Социальная отдача и эстерналии образования в экономике России

Новые знания и, соответственно, наука и образование, как их источники, играют всё большую роль в современной экономике. Поскольку производство и накопление новых знаний тесно связано с человеческим капиталом, то можно предположить, что оно осуществляется интенсивнее в странах и регионах с большим объёмом уже накопленного человеческого капитала.

Г. Беккер, К. Мэрфи, и Р. Тамура считают, что если норма отдачи инвестиций в человеческий капитал превышает некий средний уровень, то это происходит благодаря эффекту “расплёскивания” выгод от человеческого капитала [1]. Возникновение данного эффекта, как считает Р. Барро, происходит благодаря тому, что отдача каких-либо способностей людей (к производству и обмену знаниями, к общению и т.п.) повышается, если их окружают также способные люди [2].

В экономической литературе выделяются две основные причины ускоренного экономического роста в городах: объективно возникающая внешняя экономия на масштабах производства (Ромер П.М., 1986) и внешние эффекты, связанные с “расплёскиванием” знаний (Лукас Р., 1988), которые увеличивают отдачу частных инвестиций в человеческий капитал и порождают экономический рост [3]. Роль “разбрызгивания” знаний в городах находится в центре внимания эмпирических исследований, которые показывают, что уровень местного среднего человеческого капитала влияет на индивидуальные заработки [4].

Следовательно, возрастание человеческого капитала в какой-либо стране (или регионе) должно приводить к повышению темпов роста инвестиций в физический и человеческий капитал и, в результате, к более высоким темпам роста доходов населения, и, следовательно, к более высоким уровням доходов населения. В частности, можно предполагать, что норма отдачи образования должна быть более высокой в городах и плотно населённых регионах, по сравнению с менее урбанизированными и хорошо населёнными регионами, и что социальная норма отдачи образования должна быть выше частной, если принимать в расчёт общественные выгоды от образования.

Расчёты уровней отдачи образования дают результаты многочисленных исследований американских и европейских экономистов. Например, А. де ла Фуэнте и А. Чикконе отмечают, что дополнительный год образования увеличивает заработную плату на индивидуальном уровне на 6,5% в среднем по странам Европы и этот эффект достигает 9% в странах-членах ЕС с менее регулируемым рынком труда. Кроме того, год дополнительного производственного опыта увеличивает заработную плату почти на 5% [5]. По их мнению, в “типичной” стране ОЭСР, человеческий капитал обеспечивал до 22% наблюдающегося роста производительности труда в период 1960-1990 гг. и до 45% различий в производительности труда в среднем для этих стран в 1990-е годы [5, c. 6].

Как отмечают Дж. Псачаропулос и Х. Патринос, частная норма отдачи образования обычно выше социальной, если последняя определяется на основе оценок частных выгод и общих (частных и общественных) затрат [6, с.1]. Общественное финансирование образования обычно возрастает (в расчёте на одного учащегося) с ростом уровня образования.

В последние годы возник интерес к оценкам социальной нормы отдачи, включающей общественные выгоды от образования. Заработки образованных работников не отражают внешние эффекты образования, которые распространяются на общество в целом. Такого рода выгоды известны как экстерналии, или “расплёскивание” выгод, поскольку они “разбрызгиваются” на всех членов общества [6, с.3]. Попыток получить такие оценки много, но оценки их величины сильно варьируются [6, с.3]. В последние пятнадцать-двадцать лет появились работы, в которых расчёт социальных норм отдачи образования проводится на основе макроэкономических исследований, в которых используются данные о средних доходах и образовательных достижениях населения ряда стран, а не переписей населения или социологических опросов. Примерами могут служить работы Р. Холла и Ч.Джонса (1996 и 1998) и Ф. Каселли (2005) [7].

