деньги тяжелым «каторжным» трудом, а часть — получает доход от собственности. Таким образом они получают 5-процентный доход, которые большинство граждан зарабатывают своим трудом. Для расчета Gini coefficien требуются определенные данные по статистике. Но методы, применяемые для их сбора, различны.
Это значительно усложняет процесс сопоставления коэффициентов, а подчас делает это невозможным. Несоответствия при применении Gini coefficien в плановой экономике, где материальные ресурсы принадлежат государству обществу , распределяются централизованно. Поскольку Джини принимает к учету лишь разницу доходов населения, а не государства общества , то именно в плановой экономике его значение может быть некорректным, более положительным. Gini coefficien и кривая Лоренца применяются только в отношении доходов граждан, выраженных в денежной форме.
Между тем многим работникам заработок выдают в натуральной форме. Например, продукцией продуктами питания собственного производства либо закупленными в др. Выдача заработка опционами на акции имеет особенности при его учете для расчета Джини. Опцион, не являясь доходом, дает возможность заработать на акциях.
Вырученные за продажу акций деньги учитывают при расчете коэффициента. Пример расчета коэффициента Джини Задача: определить Gini coefficien для трех групп населения по данным из таблицы, применив аналитический способ расчета.
Недостатки коэффициента Джини Довольно часто коэффициент Джини приводится без описания группировки совокупности, то есть часто отсутствует информация о том, на какие же именно квантили поделена совокупность. Так, чем на большее количество групп поделена одна и та же совокупность больше квантилей , тем выше для неё значение коэффициента Джини. Коэффициент Джини не учитывает источник дохода, то есть для определенной локации страны, региона и т.
Метод кривой Лоренца и коэффициента Джини в деле исследования неравномерности распределения доходов среди населения имеет дело только с денежными доходами, меж тем некоторым работникам заработную плату выдают в виде продуктов питания и т. Различия в методах сбора статистических данных для вычисления коэффициента Джини приводят к затруднениям или даже невозможности в сопоставлении полученных коэффициентов.
Нулевое значение будет в стране или в регионе, в которой абсолютно у всех одинаковый доход.
На практике же значения чаще всего укладываются в диапазон от 0,2 до 0,6. Низкий показатель коэффициента Джини не означает богатства или бедности выборки в целом, а лишь низкую разницу между самыми богатыми и самыми бедными. То же самое, но с противоположной стороны, относится и к высокому показателю.
Джини — это мера статистической дисперсии, и как таковая она может измерять любой ряд числовых данных, а не только доход, богатство или политический риск. Это индекс, который на самом деле пытается объяснить распространение неопределенности, а оценка риска — это на самом деле неопределенность, которую мы пытаемся уменьшить. Когда мы проверяем результаты моделей оценки риска, мы стремимся к как можно более высокому индексу Джини, то есть неравенству, которое будет максимально отражать предсказание только политики высокого риска. В примере мы построили две модели оценки риска страховых полисов в данном случае транспортных средств и оценили риск группы полисов. Прогноз каждой модели — это значение утверждения каждой политики. После выполнения прогноза мы классифицировали уровень риска каждой политики.
Каждая точка на оси X символизирует уровень риска полиса, а каждая точка на оси Y — сумму денег, заявленную группой в реальных деньгах.
Какие страны и почему отличаются высоким показателем джини география реферат
Индекс Джини — процентное представление этого коэффициента. Расчёт коэффициента Джини базируется на кривой Лоренца — для её построения требуется частотное распределение единиц исследуемой совокупности и взаимосвязанное с ним частотное распределение изучаемого признака. Так, например, в практике статистики при изучении дифференциации населения по доходам выделяют 5 групп по степени их увеличения: первая — с наименьшими доходами, пятая — с наибольшими.
Площадь A, как и коэффициент Джини, будет равна 0. Если один человек получает все доходы, а остальные не имеют никакого, «кривая Лоренца» совпадает с осью X — общие доходы будут сконцентрированы в конце графика. Площадь B будет равна нулю, а коэффициент Джини — 1 Сравнение показателей: Рассказывает ли показатель Джини ту же историю, что и другие показатели неравенства?
