WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     || 2 |

«Финальный отчет Неоднородность человеческого капитала на российском рынке труда Г.В. Борисов Проект (№01-151) реализован при поддержке Консорциума экономических исследований и образования Мнение автора может не ...»

-- [ Страница 1 ] --

Консорциум экономических исследований и образования,

Россия и СНГ

Финальный отчет

Неоднородность человеческого капитала

на российском рынке труда

Г.В. Борисов

Проект (№01-151) реализован при поддержке

Консорциума экономических исследований и образования Мнение автора может не совпадать с точкой зрения Консорциума Доклад публикуется в рамках направления Рынки труда и социальная политика © Г.В. Борисов, 2005 Классификация JEL: J31, O15, P21, P27 БОРИСОВ Г. В. Неоднородность человеческого капитала на российском рынке труда. — M.: EERC, 2005.

В работе поднимается проблема неоднородности человеческого капитала на российском рынке труда, вызванная неслучайным распределением ненаблюдаемых навыков среди населения переходной страны. В начале переходного периода люди, выросшие в различные эпохи или в различных культурах, имеют различные моральные нормы, поведенческие навыки, предпочтения и знания. Это создает различия в ненаблюдаемых способностях и потенциальных заработках людей. Мы утверждаем, что когорта, профессия до переходного периода, городское место рождения и национальность являются представителями влияния ненаблюдаемых навыков в переходном периоде. Эффект когорты выделен двумя способами. В соответствии с первым из них, логарифм индекса реальной заработной платы являлся представителем переменной текущего периода. Второй метод основан на принятии предпосылки о форме кривой заработок-возраст в России. Результаты оценивания показали значимость всех переменных, представляющих влияние ненаблюдаемых способностей, и устойчивость оценок. В то же время, обнаружена зависимость от пола эффектов когорты и профессии до переходного периода.

Ключевые слова: Россия, переходная экономика, рынок труда, человеческий капитал, неоднородность, эффект поколений, когортный эффект, функция заработков, проблема идентификации.

Благодарности. Автор благодарен Рубену Гронау, Кларе Сабирьяновой-Питер, Давиду Брауну, Джону Эрлу, Ростиславу Капелюшникову, Хартмуту Леманну, Ирине Денисовой, участникам исследовательских семинаров РПЭИ за ценные рекомендации и предложения.

Глеб Владимирович Борисов Санкт-Петербургский государственный университет 191194, Санкт-Петербург, ул. Чайковского, Teл.: +7 (812) 534 E-mail: [email protected]

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ОБЗОР ЛИТЕРАТУРЫ

ДАННЫЕ

Структура выборки

Описательные статистики

ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ

Смещение из-за ошибки выборки

Смещение из-за исключения переменных

Устойчивость оценок параметров

Оценка на повторяющихся кросс-секциях

РЕЗУЛЬТАТЫ ОЦЕНИВАНИЯ

ВЫВОДЫ ДЛЯ ЭКОНОМИЧЕСКОЙ ПОЛИТИКИ

БИБЛИОГРАФИЯ

ПРИЛОЖЕНИЕ 1. ОПИСАНИЕ ПЕРЕМЕННЫХ.

ПРИЛОЖЕНИЕ 2. ОПИСАТЕЛЬНЫЕ СТАТИСТИКИ.

ПРИЛОЖЕНИЕ 3. АНАЛИЗ ФУНКЦИЙ ЗАРАБОТКОВ

Постановка проблемы Быстрые экономические и политические изменения, происходящие в России в 1990-х гг., породили ряд специфических проблем, связанных с человеческим капиталом. Переход к рыночной экономике сопровождался важными процессами, протекающими на рынке труда. Радикальные структурные изменения в спросе на продукцию и услуги произвели структурный шок в спросе на рабочую силу. Значительно изменилась структура заработков, некоторые навыки и стили поведения стали цениться в меньшей степени, тогда как другие навыки и стили получили высокую оценку.

Ориентируясь на ценовые сигналы, люди приобретали современный человеческий капитал и меняли профессии. Происходящее разрушение человеческого капитала, приобретенного до начала переходного периода, и возникновение новых возможностей усилили мобильность труда, который стал покидать устаревающие отрасли и профессии, направляясь в расширяющиеся, а также стимулировали накопление современного человеческого капитала.

В переходной экономике ценовые сигналы доступны каждому, также для каждого открыт доступ к новым высокооплачиваемым рабочим местам, если его способности удовлетворяют требованиям работодателя. Тем не менее, ценовые сигналы оказывают различное влияние на людей.

Экономическая теория говорит нам, что индивидуумы принимают свои решения в области инвестиций в человеческий капитал на основе ожидаемых доходов и затрат, бюджетных ограничений и имеющихся предпочтений. Нетрудно показать, что люди в переходной экономике имеют различные ожидаемые вознаграждения, затраты и предпочтения, связанные с инвестиционными решениями. Например, в начале переходного периода, предпочтения и поведенческие навыки молодых людей более соответствуют условиям рыночной экономики. Это означает, что они имеют больше шансов воспользоваться новыми возможностями, чем пожилые люди. Неэффективное рыночное поведение пожилых людей, безусловно, играет роль отрицательного стимула и побуждает их к тому, чтобы отказаться от использования устаревших поведенческих навыков. Окружающие условия изменяют их предпочтения, делая их более пригодными для выживания, но такое изменение требует времени и предполагает дополнительные затраты. Кроме того, в процессе перехода к рынку, скорее всего, произошло обесценение части знаний пожилых людей. Таким образом, для пожилых людей использование новых возможностей связано с большими затратами, так как они вынуждены инвестировать ресурсы в изменение предпочтений, обучение новым поведенческим навыкам, получение дополнительных знаний.



Следовательно, поведение людей в переходной экономике должно различаться. В таком случае, исследование рынка труда в переходной экономике требует учета неоднородности человеческого капитала. В теории человеческого капитала принимается, что человеческий капитал зависит от таких переменных, как образование, общий трудовой стаж, трудовой стаж на данном рабочем месте. Эти переменные, бесспорно, являются одними из наиболее важных факторов человеческого капитала. Тем не менее, у людей с одинаковым образованием и трудовым стажем могут различаться навыки, способности, поведение, предпочтения, и другие ненаблюдаемые факторы. Предположение о том, что они распределены случайно, помогает нам обойти проблему неоднородности. Однако предыдущий пример показывает, что подобная предпосылка недействительна в переходной экономике, поскольку влияние ненаблюдаемых факторов зависит от некоторых индивидуальных характеристик, например, от когортной принадлежности, а также от других параметров.

Когортный эффект Влияние когорты на заработки в переходной экономике можно объяснить следующим образом. Представим образовательную группу людей, образование которых равно Y лет.

Предположим, что условия на рынке труда изменились в периоде t – X, так что человеческий капитал, приобретенный в периоде t – X или ранее, обесценился. В таком случае, данная образовательная группа будет состоять из двух подгрупп в периоде t. Подгруппа 1 будет включать работников, находящихся на рынке труда менее чем X лет и чей возраст меньше чем Z = X + Y + 6.

Подгруппа 2 будет объединять работников, чей общий трудовой стаж равен X или больше чем X, и чей возраст составляет Z или больше чем Z. Имея одинаковое образование и трудовой стаж, работник из подгруппы 1 обладает более ценным человеческим капиталом, чем работник из подгруппы 2.

Следовательно, работники из этих двух подгрупп будет иметь различные функции заработков (см.

Рисунок 1, a).

Рис. 1. Функции заработков, относящиеся к подгруппе 1 (EF1) и к подгруппе 2 (EF2);

составная функция заработков (KLMN); и сглаженная кривая (EFreg) в периоде t.

Учитывая, что возраст работников из подгруппы 1 меньше Z, а возраст работников из подгруппы 2 равен Z или больше чем Z, функцией заработков для всей образовательной группы будет выступать составная кривая KLMN (см. Рисунок 1, b), которая отличается от регрессионной кривой, построенной без учета когортного эффекта (EFreg).

Вполне возможно, что в переходных условиях на рынке присутствует больше двух подгрупп.

Переходный процесс занимает определенный период времени, и даже в случае, если он произойдет мгновенно, подготовительные процессы начинаю протекать еще до начала переходного периода.