Наиболее интересным примером расчёта частной нормы отдачи образования в России является статья большой группы авторов, в которой рассматриваются факторы дифференциации заработной платы (месячных заработков и часовых ставок) по уровню образования, стажу, возрасту и профессиональному статусу [8]. Эмпирической базой данного исследования послужили статистические данные: «Обследования заработной платы по профессиям (ОЗПП)», впервые проведённого Росстатом в октябре 2005 года, и охватившего 681 тыс. работников в 87 субъектах РФ. [8, с. 53] В результате расчётов стандартного уравнения Минцера по данным ОЗПП, экономическая отдача высшего образования составила примерно 82% (по сравнению со средним общим образованием). [8, с.68]

Методика макроэкономической оценки нормы отдачи образования описана в работе автора [9]. В настоящей статье используются новый показатель и «взвешенная» регрессия, что позволяет повысить качество расчётов и уточнить оценки, а также получить некоторые новые результаты. Социальные нормы отдачи рассчитываются с использованием двух зависимых переменных: «среднемесячные доходы» в расчёте на одного занятого в экономике региона и «среднемесячные расходы» в расчёте на одного занятого в экономике региона. В качестве независимых переменных использовался тот же набор переменных, что и в вышеуказанной статье автора.

Для учёта различий в масштабах экономики регионов России при расчёте регрессионных уравнений используется «взвешенная» регрессия. В качестве «весов», отражающих различия в уровнях экономического развития и масштабов экономики регионов, берётся переменная «доля среднемесячных доходов» населения региона России в доходах всех регионов, включённых в расчёты. Её использование позволило повысить коэффициенты детерминации и качество подгонки регрессионных уравнений по сравнению с «простой» регрессией. Для учёта специфических особенностей российских регионов, которые могут существенно различаться по своим природно-климатическим условиям, степени урбанизации и другим характеристикам, введены, как и ранее, три фиктивные переменные.

В расчётах, как и предыдущей статье, используется производственная функция (1) с использованием фиктивных переменных [9, N 12, 2007 г., с. 75]:

(1)

Такая форма производственной функции обеспечивает сочетание степенной функциональной связи «фондовооружённости» труда с денежными доходами одного занятого в экономике региона и экспоненциальную связь с теми же доходами показателя, характеризующего величину человеческого капитала (средней продолжительности обучения, как в известной формуле Дж. Минцера).

Соответствующее уравнение регрессии имеет вид:

(2)

Попытаемся проверить наличие статистических связей между переменными данных регрессионных уравнений на основе статистических данных о доходах и расходах в расчёте на одного занятого в экономике регионов России, величине «фондовооружённости» труда в регионах, и среднем уровне его образования, и других статистических данных за период 2002-2006 гг. Все расчёты проводились с использованием статистического пакета Statistica 6.0.

В таблице 1 приведены результаты расчёта уравнений регрессии по формуле (2), с использованием в качестве зависимых переменных «средних доходов» и «средних расходов» в расчёте одного занятого в экономике регионов России.

Таблица 1

Взаимосвязь средних доходов и средних расходов в расчёте на одного занятого в экономике регионов России с фондовооружённостью труда и уровнем образования занятого в экономике регионов населения.

Кроме указанных количественных независимых переменных на величину доходов и расходов населения регионов России явное влияние оказывают фиктивные переменные, особенно заметное и статистически значимое – переменная d₁, характеризующая города – мегаполисы Москву и Санки – Петербург.

Коэффициенты детерминации довольно велики, они колеблются в обоих случаях от 0,87 до 0,92. Константа A имеет, в первом случае, явную тенденцию к росту с годами, что, по-видимому, свидетельствует о росте общей факторной продуктивности экономики России в данном периоде. [2] Значения других коэффициентов не проявляют тенденции ни к росту, ни к снижению, они колеблются в пределах 30-45% примерно вокруг одного среднего уровня, демонстрируя, что физический капитал («фондовооружённость» труда) и неосязаемый человеческий капитал (уровень образования) оказывают примерно одинаковое влияние на уровень средних доходов одного занятого в регионах России. Следует отметить, коэффициенты в таблице 1 данной статьи оказались значительно ниже, чем в таблице 1 вышеуказанной статьи автора, а коэффициенты наоборот, во «взвешенной» регрессии оказались выше, чем в простой [9, N12, 2007 г., с. 79]. Это явление связано, по-видимому, с тем, что во взвешенной регрессии более плотно населённые и урбанизированные регионы, а, следовательно, с большими суммарными доходами, имеют больший вес. В таких хорошо урбанизированных регионах выше эффективность использования человеческого капитала и сильнее проявляются экстерналии образования, в малозаселённых же регионах эти явления слабее, зато заметнее влияние на доходы «фондовооружённости» труда.

