Эмпирический анализ влияния человеческого капитала на доходы занятых в экономике регионов России

Окончание. Начало в № 7/2007 «кэ»

Использование человеческого капитала предпринимателями происходит более эффективно в более плотно населённых регионах. Проследим, присутствуют ли выявленные особенности в регрессиях, при использовании в качестве зависимой переменной не части доходов занятого в регионах населения, а всех их доходов...

В таблице 5 представлены результаты расчётов регрессионных уравнений, где в качестве зависимой переменной выступает величина общего дохода в расчёте на одного занятого в экономике региона. Остальные переменные прежние, как и в таблице 4.

Таблица 5

Результаты расчёта параметров регрессии по модели 4 для регионов России за 2004 гг.

Из данных таблицы 5 следует, что с ростом средней плотности населения региона увеличивается влияние человеческого капитала и первой фиктивной переменной на доходы одного занятого, но относительно снижается их связь с фондовооружённостью труда. Причём изменения заметно превышают величину стандартной ошибки, поэтому её можно достаточно точно установленной закономерностью.

Влияние второй фиктивной переменной очень существенно в группе «все регионы», что вполне естественно – в северных регионах доходы значительно выше средних по России, и становится статистически незначимым в группе «регионы с плотностью населения более 5 человек на квадратный километр», что легко объясняется тем, что во втором случае большая часть северных регионов исключена из расчёта из-за низкой плотности населения в них.

По группе «все регионы» введение второй фиктивной переменной существенно снижает коэффициент (с 61% до 53%) и практически не влияет на величину коэффициентов и . Введение второй фиктивной переменной существенно повышает коэффициент детерминации и улучшает критерий F, то есть повышает качество подгонки регрессионного уравнения.

Исключение малонаселённых регионов из расчёта повышает оценку вклада человеческого капитала в доходы одного занятого с 24% до 31%, то есть основания полагать, что сделанное ранее предположение, что отдача человеческого капитала выше в наиболее населённых регионах, подтверждается.

Для дополнительной проверки данного предположения рассмотрим данные таблицы 6. В ней представлены результаты расчёта регрессионных уравнений по модели 4, с использованием в качестве зависимой переменной показателя «доходы предпринимателей, доходы от собственности и прочие доходы (включая скрытую заработную плату) в расчёте на одного занятого в экономике региона» в логарифмической форме. Из-за отсутствия статистических данных из расчёта исключена Чеченская республика.

Таблица 6

Результаты расчёта параметров регрессии по модели 4 для регионов России за 2004 гг.

Как можно увидеть из данных этой таблицы, влияние фиктивной переменной, характеризующей эффекты городской агломерации, плавно растёт с ростом средней плотности населения регионов (хотя и в пределах стандартной ошибки), как и коэффициент детерминации.

Коэффициент (Beta) оказался статистически незначимым для группы «все регионы». Из этого можно сделать вывод, что фондовооружённость труда не имеет решающего влияния на формирование доходов предпринимателей и прочих доходов в значительной части регионов России, в том числе и в плотно населённых. В то же время существует статистически значимая связь уровня человеческого капитала с доходами предпринимателей, причём сила этой связи растёт с ростом средней плотности населения регионов, которые взяты в расчёт.

Можно даже отметить тенденцию к росту коэффициентов (Beta и B) с ростом средней плотности населения регионов. Исключение Москвы из числа регионов, принятых в расчётах, не очень заметно влияет на величину рассчитанных коэффициентов регрессии. Немного снижается коэффициент (Beta и B), характеризующий силу влияния переменной «доля занятых с высшим образованием» (т.е. человеческого капитала) на доходы предпринимателей, и это легко объяснимо: в Москве наибольшая концентрация образованных людей по сравнению с другими регионами (около 45% всех занятых, что примерно вдвое выше, чем в среднем по России). В ней же сконцентрированы руководящие органы крупнейших компаний России, а соответственно, и доходы предпринимателей и менеджеров.