Вкусы и поведение людей начинают изменяться до того момента, когда произойдет изменение экономических условий. В соответствии с нашими предположениями когортные различия в заработках в России возникли из различий в поведенческих навыках и знаниях, приобретенных различными когортами. В свою очередь, поведенческих навыки возникают из моральных норм, социальных ценностей, и вкусов людей, которые частично находятся под контролем государства, которое может использовать пропаганду, СМИ, образовательную и законодательную системы, принудительные меры для того, чтобы стимулировать появление желательных норм, ценностей и вкусов. В этом отношении годы правления Сталина были исключительными, так как именно в этот период советское государство делало наиболее активные попытки по изменению поведения людей в стремлении создать человека будущего, способного работать с максимальной производительностью на основе коллективизма, альтруистической мотивации и энтузиазма. В те годы, прямое принуждение или террор были обычной практикой, гарантирующей желаемое поведение людей.

«Сталинистская» мотивация достигла своего пика в период 2 мировой войны, когда советские люди отдавали свои жизни ради победы. После смерти Сталина уровень прямого принуждения людей снизился, но другие элементы государственного контроля все также активно использовались. Из-за отсутствия своего наиболее важного элемента советская система государственного контроля за поведением людей стала неэффективной, что вызвало постепенное изменение норм, ценностей и вкусов людей в направлении индивидуализма. Рациональные индивидуумы, сталкиваясь с советской системой оплаты, которая игнорировала взаимосвязь между оплатой и индивидуальной производительностью, увиливали от работы с вытекающим снижением производственной эффективности. Советское государство интуитивно отреагировало путем введения в конце 1960-х гг.

идеи и практики индивидуальной мотивации, предполагающей более жесткую взаимосвязь между индивидуальными результатами и вознаграждением. Вначале практика индивидуальной мотивации использовалась как эксперимент, затем государство стало использовать ее все более и более широко, неосознанно стимулируя изменение поведения людей. С момента смерти Сталина и до середины 1980-х гг. основные характеристики советской системы оставались неизменными, то есть, государство являлось собственником практически всех средств производства, экономика была почти полностью планируемой, существовала однопартийная политическая система, пролетариат рассматривался в качестве лидирующего класса и т. п. Только в 1987 году советские экономисты приступили к обсуждению негосударственных форм собственности в качестве возможной альтернативы государственной собственности. Итак, даже в середине 1980-х гг. советская система была практически такой же, что и в середине 1950-х гг., однако система мотивации, а также моральные нормы, социальные ценности и вкусы людей значительно изменились, пройдя путь от альтруистического энтузиазма до эгоистического индивидуализма. Мы предполагаем, что этот переход был постепенным, не резким, и без скачков, так как социальные ценности инертны по своей природе, так что такое постепенное развитие индивидуалистического поведения естественно ожидать в случае, когда ограничивающее давление прямого принуждения, заставляющего людей отказаться от преследования собственных интересов, внезапно исчезает. Таким образом, со временем мотивация и поведенческие навыки рабочих, вступающих на рынок труда, становились ближе к мотивации и поведенческим навыкам работника рыночной экономики. Как следствие, мы ожидаем обнаружить сильный эффект поколений на российском рынке труда.

Городская среда в детстве Кроме того, окружающая среда, а именно, городское или сельское место рождения, а также характеристики школы влияют на размер человеческого капитала в любой экономике. Можно предполагать, что городская среда способствует развитию человеческого капитала, так как она предоставляет для этого больше возможностей. Образовательные и информационные услуги более доступны в городах, общение между людьми является простейшим способом получения новых поведенческих навыков. С другой стороны, человеческий капитал, безусловно, зависит от характеристик школьного образования, и можно предположить, что в городских школах предоставляется лучшее образование по сравнению с сельскими школами. Сильнейшие региональные различия в уровне урбанизации и в плотности населения повышают значение данного фактора в России. К сожалению, мы не можем тщательно изучить влияние характеристик школы, так как данные РМЭПЗ не содержат информации о них, более того, в данных отсутствует точная информация о месте, где индивидуум вырос, поэтому школьные характеристики нельзя восстановить. Тем не менее, в данных РМЭПЗ присутствует бинарная переменная, определяющая городское место рождения в противоположность сельскому месту рождения, поэтому мы можем использовать ее как заменитель переменной окружающая среда в детстве.

Профессия до переходного периода Профессия работника на момент начала переходного периода является другим потенциальным фактором человеческого капитала. Так, некоторые профессии, возможно, предоставляли лучшие стартовые возможности по сравнению с другими профессиями, или в терминах человеческого капитала, ценность компонентов человеческого капитала, накопленных в некоторых профессиях, возросла больше, чем ценность компонентов человеческого капитала, накопленных в других профессиях. Следовательно, набор бинарных переменных, отражающих профессию индивидуумов до переходного периода, должен быть добавлен к набору объясняющих переменных.

Национальность Наконец, можно утверждать, что человеческий капитал зависит от национальности индивидуума, поскольку национальность, по всей видимости, влияет, по крайней мере, частично и в коротком периоде, на рыночно ориентированное поведение индивидуума. Советский Союз был многонациональным государством, объединяющим нации с различной культурой и традициями. К моменту объединения многие из них имели более или менее развитую рыночную экономику, а также традиции осуществления общения через рынок. Внутренняя политика советского государства учитывала национальные особенности, и нациям неславянского происхождения была предоставлена большая свобода в плане формирования рыночных отношений. Так, в советские годы, индивидуальное предпринимательство и рыночная торговля были более развиты в Центральной Азии, на Кавказе, в Прибалтийских республиках, в то время как в России, Украине, Белоруссии были сконцентрированы отрасли, полностью подчиняющиеся Госплану. Таким образом, можно предположить, что рыночно-ориентированное поведение более характерно для народов, проживающих в национальных регионах. Как следствие, мы предполагаем, что заработки индивидуума в переходной экономике зависят от его национальности.

Цели исследования Проанализировать свойства функции заработков без когорты, использованной для Выделить эффекты когорты, национальности, городского места рождения, Проверить устойчивость оценок когортного эффекта.

Значение исследования После вхождения в мировую экономику, бывшие советские страны столкнулись с потребностью развития, или, по крайней мере, реструктуризации человеческого капитала. В этом отношении неоднородность человеческого капитала является серьезной проблемой, так как сдерживает развитие современного человеческого капитала и рост благосостояния. Таким образом, результаты исследования могут быть полезны для определения величины неоднородности человеческого капитала и для формирования экономической политики, которая позволит сгладить ее негативные последствия.

Обзор литературы Теоретической основой проекта является модель накопления человеческого капитала, разработанная Дж. Минсером (1958), Г. Бекером (1964), Й. Бен-Поратом (1967). Со статистической точки зрения, подход Минсера, который описал динамику заработков работника в течение его жизни с помощью функции заработков, выглядит более предпочтительным (Mincer, 1993):

lnYti = lnY0 + (re – e)Si + (rgk0 - OJT)(titi) – 0.5rgk0/T(ti ti2) + (k0/T)ti + lnti, (1) где: Yti – доход i-го индивидуума в периоде t; Y0 – доход в периоде 0; re – нормa отдачи от образования; e – норма обесценения знаний, полученных в ходе формального образования; Si – число лет обучения у индивидуума i; rg – норма отдачи от инвестиций в обучение в процессе работы (OJT); k0 – норма инвестирования в OJT в периоде 0; OJT – норма обесценения человеческого капитала, полученного в результате инвестиций в OJT; ti – отношение реально отработанных индивидуумом i часов к стандартному количеству часов; t – общих трудовой стаж индивидуума i; T – продолжительность работоспособного периода.

Функции заработков Минсера были разработаны для использования в кросс-секционном анализе при наличии ограничивающих предпосылок стационарной экономики или экономики, в которой изменения нейтральны по отношению к переменным, входящим в модель человеческого капитала (Mincer, 1993). Однако некоторые исследователи подвергли сомнению обоснованность предпосылки о нейтральности: Haley (1976) использовал когортный анализ для оценки параметров процесса накопления человеческого капитала; Heckman and Robb (1985) описали подходы к выделению эффектов когорты, возраста и периода. В то же время Hanoch and Honig (1985) предложили метод оценки данных эффектов. Их метод основан на оценке модели с двумя линейными трендами для когорты и текущего периода и с тремя наборами бинарных переменных с однолетним окном для возраста, когорты и периода. Подобная спецификация позволила оценить две линейные комбинации трех линейных компонентов рассматриваемых эффектов и все нелинейные компоненты эффектов.

