Цифровая и социальная инфраструктура как факторы компенсации демографического спада в агропромышленном комплексе: панельное исследование регионов России

Введение. Современные условия геополитической турбулентности обусловливают увеличение давления демографического фактора на российский АПК. Это приводит к тому, что воздействие структурных изменений усиливается. В частности, наблюдается демографическое сжатие сельских территорий вследствие объективного старения населения и молодёжного миграционного оттока. Вместе с тем предприятия АПК стремятся проводить технологическую модернизацию основных (операционных) видов деятельности и, соответственно, увеличивают уровень требований к квалификации и профессиональным компетенциям работников. Из этого следует, что, во-первых, кадровые проблемы в российском АПК уже не сводятся только лишь к количественному дефициту рабочей силы. И, во-вторых, нарастание молодёжного миграционного оттока из-за совокупности воздействия единичных социально-экономических факторов (уровень доходов, обеспеченность жильём, наличие развитой транспортно-логистической и социальной инфраструктуры) дополнительно ослабляет механизмы профессионального воспроизводства в российском АПК [1, 11].

Цель исследования состоит в оценке влияния молодого трудового потенциала (так называемых young adult / молодых взрослых в возрасте от 18 до 35 лет и ранне-зрелого трудового контингента в возрасте от 35 до 44 лет), миграционной динамики сельского населения (отток молодых взрослых и раннезрелого трудового контингента) на кадровую обеспеченность российского АПК, а также в определении компенсаторной роли социальной и цифровой инфраструктуры в решении демографической проблемы российских сельских территорий, являющихся основным источником формирования рабочей силы в сельском хозяйстве и во взаимосвязанных промышленно-производственных отраслях.

Под сбалансированным социальным развитием сельских территорий принято понимать процесс управляемого улучшения качества жизни сельского населения, при котором формируется устойчивость воспроизводства упомянутого населения и социальных отношений за счёт [9]:

1) согласованного роста экономики АПК, обеспечивающей (социально значимые объекты, жильё) и связывающей (транспорт, логистика, коммуникации, информатизация и цифровизация) инфраструктуры;

2) сохранения генетического (поддержание и расширение воспроизводства сортов культурных растений и пород сельскохозяйственных животных), видового (поддержание воспроизводства видов растений, животных, грибов, микроорганизмов на сельских территориях) и экосистемного (экологически ответственного использования природной среды) биоразнообразия.

Таким образом, цифровая и социальная инфраструктура могут рассматриваться как факторы, которые могут компенсировать негативные последствия демографического ухудшения на сельских территориях [5, 10, 11, 12, 16]. Несмотря на большое количество публикаций, анализирующих причины и следствия депопуляции сельских территорий, влияние развитости социальной инфраструктуры и процессов цифровизации на производительность труда и трансформацию занятости в АПК [13-15, 17, 18] остаётся малоизученным вопрос о том, при каких условиях эффекты влияния этих факторов становятся статистически значимыми.

Материалы и методы. Данное исследование организовано в виде панельного наблюдения, которое представляет собой многократное статистическое наблюдение одних и тех же объектов через заданные промежутки времени для выявления демографических изменений на сельских территориях и динамики компенсаторной роли цифровизации и социальной инфраструктуры на решение демографической проблемы в российском АПК. Ключевые элементы панельного исследования:

1) единица наблюдения – субъект Российской Федерации. Всего в исследование включено 83 субъекта (исключены Крым, Севастополь, новые территории, внесённые в Конституцию РФ в 2022 году), по которым имеются относительно полные наборы прямых и косвенных данных, в том числе достаточных для моделирования некоторых аналитических переменных;

2) период наблюдения – с января 2015 года по декабрь 2024 года с разбивкой сопоставимых статистических и моделируемых данных по которому календарному году;

3) данные прямого статистического наблюдения: численность и движение сельского населения по возрастным группам, занятость и экономика АПК (включая данные о среднем уровня оплаты труда, квалификации рабочей силы, объёмах производства продукции и инвестициях), состояние социальной сферы на сельских территориях (включая доступность здравоохранения, образования, жилья, уровень благоустройства, транспортно-логистической доступности) [2, 6, 7];

4) оценочные и моделируемые данные: широкополосный и мобильный доступ в интернет на сельских территориях, внедрение информационно-коммуникационных и интеллектуально-цифровых технологий в предприятиях АПК, расходы предприятий АПК на социальную и цифровую инфраструктуру [3, 4, 6, 8].

