Оценка эффективности использования трудовых ресурсов в условиях инновационного развития регионов

Введение

Переход российской экономики к модели технологического суверенитета делает эффективность использования трудовых ресурсов регионов не менее значимым вопросом, чем демографическая обеспеченность территорий кадрами.

Целью исследования является оценка эффективности использования трудовых ресурсов регионами ЦФО и характера ее связи с уровнем их инновационного развития. Задачами стали:

- систематизировать теоретические подходы к роли трудовых ресурсов в инновационном развитии региона;

- обобщить эмпирические исследования данной связи;

- рассчитать показатели эффективности использования трудовых ресурсов по регионам ЦФО за 2016-2024 гг. и проверить гипотезу о наличии значимой связи.

Объектом являются процессы использования трудовых ресурсов регионов ЦФО в условиях их инновационного развития, предметом - экономические отношения, возникающие в связи с этим, и методы их количественной оценки. Гипотеза: регионы ЦФО с более высокой эффективностью использования трудовых ресурсов демонстрируют значимо более высокий уровень инновационного развития, а дифференциация округа по этому показателю не сокращается со временем.

Обзор литературы

Теоретическую основу изучения роли трудовых ресурсов в инновационном развитии региона образует концепция человеческого капитала, согласно которой производительная сила территории определяется не численностью, а качеством и эффективностью использования занятой в ее экономике рабочей силы. Е.В. Андреев, М.Г. Полозков и Д.А. Морозов показывают, что устойчивый рост инновационной активности региона невозможен без опережающего роста вложений в качество трудовых ресурсов, тогда как одна лишь количественная обеспеченность региона рабочей силой не является для этого достаточным условием [3]. Близкий вывод содержится также в исследовании, которое показало на данных регионов ЕС, что экономическое неравенство между регионами объясняется не столько обеспеченностью ресурсами, сколько различиями в совокупной факторной производительности, то есть эффективностью их использования [12].

Производительность труда традиционно рассматривается как интегральный индикатор эффективности использования трудовых ресурсов территории. Так, О.В. Милехина в своей работе показывает, что значимая часть межрегиональных различий объясняется специфичными для территорий факторами эффективности использования труда [8]. Схожий вывод содержится в исследовании, основанном на данных российских регионов за 2010-2021 гг. В данной работе выявлено отсутствие жесткой связи между диверсификацией отраслевой структуры и динамикой производительности труда, как правило, субъекты демонстрируют географически дифференцированные сочетания данных характеристик [15]. А.О. Беляков с соавторами показали, что вклад разных возрастных групп занятого населения в общую динамику производительности регионов неоднороден и, в свою очередь, зависит от специализации региональной экономики [4].

В работе М.В. Евсеевой и Е.Н. Старикова показано, что отраслевая структура экономики определяет влияние инноваций на производительность труда преимущественно в регионах со средним уровнем благосостояния. При этом для территорий лидеров и аутсайдеров значимость данного фактора снижена. Однако при этом отстающие регионы в целом демонстрируют более высокую восприимчивость производительности к инновациям, чем лидеры [13]. Это может свидетельствовать о нелинейной связи трудовой и инновационной составляющими региона.

Отметим, что цифровизация процессов с одной стороны высвобождает часть трудовых ресурсов, а с другой создает спрос на кадры с иными компетенциями [10]. Р.Г. Джалалов c соавторами также отмечают, что наибольшей инновационной активностью обладают регионы с развитой промышленной инфраструктурой и квалифицированными кадрами. Это связывает эффективность инновационной деятельности с состоянием трудовых ресурсов субъекта [6].

В исследованиях зарубежных авторов связь трудовой и инновационной составляющих традиционно анализируются через совокупную факторную производительность. Так регионы ЕС демонстрируют положительную связь между инновационным развитием и темпами роста совокупной производительности [17]. Принадлежность субъекта к «клубу конвергенции» определяется существующими различиями в человеческом капитале и структуре занятости [16]. Установлено, что связь между возрастной структурой рабочей силы и инновационной результативностью регионов Германии является нелинейной [14]. Показано, что «неисследовательские» инновационные активности, включающие обучение персонала и организационные изменения, значительно повышают производительность экономики региона [18].

