Анализ факторов, влияющих на отдачу от стажа работы среди выпускников магистратуры в России в 2016–2024 гг.

Введение

Высшее образование, особенно магистратура, традиционно рассматривается как инвестиция в человеческий капитал, однако отдача от последующего опыта работы остаётся недостаточно изученной. Темпы роста заработной платы с увеличением стажа могут существенно различаться в зависимости от специальности, региона обучения, вуза (высшее учебное заведение) и других факторов. Понимание этих различий необходимо как для образовательной политики, так и для индивидуальных карьерных стратегий [7].

Эмпирические исследования подтверждают положительную отдачу от магистерского диплома на российском рынке труда (Рудаев, 2025 [15]; Рожкова, Рощин и Травкин, 2025 [13-14]; Долгих и Потанин, 2024 [21]). Однако большинство работ оценивает отдачу от самого факта получения степени, тогда как динамика заработных плат с накоплением опыта после окончания обучения остаётся менее изученной.

Согласно теории человеческого капитала, отдача от стажа может быть не менее значимой, чем отдача от формального образования (Капелюшников, 2013; Гимпельсон, Капелюшников, Лукьянова, 2010 [3]). Для выпускников магистратуры, группы с относительно однородным уровнем образования, различия в отдаче от стажа будут определяться специальностью (особенно STEM-направлениями [5]), регионом обучения, репутацией вуза и гендерными факторами (профессиональная сегрегация, «материнский штраф» [1]).

Настоящее исследование восполняет пробелы в этой области. На основе данных мониторинга трудоустройства выпускников Роструда (Федеральная служба по труду и занятости) за 2016–2024 гг. решаются следующие задачи: оценить среднегодовую отдачу от потенциального стажа для выпускников магистратуры в целом и в разрезе ключевых характеристик; выявить, как вклад различных факторов в заработную плату меняется с накоплением опыта; проанализировать структурные причины неоднородности отдачи от стажа, включая профессиональную сегрегацию и гендерные различия.

Методологически работа опирается на два подхода: уравнение Минцера (оценка отдачи от стажа) и деревья решений (оценка относительного вклада факторов на каждом году стажа).

Материалы и методы

В основе исследования лежат данные мониторинга трудоустройства выпускников, публикуемого Рострудом на портале «Работа России». Мониторинг формируется на основе сведений из двух источников: информационных систем Рособрнадзора (Федеральная служба по надзору в сфере образования и науки) – данные о выданных дипломах и Социального фонда России – данные о страховых взносах работодателей. Сопоставление этих данных позволяет отследить трудоустройство и доходы практически всех российских выпускников, работающих официально.

Для анализа использована очищенная и агрегированная версия этих данных, предоставленная проектом «Если быть точным». Датасет, загруженный с открытого репозитория проекта, содержит информацию о выпусках 2016–2024 годов. Последнее обновление данных – июль 2025 года, что обеспечивает актуальность результатов.

В работе использованы два открытых набора данных. Первый – «Трудоустройство и зарплаты выпускников по направлениям подготовки» [17], второй – «Трудоустройство и зарплаты выпускников по образовательным организациям» [18]. Оба набора содержат 19 атрибутов, из которых 18 совпадают. Различие только в одном атрибуте: в первом наборе есть study_area (область образования), во втором – university (название образовательной организации).

В качестве зависимой переменной используются медианные показатели заработной платы – фактическая (average_salary_fact_med) и нормированная на уровень цен (average_salary_norm_med), – а не средние, поскольку медиана устойчива к выбросам и лучше отражает типичный доход в группе. Нормировка выполнена относительно региона со средним уровнем цен; методика нормировки соответствует подходу, используемому Росстатом (Федеральной службой государственной статистики) для межрегиональных сопоставлений на основе стоимости фиксированного набора товаров и услуг.

Исходные атрибуты (education_level, gender) использовались для фильтрации выборки (только «Магистратура», только категории «Мужской», «Женский» или «Всего»), а также для группировки наблюдений при построении регрессионных моделей. Переменная count_graduate (количество выпускников) применялась в качестве веса при агрегации показателей заработной платы и в процедурах взвешенной регрессии. Атрибут object_level (уровень территориальной единицы) использовался для отбора записей на уровне «Регион» с исключением агрегированных данных по «Федеральному округу». Атрибут object_name применялся для получения названия региона.