Существующая литература по проблеме неоднородности человеческого капитала в основном представлена работами, посвященными проблеме неоднородности школьного образования. В данной связи необходимо отметить работы Johnson and Stafford (1973), Behrman and Birdsall (1983), Card and Krueger (1992), Heckman et al. (1996), Card (2000), где проблема неоднородности школьного образования была тщательно изучена.

Инвестирование в человеческий капитал в России изучали такие исследователи, как Невель и Рейли (Newell and Reilly, 1996), Нестерова и Сабирьянова (Нестерова и Сабирьянова, 1999), однако, они не использовали когортный анализ. Целый ряд исследователей занимался изучением процесса инвестирования в человеческий капитал в других переходных экономиках (см. например, Chase, 1997; Noorkoiv et al., 1997; Munich et al., 2000). Noorkoiv с соавторами предположили, что плоские кривые заработок-возраст, имеющие место в переходной экономике, объясняются действием эффекта поколения (vintage effect), тем не менее, они подробно не изучали его. Они заменили в функции заработков квадрат трудового стажа на бинарные переменные, определяющие когортные группы с различным трудовым стажем, рассматривая коэффициенты при бинарных переменных как специфическую для данной когорты отдачу от трудового стажа. К сожалению, коэффициенты при подобных бинарных переменных отражают не межкогортные различия, а лишь нелинейный компонент влияния трудового стажа на возраст, ничего не говоря о причинах криволинейности.

Структура выборки В данном исследовании в качестве основного источника информации об индивидуальных характеристиках и результатах экономической деятельности индивидуумов используется Российский мониторинг экономического положения и здоровья населения (RLMS). Данные RLMS содержат репрезентативную выборку из более чем 10 тысяч индивидуумов, которым были заданы вопросы, касающиеся различных аспектов их жизни, включая вопросы о заработках, образовании, общем трудовом стаже, трудовом стаже на данном рабочем месте, отработанном времени, профессии.

Данные RLMS представляют собой базу данных, объединяющую на данный момент результаты опроса в 10 раундах. Начало опроса относится к 1992 году, тогда как последняя десятая волна завершена недавно. Опрос включает две стадии. Набор переменных и выборка респондентов по стадиям различаются. В данном проекте используются данные второй стадии, в которые входят раунды 5-10. График сбора данных выглядит следующим образом: раунд 5 – ноябрь-декабрь 1994, раунд 6 – октябрь-декабрь 1995, раунд 7 –октябрь-декабрь 1996, раунд 8 – октябрь 1998 – январь 1999, раунд 9 – сентябрь-декабрь 2000, раунд 10 – сентябрь-декабрь 2001.

Число переменных от раунда к раунду возрастает, некоторые переменные присутствуют только в отдельных раундах, поэтому появляется необходимость прикрепления переменных, присутствующих в одном раунде, к данным других раундов. Данные RLMS не являются «чисто»

панельными, потому что каждый раунд кроме респондентов, которые уже были опрошены в предыдущих раундах, содержит некоторую долю новых респондентов, не принимавших участия в опросе до этого. С другой стороны, в каждой волне некоторая доля респондентов исчезает из выборки из-за переезда на другое место проживания, или, возможно, вследствие отказа от участия в опросе. Это налагает существенные ограничения на перемещение информации между волнами опроса. Тем не менее, панельные свойства базы данных могут быть использованы для того, чтобы скорректировать ошибочные ответы респондентов. Используя объединенный файл данных, мы проверили согласованность значений тех переменных, которые должны оставаться неизменными во времени – национальности респондентов, места рождения, профессии до переходного периода, и для каждого индивидуума на основе информации, содержащейся во всех раундах второй стадии, были определены наиболее вероятные значения данных переменных. Российский мониторинг экономического положения и здоровья населения создавался как репрезентативная выборка российских домашних хозяйств, однако, со временем некоторые домашние хозяйства покинули то место проживания, где они были первоначально опрошены, и переехали на другое место жительства, поэтому на данный момент в каждом раунде RLMS имеются две выборки. Первая представляет собой выборку домашних хозяйств, которые опрошены по месту исходного проживания тех домашних хозяйств, которые были изначально отобраны для проведения опроса (т. е., по месту их проживания на 1994 год). Персонал RLMS приложил усилия для того, чтобы найти и опросить те домашние хозяйства, которые сменили место проживания в течение опроса, поэтому была создана другая выборка – выборка, включающая индивидуумов, проживающих по месту проживания тех домашних хозяйств, которые первоначально были отобраны для проведения опроса, плюс те домашние хозяйства, которые переехали на другие места проживания и были обнаружены персоналом. Только первая выборка является представительной, т. е. представляет генеральную совокупность российских домашних хозяйств, следовательно, любые сравнения между раундами будут достоверны только в том случае, если они проведены на основе первой выборки.

Поскольку в настоящем исследовании проводится панельный анализ, мы будем использовать первую выборку в качестве основной базы данных.

Описательные статистики Как было указано выше, количество наблюдений и количество переменных в данных RLMS меняется от раунда к раунду. Исходная выборка содержит 11290 наблюдений в раунде 5, наблюдений в раунде 6, 10018 наблюдений в раунде 7, 9604 наблюдения в раунде 8, наблюдений в раунде 9, и 9305 наблюдений в раунде 10. Если мы обратим внимание на людей, Наиболее вероятные значения переменной «Год рождения респондента» рассчитаны персоналом, проводившим опрос и обработку данных, и включены в базу RLMS.

которые имели работу, то размер выборки значительно сократится: количество работающих респондентов в раунде 5 равно 4896, в раунде 6 – 4551, в раунде 7 – 4177, в раунде 8 – 3754, в раунде 9 – 3584, в раунде 10 – 3757. Следовательно, объединение данных всех раундов дает панельную базу данных, включающую 24719 наблюдений, которые представляют всех работающих людей из повторяющихся кросс-секций. Описательные статистики выборки занятых людей в сравнении с характеристиками выборки, использованной при оценивании, представлены в Табл. 11 (Приложение 2). Изучение Табл. 11 показывает, что описательные статистики выборки занятых близки по величине характеристикам оцененной выборки, тем не менее, определенные различия существуют.

Так, доля женщин заметно выше в оцененной выборке. Подробное изучение данного факта показывает, что занятые мужчины имеют пропущенные данные о заработках чаще, чем занятые женщины, то есть, мужчины и женщины имеют различную вероятность сообщения данных о заработках, что приводит к завышенной доле женщин в оцениваемой выборке. Нарушенная половая структура оцениваемой выборки предполагает стратегию раздельной оценки моделей для половых групп.

Анализ описательных статистик по когортным и половым группам дает некоторую информацию о различиях между когортными и половыми группами. В табл. 12 представлены описательные статистики для мужчин и женщин по когортам. Видна особая форма профиля средних заработков мужчин, максимум которого соответствует когорте рожденных в 1965-69 гг. или возрастной группе 25-36 лет с длительным постепенным снижением заработков после этой точки.

Такая форма функции заработков является отличительной чертой переходной экономики, что отмечено целым рядом исследователей. Функция заработков женщин выглядит более привычно, так что женщины, рожденные в 1950-54 и имеющие возраст 40-51 год, получают максимальные средние заработки. Различие профилей мужчин и женщин предполагает зависимость эффекта поколений от пола. Это предполагает необходимость раздельной оценки когортного эффекта по половым группам.

Результаты свидетельствуют, что трудовой стаж мужчин больше, чем у женщин, в то время как мужчины, как правило, имеют меньший трудовой стаж на данном рабочем месте. Это подразумевает пониженную мобильность женщин по сравнению с мобильностью мужчин. В табл. показано, что функции возраст-количество часов труда являются плоскими у обеих половых групп, что говорит о примерно одинаковой трудовой активности молодых и пожилых работников. Не наблюдается заметной тенденции к снижению или увеличению доли лиц славянской национальности с изменением когорты. Данное заключение, по всей видимости, можно распространить на обе половые группы. Данные показывают, что когорты различаются долей людей, рожденных в городе:

около 50% членов наиболее молодой когорты рождены в городе против 23-24% членов наиболее пожилой когорты. Очевидно, вариация доли людей, рожденных в городе, в зависимости от когорты является следствием процесса урбанизации, имевшего место в СССР. С точки зрения выделения чистых когортных эффектов, наличие зависимости от когорты доли людей, рожденных в городе, подтверждает необходимость учета прямого влияния городского места рождения на заработки.