Отдельного внимания заслуживают работы об общей картине межрегионального неравенства в России. Н.В. Зубаревич и С.Г. Сафронов показывают, что оно остается устойчивой структурной характеристикой пространственного развития России и постсоветских стран, охватывающей и доходы населения, и производительность экономики регионов [19]. Применительно к ЦФО было установлено, что дифференциация регионов по инновационному развитию устойчива [7; 9]: разброс мест регионов ЦФО в рейтинге регионального инновационного индекса достигает 70 позиций [7], а периферийные области округа устойчиво остаются в группах «перспективных» и «отстающих» в 2019-2023 гг. [9]. Региональное неравенство инновационного потенциала ЦФО связывают со структурными характеристиками регионов и состоянием их ресурсной базы [2], устойчивым расслоением округа на группы с разными траекториями развития [1] и необходимостью сформированной институциональной среды для эффективного освоения ресурсов, включая трудовые [5]. Отдельно фиксируется устойчивая поляризация округа по уровню цифровых компетенций занятого населения [11]. Количественная оценка вклада именно эффективности использования трудовых ресурсов в эту дифференциацию ранее не проводилась, что и составляет предмет настоящего исследования.

Материалы и методы

Информационной базой исследования служат официальные статистические данные Федеральной службы государственной статистики по 18 регионам ЦФО (17 областей и г. Москва) за период 2016-2024 гг.

Для оценки эффективности использования трудовых ресурсов сформирована система из трех показателей: производительность труда - отношение ВРП к среднегодовой численности занятых (тыс. руб./чел.); уровень занятости населения, % (по данным выборочных обследований рабочей силы); уровень безработицы, % (учитывается с обратным знаком: ниже безработица — выше эффективность). Для оценки инновационного развития региона используется ранее апробированная система из восьми показателей по трем блокам - ресурсам, процессам, результатам инновационной деятельности: затраты на ИР, % от ВРП; затраты на технологические инновации, % от отгруженной продукции; персонал, занятый ИР, на 1 тыс. занятых; уровень инновационной активности организаций, %; число организаций, выполнявших ИР; доля инновационных товаров, работ, услуг, %; число патентов на 1 тыс. населения; число используемых передовых технологий на 1 тыс. занятых.

Для каждого блока показателей в каждом году рассчитывается сводный нормированный индекс как среднее из нормированных значений составляющих показателей (1):

Iₜ = (1/k) · Σⱼ₌₁ᵏ [(Xⱼᵢₜ − Xⱼ min,ₜ) / (Xⱼ max,ₜ − Xⱼ min,ₜ)] (1)

где Iₜ - сводный индекс региона i в году t;

Xⱼᵢₜ - значение j-го частного показателя;

k - число показателей в блоке (3 для трудовых ресурсов, 8 для инноваций); безработица нормируется с обратным знаком.

Динамика индексов оценивается через среднее по округу значение, а дифференциация - через коэффициент фондов (отношение среднего значения в верхней и нижней децильных группах регионов, по три региона при n = 18), размах вариации R и коэффициент осцилляции Kосц:

Kф = X̄верх / X̄нижн; R = Xmax − Xmin; Kосц = (Xmax − Xmin) / X̄ · 100%.

Взаимосвязь эффективности использования трудовых ресурсов и инновационного развития регионов оценивается двумя методами:

- для каждого года рассчитывается коэффициент ранговой корреляции Спирмена между двумя сводными индексами (2):

ρ = 1 − (6 · Σdᵢ²) / (n · (n² − 1)) (2)

где dᵢ - разность рангов региона i по двум сопоставляемым индексам, n = 18.

- проводится квартильная этимологизация регионов. Территории группируются по методу квартилей отдельно по индексу трудовых ресурсов и отдельно по индексу инновационного развития. Далее строится матрица сопряженности.

Результаты

Таблица 1 содержит исходные данные по трем показателям эффективности использования трудовых ресурсов и численности рабочей силы регионов ЦФО за 2024 г.

Таблица 1 — Исходные данные по показателям использования трудовых ресурсов регионов ЦФО, 2024 г.

По данным таблицы 1, становится возможным отметить, что средняя по округу производительность труда выросла более чем в 2 раза, при этом коэффициент фондов оставался стабильно высоким (2,25-2,42 раза). Уровень занятости снизился на 9% при стабильной дифференциации. Безработица снизилась в полтора раза, дифференциация по ней также сократилась.