Поскольку исходные данные содержат информацию на уровне групп выпускников, при переходе к анализу на уровне областей образования, специальностей или вузов использовалось взвешенное агрегирование. Средневзвешенная заработная плата для укрупненной группы рассчитывалась по формуле (1):

где – медианная заработная плата в исходной группе ; – количество выпускников в группе (count_graduate); – средневзвешенная заработная плата для укрупненной группы (области образования, специальности или вуза). Аналогичным образом агрегировались данные при расчете средних показателей по полу, регионам обучения и годам выпуска. Вес использовался во всех процедурах агрегации, что позволяет учесть разную численность групп.

Для анализа отдачи от стажа были отобраны только группы с полными данными за все годы 2016–2024 (стаж от 0 до 8 лет), что обеспечило сопоставимость оценок для разных когорт.

Из анализа была исключена область образования «Здравоохранение и медицинские науки», поскольку за период 2016–2024 гг. общая численность выпускников магистратуры по данному направлению составила всего 1 131 мужчину и 3 363 женщины.

На основе исходных данных был сконструирован дополнительный атрибут potential_experience, вычисляемый как разница 2024 и year (год выпуска), который служит прокси для трудового стажа после окончания магистратуры. Использование потенциального, а не фактического стажа обусловлено отсутствием в данных сведений о реальной продолжительности работы выпускников. Этот подход является стандартным в эмпирических исследованиях отдачи от образования и позволяет оценить связь между временем, прошедшим с момента окончания обучения, и уровнем заработной платы, хотя и не учитывает возможные перерывы в карьере (например, декретные отпуска).

Для оценки отдачи от потенциального стажа используется стандартная логарифмическая спецификация уравнения Минцера (2):

где – натуральный логарифм медианной заработной платы группы ; – потенциальный стаж; – квадрат потенциального стажа для учета возможного замедления роста; – вектор контрольных переменных (пол, область образования, регион обучения, вуз); – случайная ошибка. Коэффициент интерпретируется как среднегодовая отдача от потенциального стажа (в процентах). Для учета различий в численности групп регрессионные модели оцениваются методом взвешенных наименьших квадратов (WLS) с весом count_graduate. Оценки проводились как для объединенной выборки, так и отдельно для мужчин и женщин.

Для оценки вклада факторов (регион обучения, специальность, вуз) в заработную плату на каждом году стажа использован метод деревьев решений (Decision Tree Regressor, scikit-learn) [16]. Модель обучалась отдельно для каждой когорты (стаж 0–8 лет) с весом count_graduate, что обеспечивает больший вклад групп с большей численностью выпускников и повышает репрезентативность. Глубина дерева ограничена тремя уровнями для предотвращения переобучения. Важность факторов определялась как стандартная метрика feature_importances, отражающая снижение неопределённости при разбиениях по признаку.

Анализ имеет ряд ограничений. Переменная потенциального стажа не учитывает перерывы в карьере (декретные отпуска, безработицу), что может занижать отдачу от опыта для женщин. Данные охватывают только официально трудоустроенных выпускников, исключая самозанятых и неформальный сектор. Из соображений конфиденциальности Роструд скрывает заработную плату для групп с численностью менее 10–15 человек, что приводит к выбытию малых групп из выборки. Данные за 2016–2018 годы менее полны из-за пропусков в системах Рособрнадзора. Отсутствует разделение по формам обучения (очная, очно-заочная, заочная), что не позволяет оценить их влияние. Наконец, исследование основано на когортном, а не панельном дизайне (сравниваются разные когорты в 2024 году), поэтому причинно-следственные интерпретации требуют осторожности. Поэтому термины «рост», «пик» и «траектории» отражают не реальное отслеживание одних и тех же людей, а усреднённую картину по группам с разным стажем. На эту картину в разной степени повлияли пандемия COVID‑19, структурная перестройка экономики после февраля 2022 года и бум нейросетей (2023–2024). Перечисленные факторы по-разному изменили спрос и заработные платы в отдельных отраслях, что не позволяет рассматривать полученные оценки отдачи от стажа как универсальную «динамику роста» для всех когорт. Указанные регионы соответствуют расположению вуза, а не региону последующего трудоустройства выпускников. Однако в рамках данной работы их можно считать тождественными, поскольку значительная часть выпускников обучается в местных вузах и остаётся работать в том же регионе [9], а те, кто переезжает для обучения в другой регион (например, в Москву или Санкт-Петербург), остаются там и после выпуска [2].