При формировании панели все данные были объединены в единый массив (код региона, год наблюдения), для показателей, исчисляемых в стоимостном выражении, и для абсолютных показателей проводится гармонизация. Все денежные показатели приводятся к постоянным ценам базового (2015) года, абсолютные показатели переводятся в относительные величины (например, на одного занятого в АПК, на 1 тыс. сельских жителей и т.д.). Там, где внутри динамических рядов имеются пропуски между двумя наблюдаемыми годами применяется линейная интерполяция.

После этого все исходные данные были переведены в аналитические переменные, которые составили модель панельного наблюдения. Все аналитические переменные были приведены к единой шкале оценки (0-1) методом min-max нормирования. Для переменных, которые были определены как стимулирующие (т.е. при прочих равных их рост означает улучшение кадровой обеспеченности в АПК), формула нормирования была следующей:

(1)

– нормированное значение переменной (k);

– текущее значение переменной (k) в i-ом регионе в t-ом году;

и – соответственно максимальное и минимальное значение переменной (k) во всей панели по i-ому региону.

Для переменных, которые были определены как дестимулирующие (т.е. при прочих равных их рост означает ухудшение кадровой обеспеченности в АПК), формула нормирования была следующей:

(2)

(3)

– доля работников в возрасте от 18 до 35 лет, занятых в АПК;

– доля работников, занятых в АПК и имеющих среднее или высшее профессиональное образование;

– относительный уровень средней заработной платы в АПК (по сравнению со средней начисленной заработной платой в целом по российской экономике);

– обратный показатель кадровой напряжённости (среднее количество вакансий в АПК относительно средней численности занятых);

– обратный показатель старения работников (средняя численность работников АПК в предпенсионном и пенсионном возрасте относительно средней численности занятых).

Инфраструктурные индексы (цифровой и социальный) были рассчитаны по аналогичному (с Индексом кадровой обеспеченности российского АПК) алгоритму. Для расчёта Индекса развитости цифровой инфраструктуры (Digital Infrastructure Development Index – DIDI) использовалась следующая формула:

(4)

Где:

– доля сельских домохозяйств с доступом в интернет (широкополосный или мобильный);

– доступность широкополосного интернета для физических, юридических лиц и индивидуальных предпринимателей на сельских территориях;

– внедрение и использование информационно-коммуникационных и интеллектуально-цифровых технологий в предприятиях АПК;

– доля инвестиций (от общего объёма инвестиций) предприятий АПК во внедрение и использование информационно-коммуникационных и интеллектуально-цифровых технологий.

В свою очередь для расчёта Индекса развитости социальной инфраструктуры (Social Infrastructure Development Index – SIDI) использовалась следующая формула:

(5)

Где:

– доступность первичной медицинской помощи на сельских территориях;

– обеспеченность сельского населения образовательными услугами;

– доля жилищного строительства в регионе, приходящееся на сельские территории;

– уровень благоустройства сельских территорий по сравнению с городскими территориями региона;

– уровень транспортно-логистической связанности сельских территорий с городскими территориями региона.

Для каждого композитного индекса (кадровая обеспеченность российского АПК, развитость цифровой и социальной инфраструктуры) были рассчитаны среднее и медианное значение, минимум, максимум стандартное отклонение и межквартильный размах. Кроме этого, был проведён корреляционный анализ для выявления потенциальной линейной зависимости между объясняющими переменными.

После этого была построена базовая двусторонняя регрессионная модель (FE-регрессия):

(6)

Где:

– константа;

– миграционное сальдо в i-ом регионе в t-ом году;

– неизвестные параметры связи ключевых демографических и инфраструктурных факторов с кадровой обеспеченностью российского АПК;

– вектор контрольных переменных;

– совокупный вклад контрольных переменных (квалификационный потенциал работников АПК, инвестиционный активность предприятий АПК, уровень заработной платы в АПК);

– неизвестные параметры связи контрольных переменных с кадровой обеспеченностью российского АПК;

и – соответственно, фиксированный эффект региона и фиксированный эффект года;

– случайная ошибка модели.