Показатели неравенства пытаются обобщить информацию о том, насколько распределение неравномерно — точно так же, как стандартное отклонение. В таких суммарных показателях заложены суждения о том, что именно должно иметь наибольшее значение при измерении неравенства Для примера сравним два выдуманных общества. В первом богатые люди намного богаче тех, кто находится в середине распределения, но доходы более бедных лишь немного ниже тех, что получают в середине. Во втором — обратная ситуация: доходы богатых лишь немного выше доходов средних, но бедные намного беднее В каком обществе выше неравенство? Ответ будет зависеть от того, какие разрывы в разных частях распределения считать вносящими наибольший вклад в уровень неравенства.
Такие оценочные суждения неявно заложены в математические определения показателя неравенства Это относится ко всем показателям неравенства, и коэффициент Джини не является исключением.
Такой показатель есть, в 1912 году его вывел итальянский статистик Коррадо Джини 1884-1965 , в честь которого и назван коэффициент. Если мы представим себе, что площадь этого треугольника изображает совершенно неравномерное распределение доходов населения, то площадь фигуры между кривой Лоренца для Казыстана и кривой абсолютного равенства изображает неравенство в Казыстане. Тогда, если мы разделим неравенство Казыстана на абсолютное неравенство площадь треугольника АBC , то узнаем, какую долю неравенство в Казыстане составляет от абсолютного неравенства. Это и будет коэффициентом Джини для Казыстана, а метод расчета коэффициента называется геометрическим методом расчета. Но как посчитать площадь заштрихованной фигуры? Это просто: можно разделить эту фигуру на два треугольника и 3 трапеции, вывести площади всех этих фигур и сложить их. Геометрический способ был представлен для того, чтобы было понятно, в чем суть этого коэффициента.
Шаг 2: Рассчитайте площади под кривой Лоренца Затем нам нужно рассчитать отдельные площади под кривой Лоренца , которую мы используем для визуализации распределения доходов в стране. Это чрезвычайно простой пример того, как рассчитать коэффициент Джини, но вы можете использовать те же самые формулы для расчета коэффициента Джини для гораздо большего набора данных.
Как сравнить результаты моделей с использованием индекса Джини и кривой Лоренца
| Задача №77. Расчёт коэффициента Джини | К 1912 году итальянский статистик Коррадо Джини разработал алгебраическую интерпретацию кривой Лоренца: коэффициент, призванный указывать, насколько неравным является экономическое распределение. |
| Коэффициент джини в России: статистика, динамика, прогноз | Индекс Джини или коэффициент Джини — это статистическая мера распределения, разработанная итальянским статистиком Коррадо Джини в 1912 году. |
| Социальное неравенство в России устремилось вверх. Что дальше? | Новости 24 | показателе расслоения общества. |
| Коэффициент Джини (распределение дохода) - Европейский портал информации здравоохранения | Основным преимуществом коэффициента Джини является то, что он является показателем неравенства, рассчитанного посредством анализа коэффициентов, а не переменной. |
| Индекс Джини и неравенство доходов | Conomy | Доверительный интервал коэффициента Джини определяется на основе стандартного отклонения, которое рассчитывается с использованием значения AUC по следующей формуле. |
Как рассчитать коэффициент Джини в Excel (с примером)
Насколько равномерно происходил рост богатства швейцарцев показывает так называемый «коэффициент Джини» (Gini-Koeffizienten). Кроме того, коэффициент Джини используется для анализа распределения богатства в стране, но не показывает ее общий доход. По итогам 2023 года коэффициент Джини в России вырос до 0,403, что говорит об увеличении концентрации доходов в стране по сравнению с предыдущим годом. Коэффициент Джини (Gini coefficient) – это количественный показатель, показывающий степень неравенства различных вариантов распределения доходов, разработанный итальянским экономистом, статистиком и демографом Коррадо Джини (1884-1965 г.г.).