Результаты

Для анализа отдачи от потенциального стажа на уровне отдельных вузов использован рейтинг RAEX-100 за 2025 год, из которого отобраны 10 ведущих университетов [12]. МГТУ им. Н.Э. Баумана (2-е место) не был включён из-за отсутствия данных о зарплатах выпускников за 2016–2017 годы, поэтому вместо него в выборку вошёл Уральский федеральный университет (11-е место).

Важно отметить, что согласно методологии RAEX, «оценке подлежат только головные вузы, их филиалы не рассматриваются». Соответственно, отдача была рассчитана исключительно для головных университетов на рисунке 1.

Относительно низкая отдача МФТИ (5,30% в год) объясняется эффектом высокой базы: стартовая заработная плата выпускников этого вуза изначально высока, что снижает относительный темп прироста с каждым годом стажа.

Рисунок 1. Отдача от стажа выпускников магистратуры в топ-10 вузов России Источник: составлено автором по [18].

Также была оценена взаимосвязь между отдачей от года потенциального стажа и регионом обучения выпускников магистратуры на рисунке 2. На основе нормированной заработной платы (скорректированной на уровень цен) выявлены регионы обучения с максимальной и минимальной отдачей от стажа.

Среди регионов обучения с максимальной отдачей от стажа лидируют Новосибирская область (5,3% в год), Москва (5,2% в год) и Санкт-Петербург (5,0% в год). На противоположном полюсе – Чувашская Республика (1,0% в год), Вологодская область и Алтайский край (по 1,3% в год). Разрыв достигает 5 раз, что свидетельствует о глубокой региональной дифференциации рынка труда для выпускников магистратуры [4].

Рисунок 2. Отдача от стажа выпускников магистратуры по регионам обучения России Источник: составлено автором по [17].

На рисунке 3 представлены результаты оценки среднегодовой отдачи от потенциального стажа в разрезе областей образования.

Рисунок 3. Отдача от стажа выпускников магистратуры по областям образования Источник: составлено автором по [17].

Максимальная отдача от стажа зафиксирована в областях «Математические и естественные науки» (5.8% в год) и «Инженерное дело, технологии и технические науки» (4.4% в год). Это подтверждает мнение о том, что области, связанные с точными и техническими дисциплинами, обеспечивают наиболее быстрый карьерный рост благодаря высокой востребованности на рынке труда и возможности быстрого накопления специфического человеческого капитала.

Промежуточное положение занимают «Науки об обществе» (3.9% в год) и «Гуманитарные науки» (3.1% в год), что отражает умеренный спрос на выпускников этих направлений.

Наименьшая отдача от стажа наблюдается в группах «Искусство и культура» (2.5% в год), «Образование и педагогические науки» (1.9% в год) и «Сельское хозяйство и сельскохозяйственные науки» (1.7% в год). Низкие темпы роста заработной платы в этих сферах могут быть связаны с ограниченными возможностями карьерного продвижения, преобладанием бюджетного финансирования и меньшей рыночной оценкой накопленного опыта.

На рисунке 4 представлены результаты оценки отдачи от стажа для 42 групп направлений подготовки, по которым имелись полные данные за 2016–2024 годы (стаж от 0 до 8 лет).

Рисунок 4. Отдача от стажа выпускников магистратуры по группам направлений Источник: составлено автором по [17].

Лидирующие позиции занимают группы, связанные с информационными технологиями и точными науками. Максимальная отдача зафиксирована для «Компьютерных и информационных наук» (8.5% в год), «Ядерной энергетики и технологий» (7.6% в год), «Информатики и вычислительной техники» (6.9% в год), «Электроники, радиотехники и систем связи» (6.8% в год), а также «Физики и астрономии» (6.7% в год). Высокие темпы роста заработной платы в этих областях объясняются устойчивым спросом на IT и инженерные кадры, а также возможностью быстрого накопления профессионального опыта, монетизируемого на рынке труда.