В Москве также наиболее дорогая недвижимость, и, соответственно, максимальны доходы от неё. Но удивляет факт, что включение Москвы в расчёты делает статистически незначимой взаимосвязь капиталовооружённости труда и зависимой переменной - «доходы предпринимателей, от собственности и прочие доходы (включая скрытую заработную плату) в расчёте на одного занятого». Возможно, что в Москве уже произошёл переход к информационной экономике, в которой интеллектуальные и другие нематериальные активы оказываются существенно более значимыми, чем материальные.

Результаты аналогичного расчёта по данным за 2003-й год приведены в таблице 7. В расчётах не использовались данные по Чеченской и Ингушской республик, из-за полного или частичного их отсутствия. Использованы те же переменные, что и в таблице 6. В варианте 2 (колонка 5 таблицы 7) вместо переменной «доля занятых с высшим образованием» использовалась переменная «средний уровень образования занятых в экономике» региона.

Средний уровень образования занятого рассчитан как средневзвешенное число лет обучения одного занятого, причём в качестве весов использованы доли занятых с разным уровнем образования по данным обследований Роскомстата, а число лет обучения для каждого уровня образования взято такое же, как у И. Майбурова. [i]

Таблица 7

Результаты расчёта параметров регрессии по модели 4 для регионов России за 2003-й гг.

Каких-либо серьёзных отличий результатов расчётов за 2003-й и 2004-й годы не наблюдается. Абсолютная и относительная величина коэффициентов регрессии, и их динамика по группам регионов с разной средней плотностью населения, качественно не изменяются по годам, их небольшие колебания находятся в пределах стандартной погрешности расчётов.

Можно сказать, что все три фактора оказывают примерно одинаковое влияние на зависимую переменную, но в группах регионов с большей средней плотностью населения на первое место выдвигаются переменные, характеризующие величину человеческого капитала. Все параметры регрессии статистически значимы на уровне 1% (кроме констант для отдельных групп регионов). Коэффициент детерминации колеблется от 33% до 50%.

Использование разных измерителей величины человеческого капитала: «доли занятых с высшим образованием в общем числе занятых в регионе» и «среднего уровня образования занятых в экономике региона» не вносит каких-либо принципиальных изменений в результаты расчёта – коэффициенты при независимых переменных изменяются очень мало при замене самих переменных (см.колонки 2 и 5 в таблице 7).

Можно также отметить значительное влияние фиктивной переменной, характеризующей особенности экономики крупных городов и таких мегаполисов, как Москва и Санкт-Петербург. Очевидно, что условия для ведения бизнеса и получения доходов предпринимателями в них более благоприятны, чем в менее урбанизированных регионах. Роль городских агломераций в современном экономическом развитии особо подчёркивает Мануэль Кастельс в своей книге «Информационная эпоха». [ii]

В таблице 8 представлены результаты расчёта уравнений регрессии для зависимой переменной «логарифм годовой заработной платы одного занятого в регионе». В варианте 1 в качестве переменной, характеризующей человеческий капитал взят «средний уровень образования одного занятого в экономике региона», в варианте 2 - «доля занятых с высшим образованием в общем числе занятых в экономике региона».

В обоих случаях для группы «все регионы» не наблюдается какой-либо статистической связи между уровнем человеческого капитала в регионе и уровнем заработной платы занятых в экономике региона. Очевидно, что уровень заработной платы занятых практически полностью определяется фондовооружённостью труда занятых (примерно на 80% в обоих вариантах для 2004 года и 75% для 2003 года).

Таблица 8

Результаты расчёта параметров регрессии для регионов России за 2003 и 2004 гг.

