Исследование факторов роста рынка труда в регионах России

Бурцева Т.А.1, Френкель А.А.2, Тихомиров Б.И.2, Сурков А.А.2
1 Российский технологический университет - МИРЭА, Россия, Москва
2 Институт экономики РАН, Россия, Москва

Статья в журнале

Экономика труда (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 9, Номер 11 (Ноябрь 2022)

Цитировать:
Бурцева Т.А., Френкель А.А., Тихомиров Б.И., Сурков А.А. Исследование факторов роста рынка труда в регионах России // Экономика труда. – 2022. – Том 9. – № 11. – С. 1825-1838. – doi: 10.18334/et.9.11.116648.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=49891469
Цитирований: 2 по состоянию на 07.08.2023

Аннотация:
Снижение разрыва в уровне социально-экономического развития между регионами является одной из важнейших задач государственной политики и обеспечения национальной безопасности Российской Федерации. Обеспечение устойчивого роста производительности труда является приоритетной фундаментальной проблемой социально-экономического развития страны, регионов и хозяйствующих субъектов. Ее решение требует разработки и использования новых инструментов стратегического пространственного развития, выработки новой демографической и миграционной политики государства, стабильного роста реальных доходов и внутреннего потребительского спроса населения на товары и услуги. Индикаторы рынка труда позволяют оперативно оценить негативное влияние внешних шоков на стратегическое пространственное развитие страны и регионов России. Целью статьи является выявление взаимосвязей факторов рынка труда в субъектах Российской Федерации в современных условиях. Для анализа использовались методы корреляционного и кластерного анализа. На основе предложенной группировки регионов по интегральному индексу региональной производительности труда и индексу регионального уровня занятости выявлены отличия факторной структуры рынков труда. Это позволило сформулировать рекомендации по реализации цифровой трансформации региональной экономики России. Новизна результатов исследования заключается в выявленных факторных структурах в различных группах регионов, отличающихся тенденциями развития региональной производительности труда и занятости населения. Статья может представлять интерес для широкого круга исследователей в области региональной экономики.

Ключевые слова: пространственное развитие, рынок труда, занятость, производительность труда, региональные кластеры, факторная структура

Финансирование:
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-010-00330

JEL-классификация: J24, E24, F66, O11



Введение

Цифровая трансформация экономики России призвана решить ряд насущных проблем ее развития. Однако снижение производительности труда в региональной экономике из-за падения объема инвестиций, роста заболеваемости населения, несбалансированности региональных рынков труда, высокой межрегиональной трудовой миграции, роста цен не позволит эффективно решать проблемы с помощью только внедрения цифровых технологий. Все это негативно сказывается на занятости населения. В 2020 г. снижение уровня занятости в регионах России составило 2%. В 2019 г. этот показатель составлял 1%. Одной из причин данной негативной тенденции является пандемия Covid-19.

Несмотря на большое количество публикаций, посвященных исследованию последствий пандемии Covid-19 для экономики, например, работы [1–3] (Drobot, 2020; Bondarenko, 2020; Pazdnikova, Glazkova, Buresh, 2020), вопросы трансформации рынка труда на региональном уровне недостаточно изучены в условиях современного состояния проблемы пространственного развития экономики России.

Концепция исследования заключается в научном предположении, что Россия, характеризующаяся ростом дифференциации развития регионов, имеет различные факторные структуры рынка труда. Объектом исследования являются региональные рынки труда. Предметом исследования выступает система показателей рынка труда.

Целью статьи является выявление взаимосвязей факторов рынка труда в субъектах Российской Федерации в современных условиях. Это позволит решить задачи пространственного развития страны, выявить новые факторы снижения занятости населения в регионах России, которые, в свою очередь, формируют региональную производительность труда [4] (Burtseva, Frenkel, Surkov, 2021).

Для достижения цели решены задачи: определена система факторов региональной производительности труда, характеризующая состояние рынка труда региона; проведена кластеризация регионов по региональной производительности труда; исследованы особенности различных групп регионов по динамике уровня занятости и производительности труда; определены региональные факторные структуры по группам регионов; выявлены отличия факторной структуры рынков труда. Это позволило сформулировать рекомендации по реализации цифровой трансформации региональной экономики России.