В регрессионных уравнениях со второй зависимой переменной социальная норма отдачи образования заметно выше, а эластичность расходов в расчёте на одного занятого по «фондовооружённости» труда заметно ниже. Социальная норма отдачи образования колеблется в пределах от 28% до 48% в первом случае, и от 49 до 66% во втором. Таким образом, год дополнительного образования, занятого в экономике регионов России населения, даёт прирост «средних доходов в расчёте на одного занятого» в экономике регионов России от 28 до 48%, и прирост «средних расходов в расчёте на одного занятого» в экономике от 49 до 66%. Вклад образования (человеческого капитала) в объяснённую вариацию переменной «средние доходы одного занятого» (стандартизованный коэффициент (Beta)) в экономике регионов России колеблется, в данном периоде, от 29 до 44%, а в вариацию «средних расходов в расчёте на одного занятого» от 44 до 58%.

Кроме этих вышеуказанных переменных, статистически значимое и заметное влияние на уровень доходов и расходов в расчёте на одного занятого в экономике регионов оказывают фиктивные переменные, характеризующие степень урбанизации регионов России. Вклад фиктивной переменной, характеризующей мегаполисы, в вариацию средних доходов и расходов в расчёте на одного занятого в экономике регионов на том же уровне, что и «фондовооружённости» труда и уровня образования (в ряде случаев превышая его), коэффициент а₁ (Beta) варьируется от 31,9% до 52,5%. Вклад второй фиктивной переменной, характеризующей регионы с городами-миллионерами, меньше, он колеблется от 5 до 15% (см. табл. 1). Наблюдается тенденция к снижению коэффициентов а₁ и а₂ со временем для уравнений с использованием зависимой переменной средние расходы в расчёте на одного занятого в экономике регионов.

Можно предположить, что в мегаполисах и крупных городах, по сравнению с другими регионами, более высокая производительность труда, связанная с положительными внутренними и внешними эффектами масштабов производства и ёмкостью рынков, диффузией технологий и экстерналиями образования, «расплёскиванием» знаний и сетевыми эффектами соседства. Естественно, что в мегаполисах данные эффекты проявляются сильнее, чем в регионах с городами-миллионерами. В крупных городах сконцентрированы наукоёмкие производства, научные, образовательные и культурные учреждения, создающие новые знания и технологии, существуют благоприятные условия для их распространения и использования.

Все перечисленные факторы создают возможности опережающего роста производительности труда по сравнению с менее урбанизированными регионами, и реализуются в более высоких доходах и расходах в расчёте на одного занятого в экономике регионов. Можно отметить также слабую связь, и даже полное отсутствие статистической связи, в большинстве случаев фиктивной переменной, характеризующей «северные» регионы, с доходами и расходами в расчёте на одного занятого в экономике регионов. В этих регионах, по-видимому, отсутствуют благоприятные условия для возникновения положительных экстерналий образования и эффектов масштабов производства, и наоборот, из-за тяжёлых климатических и транспортных условий затруднён рост производительности труда за счёт развития разделения труда и производственной кооперации.

В нашем случае использование фиктивных переменных оправданно не только тем, что оно повышает качество подгонки регрессионных уравнений, но и тем, что позволяет дать содержательное объяснение некоторых явлений и особенностей проявления тех или иных стандартных экономических факторов. Например, мегаполисы характеризуются повышенными доходами и расходами населения, которые явно связаны с величиной накопленного физического и человеческого капитала, а также экстерналиями человеческого капитала.

Поскольку человеческий капитал, как следует из проведённых расчётов, является одним из главных доходообразующих факторов в экономике России, то следует самым внимательным образом рассмотреть возможности оптимизации расходов государства и предпринимательских структур, связанных с созданием благоприятных возможностей для его расширенного воспроизводства. Представляются недостаточными существующие масштабы, как финансирования образования всех уровней, так и усилий по решению демографических проблем России. Становление экономики знаний, обеспечение инновационного типа развития экономики России невозможно без значительного увеличения вложений государства и бизнеса в инвестиции в человеческий капитал, до уровня, сопоставимого, в относительном выражении, с уровнем развитых стран.