До расчёта регрессии параметры и неизвестны. После оценки модели на фактической панели получают их численные оценки. Соответственно, оценённый параметр или показывает на какую величину в среднем изменяется Индекс кадровой обеспеченности российского АПК при увеличении соответствующего фактора на одну единицу измерения при неизменности остальных переменных модели, а также при контроле постоянных различий регионов и общих эффектов времени. Так, например, рассчитанные параметры связи показывают:

а) – изменение при увеличении доли молодых взрослых (молодой трудовой потенциал) на 1 п.п.;

б) – изменение при улучшении миграционного сальдо на 1 чел. / 1тыс. сельских жителей;

в) – изменение при увеличении доли сельского населения предпенсионного и пенсионного возраста на 1 п.п.;

г) и – соответственно, изменение при увеличении Индекса цифровой и Индекса социальной инфраструктуры на 1 п.;

д) – изменение при увеличении относительной заработной платы в АПК на 1 п.п.

Устойчивость результатов, полученных с использованием двусторонней FE-регрессии, проверялась следующими способами:

1) доля молодых взрослых (в возрасте 18-35 лет) дополнялась долей ранне-зрелого трудового контингента в возрасте от 35 до 44 лет (т.е. возрастной когортой в возрасте от 18 до 44 лет);

2) рассчитывался коэффициент мультиколлинеарности (Variance Inflation Factor – VIF);

3) сопоставлялись оценки фиксированных и случайных эффектов, включая тест Хаусмана.

В завершении анализа было проведено сценарное моделирование по трём ключевым переменным: доля молодых взрослых и два композитных индекса (социальной и цифровой инфраструктуры) в контексте их влияния на кадровую обеспеченность российского АПК.

Результаты и обсуждение. Описательная статистика Индекса кадровой обеспеченности российского АПК за период с 2015 по 2024 год включительно представлена в таблице 1.

Таблица 1. Описательная статистика Индекса кадровой обеспеченности российского АПК

Согласно полученным данным, средняя величина Индекса кадровой обеспеченности в российском АПК по состоянию на начало 2025 года составила 67,37 пунктов. принимая во внимание, что Индекс приведён к шкале от 1 до 100 пунктов, в целом уровень кадрового обеспечения в АПК существенно выше среднего. Однако, если рассчитать обратный Индекс, то кадровый дефицит составит почти 33 пункта, т.е. будет весьма высоким. При этом размах между минимальной (почти 48 пунктов) и максимальной (89,5 пунктов) величиной Индекса кадровой обеспеченности указывает на высокую региональную неоднородность.

Разница между минимумом и максимумом в более чем 40 пунктов указывает не только на разное влияние демографического фактора, но и разное качество рабочей силы в АПК, сконцентр ированной регионами.

Вместе с тем, данные рисунка 1 показывают, что возрастные границы трудового ресурса имеют значение. Так, если принимать во внимание ранне-зрелый трудовой контингент (от 18 до 44 лет), то Индекс кадровой обеспеченности российского АПК показывает прирост на 3,76 пунктов за период с 2015 по 2024 год включительно.

Рисунок 1 – Динамика среднего значения Индекса кадровой обеспеченности (ИКО) российского АПК с учётом двух возрастных когорт

Источник: составлено и рассчитано авторами на материалах [10,11]

И наоборот, если принимать во внимание только молодых взрослых (молодой трудовой потенциал в возрасте от 18 до 35 лет), то величина Индекса кадровой обеспеченности российского АПК снижается на 0,73 пункта за этот же период. Из этого следует, что:

· во-первых, расширение возрастной границы до 44 лет маскирует постоянно увеличивающийся дефицит молодого трудового потенциала;

· во-вторых, систематическое увеличение разрыва между величинами Индекса с поправкой на возраст позволяет говорить о том, что механизмы воспроизводства именно молодого трудового потенциала в российском АПК уже не работают. Эти выводы подтверждают результаты прогнозной динамики Индекса кадрового обеспечения в российском АПК с поправкой на возраст (см. рисунок 2).

Рисунок 2 – Прогнозная динамика среднего значения Индекса кадровой обеспеченности (ИКО) российского АПК с учётом двух возрастных когорт

Источник: составлено и рассчитано авторами на материалах [10, 11]

В том случае, если принимать во внимание расширенный трудовой контингент (т.е. молодые взрослые + ранне-зрелые взрослые), то величина Индекса кадрового обеспечения будет неуклонно возрастать и в перспективе к 2030 году составит чуть более 70 пунктов (+2,35 пунктов к началу 2025 года). Но если принимать во внимание только молодой трудовой потенциал в возрасте от 18 до 35 лет, то величина Индекса кадрового обеспечения сократится почти на 1,5 пункта и составит в прогнозе на 2030 год 62,5 пунктов. Разрыв между траекториями Индекса кадрового обеспечения увеличиться с минус 4,55 п. в 2024 году до минус 7,86 п. в прогнозе на 2030 год.

