Исследование взаимосвязи производительности труда и отраслевой структуры валового регионального продукта

Введение

Работа является продолжением исследования авторов, посвященного выявлению факторов, влияющих на производительность труда. В данном исследовании авторы изучали влияние изменения отраслевой структуры валового регионального продукта (ВРП) на уровень и динамику производительности труда. Авторы базировались на регулярных статистических данных, предоставляемых Росстатом.

Федеральным проектом «Системные меры по повышению производительности труда», который реализуется в настоящее время в рамках национального проекта «Производительность труда и поддержка занятости»» [1], предусмотрена разработка единого согласованного подхода к расчету производительности труда в разрезе отраслей, предприятий и субъектов Российской Федерации. Актуальность исследования заключается в том, что анализ различий в уровне производительности труда и занятости и влияющих на них факторов позволит проводить более грамотную социально-экономическую политику регионов в новых институциональных условиях. Кроме того, взаимосвязь отраслевого и регионального аспектов производительности является наименее проработанной. Целью данного исследования как раз и является сравнительный анализ показателей производительности труда в зависимости от изменения отраслевой специализации экономики регионов России.

Методологические основы

Методологические основы расчета показателя производительности труда были рассмотрены в предыдущих статьях авторов [1] (Volkova, Romanyuk, Frenkel, 2020).

Еще раз напомним некоторые понятия. Под производительностью труда понимается количество продукции, произведенной работником за единицу рабочего времени, или количество времени, затраченного на производство единицы продукции. На практике на макро- и региональном уровне под объемом произведенной продукции понимается показатель валового внутреннего продукта или валовой региональный доход (ВРП), а под совокупными затратами труда – численность занятого населения или количество отработанного времени.

В России такими расчетами занимается Росстат, который публикует индекс производительности труда как в целом по экономике, так и в региональном разрезе [2]. Методика расчета показателя «Индекс производительности труда», используемая статистическим ведомством России, разработана на основе Руководства ОЭСР [3]. В рамках же национального проекта «Производительность труда и поддержка занятости ^[4]» Министерство экономического развития и рассчитывает производительность труда на одного занятого. В данной работе мы использовали оба перечисленных показателя.

Более подробно сравнительный анализ различных методов расчета производительности труда приведен в упомянутой работе авторов [1] (Volkova, Romanyuk, Frenkel, 2020). Повторим основной вывод, сделанный в данной статье. Анализ показал, что полученные различными методами показатели региональной производительности труда неоднородны. Таким образом, методика расчета индекса производительности труда влияет на используемый набор управленческих решений. Следовательно, для более эффективной оценки региональных различий в уровне и динамике производительности труда необходимо построение агрегированных региональных показателей этой экономической категории.

В современной литературе различным аспектам анализа производительности труда посвящено довольно много внимания, поскольку данный показатель является одним из ключевых. В качестве примеров можно упомянуть работы [2–4] (Burtseva, 2020; Smirnova, Tarasova, Postnova, 2018; Smirnova, Postnova, 2020). Также в литературе рассматриваются вопросы влияния изменившихся условий на динамику и уровень производительности труда [5, 6] (Gurova, 2016; Belokopytov, 2016), а также влияющих на нее факторов [7, 8] (Pavlov, Kaukin, 2019; Voskoboynikov, Baranov, Bobyleva, Kapelyushnikov, Piontkovskiy, Tolokonnikov, Roskin, 2020).

В работе [9] (Gabdullin, 2018) справедливо говорится, что включение всех факторов измерения человеческого капитала в единый интегральный показатель является сложной задачей. Более продуктивно построение некоторых частных агрегированных показателей.

Одним из возможных вариантов такого агрегированного показателя является интегральный индекс производительности труда. Ранее авторами был построен такой индекс [10] (Volkova, Romanyuk, Surkov, Frenkel, 2021). Данный вопрос также исследовался в работе [11] (Burtseva, Frenkel, Tikhomirov, Surkov, 2020).

Для построения агрегированного показателя в данной работе использовался метод парных предпочтений для получения весов, описанный в работе [12] (Gupta, Wilton, 1987).

Анализ результатов исследования

В упомянутой статье [10] (Volkova, Romanyuk, Surkov, Frenkel, 2021) анализировались индексы производительности труда, рассчитанные разными методами, а также агрегированный индекс, и было показано, что в начале исследуемого периода 2013–2019 гг. наблюдалась достаточно резкая дифференциация в темпах производительности труда между регионами. К середине периода в регионах происходило некоторое выравнивание темпов роста производительности труда, а к концу – дифференциация регионов снова несколько возрастала, но оставалась меньше, чем в начале периода. Одной из возможных причин этого могут быть различия в отраслевой структуре ВРП.