Эконометрическая модель Эконометрическая модель данного исследования основана на подходе, предполагающем использование предложенной Минсером функции заработков для моделирования инвестирования в человеческий капитал (форм. 1). Из форм. 1 вытекает функция заработков Минсера с трудовым стажем и квадратом трудового стажа или с возрастом и квадратом возраста. Мы предполагаем, что в состав регрессоров результирующих моделей необходимо включить национальность, городское место рождения, профессию до переходного периода и когорту. Первые три эффекта могут быть напрямую оценены после включения в модель соответствующих бинарных переменных, но оценка эффекта когорты является более сложным делом. Начнем с того, что когортный эффект может быть представлен такими разными переменными, как год рождения и год входа на рынок труда. С одной стороны, год рождения является более точной переменной, потому что он прямо определен в базе РМЭПЗ, тогда как год входа на рынок труда необходимо рассчитывать как разницу между возрастом и реальным трудовым стажем. Такой расчет приводит к появлению шума, так как люди часто не помнят точное число лет трудового стажа. Кроме того, получаемая переменная смещена из-за наличия перерывов в трудовом стаже. С другой стороны, год рождения и год входа на рынок труда представляют различные эффекты, так как год рождения не несет информации о ситуации на рынке труда в момент входа. Таким образом, если рынок труда работает совершенным образом, то есть, имеет конкурентную природу и если спрос и предложение труда не «заморожены» и не полностью регулируемы, влияние года рождения будет, как правило, отличаться от влияния года входа на рынок труда. Однако рынок труда в плановой экономике Советского Союза был чрезвычайно регулируемым, так что можно ожидать схожесть эффектов года рождения и года входа на рынок труда.

Оценка эффектов года рождения и года входа на рынок труда затруднена наличием двух линейных зависимостей, во-первых, между годом рождения, возрастом и периодом, и, во-вторых, между годом входа на рынок труда, трудовым стажем и периодом. Является общепринятым, что когорта, возраст/трудовой стаж, и период оказывают различные эффекты на заработки. Так, когорта отражает влияние на развитие человеческого капитала социальных, политических и экономических условий в детстве или в момент входа на рынок труда, что ведет к возникновению устойчивых различий в заработках. Возраст или трудовой стаж со своими квадратами представляют процесс накопления или амортизации человеческого капитала в течение жизни. Наконец, период характеризует экономические условия на момент проведения опроса. Корректная спецификация функции заработков требует включения всех трех переменных в модель, оцениваемую на панельных данных. Тем не менее, с учетом линейной зависимости между эффектами полученная модель не может быть оценена и эффекты когорты, возраста/трудового стажа, периода не могут быть идентифицированы.

Когортные аналитики предложили два общих подхода преодоления проблемы идентификации.

Первый основывается на наложении ограничений на коэффициенты модели, выбранные на основе внешней информации или априорных предположений. В работах, использующих данные из развитых стран и посвященных выделению эффектов когорты, возраста и периода, исследователи часто принимают величину одного из эффектов равной 0. К сожалению, приравнивание рассматриваемых эффектов к нулю, по всей видимости, не допустимо в переходной экономике, которая, как правило, характеризуется, во-первых, высокой вариацией экономической активности во времени (ненулевым эффектом периода), во-вторых, зависимостью поведения людей от когорты (ненулевым когортным эффектом), в третьих, наличием Минсеровской зависимости между заработками и возрастом или трудовым стажем (ненулевым эффектом возраста или трудового стажа).

Второе решение проблемы идентификации основано на нахождении внешней переменнойзаменителя, которая бы была тесно связана с одной из переменных, входящих в линейную комбинацию, будучи независимой от остальных переменных. Мы для этих целей будем использовать логарифм годового индекса реальной заработной платы, издаваемого Госкомстатом, как переменную-заменитель для текущего периода. В основе данной замены лежит следующая логика.

По принципу построения, индекс реальной заработной платы является отношением реальной заработной платы в периоде t к реальным заработной плате в периоде 0: RWt/RW0. Так как lnRWt/RW = lnRWt - lnRW0 и lnRW0 одинаков для всех периодов и индивидуумов, результат оценивания модели с логарифмом индекса реальной заработной платы в правой части идентичен результату оценивания модели с логарифмом средней реальной заработной платы в периоде t за исключением константы, которая уменьшится на lnRW0. Так как логарифм средней реальной заработной платы в модели, где зависимой переменной выступают реальные индивидуальные заработки в периоде t, служит в качестве среднего уровня зависимой переменной в периоде t, логарифм индекса реальной заработной платы в правой части будет выступать в качестве переменной периода, будучи не связанной с возрастом/трудовым стажем и когортой.

Итоговая модель выглядит следующим образом:

lnRWit = a0 + a1BYLTi + a2ALTit + na3nDBYni + ma4mDAmit + a5lnRWIt + a6DURBi + a7DNATi + lnRWit = b0 + b1YELTi + b2ELTit + nb3nDYEni + mb4mDEmit + b5lnRWIt + b6DURBi + b7DNATi + где: lnRWit – логарифм реальных месячных заработков;

BYLTi – линейный тренд года рождения (линейный компонент эффекта года рождения), который принимает значение 1 для последнего года рождения в выборке: BYLT = 1, 2,..., J;

ALTit – линейный тренд возраста (линейный компонент эффекта возраста), который принимает значение 1 для наиболее молодой возрастной группы в выборке: ALT = 1, 2,..., Z;

DBYni – бинарные переменные для года рождения с 1-летним окном (нелинейный компонент эффекта года рождения): DBYni = 1, если n = BYLT; n = 1, 2,..., J; DBYni = 0 в противном случае;

– бинарные переменные для возраста с 1-летним окном (нелинейный компонент эффекта возраста): DAmit = 1, если m = ALT; m = 1, 2, ..., Z; DAmit = 0 в противном случае;

YELTi – линейный тренд для года входа на рынок труда (линейный компонент эффекта года входа на рынок труда), который принимает значение 1, если индивидуум вошел на рынок труда в 1994 году; затем, 2, если он вошел на рынок труда в 1993 году и т. д.: YELT = 1, 2,..., K;

ELTit – линейный тренд трудового стажа (линейный компонент эффекта трудового стажа), который принимает значение 1, если трудовой стаж равен 0, затем, он принимает значение 2, если трудовой стаж равен 1 и т. д.: ELT = 1, 2,..., E;

DYEni – бинарные переменные для года входа на рынок труда с 1-летним окном (нелинейный компонент эффекта года входа на рынок труда): DYEni = 1, если n = YELT; n = 1, 2,..., K; DYEni = 0 в противном случае;

DEmit – бинарные переменные для трудового стажа с 1-летним окном (нелинейный компонент эффекта трудового стажа): DEmit = 1, если m = ELT; m = 1, 2,..., E; DEmit = 0 в противном случае;

lnRWIt – логарифм индекса реальной заработной платы; DURBi – бинарная переменная для городского места рождения; DNATi – бинарная переменная для славянской национальности;

DOCC90ki – бинарные переменные для профессии до переходного периода; Xit – вектор-столбец прочих переменных, влияющих на человеческий капитал, который включает бинарные переменные для уровня наивысшего образовательного диплома, профессиональные и региональные бинарные переменные, трудовой стаж на данном рабочем месте, логарифм часов труда, бинарную переменную, определяющую тип населенного пункта на момент интервью; A и B – векторы-столбцы коэффициентов; 1it и 2it – члены ошибки; i обозначает индивидуума; t обозначает текущий период.

Каждая модель содержит четыре линейные зависимости между переменными. Так, следующие зависимости nDBYni = 1, mDAmit = 1, nn*DBYni = BYLT, mm*DAmit = ALT nDYEni = 1, mDEmit = 1, nn*DYEni = YELT, mm*DEmit = ELT присутствуют среди переменных моделей (2) и (3) соответственно, так что модели могут быть оценены только с четырьмя ограничениями, наложенными на их параметры. Наложение a31 = a41 = и b31 = b41 = 0 дает по два ограничения для каждой модели; некоррелированность в рамках выборки нелинейных компонентов эффектов года рождения, возраста, года входа на рынок труда, и трудового стажа с соответствующими линейными компонентами дает еще по два дополнительных ограничения для каждой из моделей.