На основе трех рассмотренных показателей определен сводный индекс эффективности использования трудовых ресурсов, представленный в таблице 2.

Таблица 2 — Динамика сводного индекса эффективности использования трудовых ресурсов и показателей его дифференциации, регионы ЦФО, 2016–2024 гг.

По данным таблицы 2, становится возможным отметить, что среднее по округу значение индекса изменяется без ярко выраженного тренда. Устойчивым лидером является г. Москва, устойчивыми аутсайдером - Орловская область.

Рисунок 1 — «Коридор» значений сводного индекса эффективности использования трудовых ресурсов регионов ЦФО, 2016–2024 гг.

Составлено авторами по результатам расчетов.

Для проверки гипотезы исследования рассчитан коэффициент ранговой корреляции Спирмена между сводным индексом трудовых ресурсов и сводным индексом инновационного развития по годам (табл. 3).

Таблица 3 — Коэффициент ранговой корреляции Спирмена между сводным индексом эффективности использования трудовых ресурсов и сводным индексом инновационного развития регионов ЦФО, 2016–2024 гг.

Результаты устойчиво подтверждают гипотезу: коэффициент корреляции положителен и значим на уровне 0,05 во всех девяти годах, от ρ = 0,558 (2022 г.) до ρ = 0,715 (2020 г.). Сила связи (в большинстве лет - от умеренной до высокой по шкале Чеддока) заметно превышает показатели, полученные ранее для демографических факторов инновационного развития регионов ЦФО, где связь оказалась незначимой.

Рисунок 2 — Диаграмма рассеяния: сводный индекс эффективности использования трудовых ресурсов и сводный индекс инновационного развития регионов ЦФО, 2024 г.

Составлено авторами по результатам расчетов. Пунктирные линии — квартили Q1 и Q3 по обеим осям.

Диаграмма рассеяния показывает положительную связь: регионы с более высокой эффективностью использования трудовых ресурсов в среднем располагаются выше по оси инновационного развития. Схожую закономерность наблюдается в Калужской и Тульской областях.

Была выполнена квартильная типологизация регионов по эффективности использования трудовых ресурсов и уровню инновационного развития за 2024 г. (табл. 4).

Таблица 4 — Перекрестная квартильная типологизация регионов ЦФО: эффективность использования трудовых ресурсов × инновационное развитие, 2024 г.

Из данных таблицы 4 видно, что ячейка «высокая эффективность - лидеры» содержит три региона (Калужская, Московская области, г. Москва). «Инновационная середина» представлена двумя областями Владимирской и Липецкой.

Рисунок 3 — Сводный индекс эффективности использования трудовых ресурсов регионов ЦФО (2024 г.), сортировка по убыванию, с выделением инновационной группы региона.

Составлено авторами по результатам расчетов.

Таким образом, эффективность использования трудовых ресурсов устойчиво и значимо положительно связана с уровнем инновационного развития регионов ЦФО весь период наблюдения 2016-2024 гг., а дифференциация округа по ней не сокращается.

Заключение

Исследование показало, что эффективность использования трудовых ресурсов статистически значимо сопряжена с уровнем инновационного развития регионов ЦФО. На данных официальной статистики за 2016-2024 гг. рассчитан сводный индекс эффективности использования трудовых ресурсов (производительность труда, занятость, безработица); коэффициент ранговой корреляции Спирмена между ним и индексом инновационного развития положителен и значим во все девять рассмотренных лет.

Полученные результаты имеют практическое значение: поскольку эффективность использования трудовых ресурсов, а не только их численность, статистически связана с инновационным развитием территории, меры региональной политики целесообразно ориентировать на повышение производительности труда и качества занятости в регионах-аутсайдерах, а не только на демографическое воспроизводство рабочей силы. Устойчивая дифференциация регионов ЦФО по этому показателю указывает на структурный, а не временный характер проблемы и требует дифференцированных по группам регионов мер поддержки. Направление дальнейших исследований видится в расширении анализа на все федеральные округа РФ и включение в состав показателей данных о квалификационной структуре трудовых ресурсов.