В работе [10] (Volkova, Romanyuk, Surkov, Frenkel, 2021) авторами также был проведен кластерный анализ для выявления групп регионов, имеющих сходную отраслевую структуру по данным о структуре ВРП в 2018 г. Было выделено 4 кластера, которые различались структурой ВРП, а также было показано, что сложившаяся отраслевая специализация регионов существенно влияет на динамику производительности труда. При этом регионы, у которых в структуре превалируют добывающие производства, имеют более высокие индексы производительности труда. Однако сырьевая направленность экономики способствует резким скачкам производительности на макроуровне, что может объясняться зависимостью роста производительности от ценового фактора, поскольку цены на сырье подвержены резким колебаниям.

Возникает вопрос, насколько устойчивой является сложившаяся отраслевая структура и насколько изменение в структуре экономики отдельного региона может повлиять на производительность труда. Ответ на этот вопрос особенно актуален в свете стоящей перед экономикой России насущной задачи об уходе экономики от сырьевой зависимости. Пока результаты предыдущих исследований показывали, что в добывающих кластерах уровень производительности труда был выше, чем в остальных.

Для определения влияния изменения структуры на динамику производительности труда авторами был проведен кластерный анализ по данным о структуре ВРП в 2013, 2016 и 2019 гг. Эти временные точки были выбраны из следующих соображений. 2013 г. был последним годом перед началом резких геополитических изменений. 2016 г. был выбран исходя из того, что в этом году произошла некоторая стабилизация после геополитических возмущений 2014–2016 гг., а 2019 г. – самый последний год, для которого доступна информация о годовом значении ВРП на момент проведения исследования.

Результаты кластерного анализа представлены в таблицах 1–3. В таблице 1 представлены количественные характеристики кластеров в каждом из исследуемых годов, в таблице 2 – центры полученных кластеров, а в таблице 3 – разбиение регионов на кластеры.

Таблица 1

Количество регионов внутри каждого кластера по годам

Описание кластеров удобнее начать со второго, в котором во всех временных точках находятся регионы с преобладанием в ВРП доли добычи полезных ископаемых. Доля остальных производств небольшая. В 2013 г. этот кластер включал 6 субъектов Российской федерации, в 2016 г. – 7, а в 2019 г. их число упало до 5 (табл. 1). Если посмотреть на состав этой группы регионов в 2013 г. (табл. 3), она включает преимущественно добывающие регионы Сибири. Однако к концу периода находящаяся на периферии Республика Саха (расстояние от центра кластера у нее максимально) мигрировала в первый кластер. В 2016 г. в этом кластере также присутствовал Чукотский автономный округ, который в 2019 г. также переместился в первый кластер. В 2019 г. в этой группе остались только 5 регионов, имеющих минимальное отклонение от центра и составляющих ядро.

Если проанализировать уровень производительности труда в регионах, находившихся на периферии кластера в начале и середине исследуемого периода, то можно отметить, что ее уровень существенно ниже, чем в регионах, составляющих ядро. Так, в 2013 г. уровень производительности труда добычи полезных ископаемых в Республике Саха, исчисляемый как ВРП на 1 занятого, составлял 1181,4 тыс. руб./чел и 575,0 тыс. руб. / чел. час, если вычислять производительность труда как объем ВРП, деленный на совокупные затраты труда. В то время как средние значения по кластеру составляли 2833,3 тыс. руб./чел и 1535,1 тыс. руб./чел. час. В 2016 г. уровень производительности в Республике Саха также отставал от среднего по кластеру, так же как и в вошедшем в этот кластер Чукотском автономном округе (1784,4 тыс. руб./чел, 859,4 тыс. руб./чел. час; и 2122,4тыс. руб./чел, 1050,5 тыс. руб./чел. час соответственно). ^[5]

Незначительное изменение состава кластеров нашло отражение в отраслевой структуре для центра кластера. Доля добывающих производств выросла с 59% в 2013 г. до 70,3% в 2019 г.