Так как Госкомстат рассчитывает индекс реальной заработной платы для генеральной совокупности, включающей как мужчин, так и женщин, он может представлять эффект периода, возникающего на выборке, которая включает как мужчин, так и женщин. Таким образом, модели (2) и (3) нельзя оценить отдельно для мужчин и женщин, что в свете цели данного исследования является большим недостатком метода, поскольку модели не позволяют исследовать причины различий когортного эффекта по половым группам (см. раздел Описательные статистики).

Использование логарифма индекса реальной заработной платы в моделях (2) и (3) также ограничивает тип зависимой переменной денежными заработками на основной работе, не позволяя применить другие показатели вознаграждения, включающие задолженность по заработной плате или доход от всех источников. Это ограничивает применение анализа устойчивости результатов.

Для того чтобы оценить когортный эффект по половым группам и расширить применимость анализа устойчивости, можно использовать следующий метод.

Во-первых, оценив модели (2) и (3), можно сразу рассчитать возраст и трудовой стаж, которые соответствуют максимуму заработков. Эти оценки можно рассматривать как ключевые значения, характеризующие процесс человеческого накопления в России. Теория человеческого капитала предсказывает рост заработков в течение большей части трудовой жизни. Они начинают снижаться лишь незадолго до ухода рабочего на пенсию, поэтому возраст и трудовой стаж, максимизирующие заработки, должны, как правило, быть немного меньше, чем возраст и трудовой стаж, при которых работники в основном выходят на пенсию. Можно утверждать, что в России возраст, который соответствует максимуму заработков, институционально привязан к 3-летнему временному интервалу перед выходом на пенсию, так как размер индивидуальных пенсионных выплат рассчитывается государством на основе среднемесячных заработков за трех летний период, предшествующий выходу на пенсию. Следовательно, в России работники имеют стимулы зарабатывать как можно больше перед выходом на пенсию. Так как возраст выхода на пенсию в России обычно составляет 55-65 лет в зависимости от пола, профессии, региона и других факторов, можно ожидать, что возраст, который соответствует максимуму заработков, находится в диапазоне от 50 до 60 лет.

Во-вторых, следуя стратегии, разработанной G. Hanoch (см. Hanoch and Honig, 1985), мы оценим две линейные комбинации трех линейных компонентов эффектов возраста/трудового стажа, когорты и текущего периода и все нелинейные компоненты рассматриваемых эффектов по половым группам. Метод основан на модели с двумя линейными трендами для когорты и возраста/трудового стажа и тремя наборами бинарных переменных, представляющих нелинейные компоненты эффектов когорты, возраста/трудового стажа и периода. Таким образом, набор индикаторных переменных периода заменяет логарифм индекса реальной заработной платы в моделях (2) и (3), что дает модели (4) и (5):

lnRWit = c0 + c1BYLTi + c2ALTit + nc3nDBYni + mc4mDAmit + sc5sDYs + c6DURBi + c7DNATi + lnRWit = d0 + d1YELTi + d2ELTit + nd3nDYEni + md4mDEmit + sd5sDYs + d6DURBi + d7DNATi + DYs – бинарные переменные для текущего периода с однолетним окном (нелинейный модели; DYs = 0 в противном случае;

Шесть линейных зависимостей существует между переменными каждой из моделей (4) и (5), то есть, nDBYni = 1, mDAmit = 1, sDYs = 1, nn*DBYni = BYLT, mm*DAmit = ALT, ss*DYs = ALT – BYLT + 1, и nDYEni = 1, mDEmit = 1, sDYs = 1, nn*DYEni = YELT, mm*DEmit = ELT, ss*DYs = ELT – YELT + 1 соответственно, поэтому модели могут быть оценены только с шестью ограничениями, наложенными на их коэффициенты. Наложение c31 = c41 = c51 = 0 и b31 = b41 = b51 = 0 дает три ограничения для каждой модели; некоррелированность в рамках выборки нелинейных компонентов эффектов года рождения, возраста, года входа на рынок труда, трудового стажа, периода и соответствующих линейных компонентов дает еще три дополнительных ограничения для каждой модели. В результате, оценка моделей дает состоятельные и несмещенные оценки всех нелинейных компонентов и двух линейных комбинаций линейных компонентов трех эффектов. Модели могут быть оценены с любым типом заработков в качестве зависимой переменной, что позволяет расширить анализ устойчивости.

В-третьих, чтобы получить когортные эффекты из моделей (4) и (5), мы можем использовать оценки возраста и трудового стажа, соответствующие максимуму заработков всего населения, которые получены из моделей (2) и (3). Здесь мы используем предположение о том, что заработки как мужчин, так и женщин достигают максимума при одинаковом возрасте/трудовом стаже, или мы можем использовать более сложные предположения о положении пиков заработков по половым группам. Используя предположение о положении пиков заработков и имея оценки нелинейных компонентов эффектов возраста и трудового стажа из моделей (4) и (5), можно построить карту кривых заработки-возраст и заработки-трудовой стаж при разных значениях линейного компонента эффектов возраста и трудового стажа и найти такие значения линейных компонентов эффектов возраста и трудового стажа, которые дают профили, достигающие максимума при значениях возраста и трудового стажа, которые соответствуют пику заработков всего населения. Используя эти оценки линейных компонентов и оценки c1, c2, d1, и d2 из моделей (4) и (5), можно получить значения линейных компонентов когортного эффекта и полные когортные эффекты по половым группам.

Смещение из-за ошибки выборки Имеется ряд причин, которые могут вызывать смещение из-за ошибки выборки в России. Вопервых, если решения людей о том, работать или не работать, зависят от заработков, возникнет смещение по причине ошибки выборки и люди с низкой способностью получения дохода будут недостаточно представлены в выборке, при условии положительной зависимости между предложением труда и заработками. Во-вторых, необходимо рассмотреть проблему скрытой заработной платы, так как наличие данных о заработках зависит от выбора между тем, сообщать или не сообщать эти данные в ходе опроса. Результаты, полученные Айвазяном и Колениковым (2001) говорят о том, что вероятность сообщения является убывающей функцией от расходов домохозяйства, которые коллинеарны с заработками.

Для коррекции смещения из-за ошибки выборки обычно используется модель отбора Хекмана. Так как модель отбора Хекмана оценивается на выборке работающих и неработающих людей, в качестве регрессоров в уравнении заработков присутствуют только такие переменные, которые имеют непропущенные значения как для работающих, так и для неработающих людей, то есть, набор регрессоров включает линейные тренды для когорты и возраста (или трудового стажа), и бинарные переменные региона, уровня наивысшего образовательного диплома, когорты, возраста или трудового стажа, периода, городского места рождения, славянской национальности и типа населенного пункта в момент интервью. Помимо переменных, включенных в уравнение заработков, уравнение отбора в нашем случае будет включать переменные, которые могут влиять на вероятность сообщения заработков, а именно, число членов семьи, квадрат числа членов семьи и бинарные переменные, задающие собственное жилье, состояние здоровья и семейное положение.

Смещение из-за исключения переменных Смещение из-за исключения переменных возникает в моделях, так как годы перерыва трудового стажа, которые ненаблюдаемы, не включены в модель. Нас в первую очередь интересует обсуждение знака и величины потенциального смещения коэффициентов при когорте, городском месте рождения, национальности и профессии до переходного периода. Тем не менее, смещение коэффициентов при возрасте/трудовом стаже также представляет интерес, так как возраст/трудовой стаж и когорта входят в линейную комбинацию, поэтому смещение, например, эффекта возраста может привести к некорректной оценке когортного эффекта.

«Истинная» модель будет иметь следующий вид:

где Pti – вектор-столбец регрессоров вместе с константой, входящих в оцениваемые модели; Iti – годы перерыва образования и трудового стажа; i обозначает индивидуума; t обозначает период. Из результатов, полученных Mincer и Polachek (1974), следует, что эффект I на заработки составляет порядка –0.015.

Оценка модели (6) без Iti дает вектор-столбец смещенных коэффициентов F:

где G – вектор-столбец коэффициентов из регрессии Iit на Pit; член G представляет смещение.