Результаты исследования позволили сформулировать рекомендации и выявить группу регионов, в которых цифровая трансформация экономики обеспечит эффективность решения проблемы занятости и низкой производительности труда.

Основные результаты исследования

Для определения значимых факторов рынка труда в регионах России использованы методы экономической статистики, корреляционного анализа и структуризация факторов регионального рынка труда, основанная на системе факторов региональной производительности труда, представленной авторами в работе [5] (Burtseva, Frenkel, Tikhomirov, Surkov, 2021):

· темп роста объема инвестиций в основной капитал на душу населения;

· темп роста заболеваемости населения (на 1000 чел. населения);

· темп роста доли расходов на покупку товаров и услуг в доходах населения;

· темп роста объема промышленной продукции на душу населения;

· индекс потребительских цен;

· темп роста удельного веса убыточных организаций;

· темп роста использования сети Интернет в организациях (широкополосный доступ);

· темп роста ввода в действие жилых домов на 1000 чел. населения;

· темп роста численности занятого населения, въезжающего на работу в субъект Российской Федерации;

· темп роста численности городского населения.

По факторам была проведена кластеризация регионов и предложена новая их типология по росту региональной производительности труда.

В таблице 1 даны кластеры регионов по данной типологии. В основу формирования кластеров заложены оценки усредненного влияния нерегулируемых и слаборегулируемых факторов (темп роста заболеваемости населения, доля расходов на покупку товаров и услуг в доходах населения, использование сети Интернет в организациях) в регионах одного типа и высокой тесноты связи факторов рынка труда [6] (Burtseva, Frenkel, Tikhomirov, Surkov, 2021).

Таблица 1

Мониторинг занятости и производительности труда в кластерах регионов в 2019–2020 годах


Кластер
Индекс HeadHunter
Индекс совокупного показателя безработицы и потенциальной рабочей силы
Индекс уровня занятости
Интегральный индекс региональной производительности труда
1
Регионы – полюса роста производительности труда
4,17
114,86%
98,74%
100,49%
2
Регионы – точки роста производительности труда
4,61
117,14%
98,03%
99,11%
3
Регионы с неопределившимися перспективами роста производительности труда
4,28
116,37%
98,36%
99,59%
4
Регионы с проблемными перспективами роста производительности труда
8,20
123,62%
97,46%
90,62%
5
Регионы с особыми перспективами роста производительности труда
4,44
114,33%
94,89%
99,81%
Источник: расчеты авторов.

Первый кластер включает регионы, потенциал которых может обеспечить высокие темпы роста производительности труда и занятости населения.

Во второй кластер входят регионы, которые в ближайшие 10–15 лет исчерпают свой потенциал роста производительности труда и занятости населения.

Третий включает регионы, которые за счет роста инвестиций в их потенциал могут существенно увеличить производительность труда и занятость населения.

Четвертый кластер регионов характеризуется убыванием потенциала роста производительности труда и занятости населения.

Пятый состоит из регионов, являющихся геостратегическими территориями.

Для мировой экономики нерегулируемыми факторами занятости стали пандемия коронавирусной инфекции и политические конфликты [7] (Torkunov, Ryazantsev, Levashov, Anishchenko et al., 2021). В городах «создается 70,0% мирового валового продукта. Вместе с тем города стали эпицентрами пандемии Covid-19, 95,0% заражений во время пандемии были выявлены в урбанизированных территориях» [8] (Gukasyan, 2020).

Уровень цифровизации экономики и цифровой грамотности населения выше в городах, поэтому развитие новых форм занятости идет активнее именно среди городского населения. По данным Международного союза электросвязи (ITU) доказана сильная связь между использованием интернета и местом проживания.

По данным статистики 35 стран, использование интернета в сельских и малонаселенных пунктах значительно ниже, чем в городской местности. Причиной этого зачастую является «кумулятивный эффект» всех остальных факторов: более низкий уровень образования и доходов, высокая доля пожилых людей и т.д. [9].