И это тоже можно объяснить влиянием демографического фактора. Во-первых, возрастная когорта 18-44 года будет постоянно прирастать по мере взросления возрастной когорты 18-35лет. Во-вторых, источники восполнения молодого трудового потенциала не обладают необходимым для этого резервом рождаемости, которая устойчиво снижается в Российской Федерации с 2017 года (в 2015 году был зафиксирован спад рождаемости после 13 лет увеличения числе рождений с 2000 по 2014 год включительно). Принимая во внимание, что для обеих траекторий Индекса кадрового обеспечения среднеквадратическая ошибка прогноза весьма невысокая (RMSE = 0,61 и RMSE = 0,41), следует считать, что кадровое обновление и долгосрочное закрепление молодых взрослых на сельских территориях – это трудная задача, которая требует системного подхода.

В контексте решения кадровой проблемы российского АПК целесообразно проанализировать его инфраструктурную развитость. Среднее значение Индекса цифровой инфраструктуры в панели составило 54,13 пунктов, а средний Индекс социальной инфраструктуры в панели равен 51,27 пунктов (таблица 2).

Таблица 2. Описательная статистика инфраструктурных индексов

При этом стоит обратить внимание на более широкий размах вариации Индекса цифровой инфраструктуры – от минимума 24,11 пунктов (например, для Республик Тыва и Алтай) до максимума 83,9 пунктов (например, для Татарстана и Московской области). Меньший размах вариации демонстрирует Индекс социальной инфраструктуры – от минимума 32,17 пунктов (также для Республик Тыва и Алтай) до 69,85 пунктов (также, например, для Татарстана и Московской области).

Рисунок 3 – Динамика среднего значения инфраструктурных индексов

Источник: составлено и рассчитано авторами на материалах [2, 10,11,12]

Динамика средних величин Индексов цифровой и социальной инфраструктуры, отраженная на рисунке 3, показывает, что цифровая инфраструктура в регионах и особенно на сельских территориях развивается быстрее социальной инфраструктуры. Исходя из данных, можно сделать следующие основные выводы относительно инфраструктурного развития сельских территорий:

1) опережающее развитие цифровой инфраструктуры означает не только расширение доступа домохозяйств и предприятий к интернету, но и внедрение предприятиями АПК, а также другими хозяйствующими субъектами цифровых решений, что увеличивает технологическую связанность территорий;

2) сравнительно отстающее развитие социальной инфраструктуры означает, что создание цифровой среды на селе не сопровождается ростом доступности медицины, образования, жилья, благоустройства и транспортной связанности территорий.

Корреляционный анализ, результаты которого представлены в таблице 3, выявил ожидаемые направления связи между Индексом кадрового обеспечения российского АПК и ключевыми переменными.

Таблица 3. Корреляционный анализ ключевых переменных и Индекса кадрового обеспечения (ИКО) российского АПК

Положительная и в достаточной степени высокая корреляция выявлена между Индексом кадрового обеспечения российского АПК и:

1) расширенным трудовым контингентом, молодым трудовым потенциалом (соответственно, r = 0,603 и r = 0,44);

2) развитостью социальной, а также цифровой инфраструктуры (соответственно, r = 0,595 и r = 0,576);

3) квалификационным потенциалом (долей работников, имеющих среднее или высшее профессиональное образование), а также уровнем заработной платы и инвестиционной активностью предприятий АПК (соответственно, r = 0,569; r = 0,551; r = 0,548).

Существенно меньше с Индексом кадровой обеспеченности российского АПК коррелирует миграционное сальдо (r = 0,334), а старение сельского населения предсказуемо имеет с указанным Индексом отрицательную корреляцию (r = -0,273). Следует напомнить, что найденные корреляции не доказывают наличие или отсутствие причинно-следственной связи, но вместе с тем подтверждают наши предположения о том, что демографическая проблема сельских территорий связана не только с разрушением механизмов воспроизводства молодого трудового потенциала в российском АПК.

Перед оценкой регрессии была проведена диагностика мультиколлинеарности (данные представлены в таблице 4).