В России зафиксирован рост доходного неравенства
Перейти к навигации Перейти к поиску Общий вид кривой Лоренца Коэффициент Джини коэффициент концентрации доходов — статистический показатель, который используют для характеристики степени отклонения линии фактического распределения Кривая Лоренца общего объёма денежных доходов населения от линии их равномерного распределения. Величина коэффициента ограничена промежутком от ноля до единицы — чем выше значение показателя, тем более неравномерно распределены доходы в обществе [1]. Индекс Джини — процентное представление этого коэффициента.
Преимущества применения Коэффициента Джини[6]: Основным преимуществом коэффициента Джини является то, что он является показателем неравенства, рассчитанного посредством анализа коэффициентов, а не переменной. Его можно использовать для сравнения распределения доходов по разным секторам населения, а также по странам, однако следует учитывать, что значение коэффициента Джини для городских районов отличается от значения коэффициента Джини для сельских районов во многих странах. Коэффициент Джини обладает достаточной простотой, чтобы его можно было сравнивать между странами и легко интерпретировать. Статистика ВВП часто подвергается критике, поскольку она не отражает изменений для всего населения, коэффициент Джини же показывает, как изменился доход бедных и богатых слоев населения. Если наблюдается одновременный рост коэффициента Джини и ВВП, уровень бедности может не изменяться в положительную сторону для большинства населения.
Коэффициент Джини может использоваться для отображения того, как распределение дохода изменилось в стране за определенный период времени, таким образом, можно увидеть, увеличивается или уменьшается неравенство. Не смотря на наличие преимуществ применения коэффициента Джини, он также обладает и рядом недостатков[5]: Коэффициент Джини, измеренный для большой экономически разнородной страны, обычно приводит к гораздо более высокому коэффициенту, чем каждый из ее регионов в отдельности. Сравнение распределения доходов между странами может быть затруднено, поскольку системы пособий могут различаться. Например, некоторые страны предоставляют пособия в виде денег, в то время как другие в форме талонов на питание, которые могут не учитываться в качестве дохода на кривой Лоренца и, следовательно, не учитываться в коэффициенте Джини. В связи с расчетным характером коэффициента Джини, в данных могут присутствовать как систематические, так и случайные ошибки. Со временем значение коэффициента Джини уменьшается, поскольку данные становятся менее точными. Кроме того, страны могут собирать данные по-разному, что затрудняет сравнение статистических данных между странами.
Экономики с одинаковыми доходами и одинаковыми значениями коэффициентов Джини могут иметь различное распределение доходов. В качестве примера, экономика, в которой половина домохозяйств не имеет дохода, а другая половина имеет равный доход, имеет значение коэффициента Джини, равное 0,5, а экономика с полным равенством доходов, за исключением одного состоятельного домохозяйства, которое имеет половину общего дохода, также имеет значение коэффициента Джини, равное 0,5. В целом коэффициент Джини является более универсальным показателем неравенства в доходах, чем фондовый и децильный коэффициенты.
В экономике существует несколько способов рассчитать этот коэффициент, мы остановимся на формуле Брауна предварительно необходимо создать вариационный ряд — отранжировать население по доходам : где — число жителей, — кумулятивная доля населения, — кумулятивная доля дохода для Давайте разберем вышеописанное на игрушечном примере, чтобы интуитивно понять смысл этой статистики.
Предположим, есть три деревни, в каждой из которых проживает 10 жителей. В каждой деревне суммарный годовой доход населения 100 рублей. В первой деревне все жители зарабатывают одинаково — 10 рублей в год, во второй деревне распределение дохода иное: 3 человека зарабатывают по 5 рублей, 4 человека — по 10 рублей и 3 человека по 15 рублей. И в третьей деревне 7 человек получают 1 рубль в год, 1 человек — 10 рублей, 1 человек — 33 рубля и один человек — 50 рублей.