Цифровая грамотность населения – новый фактор региональной дифференциации, называемый в научной литературе как цифровое неравенство. «Помимо возрастной и гендерной дифференциации, на уровень цифровой грамотности также влияет поселенческий и территориальный факторы, подтверждая наличие актуальной проблемы цифрового неравенства» [10] (Sharkov, Nazarova, Zhukov, 2020). В России цифровизация рассматривается как механизм преодоления цифрового неравенства [11].

В качестве показателей, характеризующих региональные рынки труда, рассматривались также темп роста совокупного показателя безработицы и потенциальной рабочей силы и темп роста уровня занятости.

Для исследования использовались данные Росстата за 2019–2020 гг. [12]. Также использован индекс HeadHunter, который применяется для оперативного мониторинга рынка труда в регионах и показывает дефицитность специалистов через отношение количества активных резюме к числу вакансий [13]. В таблице 1 представлены средние показатели по кластерам регионов. Следует отметить, что методика построения интегрального индекса региональной производительности труда (ИИРПТ) представлена в работе [14] (Burtseva, Frenkel, Tikhomirov, Surkov, 2020).

На основе результатов анализа, представленных в таблице 1, удалось выяснить, что кластер регионов с проблемными перспективами роста производительности труда существенно отличается по индексу совокупного показателя безработицы и потенциальной рабочей силы, который имеет максимальное значение. В то же время для регионов этого кластера минимальное значение составил средний уровень агрегированного индекса производительности труда. Кстати, индекс HeadHunter также фиксирует максимальный уровень именно для данного кластера регионов.

В остальных кластерах дифференциация регионов отличается не столь существенно, и межкластерные различия используемых показателей мониторинга менее значительны.

По данным об индексе уровня занятости можно сделать вывод, что в регионах с особыми перспективами роста производительности труда в большей степени она сократилась в 2020 г. по сравнению с 2019 г.

На рисунке 1 представлено сравнение региональной производительности труда и занятости по кластерам регионов.

Рисунок 1. Сравнение динамики региональной производительности труда и занятости по кластерам регионов

Источник: составлено авторами.

Из этого сравнения можно сделать следующие выводы. В кластере регионов с проблемными перспективами роста производительности труда индекс уровня занятости меньше, чем в других кластерах регионов, и его величина больше ИИРПТ. То есть производительность труда в этой группе регионов снижалась в большей степени, чем занятость населения. Это говорит о том, что в регионах данного кластера уровень производства и организации хозяйственной деятельности ниже, чем в регионах остальных кластеров. Рост занятости в данных регионах не обеспечивает рост производительности труда.

В группе регионов с проблемными перспективами роста производительности труда оказались субъекты Федерации, для которых характерны тенденции сокращения объемов инвестиций в основной капитал и роста доли убыточных организаций, что и привело к значительному росту безработицы населения и дефицита специалистов.

Таким образом, среди этих регионов наблюдается неоднородность по показателям, характеризующим рынок труда. Выводы авторов подтверждаются результатами исследований, представленных в работе [15] (Sozinova, Ryattel, Saveleva, Meteleva, 2022). «Эмпирические данные свидетельствуют о значительных региональных и территориальных различиях в безработице и показателях рынка труда» в регионах России. В [15] (Sozinova, Ryattel, Saveleva, Meteleva, 2022) выдвигается гипотеза о территориальных различиях не только отдельных показателей региональных рынков труда, но и структур факторов в группах регионов, отличающихся тенденциями развития производительности труда и занятости населения.

Для проверки этой гипотезы в настоящей статье регионы России разделены на группы. В первую группу входят регионы, у которых в 2020 г. ИИРПТ и индекс уровня занятости имели значение больше единицы (37 регионов). Во вторую группу выделены регионы, у которых оба вышеназванных индекса имели значение меньше единицы (38 регионов).

В таблице 2 представлена новая группировка регионов, на основе которой проводилось исследование.