Можно сказать, что связь между I и городским местом рождения, национальностью, профессией до переходного периода отсутствует, поэтому коэффициенты при последних не будут смещены. Однако ожидается, что зависимость I от когорты является ненулевой по ряду причин. С одной стороны, российские мужчины, родившиеся в 1930-х гг. и служившие в армии в 1950-х гг., имели более длинный срок армейской службы, который равнялся пяти годам в 1950-х гг. против двух лет в 1980-х гг. Тем не менее, различие в продолжительности армейской службы может не повлиять на величину I (то есть, не повлиять отрицательно на заработки), так как служба в армии может рассматриваться как часть общего трудового стажа работника, способствующая развитию некоторых общих и специальных навыков. С другой стороны, пожилые рабочие, по-видимому, будут иметь более длинный период перерыва в течение 1990-х гг., когда они были вынуждены покинуть состав занятых из-за отсутствия необходимых навыков. Нахождение в состоянии безработного или вне состава рабочей силы усиливало обесценивание человеческого капитала пожилых людей, что вызывало дополнительное понижение их заработков.

Следовательно, независимо от типа когорты, мы можем предположить положительную зависимость I от линейного когортного тренда и бинарных переменных, представляющих пожилые когорты, создающую смещение в сторону понижения соответствующих коэффициентов в моделях (2)–(5). Тем не менее, смещение частично объясняется отсутствием необходимых качеств, поэтому, даже будучи смещенными, коэффициенты при когорте адекватно отражают межкогортные различия в навыках.

Что касается смещения эффектов возраста или трудового стажа в (6), естественно предположить, что I является положительной функцией от возраста и трудового стажа. Однако следует ожидать слабую зависимость I от возраста/трудового стажа, так как дополнительный год возраста или трудового стажа, как правило, увеличивают среднее число лет перерыва на пренебрежимо малую величину.

Устойчивость оценок параметров мультиколлинеарности, что может привести к нестабильности оценок параметров, поэтому необходимо провести анализ устойчивости оценок. Анализ устойчивости будет включать следующие этапы.

Во-первых, выделение истинных когортных эффектов будет сделано путем независимой оценки двух линейных комбинаций а) между годом рождения, возрастом и периодом и б) между годом входа на рынок труда, трудовым стажем и периодом.

Во-вторых, модели (4)–(5) будут оценены с различными зависимыми переменными, такими как логарифм денежного месячного заработка на основном месте, логарифм месячного заработка во всех формах на основном месте, совокупный доход во всех формах из всех источников.

В-третьих, МНК оценки модели (4) будут сравнены с результатами, полученными при оценке модели селекции Хекмана, что помимо прочего, предполагает изменение набора регрессоров.

Оценка на повторяющихся кросс-секциях Использование повторяющихся кросс-секций в анализе рождает специфические проблемы, связанные с применением весов и учетом кластеризованности данных, а также гетероскедастичности.

Использование весов Взвешенное оценивание позволяет снизить дисперсию оценок и устранить смещение, появившееся на стадии стратификации выборки. Данные RLMS содержат переменную постстратификационного веса, созданную для коррекции структуры выборки в том смысле, что сумма весов для определенной подгруппы населения должна соответствовать пропорциям генеральной совокупности согласно переписи населения. Возраст, пол, и тип населенного пункта использовались для выделения групп, а данные о населении России согласно переписи 1989 года и микропереписи 1994 года служили в качестве основы для расчета пропорций генеральной совокупности. Пусть Nj является числом индивидуумов в группе j генеральной совокупности; N – общее число индивидуумов в генеральной совокупности; njt – число индивидуумов в группе j выборки в периоде t;

nt – общее число индивидуумов в выборке в периоде t. Тогда, весовая переменная RLMS (wjt) удовлетворяет следующему соотношению:

(njt*wjt)/nt = Nj/N, wjt = (Nj/njt)*(nt/N) = pjt*(nt/N), где pjt – число индивидуумов группы j генеральной совокупности, представленных одним индивидуумом, принадлежащим к группе j выборки в периоде t.

Определение переменной pjt соответствует определению выборочных весов пакета STATA.

Изменение масштаба выборочных весов не влияет на оценки и стандартные отклонения. На кросссекционных данных, когда nt и N постоянны, wjt является линейной функцией от pjt, то есть, wjt может рассматриваться как pjt с измененным масштабом. Таким образом, на кросс-секционных данных можно непосредственно использовать весовую переменную RLMS в качестве переменной, представляющей выборочные веса пакета STATA. Однако nt меняется на панельных данных, объединяющих различные кросс-секции, поэтому wjt не является линейной функцией от pjt на панельных данных и не может быть использована в качестве выборочных весов без преобразования.

Разделив wjt на nt и умножив на 10000 для удобства, получаем следующее выражение:

где созданная весовая переменная w jt является линейной функцией от pjt на панельных данных. Для проведения панельного анализа, мы создали новую весовую переменную w jt в соответствии с выражением (7) с целью ее использования в пакете STATA в качестве переменной выборочных весов.

Кластеры и гетероскедастичность Использование повторяющихся кросс-секций в анализе рождает проблему кластеризации данных, так как наблюдения, представляющие одного и того же индивидуума в различных периодах времени, не являются независимыми друг от друга, поэтому мы можем говорить о кластерах, каждый из которых представляет одного индивидуума. Для коррекции оценок мы будем использовать возможности кластерных оценок пакета STATA, позволяющие получить робастные оценки дисперсии и стандартных отклонений. При анализе повторяющихся кросс-секций можно также столкнуться с проблемой гетероскедастичности, поскольку данные составлены из различных выборок. Робастная оценка, основанная на методе Вайта, решает также и эту проблему.

Результаты оценивания Чтобы показать неадекватность модели накопления человеческого капитала, не учитывающей неоднородность человеческого капитал, мы начнем с оценки функции заработков, которая включает стандартный набор регрессоров, то есть, возраст или трудовой стаж с их квадратами, логарифм часов труда, трудовой стаж на данном рабочем месте, бинарные переменные региона, профессии, уровня наивысшего образовательного диплома, периода и городского проживания. Модель оценивалась раздельно по половым группам на выборке рабочих, имеющих возможность работать полный рабочий день, в возрасте 20-65 включительно. Выборка содержала наблюдения, собранные в раундах 5-10 РМЭПЗ. Логарифм месячных денежных заработков на основном месте использовался в качестве зависимой переменной. В табл. 1 показаны оценки эффектов трудового стажа, квадрата трудового стажа, возраста и квадрата возраста по половым группам, тогда как полные результаты представлены в табл. 13, Приложение 3.

Табл. 1. Стандартная функция заработков: оценки эффектов трудового стажа, квадрата трудового стажа, возраста и квадрата возраста по половым группам, 1994-2001.

Табл. 1 показывает, что стандартная модель неадекватно описывает процесс накопления человеческого капитала. Согласно оценкам пик заработков мужчин соответствует 14,3 лет трудового стажа и возрасту 34,8. Заработки женщин достигают максимума в возрасте 41.4, в то время как их кривая заработки-трудовой стаж почти плоская, с незначительной выгнутостью вниз. Максимум заработков при низком возрасте и трудовом стаже, что особенно заметно у мужчин, свидетельствует о смещении оценок эффектов возраста и трудового стажа в сторону понижения из-за отсутствия в спецификации года рождения и года входа на рынок труда.

Для проверки влияния когорты на заработки можно использовать анализ остатков. Так как стандартная функция заработков включает только линейные тренды возраста и трудового стажа и их квадраты, нелинейный компонент когортного эффекта в основном остается в остатках.

Следовательно, четко выраженное неслучайное распределение остатков по когорте говорит о наличии когортного эффекта. Остатки оцененных моделей были предсказаны раздельно для половых групп, и внутри половых групп для каждой подгруппы с определенным возрастом или трудовым стажем были рассчитаны средние взвешенные остатки, принимая в качестве взвешивающего фактора число наблюдений в подгруппе. Взвешенные средние остатки, сглаженные скользящей средней, показаны на рис. (2) и (3).

Weighted residuals Рис. 2. Взвешенные остатки стандартной функции заработков, сглаженные MA(5), по году рождения и полу.

Weighted residuals Рис. 3. Взвешенные остатки стандартной функции заработков, сглаженные MA(5), по году входа на рынок труда и полу.

Можно заметить, что исключение когорты из модели, оцененной для мужчин, привело к ярко выраженному неслучайному распределению остатков по году рождения и году входа на рынок труда.