На противоположном полюсе находятся группы, традиционно относящиеся к бюджетному сектору и сферам с низкой рыночной оценкой труда. Минимальная отдача наблюдается для «Сельского, лесного и рыбного хозяйства» (1.4% в год), «Промышленной экологии и биотехнологий» (1.6% в год), «Образования и педагогических наук» (1.8% в год), «Техносферной безопасности и природообустройства» (1.9% в год), а также «Сервиса и туризма» (2.2% в год).

На рисунке 5 представлены результаты оценки отдачи от стажа для направлений подготовки, по которым имелись полные данные за 2016–2024 годы (стаж от 0 до 8 лет).

Рисунок 5. Отдача от стажа выпускников магистратуры по направлениям Источник: составлено автором по [17].

Анализ отдачи от стажа выявил устойчивую закономерность: все направления, связанные с информационными технологиями, математикой, наукоёмкими производствами и точными науками, демонстрируют отдачу от 6% до 11.4% в год, тогда как педагогика, государственное управление, агрономия и смежные сферы показывают отдачу менее 2–3% в год.

Максимальная отдача зафиксирована у «Программной инженерии» (11.4%), «Наукоёмких технологий и экономики инноваций» (11.1%), «Фундаментальной информатики и информационных технологий» (9.8%).

На противоположном полюсе находятся «Педагогическое образование» (1.6%), «Государственное и муниципальное управление» (1.8%), «Агрохимия и агропочвоведение» (1.9%), «Агроинженерия» (2.1%) и «Техносферная безопасность» (2.2%). Также низкую отдачу демонстрируют «Психология» (2.4%), «Филология» (2.3%), «Строительство» (2.8%).

На рисунке 6 представлены траектории роста заработной платы для мужчин и женщин в зависимости от стажа после окончания магистратуры. Видно, что стартовые зарплаты (стаж 0 лет) различаются не так сильно (28%): у мужчин – 92 тыс. руб., у женщин – 72 тыс. руб. Однако с увеличением стажа разрыв систематически нарастает [8].

Рисунок 6. Динамика заработной платы мужчин и женщин по годам стажа Источник: составлено автором по [17].

Среднегодовая отдача от стажа, оценённая с помощью регрессионного анализа, составляет 5.8% в год для мужчин и 2.6% в год для женщин. Через 8 лет после окончания магистратуры медианная зарплата мужчин достигает 151 тыс. руб., женщин – 93 тыс. руб. Таким образом, разрыв увеличивается с 20 тыс. руб. в начале карьеры до 58 тыс. руб. (62%) к 8-му году стажа.

Полученные результаты свидетельствуют о том, что гендерный разрыв в заработной плате не только существует, но и нарастает с опытом работы [6]. Это указывает на действие механизмов, которые систематически ограничивают карьерный рост женщин по сравнению с мужчинами, – в частности, различий в выборе специальностей («профессиональная сегрегация»), а также эффекта «материнского штрафа» и «стеклянного потолка».

На рисунке 7 представлены пять специальностей с максимальным разрывом в пользу мужчин и пять специальностей с максимальным разрывом в пользу женщин.

Рисунок 7. Максимальный гендерный разрыв в оплате труда по направлениям Источник: составлено автором по [17].

Из представленных данных по 115 направлениям магистратуры при стаже 8 лет можно сделать следующие выводы. Мужчины зарабатывают больше женщин в 109 направлениях из 115, что составляет 94,8% направлений. Средний разрыв в пользу мужчин по всем направлениям – 51%.

Наибольший разрыв в пользу мужчин зафиксирован в следующих направлениях: «Водные биоресурсы и аквакультура» (193%), «Нанотехнологии и микросистемная техника» (154%), «Прикладная механика» (154%), «Технология транспортных процессов» (110%), «Нефтегазовое дело» (107%). Заработная плата мужчин более чем вдвое превышает заработную плату женщин.