Таблица 2

Состав групп регионов

Первая группа регионов
Вторая группа регионов

Регионы
ИРПТ
Индекс уровня занятости

Регионы
ИРПТ
Индекс уровня занятости
1
Амурская область
1,009
1,048
1
Алтайский край
0,995
0,971
2
Архангельская область
1,076
1,116
2
Волгоградская область
0,966
0,986
3
Белгородская область
1,019
1,132
3
Воронежская область
0,975
0,990
4
Брянская область
1,010
1,058
4
Город Санкт-Петербург
0,992
0,989
5
Владимирская область
1,036
1,190
5
Город Севастополь
0,828
0,961
6
Вологодская область
1,034
1,080
6
Кабардино-Балкарская Республика
0,984
0,969
7
Город Москва
1,006
1,778
7
Калининградская область
0,992
0,968
8
Забайкальский край
1,024
1,067
8
Карачаево-Черкесская Республика
0,943
0,969
9
Ивановская область
1,032
1,230
9
Кемеровская область
0,949
0,984
10
Иркутская область
1,007
1,219
10
Кировская область
0,990
0,996
11
Калужская область
1,026
1,304
11
Костромская область
0,941
0,995
12
Красноярский край
1,065
1,344
12
Краснодарский край
0,946
0,990
13
Липецкая область
1,031
1,128
13
Курская область
0,993
0,976
14
Магаданская область
1,020
1,046
14
Ленинградская область
0,980
0,982
15
Московская область
1,012
1,282
15
Нижегородская область
0,979
0,994
16
Мурманская область
1,274
1,333
16
Новосибирская область
0,999
0,971
17
Ненецкий автономный округ
1,081
1,113
17
Омская область
0,980
0,988
18
Новгородская область
1,015
1,407
18
Республика Алтай
0,929
0,998
19
Оренбургская область
1,030
1,171
19
Республика Башкортостан
0,974
0,991
20
Пензенская область
1,057
1,188
20
Республика Дагестан
0,927
0,892
21
Пермский край
1,000
1,064
21
Республика Ингушетия
0,932
0,939
22
Псковская область
1,008
1,301
22
Республика Марий Эл
0,991
0,958
23
Республика Адыгея
1,007
1,049
23
Республика Северная Осетия – Алания
0,961
0,887
24
Республика Бурятия
1,075
1,074
24
Республика Хакасия
0,983
0,954
25
Республика Карелия
1,027
1,129
25
Самарская область
0,985
0,995
26
Республика Коми
1,007
1,198
26
Саратовская область
0,970
0,964
27
Республика Мордовия
1,061
1,316
27
Свердловская область
0,999
0,981
28
Республика Саха (Якутия)
1,015
1,029
28
Смоленская область
0,969
0,995
29
Республика Татарстан
1,042
1,103
29
Ставропольский край
0,963
0,979
30
Рязанская область
1,009
1,273
30
Тверская область
0,958
0,977
31
Сахалинская область
1,087
1,123
31
Томская область
0,959
0,960
32
Тамбовская область
1,019
1,086
32
Тюменская область
0,993
0,988
33
Тульская область
1,056
1,151
33
Удмуртская Республика
0,984
0,990
34
Тюменская область
1,014
1,163
34
Ульяновская область
0,962
0,975
35
Ханты-Мансийский автономный округ
1,039
1,258
35
Челябинская область
0,997
0,978
36
Чукотский автономный округ
1,078
1,227
36
Чеченская Республика
0,837
0,952
37
Ярославская область
1,020
1,186
37
Чувашская Республика
0,989
0,986




38
Ямало-Ненецкий автономный округ
0,997
0,969
Источник: расчеты авторов.

Ряд регионов из-за отсутствия необходимой полноты информации и противоречивости результатов расчетов исключены из таблицы 2.

Для проверки вышеупомянутой гипотезы рассчитаны матрицы парных линейных коэффициентов корреляции. На основе полученных результатов для первой группы регионов можно сделать вывод: значимое обратное влияние на изменение уровня занятости в регионах, в которых произошел рост производительности труда и занятости населения, имеют темпы роста доли расходов на покупку товаров и услуг в доходах населения и темпы роста использования сети Интернет в организациях. Снижение доли расходов в доходах населения и рост занятости населения достаточно логичны, так как растет производительность труда работников, а значит, и оплата труда работников.