Мы видим необъясненное падение заработков мужчин, рожденных в середине 1950-х гг, которые вошли на рынок труда в середине 1970-х гг. Заработки женщин распределены более случайно, тем не менее, мы можем выделить аналогичное падение заработков женщин, вошедших на рынок труда в середине 1970-х гг. Результаты косвенно подтверждают сделанный ранее вывод о том, что когорта сильнее влияет на заработки мужчин.

Теперь мы обращаемся к оценке моделей (2) и (3), которые включают логарифм индекса реальной заработной платы как заменитель периода, на выборке, в которой представлены обе половые группы. Избранные коэффициенты моделей (2) и (3) представлены в табл. 2, в то время как полные результаты находятся в табл. 14 и 15, Приложение 3.

Табл. 2. Избранные коэффициенты моделей с индексом реальной заработной платы.

д.)

ПРФЕССИЯ ДО ПЕРЕХОДНОГО

ПЕРИОДА Примечание: В скобках стандартные отклонения.

В табл. 2 мы видим, что величина когортного эффекта практически не зависит от модели и строго значима. Отрицательный знак эффекта означает, что рождение на год раньше или вход на рынок труда на год раньше, как правило, снижает заработки. Снижение составляет примерно 2% по величине. Эффект логарифма индекса реальной заработной платы стремится к 1. Данный результат подтверждает предположение о том, что логарифм индекса реальной заработной платы является заменителем периода. Можно напомнить, что логарифм индекса реальной заработной платы в правой части моделей (2) и (3) служит в качестве среднего уровня заработков в периоде t, следовательно, естественно ожидать линейную зависимость заработков от него, то есть, его единичное изменение должно сопровождаться единичным изменением заработков в среднем по выборке. Результаты также показывают статистически значимое влияние профессии до переходного периода на заработки. Так, текущие заработки людей, которые были чиновниками, менеджерами или специалистами с высшим образованием в 1990/91 гг., значимо выше заработков людей, которые были неквалифицированными рабочими в 1990/91, хотя разница по величине невелика. Влияние городского места рождения положительно и статистически значимо, в то время как славянская национальность, по-видимому, не оказывает влияния на заработки.

В целях экономии места нелинейные компоненты когортного эффекта не представлены в табл. 2. Вместо этого, мы рассчитали вытекающие эффекты когорты как сумму линейного и нелинейного компонентов (см. табл. 3).

Табл. 3. Когортные эффекты из модели с логарифмом индекса реальной заработной платы.

В табл. 3 показано, что эффекты года рождения и года входа на рынок труда сравнимы по величине, что не является удивительным, потому что, во-первых, советский рынок труда регулировался чрезвычайно сильно и заработки людей не зависели от экономических условий в период входа на рынок труда, и во-вторых, если бы они и зависели, последующие огромные изменения в спросе и предложении труда в течение переходного периода привели бы к исчезновению различий в заработной плате, вызванных данным обстоятельством. В результате можно заключить, что родиться позже или в городе, или быть чиновником, менеджером или специалистом с высшим образованием в 1990/1991 является предпочтительным с точки зрения накопления современного человеческого капитала в переходных условиях.

Чтобы перейти к оценке моделей (4) и (5), нам необходимы характеристики кривых заработоквозраст и заработок-трудовой стаж, вытекающие из моделей (2) и (3). Используя линейные и нелинейные компоненты эффектов возраста, мы предсказали заработки и регрессировали их на возраст и его квадрат. Коэффициенты при возрасте и квадрате возраста составили 0.0646 и –0. соответственно. Такая же процедура в отношении трудового стажа дала 0.0540 и –0.0007 как коэффициенты при трудовом стаже и его квадрате. Из этих цифр следует, что заработки мужчин и женщин достигают максимума при возрасте 55.1 и трудовом стаже 36.5. Округление дает возраст и трудовой стаж 37 как ключевые параметры, характеризующие функции заработков всего населения. Можно отметить, что данные цифры соответствуют ожидаемым (см. раздел Эконометрическая модель).

Теперь мы приступаем к оценке моделей (4) и (5), каждая из которых содержит линейные компоненты двух из трех эффектов и нелинейные компоненты всех эффектов, входящих в линейную комбинацию. Модели оцениваются раздельно для мужчин и женщин с логарифмом денежной месячной заработной платы на основном месте в качестве зависимой переменной. Результаты оценки представлены в табл. 16 и 17, Приложение 3, однако, выделение истинных когортных эффектов требует предположения о величине, по крайней мере, одного эффекта. Чтобы преодолеть проблему идентификации, предположим, что профили заработков обеих половых групп достигают максимума при возрасте 55 и трудовом стаже 37. Тогда, при заданных оцененных нелинейных компонентах эффектов возраста и трудового стажа, мы предсказали заработки при различных значениях линейных компонентов эффектов возраста и трудового стажа, выбранных из приемлемого диапазона, и подобрали такие значения линейных компонентов эффектов возраста и трудового стажа, которые дали профили, характеризующиеся максимумами при возрасте 55 и трудовом стаже 37 лет.

Подстановка подобранных значений линейных компонентов эффектов возраста и трудового стажа в соответствующие линейные комбинации дало «истинный» линейный компонент эффекта когорты.

Полученные оценки представлены в табл. 4 и 5.

Табл. 4. Избранные оценки из модели с когортой, возрастом/трудовым стажем, и периодом, по половым группам, 1994-2001.

ПРОФЕССИЯ ДО ПЕРЕХОДНОГО

Примечание: В скобках стандартные отклонения.

Табл. 5. Когортные эффекты из модели с когортой, возрастом/трудовым стажем, и периодом (максимум заработков при возрасте 55 и трудовом стаже 37).

Результаты показывают, что половые группы различаются по силе когортных эффектов.

Когорта воздействует на заработки мужчин в два раза сильнее по сравнению с женщинами. У мужчин профессия чиновника или менеджера в 1990/91 гг. существенно увеличивает текущие заработки, в то время как для женщин, служба в армии в 1990/91 гг. можно рассматривать как лучшую позицию в терминах текущих заработков. Городское место рождения повышает заработки обеих половых групп, однако, у мужчин этот эффект в два раза больше, чем у женщин. Наконец, славянская национальность не влияет на заработки обеих групп.

Предыдущие результаты получены при предпосылке, что заработки обеих половых групп достигают максимума при одинаковом возрасте и трудовом стаже. Однако до сих пор мы игнорировали половое различие в возрасте выхода на пенсию. В России мужчины выходят на пенсию, как правило, позже, следовательно, заработки мужчин должны достигать максимума при более позднем возрасте, учитывая привязку максимума заработков к моменту выхода на пенсию.

Таким образом, нам нужно скорректировать максимумы заработков в зависимости от пола. В соответствии с нашими результатами, заработки всего населения достигают максимума при возрасте 55 лет, однако, это среднее значение, поэтому уместно предположить, что пик заработков мужчин приходится на возраст 60 лет, а пик заработков женщин соответствует возрасту 50 лет. То же самое справедливо в отношении трудового стажа, поэтому добавление и вычитание 5 лет к или из трудового стажа 37 лет дает целевые значения трудового стажа, соответствующие максимумам заработков мужчин и женщин соответственно. Когортные эффекты, рассчитанные в соответствии с новыми положениями пиков заработков, представлены в табл. 6.

Табл. 6. Когортные эффекты из модели с когортой, возрастом/трудовым стажем, и периодом (максимум заработков мужчин при возрасте 60 и трудовом стаже 42, максимум заработков женщин при возрасте 50 и трудовом стаже 32).

Изменение позиций пиков функций заработков вызвало рост когортных эффектов для мужчин и снижение их для женщин. Когортные эффекты у мужчин теперь в два или три раза больше, чем у женщин.

Оценка модели отбора Хекмана дает возможность скорректировать оценки с учетом смещения из-за ошибки выборки. Модели оцениваются в соответствии с (4) и (5), но трудовой стаж на данном рабочем месте, логарифм часов труда и бинарные переменные текущей профессии и до переходного периода удалены из спецификации, так как непропущенные значения этих переменных доступны только для работающих людей. Результаты оценки представлены в табл. 18 и 19, Приложение 3.

Оценки эффектов городского места рождения и славянской национальности представлены в табл. 7.

Табл. 7. Оценки эффектов городского места рождения и славянской национальности из модели отбора Хекмана с когортой, возрастом/трудовым стажем и периодом.