Даже в направлениях, где разрыв не столь экстремален, мужчины стабильно опережают женщин. Например, в «Экономике» разрыв составляет 80%, в «Финансах и кредите» – 74%, в «Менеджменте» – 56%, в «Юриспруденции» – 28%, в «Педагогическом образовании» – 26%.

Таким образом, даже спустя 8 лет после окончания магистратуры гендерное неравенство в оплате труда сохраняется практически во всех специальностях, а в технических и инженерных направлениях разрыв достигает кратных значений.

Несмотря на то, что в магистратуру в целом окончило больше женщин, чем мужчин за 2016-2024 годы, их распределение по областям образования крайне неравномерно, что отображено на рисунке 8.

Рисунок 8. Распределение выпускников магистратуры по полу и областям образования Источник: составлено автором по [17].

Женщины доминируют в сферах с низкой отдачей от стажа: «Образование и педагогические науки» (82% женщин, отдача 1,9% в год), «Гуманитарные науки» (67% женщин, отдача 3,1% в год), «Науки об обществе» (62% женщин, отдача 3,9% в год), «Искусство и культура» (77% женщин, отдача 2,5% в год). Напротив, мужчины сконцентрированы в области с высокой отдачей – «Инженерное дело, технологии и технические науки» (63% мужчин, отдача 4,4% в год). Лишь в «Математических и естественных науках» (отдача 5,8% в год) распределение почти равное.

Таким образом, гендерная сегрегация – концентрация мужчин в высокооплачиваемых STEM-областях, а женщин в низкооплачиваемых гуманитарных и педагогических – является одним из ключевых факторов, объясняющим нарастающий разрыв в зарплатах с увеличением стажа.

На рисунке 9 видно, что женщины чаще оканчивают магистратуру: на протяжении всего периода их доля в выпуске стабильно превышает долю мужчин.

Рисунок 9. Распределение выпускников магистратуры по полу, 2016–2024 гг. Источник: составлено автором по [17].

Провал в данных за 2016–2017 годы обусловлен технической причиной: в информационных системах Рособрнадзора информация о полученных дипломах до 2019 года содержала пропуски. В связи с этим данные за первые два года периода являются неполными и не отражают реальную численность выпускников.

Как видно на рисунке 10, показывающем динамику заработной платы по областям образования, мужчины не достигают пика доходов в пределах 8 лет после окончания магистратуры – их заработная плата растёт на всём протяжении наблюдаемого периода. Женщины, напротив, достигают пика примерно на 5-й год после выпуска, после чего рост их заработной платы прекращается.

Рисунок 10. Динамика заработной платы мужчин и женщин по областям образования Источник: составлено автором по [17].

Поскольку в исходном датасете представлена информация сразу по всем формам обучения (очная, очно-заочная, заочная) без возможности фильтрации по этому признаку, в таблице 1 показана динамика изменения среднего возраста выпускников всех форм магистратуры по годам выпуска на момент 2024 года.

Таблица 1

Средний возраст выпускников магистратуры по полу и году выпуска в 2024 году и на момент выпуска, лет

Также в таблице 1 представлена динамика изменения среднего возраста выпускников всех форм магистратуры на момент окончания обучения, рассчитанная как разность между возрастом на 2024 год и количеством лет, прошедших с года выпуска.

Согласно таблице 1, средний возраст выпускников магистратуры на момент окончания обучения растёт с каждым годом: если в 2016 году он составлял около 28 лет, то к 2024 году достиг почти 30 лет. Пик заработной платы у женщин фиксируется в возрасте 32,6 лет, что соответствует выпускницам 2019 года (стаж 5 лет). У более старших когорт – выпускниц 2018 года (возраст 33,2 года, стаж 6 лет), 2017 года (34,3 года, стаж 7 лет) и 2016 года (36,0 лет, стаж 8 лет) – заработная плата уже ниже. Таким образом, после достижения пика в возрасте около 33 лет доходы женщин начинают снижаться.

Выявленное различие в динамике заработной платы не может быть объяснено неполнотой данных Рособрнадзора, поскольку на идентичном массиве данных мужчины демонстрируют устойчивый рост доходов на всём протяжении наблюдаемого периода, тогда как женщины достигают пика на пятом году с последующей стагнацией заработной платы. Таким образом, имеющихся данных достаточно для надёжного определения сложившихся гендерных трендов.