В расчёты по данным за 2003-й год была включена фиктивная переменная, характеризующая эффекты городских агломераций (двенадцать городов). Их влияние на уровень заработной платы оказался статистически незначимым. Тем не менее, можно отметить, что взаимосвязь переменной «логарифм среднего уровня образования занятых» и «логарифм годовой заработной платы одного занятого» в экономике региона оказалась статистически значимой после исключения из расчёта малонаселённых регионов – автономных округов (см. третью колонку таблицы 8).

Вклад образования в годовые заработки наёмных работников оказался гораздо меньшим, чем в доходы предпринимателей или общие доходы занятых, всего около 18%. Отсутствие статистически значимого вклада образования (человеческого капитала) в легальную заработную плату занятого населения (или небольшая величина этого вклада) можно попытаться объяснить воздействием двух факторов.

Во-первых, значительной долей скрываемых, как предпринимателями, так и наёмными работниками, от налогообложения доходов, в том числе нелегальных, так и, во-вторых, наличием на рынке труда относительного избытка квалифицированной рабочей силы, и, как следствие, острой конкуренцией между работниками с высоким уровнем образования за рабочие места с достаточно высоким уровнем оплаты труда.

Основным выводом данной статьи может быть заключение, что величина человеческого капитала, накопленная в регионах России, является важным фактором формирования доходов населения, причём большей частью доходов предпринимателей и прочих доходов, включая скрытую заработную плату.

От 20% до 50% доходов одного занятого в экономике регионов обязаны, по-видимому, своим возникновением накопленному человеческому капиталу, то есть могут быть приписаны образованию работающего населения. При этом следует отметить, что и величина доходов предпринимателей статистически значимо связана с величиной накопленного в регионах человеческого капитала, его вклад в эти доходы колеблется от 30% до 45%.

В то же время наблюдается отсутствие такой связи человеческого капитала с уровнем легальной оплаты труда. Можно предположить, что рынок в данном случае исправляет огрехи государственной политики в области формирования заработной платы. В то время, когда человеческий капитал стал одним из решающих факторов экономического развития и формирования доходов населения, государство в России устраняется как от финансирования высшего образования, так и от формирования политики заработной платы.

Приведённые результаты расчётов свидетельствуют о высокой экономической значимости вклада образования в формирование доходов населения и существенной недооценке этого вклада со стороны российского правительства и общественности, о котором говорит несопоставимо низкая доля расходов на образование в ВВП (в последние годы около 3-3,5%).

В начале 90-х годов доля затрат на образование от ВНП составляла: во Франции 7,1%, в Японии 6,3%, в США 6,1%, в ФРГ 4,5%, в России же только 2,7%, что даже по доле в ВВП, в 3-4 раза меньше, чем в развитых странах. [iii] Если же оценивать абсолютные размеры затрат на одного учащегося, то разрыв достигает многих десятков раз. Можно ли в таких условиях всерьёз говорить о переходе к «инновационному типу развития», о наступлении эры «экономики знаний?

Очевидно, что проведённые расчёты позволяют говорить о том, что отдача образования в России существенно превышает затраты общества на него. Действительно, даже грубые оценки дают основание говорить о том, что вклад образования в доходы одного занятого, колеблется в пределах 20-40 % дохода занятого в экономике, в то время как расходы общества на образование примерно в десять раз ниже.

Воспитатели в детских садах, учителя в школах, формирующие человеческий капитал ‑ главный ресурс информационной экономики, получают мизерную заработную плату, положение преподавателей вузов немногим лучше. Принципом оптимального экономического поведения является вложение средств в средства производства, дающие наибольшую отдачу. К сожалению, сфера производства человеческого капитала имеет очень длительный производственный цикл – 20-25 лет, а период его окупаемости ещё больше – 30-40 лет.

Очевидно, что предприниматели ориентируются на проекты с гораздо меньшими сроками окупаемости. Поэтому во всех современных странах государство берёт на себя обязанность инвестировать в долговременные проекты. К сожалению, в России методики экономической оценки эффективности долгосрочных проектов, в том числе инвестиций в образование, развиты слабо и поэтому существует недооценка их важности для общества.