Первый кластер, включающий, соответственно, 17 субъектов РФ в 2013 и по 13 участников в 2016 г. и 2019 г., характеризуется также относительно высокой долей добычи полезных ископаемых, однако эта доля не является преобладающей. Удельный вес обрабатывающих производств также относительно высок. Так, в 2013 г. доля добычи полезных ископаемых в центре кластера была 22%, а доля обрабатывающих производств – 13%. Однако необходимо констатировать, что к 2019 г. в этом кластере также происходит некоторая деградация структуры ВРП, которая выражается в увеличении добывающего и падении доли обрабатывающего секторов. В 2019 г. для центра кластера доля добывающих производств составляла уже 35,4%, а доля обрабатывающих производств упала ниже 10% (8,5%).

Такое изменение состава и отраслевой структуры, вероятно, было обусловлено динамикой цен на топливно-энергетические ресурсы. В 2013 г. после падения цен на нефть в 2014–2015 гг. в конце 2016 г. было принято соглашение ОПЕК о сокращении добычи, что привело к небольшому сокращению ее добычи в 2017 г. в РФ. [6] Таким образом, низкие цены на топливно-энергетические ресурсы [7], а также введенные санкции способствовали тому, что были остановлены низкорентабельные, соответственно, имеющие низкую производительность труда в добыче полезных ископаемых проекты к 2019 г., и во втором кластере сохранились только регионы, составляющие его ядро, а периферийные субъекты переместились в первый кластер. В конечном итоге кластер пополнился двумя регионами: Чукотским автономным округом, а также Республикой Саха (Якутия), имевшими наибольшее расстояние от центра и самую низкую долю добычи полезных ископаемых в структуре ВРП.

Сокращение состава первого кластера произошло за счет перемещения шести регионов из первого кластера в четвертый (4) и третий (2). Более подробно эти перемещения будут описаны ниже.

Наиболее многочисленный третий кластер насчитывал 40 субъектов РФ в 2013, 42 – в 2016 и 36 – в 2019 гг. Его отличительными особенностями являются относительно большой удельный вес в ВРП обрабатывающих производств, а также высокая доля сбытовой инфраструктуры (торговля, транспорт и хранение). Этот кластер включает наиболее промышленно развитые субъекты РФ, такие как Москва и Санкт-Петербург, Саратовская, Московская и Ленинградская области, Пермский край и др. Отраслевая структура ВРП его центров слабо менялась в течение рассматриваемого периода времени. Кроме обрабатывающих производств и инфраструктурных отраслей большую долю в структуре ВРП занимает наука [8]. Так, во все годы исследуемого периода вид деятельности по операциям с недвижимым имуществом занимает третье место в структуре после обрабатывающих производств и торговли (табл. 2).

Начиная с 2016 г. этот кластер пополнился следующими субъектами Российской Федерации: Республика Карелия, Республика Хакасия и Красноярский край.

Таблица 2

Центры кластеров по отраслевой структуре ВРП по годам

Таблица 3

Разбиение регионов РФ на кластеры по отраслевой структуре ВРП по годам

Цифры, стоящие у названий некоторых регионов, означают номер кластера региона в 2013 и 2019 гг.

Такой переход вполне логичен, поскольку указанные регионы обладают развитой промышленной базой. Так, в Республике Карелия в структуре ВРП в 2018 г. обрабатывающие производства занимали 20,8%; добыча полезных ископаемых – 17,1%; транспортировка и хранение – 11,3% ^[9].

В Республике Хакасия основой экономики региона является производство алюминия на принадлежащих компании «Русал» алюминиевых заводах. Доля обрабатывающих производств составляла 19,6%; а добыча полезных ископаемых – 16,9%. Также в структуре ВРП большую долю занимает обеспечение электрической энергией, газом и паром; кондиционирование воздуха – 13,7% [10]

Красноярский край, в структуре ВРП которого в 2018 г. основными видами экономической деятельности являлись: обрабатывающие производства – 31,8%, добыча полезных ископаемых – 25,6%, занимает 11-е место в России по уровню ВРП на душу населения в 2018 г. [11]

В 2019 г. ряд регионов третьего кластера переместились в четвертый, который характеризуется относительно высокой долей сельскохозяйственного производства. Он также довольно многочисленный: в 2013 г. он включал 20, а в 2016 г. – 21 регион. Однако в 2019 г. произошло резкое увеличение его состава за счет перемещения ряда субъектов РФ из первого и третьего кластеров.