Помимо оценки отдачи от стажа с помощью регрессионного анализа, также было принято решение оценить совместное влияние факторов на динамику заработной платы с помощью деревьев решений. Этот метод позволяет не только измерить вклад каждого признака (специальности, региона обучения, вуза, пола) в предсказание уровня дохода, но и выявить, как относительная важность этих факторов меняется по мере накопления опыта работы. В отличие от регрессионных моделей, деревья решений не предполагают линейной зависимости и способны улавливать сложные взаимодействия между переменными, что делает их удобным инструментом для анализа неоднородности карьерных траекторий различных групп выпускников.

Рисунок 11 демонстрирует, что выбор типа заработной платы (нормированная vs фактическая) кардинально меняет оценку важности факторов. При анализе фактической зарплаты доминирует регион обучения (78%), а вклад специальности и вуза незначителен – это отражает объективные различия в уровне цен и оплаты труда между регионами. При анализе нормированной зарплаты (с поправкой на цены) ключевым фактором становится группа направлений (63%), а влияние региона обучения падает до 8% – это позволяет оценить «реальную» покупательную способность и роль образования вне зависимости от места проживания.

Рисунок 11. Влияние выбора типа заработной платы на оценку важности факторов Источник: составлено автором по [17].

К результатам для стажа 6–8 лет (выпускники 2016–2018 годов) следует относиться осторожно из-за неполноты данных. Тем не менее, выявляемая тенденция заслуживает внимания: на начальном этапе карьеры (стаж 0–5 лет) заработная плата в основном определяется группой направлений подготовки. На более поздних этапах (стаж 6–8 лет) влияние группы направлений снижается, при этом возрастает значимость вуза и региона обучения. Это может свидетельствовать о том, что при переходе на более ответственные должности либо при смене рода деятельности (поскольку в датасете отсутствует информация о том, работают ли выпускники по специальности) ключевую роль начинают играть репутация учебного заведения и региональные условия, например, в Москве повышение заработной платы больше, чем в других регионах [10].

В связи с этим в дальнейшем анализе влияния факторов на заработную плату для раздельного рассмотрения мужчин и женщин будет использована нормированная заработная плата, которая не завышает важность региона обучения и позволяет более корректно оценить вклад специальности и вуза в карьерный рост выпускников магистратуры.

Рисунок 12 демонстрирует кардинально различающиеся факторы, определяющие заработную плату мужчин и женщин на протяжении всей карьеры.

Рисунок 12. Оценка важности факторов, влияющих на заработную плату по полу Источник: составлено автором по [17].

Для мужчин доминирующим фактором является группа направлений (72%): их доход в первую очередь зависит от того, в какой сфере они работают (инженерия, IT, математика). Влияние региона минимально (3.5%), что означает, что мужчины-специалисты в одной сфере получают сопоставимые доходы независимо от места жительства (с поправкой на цены). Для женщин, напротив, ключевыми факторами становятся регион обучения (53%) и вуз (37%), а вклад специальности незначителен (10%). Это указывает на то, что женщины сталкиваются с более жёсткой региональной дифференциацией и сильнее зависят от «сигнала» престижного диплома, тогда как их профессиональная специализация играет второстепенную роль.

Важно отметить, что регион обучения в данном случае коррелирует с регионом последующего трудоустройства, поскольку выпускники, приезжающие на учёбу в Москву или Санкт-Петербург, как правило, остаются там работать, а заработные платы в этих городах даже с учётом нормировки на уровень цен остаются значительно выше. Именно это и показано на рисунке 12 для женщин: их доход в первую очередь привязан к региону проживания и работы, а не к выбору специальности. Полученные результаты объясняют, почему женщины систематически отстают в карьерном росте: они вынуждены конкурировать на рынке труда, где их доход определяется в первую очередь местоположением и репутацией вуза, а не выбором специальности, в отличие от мужчин, которые напрямую монетизируют свою профессиональную подготовку.