Обратное влияние на рост занятости населения в регионах первой группы темпов роста использования сети Интернет в организациях связано с удаленной работой, которая особенно была востребована в 2020 г. По информации Минтруда России, по состоянию на май 2020 г. численность дистанционных работников составляла около 5,5 млн человек (11,0% занятых граждан) и по сравнению с уровнем 2019 г. возросла в 180 раз [16] (Matveeva, Kuznetsova, Romanova, 2021).

На основе результатов, полученных для второй группы регионов, можно сделать следующие выводы.

Значимое прямое влияние на изменение уровня занятости в регионах, в которых произошел спад производительности труда и занятости населения, оказал уровень ИИРПТ. То есть снижение занятости связано со снижением производительности труда в данных регионах.

Опосредованное влияние через изменение ИИРПТ на изменение уровня занятости в данной группе регионов оказывают темпы роста объема инвестиций в основной капитал на душу населения, роста заболеваемости населения, роста доли расходов на покупку товаров и услуг в доходах населения и темпы роста использования сети Интернет в организациях. Причем изменение объема инвестиций в основной капитал на душу населения и заболеваемости населения оказывают на изменение региональной производительности труда и занятости населения прямое влияние, а изменение использования сети Интернет в организациях (широкополосный доступ) и численности городского населения – обратное влияние.

На рисунках 2 и 3 представлены выявленные факторные структуры рынка труда в группах регионов, красный цвет стрелок означает обратное влияние факторов на занятость, зеленый цвет говорит о прямом влиянии.

Использования сети интернет в организациях (широкополосный доступ)

Рисунок 2. Факторные структуры рынка труда в первой группе регионов

Источник: составлено авторами.

Основываясь на результатах исследования, представленных на рисунках 2 и 3, можно выделить сходства и различия в факторных структурах рынка труда различных групп регионов в период пандемии.

Региональная производительность труда

Рисунок 3. Факторные структуры рынка труда во второй группе регионов

Источник: составлено авторами.

Сходства определяются фактором, характеризующим рост значения удаленной работы для занятости населения. Различия связаны с факторами места жительства, стоимости и качества жизни, инвестиционной активности.

Заключение

Обеспечение устойчивого роста производительности труда является приоритетной фундаментальной проблемой социально-экономического развития страны, регионов и хозяйствующих субъектов. Состояние рынка труда определяет уровень социальной справедливости, сокращения бедности и неравенства и непосредственно влияет на достижение национальной цели сохранения населения, здоровья и благополучия людей.

Решение данной проблем требует разработки и использования новых инструментов стратегического пространственного развития, выработки новой демографической и миграционной политики государства, стабильного роста реальных доходов и внутреннего потребительского спроса населения на товары и услуги.

Эта работа требует координации федеральных и региональных органов власти, органов местного самоуправления, предприятий и организаций, что объективно предъявляет качественно новый запрос на цифровую трансформацию и создание больших массивов данных на плановой основе.

Цифровая трансформация, в частности, призвана решить данную проблему посредством совмещения цифровых технологий и новых форм занятости населения и повышения квалификации кадров.

Результаты проведенного исследования показывают, что в условиях пандемии коронавируса только в 44% регионов России цифровые технологии способствовали эффективному решению проблем занятости населения. Без роста объема инвестиций в основной капитал и преодоления неравенства регионов в качестве жизни населения более чем в половине регионов России цифровизация не обеспечивала роста производительности труда.

В процессе исследования подтвердилась выдвинутая авторами гипотеза о различии факторных структур регионального рынка труда в большинстве субъектов РФ, влияющих на уровень занятости населения в период пандемии. Это говорит о необходимости дифференцированной региональной политики регулирования рынка труда в регионах с учетом различий пространственного развития и качества жизни населения.