Проанализируем влияние различной отраслевой структуры ВРП в выявленных кластерах на производительность труда. Для этого была рассчитана гипотетическая производительность как частное от деления ВРП на численность занятых или объем совокупных затрат труда в регионе. Здесь в целях экономии места приводим только одну таблицу (табл. 5), содержащую итоги таких расчетов для выработки на 1 занятого. Выводы, полученные в расчетах, для совокупных затрат труда аналогичны.

Таблица 5

Гипотетическая производительность труда при сохранении старой структуры, тыс. руб./чел

Из таблицы 5 можно сделать следующие выводы. Прежде всего, необходимо отметить, что кластеризация достаточно устойчивая и меняет уровень производительности в кластерах определенной отраслевой специализации незначительно. Наибольшее влияние на изменения оказали второй и четвертый кластер, наиболее затронутые перемещениями регионов.

Четко прослеживается связь отраслевой специализации регионов и уровня производительности труда. Наибольшие изменения прослеживаются к концу периода.

Второе, что обращает на себя внимание, то, что уровень производительности труда наиболее высок в регионах, относящихся к кластеру, специализирующемуся на добыче полезных ископаемых, что подтверждает полученный ранее результат. Даже в первом кластере, где доля добывающих производств меньше, чем во втором, уровень производительности труда выше, чем в третьем и четвертом кластерах. С одной стороны, понятно, что в добывающих секторах сосредоточены фондоемкие производства, которые увеличивают уровень производительности труда в денежном выражении, но разница между уровнями производительности в разы заставляет задуматься о системе ценообразования.

С нашей точки зрения, более показательна динамика индексов производительности труда по кластерам с разной отраслевой специализацией. Картина для индексов динамики производительности труда несколько другая.

В работе были использованы как индексы производительности труда в расчете на одного занятого, так и индексы производительности в расчете на совокупные затраты труда. Использование обеих методик построения индекса производительности труда и агрегированного индекса, с точки зрения авторов, было необходимо, поскольку был проведен дисперсионный анализ, который показал, что индексы производительности труда, рассчитанные разными методами, во всех кластерах принадлежат разным совокупностям. На основе полученных индексов был построен агрегированный индекс производительности труда, который основывался на региональных индексах за период 2013–2019 гг., рассчитанных двумя указанными выше способами: как частное от деления ВРП на численность занятых в регионе или на количество отработанных человеко-часов. Агрегированный показатель был построен как их линейная свертка с весами, полученными на основании метода парных предпочтений, который подробно описан в [12] (Gupta, Wilton, 1987). Используемые в дальнейших расчетах весовые коэффициенты приведены в таблице 4.

Таблица 4

Вектор весов

На рисунках 1–3 представлена динамика описанных выше индексов производительности труда и агрегированного индекса. Среднее по кластеру рассчитано как среднее геометрической индексов производительности труда регионов, входящих в данный кластер.

Рисунок 1. Индекс производительности труда (ВРП/1000 занятых)

Источник: расчеты авторов.

Рисунок 2. Индекс производительности труда (ВРП / чел.-час)

Источник: расчеты авторов.

Рисунок 3. Агрегированный индекс

Источник: расчеты авторов по данным: [Электронный ресурс]. URL:

https://rosstat.gov.ru/storage/mediabank/tyXiV0Yg/dinamika98-19.xlsx (дата обращения: 05.04.2021).

Как следует из рисунков 1–3, динамика индексов, вычисленных разными методами, различна в зависимости от отраслевой специализации кластера. Причем в начале и к конце периода разброс в значениях темпов роста производительности труда значительный, особенно для показателя, рассчитанного как ВРП на тысячу занятых. Так, в 2013 и 2019 гг. разница между минимальным и максимальным значением темпов в разных кластерах составляла 3,0 п.п., а в 2016 г. – всего 1,4 п.п. Возможно, это следствие того, что к 2016 г. экономика еще не вполне оправилась от геополитических шоков 2014–2015 гг. Индекс, основанный на учете совокупных затрат труда, и агрегированный индекс ведут себя более плавно.

Особенно резкие колебания испытывают все индексы производительности труда четвертого кластера, в котором велика доля сельского хозяйства и в котором наблюдается резкий рост всех индексов к 2019 г. Это может быть следствием мер, которые предпринимались по поддержке сельхозпроизводства в РФ.

Заключение

В итоге проведенного исследования можно сделать следующие выводы. Прежде всего, подтверждается тезис авторов о том, что методика расчета показателя влияет на результирующий критерий производительности труда. Колебания ВРП на 1000 занятых внутри исследуемого временного периода достаточно амплитудные, что затрудняет изучение тенденции. Индекс производительности труда, рассчитанный как частное от деления ВРП на 1 чел. час, в некоторых точках периода имеет значения, расходящиеся с первым индексом, поэтому, с нашей точки зрения, агрегированный индекс дает более объективную картину.