Таблица 4 – Диагностика мультиколлинеарности

Источник: составлено и рассчитано авторами на материалах [6,7,8]

Рассчитанный показатель VIF был низким для ключевых демографических переменных и взаимодействий. Наиболее высокое значение мультиколлинеарности получено для Индекса, характеризующего развитость социальной инфраструктуры (VIF = 8,22), цифровой инфраструктуры (VIF = 5,92) и квалификационного потенциала (VIF = 5,4). Это можно объяснить следующим соображением: в регионах с более развитыми – в цифровом и социальном контексте – сельскими территориями образовательный уровень работников АПК и оплата труда также относительно выше, чем в других регионах, где сельские территории развиты меньше. Поэтому инфраструктурные и квалификационные переменные не могут быть полностью независимыми друг от друга.

Переходя к анализу результатов FE-регрессии (результаты представлены в таблице 5), следует отметить, что тест Хаусмана подтверждает предпочтительность модели фиксированных эффектов (χ² = 188,76 при p < 0,001). Это значит, что устойчивые характеристики регионов (например, климат, аграрная специализация, структура городского и сельского населения) коррелируют с объясняющими (независимыми) переменными и должны учитываться при выработке управленческих решений, ориентированных на решение демографической проблемы в российском АПК.

Таблица 5. Результаты двухсторонней FE-регрессии (зависимая переменная – Индекс кадровой обеспеченности российского АПК)

При этом регрессионная модель объясняет 55,21% внутригрупповой вариации кадрового обеспечения (Within R² = 0,5521). Общий коэффициент детерминации в регрессионной модели равен 0,650. Следовательно, включённые в модель инфраструктурные факторы наряду с демографическим фактором объясняют 65% кадровой обеспеченности российского АПК.

Следует обратить внимание на один важнейший момент – несмотря на то, что корреляционный анализ подтвердил наличие зависимости между Индексом кадрового обеспечения российского АПК и Индексом социальной инфраструктуры, регрессионная модель не подтверждает прямого положительного эффекта. Вероятно, это связано с тем, что миграционный приток также существенно зависит от наличия рабочих мест, семейных стратегий и субъективных ожиданий молодых взрослых от жизни и трудовой деятельности в сельской местности.

Сценарная оценка, результаты которой представлены в таблице 6, показывает, что технологический сценарий обеспечивает прирост Индекса кадрового обеспечения на 1,39 пункта относительно инерционного варианта. При одновременном развитии цифровой и социальной инфраструктуры разрыв с инерционным сценарием увеличивается до 3,23 пункта.

Таблица 6. Сценарная оценка Индекса кадрового обеспечения (ИКО) российского АПК

Следовательно, цифровизация способна частично компенсировать сокращение молодого трудового потенциала в российском АПК, но максимальный эффект достигается только в сочетании с улучшением условий жизни и закрепления работников.

Заключение. Таким образом, наиболее перспективной является не отдельная цифровая, демографическая или социальная мера, его системная политика в области решения проблемы кадровой обеспеченности российского АПК. Цель такой политики должна состоять в одновременном привлечении, подготовке, закреплении и технологическом развитии работников на сельских территориях.

Проведённое исследование показало, что кадровое обеспечение агропромышленного комплекса определяется не только численностью занятых в сельском хозяйстве или масштабом аграрного производства. Оно формируется под одновременным воздействием возрастной структуры сельского населения, миграционной динамики, относительной доходной привлекательности отрасли, развития цифровой и социальной инфраструктуры. Для анализа использована панель по 83 субъектам Российской Федерации за 2015-2024 гг., включающая 830 наблюдений.

Сценарные расчёты подтверждают необходимость системного подхода к решению демографической проблемы в российском АПК. При сокращении доли населения 18-35 лет на 1,5 процентных пункта инерционный сценарий даёт значение Индекса кадрового обеспечения 66,16 пункта, рост развитости цифровой инфраструктуры на 10 пунктов повышает его до 67,55 пункта. Одновременное развитие цифровой и социальной инфраструктуры повышает Индекс кадрового обеспечения российского АПК до 69,39 пункта. Следовательно, наиболее выраженный компенсаторный эффект достигается не отдельной цифровой модернизацией, но сочетанием технологических, социальных и экономических мер.

Таким образом, для решения демографической проблемы в российском АПК необходима системная регионально дифференцированная политика. Её основными направлениями должны стать поддержка молодого трудового потенциала, создание условий для миграционного притока и закрепления работников, повышение относительной оплаты труда в сельском хозяйстве, развитие социальной инфраструктуры, обеспечение цифровой и транспортной связности и внедрение трудосберегающих технологий. Такой подход позволит не только адаптировать российского АПК к последствиям демографического старения, но и сформировать условия для устойчивого кадрового воспроизводства на сельских территориях.