Источники:

1. Дробот Е.В. Мировая экономика в условиях пандемии COVID-19: итоги 2020 года и перспективы восстановления // Экономические отношения. – 2020. – № 4. – c. 937-960. – doi: 10.18334/eo.10.4.111375.
2. Бондаренко Н.Е. Российский рынок труда в условиях пандемии новой коронавирусной инфекции: тенденции, вызовы и государственное регулирование // Инновации. – 2020. – № 7. – c. 63-69.
3. Паздникова Н.П., Глазкова Н.Г., Буреш Д.С. COVID-19: влияние нового типа коронавирусной инфекции на национальную экономику. - М.: Аналитика Родис, 2020. – 181 c.
4. Бурцева Т.А., Френкель А.А., Сурков А.А. Исследование занятости в регионах России // Экономика и предпринимательство. – 2021. – № 8(133). – c. 591-594. – doi: 10.34925/EIP.2021.133.8.113.
5. Бурцева Т.А., Френкель А.А., Тихомиров Б.И., Сурков А.А. Анализ влияния факторов на региональную производительность труда // Экономика и предпринимательство. – 2021. – № 7(132). – c. 407-412. – doi: 10.34925/EIP.2021.132.7.068.
6. Бурцева Т.А., Френкель А.А., Тихомиров Б.И., Сурков А.А. Типология регионов по уровню производительности труда // Экономика труда. – 2021. – № 9. – c. 931-944. – doi: 10.18334/et.8.9.113483.
7. Торкунов А.В., Рязанцев С.В., Левашов В.К., Анищенко А.В. и др. Пандемия COVID-19: Вызовы, последствия, противодействие. / Монография. - Москва: Аспект Пресс, 2021. – 246 c.
8. Гукасян Г.Л. Урбанизация и пандемия COVID-2019 в городах мира: утрата преимуществ города или переосмысление городского развития? // Вестник Российского университета дружбы народов. Серия: Государственное и муниципальное управление. – 2020. – № 1. – c. 7-19. – doi: 10.22363/2312-8313-2020-7-4-7-19.
9. Manual for Measuring ICT Access and Use by Households and Individuals. Handle.itu.int. [Электронный ресурс]. URL: http://handle.itu.int/11.1002/pub/815edb48-en (дата обращения: 20.10.2022).
10. Шарков Ф.И., Назарова Е.А., Жуков А.В. Цифровая грамотность населения и сетевые коммуникации: социологическое измерение // Коммуникология. – 2020. – № 3. – c. 52-62. – doi: 10.21453/2311-3065-2020-8-3-52-62.
11. Цифровизация в малых и средних городах России. Urban.hse.ru. [Электронный ресурс]. URL: http://urban.hse.ru/data/2018/06/06/1149766040/2018-06-GSU-HSE_pres_v6.pdf (дата обращения: 20.10.2022).
12. Официальный сайт Росстата. Rosstat.gov.ru. [Электронный ресурс]. URL: https://rosstat.gov.ru (дата обращения: 25.09.2022).
13. Индекс HeadHunter: Ключевые параметры рынка труда. Stats.hh.ru. [Электронный ресурс]. URL: https://stats.hh.ru/?utm_source=hh.ru&utm_medium=article&utm_campaign=article_index (дата обращения: 20.10.2022).
14. Бурцева Т.А., Френкель А.А., Тихомиров Б.И., Сурков А.А. Интегральный индекс – эффективный инструмент измерения региональной производительности труда // Экономика труда. – 2020. – № 11. – c. 1085-1102. – doi: 10.18334/et.7.11.111086.
15. Созинова А.А., Ряттель А.В., Савельева Н.К., Метелева О.А. Кластерный подход к оценке показателей рынка труда: кроссрегиональное сравнение // Экономика труда. – 2022. – № 10. – c. 1509-1526. – doi: 10.18334/et.9.10.116372.
16. Матвеева Т.П., Кузнецова Н.А., Романова Л.А. Трудовая занятость населения в период пандемии // Современная наука: актуальные проблемы теории и практики. Серия: Экономика и право. – 2021. – № 6. – c. 149-151. – doi: 10.37882/2223-2974.2021.06.24.

Страница обновлена: 17.12.2023 в 20:32:41