Сложившаяся отраслевая специализация регионов является достаточно устойчивой и существенно влияет на динамику производительности труда. При этом регионы, у которых в структуре превалируют добывающие производства, имеют более высокие уровни производительности труда.

[1] Нацпроект разработан и утвержден президиумом Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам (протокол от 24 сентября 2018 г. № 12) в рамках реализации Указа Президента Российской Федерации от 7 мая 2018 года № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года». Паспорт утвержден 24 декабря 2018 г. [Электронный ресурс]. URL: https://client.consultant.ru/site/download/?id=1011506645&docId=532575 (дата обращения: 08.04.2021).

[2] Методика расчета показателей производительности труда предприятия, отрасли, субъекта Российской Федерации. Приложение № 1 к приказу Минэкономразвития России от 28.12.2018 № 748 [Электронный ресурс]. URL: https://frprf.ru/download/metodologiya-rascheta-pokazatelya-prirosta-proizvoditelnosti-truda-proekt.pdf (дата обращения: 31.03.2021).

[3] KamillaHeurlén and Henrik SejerboSørensen. Labour productivity based on integrated labour accounts [Электронныйресурс]. URL: https://www.oecd-ilibrary.org/docserver/9789264044616-9-en.pdf?expires=1585728992&id=id&accname= guest&checksum=0BB0796EA3783619CD439304F97D09EA (дата обращения: 31.03.2021).

[4] Паспорт национального проекта «Производительность труда и поддержка занятости» [Электронный ресурс]. URL: http://www.consultant.ru/document/cons_doc_LAW_319210/ (дата обращения: 31.03.2021).

[5] Рассчитано по данным Росстата РФ [Электронный ресурс]. URL: https://rosstat.gov.ru/storage/mediabank/ VD7h6taW/%D0%92%D0%A0%D0%9F%20%D0%9E%D0%9A%D0%92%D0%AD%D0%94%202007%20(%D1%81%202004%20%D0%B3.).xlsx; https://rosstat.gov.ru/storage/mediabank/ 9wO18RyL/%D0%92%D0%A0%D0%9F%20%D0%9E%D0%9A%D0%92%D0%AD%D0%94%202%20(%D1%81%202016%20%D0%B3.).xlsx; https://rosstat.gov.ru/storage/mediabank/sredn-zan-10-16.xls; https://rosstat.gov.ru/storage/mediabank/MdGPVWAI/trud2_15-s.xls (дата обращения: 10.06.2021).

[6] Так, по данным Минтопэнерго добыча нефти в России снизилась с 547306,1 тыс. т до 546742,2 тыс. т [Электронный ресурс]. URL: https://minenergo.gov.ru/activity/statistic/xlsx?sections=24&date_from=1356987600&date_to=1609448400 (дата обращения: 10.06.2021).

[7] Известно, что цена на нефть является во многом определяющей для формирования цены на другие энергетические ресурсы. См., например, «Энергетический бюллетень» № 20, январь 2015, с. 7 [Электронный ресурс]. URL: https://ac.gov.ru/files/publication/a/4547.pdf (дата обращения: 10.06.2021).

[8] Здесь необходимо отметить, что в целях более корректного сравнения, структура ВРП в 2016 и 2019 гг. была приведена в соответствие с классификацией 2013 г., по которой наука и научное обслуживание входили в раздел «Деятельность по операциям с недвижимым имуществом».

[9] Регионы России. Основные характеристики субъектов Российской Федерации – 2020 г., с. 171 [Электронный ресурс]. URL: https://gks.ru/bgd/regl/b20_14s/IssWWW.exe/Stg/sev-zap/karel.docx (дата обращения: 13.06.2021).

[10] Регионы России. Основные характеристики субъектов Российской Федерации – 2020 г., с. 593 [Электронный ресурс]. URL: https://gks.ru/bgd/regl/b20_14s/IssWWW.exe/Stg/sib/hakas.docx (дата обращения: 13.06.2021).

[11] Регионы России. Социально-экономические показатели – 2020 г. [Электронный ресурс]. URL: https://gks.ru/bgd/regl/b20_14p/IssWWW.exe/Stg/d01/01-04.docx (дата обращения: 13.06.2021).