Для каждой деревни рассчитаем коэффициент Джини и построим кривую Лоренца. Представим исходные данные по деревням в виде таблицы и сразу рассчитаем и для наглядности: Мы показали, что наряду с алгебраическими методами, одним из способов вычисления коэффициента Джини является геометрический — вычисление доли площади между кривой Лоренца и линией абсолютного равенства доходов от общей площади под прямой абсолютного равенства доходов. Давайте остановимся на ещё одном важном моменте: рассчитывая коэффициент Джини, мы никак не классифицируем людей на бедных и богатых, он никак не зависит от того, кого мы сочтем нищим или олигархом. Но предположим, что перед нами встала такая задача, для этого в зависимости от того, что мы хотим получить, какие у нас цели, нам необходимо будет задать порог дохода четко разделяющий людей на бедных и богатых.
Если вы увидели в этом аналогию с Threshold из задач бинарной классификации, то нам пора переходить к машинному обучению. Машинное обучение 1. Общее понимание Сразу стоит заметить, что, придя в машинное обучение, коэффициент Джини сильно изменился: он рассчитывается по-другому и имеет другой смысл. Численно коэффициент равен площади фигуры, образованной линией абсолютного равенства и кривой Лоренца.
Остались и общие черты с родственником из экономики, например, нам всё также необходимо построить кривую Лоренца и посчитать площади фигур. И что самое главное — не изменился алгоритм построения кривой. Кривая Лоренца тоже претерпела изменения, она получила название Lift Curve и является зеркальным отображением кривой Лоренца относительно линии абсолютного равенства за счет того, что ранжирование вероятностей происходит не по возрастанию, а по убыванию. Разберем всё это на очередном игрушечном примере.
Для минимизации ошибки при расчете площадей фигур будем использовать функции scipy interp1d интерполяция одномерной функции и quad вычисление определенного интеграла. Предположим, мы решаем задачу бинарной классификации для 15 объектов и у нас следующее распределение классов: Глядя на эти два графика мы можем сделать следующие выводы: Предсказание идеального алгоритма является максимальным коэффициентом Джини для текущего набора данных и зависит только от истинного распределения классов в задаче. Площадь фигуры для идеального алгоритма равна: 2. Алгебраическое представление.
Как рассчитать эту метрику? Она не равна своему родственнику из экономики. Известно, что коэффициент можно вычислить по следующей формуле: Прекрасно видно, что из графического представления метрик связь уловить невозможно, поэтому докажем равенство алгебраически. У меня получилось сделать это двумя способами — параметрически интегралами и непараметрически через статистику Вилкоксона-Манна-Уитни.
Второй способ значительно проще и без многоэтажных дробей с двойными интегралами, поэтому детально остановимся именно на нем. Для дальнейшего рассмотрения доказательств определимся с терминологией: кумулятивная доля истинных классов — это не что иное, как True Positive Rate. Кумулятивная доля объектов — это в свою очередь количество объектов в отранжированном ряду при масштабировании на интервал — соответственно доля объектов. Введём следующие обозначения: Параметрический метод При построении графика Lift Curve по оси мы откладывали долю объектов их количество предварительно отсортированных по убыванию.
Таким образом, параметрическое уравнение для Коэффициента Джини будет выглядеть следующим образом: Подставив выражение 4 в выражение 1 для обеих моделей и преобразовав его, мы увидим, что в одну из частей можно будет подставить выражение 3 , что в итоге даст нам красивую формулу нормализованного Джини 2 Непараметрический метод При доказательстве я опирался на элементарные постулаты Теории Вероятностей. Известно, что численно значение AUC ROC равно статистике Вилкоксона-Манна-Уитни: Доказательство этой формулы можно, например, найти здесь Пусть модель прогнозирует возможных значений из множества , где и — какое-то вероятностное распределение, элементы которого принимают значения на интервале. Пусть множество значений, которые принимают объекты и. Очевидно, что множества и могут пересекаться.
Значительное их количество закрывало свои точки в России, отправляя персонал в отпуск или переводя на выплаты МРОТ на неопределенный срок, пока не находили фирму-покупателя в стране. Неравномерность роста заработка по отраслям. За счет продолжения в 2023 г. Несмотря на отсутствие официальных данных о росте зарплат в ВПК, полная загрузка производственных мощностей в отрасли увеличила спрос на кадры, а следовательно, и уровень дохода сотрудников. Дефицит кадров в определённых отраслях.