Результаты исследования Хоткиной (2020) [19] объясняют выявленную асимметрию: мужчины работают в высококвалифицированных, рыночно ориентированных профессиях (инженерия, IT), где доход определяется прежде всего специальностью и квалификацией. Женщины сосредоточены в бюджетной сфере и сфере услуг, где оплата труда в большей степени зависит от региона трудоустройства и формальных сигналов о качестве образования (престиж вуза). Высокий уровень профессиональной сегрегации в России (доля смешанных профессий в 5 раз ниже европейской) закрепляет эту асимметрию, делая карьерные траектории мужчин и женщин принципиально разными.

Обсуждение

Полученные результаты подтверждают, что отдача от стажа для выпускников магистратуры крайне неоднородна и определяется комплексом факторов. Выявленное трёхкратное и более превосходство STEM-направлений над гуманитарными и сельскохозяйственными специальностями согласуется с теорией человеческого капитала и ранее установленными фактами о преимуществах технического образования. Однако в отличие от большинства работ, оценивающих отдачу от самого факта получения степени, данное исследование впервые для российской магистратуры показывает, как отдача от опыта работы варьируется в разрезе специальностей, регионов и вузов, а также меняется с течением времени.

Особого внимания заслуживает гендерная асимметрия [11]. Мужчины и женщины демонстрируют принципиально разные факторные структуры заработной платы: для мужчин доход на 72% определяется специальностью, для женщин – регионом (53%) и вузом (37%). Это объясняет, почему даже при формально равной отдаче от магистерского диплома (Рожкова, Рощин и Травкин, 2025) женщины систематически отстают в карьерном росте. Обнаруженный пик заработной платы у женщин на 5-й год (около 33 лет) с последующим снижением, тогда как мужчины продолжают расти минимум до 8 лет стажа, может быть связан с эффектом «материнского штрафа» [20] и профессиональной сегрегацией.

Важно подчеркнуть, что регион в модели для женщин – это не абстрактная переменная, а коррелят реального места работы: выпускники, приезжающие в Москву или Санкт-Петербург, как правило, там и остаются, получая более высокие зарплаты даже после нормировки на цены. Женщины оказываются в более жёсткой зависимости от географии и сигналов о качестве образования, тогда как мужчины напрямую монетизируют свою профессиональную подготовку.

Рост важности фактора вуза на поздних этапах карьеры (стаж 6–8 лет) может свидетельствовать о том, что при переходе на руководящие позиции репутация диплома начинает играть значимую роль. Однако к данным для этих когорт (выпускники 2016–2018 годов) следует относиться осторожно из-за их неполноты.

Заключение

В данном исследовании на основе данных мониторинга Роструда за 2016–2024 годы оценена отдача от потенциального стажа для выпускников российской магистратуры. Основные выводы:

· Отдача от стажа значима, но крайне неоднородна. Её величина варьируется от 1,6% в год (педагогическое образование) до 11,4% в год (программная инженерия). Ключевым предиктором высокой отдачи является принадлежность к STEM-направлениям.

· Региональная дифференциация достигает пятикратного разрыва. Лидеры (Москва, Санкт-Петербург, Новосибирская область) обеспечивают отдачу 5,0–5,3% в год, аутсайдеры – 1,0–1,7% в год.

· Гендерный разрыв нарастает с опытом. Отдача от стажа у мужчин (5,8% в год) более чем вдвое превышает отдачу у женщин (2,6% в год). Через 8 лет разрыв в зарплате достигает 62%.

· Структура факторов кардинально различается по полу. Доход мужчин определяется специальностью (72%), доход женщин – регионом (53%) и вузом (37%). Профессиональная сегрегация (концентрация мужчин в STEM, женщин – в педагогике и гуманитарных науках) является ключевым механизмом, воспроизводящим неравенство.

Практические рекомендации: абитуриентам целесообразно ориентироваться на STEM-специальности; выпускницам магистратуры – рассматривать переезд в крупные экономические центры; для сокращения гендерного разрыва необходимы меры по десегрегации профессий и семейная политика, снижающая «материнский штраф».

Перспективы дальнейших исследований связаны с панельным анализом карьерных траекторий одних и тех же выпускников, оценкой отдачи от магистратуры по сравнению с бакалавриатом, а также изучением долгосрочных эффектов «материнского штрафа» с использованием инструментальных переменных.