Примечание: В скобках стандартные отклонения.

Результаты показывают, что эффект городского места рождения не изменился, находясь в диапазоне от 0.10 до 0.19 и являясь статистически значимым. Славянская национальность стала значимой в модели с годом рождения, возрастом и периодом, находясь в диапазоне от –0.0537 до – 0.0850. Когортные эффекты представлены в табл. 8.

Табл. 8. Когортные эффекты из модели отбора Хекмана с когортой, возрастом/трудовым стажем и периодом (максимум заработков мужчин при возрасте 60 и трудовом стаже 42;

максимум заработков женщин при возрасте 50 и трудовом стаже 32).

Из табл. 8 следует, что обе модели показывают присутствие сильного когортного эффекта.

Как и ранее, когорта оказывает более cильное влияние на мужчин, чем на женщин. Корреляционный коэффициент между ошибками уравнений заработков и отбора отрицательный и статистически значим во всех моделях. Видимо, этого говорит о том, что респонденты с более высокими ненаблюдаемыми способностями предпочитают не сообщать данные.

Теперь мы обращаемся к анализу устойчивости параметров. Это особенно актуально для когортных эффектов, которые подвержены смещению вследствие мультиколлинеарности. Для проверки устойчивости когортных эффектов мы оценим линейную регрессию с ограничениями и модель отбора Хекмана с ограничениями с другими зависимыми переменными, такими как логарифм месячных заработков во всех формах на основном рабочем месте и общий доход. Обе модели будут оценены в двух альтернативных спецификациях, одна с годом рождения, возрастом и периодом, другая с годом входа на рынок труда, трудовым стажем и периодом. С целью экономии места мы проанализируем эффект когорты в терминах его линейного компонента. Эффекты рассчитаны при условии, что заработки мужчин достигают максимума в возрасте 60 лет и при трудовом стаже года, тогда как максимум заработков женщин приходится на возраст 50 и трудовой стаж 32 года. По той же причине, полные результаты оценки не представлены, но доступны в случае необходимости.

Табл. 9. Устойчивость эффекта когорты, мужчины.

«Истинный» линейный компонент -0.0360 -0.0348 -0.0384 -0.0372 -0.0303 -0. эффекта года рождения «Истинный» линейный компонент -0.0356 -0.0284 -0.0316 -0.0473 -0.0275 -0. эффекта года входа на рынок труда Примечание: Зависимая переменная закодирована как 1, если это логарифм денежных заработков на основном месте; как 2, если это логарифм заработков на основном месте во всех формах; как 3, если это логарифм общего дохода от всех источников во всех формах.

Из табл. 9 очевидно, что вариация истинного линейного компонента когортного эффекта у мужчин очень небольшая, особенно линейного компонента эффекта года рождения, который находится в диапазоне от –0.0303 до –0.0384. Линейный компонент эффекта года входа на рынок труда показывает более высокую вариацию от –0.0275 до –0.0473, возможно потому что построение переменной год входа на рынок труда сопровождается появлением шума и смещения, так что она является менее точным заменителем когорты в сравнении с годом рождения (данный вопрос кратко обсужден в разделе Эконометрическая модель).

Табл. 10. Устойчивость эффекта когорты, женщины.

«Истинный» линейный компонент -0.0099 -0.0112 -0.0174 -0.0141 -0.0175 -0. эффекта года рождения «Истинный» линейный компонент -0.0100 -0.0085 -0.0120 -0.0240 -0.0217 -0. эффекта года входа на рынок труда Примечание: Зависимая переменная закодирована как 1, если это логарифм денежных заработков на основном месте; как 2, если это логарифм заработков на основном месте во всех формах; как 3, если это логарифм общего дохода от всех источников во всех формах.

То же заключение можно сделать в отношении устойчивости оценок для женщин (табл. 10).

Оценки устойчивы к изменениям метода оценки и спецификации. Вариация линейного компонента для эффекта года входа на рынок труда выше, чем для года рождения по той же причине. Оценки линейного компонента эффекта года рождения лежат в диапазоне от –0.0099 до –0.0175, в то время как для эффекта года входа на рынок труда они находятся в интервале от –0.0085 до –0.0240.

Выводы для экономической политики Данное исследование показывает, что неоднородность человеческого капитала является важной проблемой Российской переходной экономики, так как когорта, городское место рождения и профессия до переходного периода влияют на заработки во всех моделях, в то время как значимый эффект национальности обнаружен после коррекции смещения из-за ошибки выборки. Эффект когорты является наиболее сильным. Беря оценки линейного компонента когортного эффекта из модели с годом рождения, возрастом и периодом, которая дает более стабильные оценки, составляющие примерно –0.035 для мужчин и –0.0135 для женщин (табл. 9 и 10), получаем, что когортный эффект создает трехкратное различие в заработках мужчин возраста 20 и 60 лет и 70% различие в заработках женщин тех же возрастов. С точки зрения теории человеческого капитала преимущество в заработках молодых рабочих над пожилыми является проявлением различий в ненаблюдаемых навыках молодых и пожилых работников. В отношении когортного эффекта мы придерживаемся мнения, что он не исчезнет немедленно в будущем. К сожалению, временной интервал как переходного периода, так и сбора данных в переходных странах слишком короток, чтобы серьезно анализировать будущие перспективы когортного эффекта в России. Тем не менее, можно предположить, что формирование черт, необходимых для личной эффективности в рыночной среде, еще не закончилось и этот процесс будет происходить в дальнейшем. Миграционные исследования, демонстрирующие стабильность различий поведенческих навыков коренных жителей и мигрантов в течение очень длительного периода, подтверждают мнение о том, что человеческие черты и привычки инертны по своей природе даже под давлением сильных внешних стимулов. Мы считаем, что превращение русского мужчины в экономического человека, если и возможно, то является делом длительного периода и проблема когортного эффекта является как проблемой настоящего, так и будущего. Переходя к остальным эффектам, славянская национальность, повидимому, находится в менее привилегированной позиции в терминах текущих заработков, как и люди, родившиеся в деревне, независимо от пола. В то же время, специфические профессиональные навыки, накопленные до переходного периода, видимо действуют до настоящего времени, влияя на текущие заработки обеих половых групп.

Рассмотренные вопросы, особенно те, которые касаются эффекта когорты, затрагивают ряд специфических проблем, связанных с экономической политикой. Во-первых, одним из последствия когортного эффекта является проблема нарушенного распределения дохода. В рыночной экономике социальная значимость индивидуума измеряется, осознанно или неосознанно, в терминах получаемого им дохода. Так, меньшие заработки пожилых людей в сравнении с заработками молодых опасны, так как родители в возрасте 60 лет вряд ли будут являться примером для детей в возрасте 20 лет, если последние зарабатывают больше, чем первые. Тем не менее, именно эта ситуация является типичной для переходных экономик, в отличие от развитых стран, где дети обычно начинают зарабатывать больше родителей только после того, как последние выйдут на пенсию. Таким образом, в переходной экономике экономическая неэффективность родителей превращается в их моральную несостоятельность с разрушительными последствиями для общества.

С нашей точки зрения, государство должно контролировать различия в заработной плате, возможно, с помощью определенного рода активной политики на рынке труда, нацеленной на предоставление пожилым работникам рабочих мест в некоторых секторах экономики.

Во-вторых, в связи с наличием сильного когортного эффекта приемлемость накопительной пенсионной системы ставится под сомнение. Когортный эффект гарантирует, что настоящая ценность ожидаемых будущих заработков каждой новой когорты будет существенно выше, чем у рабочих из предыдущих когорт. Следовательно, когортный эффект будет увеличивать разрыв между средними заработками работающего населения и пенсиями, выплачиваемыми из накопленных фондов выходящих на пенсию людей. Негативное отношение молодых людей к пожилым, социальная нестабильность и моральная деградация молодых снова возникают в качестве результатов этой разрушительной тенденции. С нашей точки зрения, распределительная система пенсионных выплат является более приемлемой для России, так как она корректирует распределение доходов, нарушенное в ходе переходного периода.

Библиография 1. Aivazjan S., Kolenikov S. (2001) Uroven’ bednosti i differenciacija naselenija Rossii po raschodam. EERC’s Working Paper Series, 01/01.

2. Becker G. (1964) Human Capital. New York: Nat. Bur. Econ. Res.

3. Behrman J. R., and N. Birdsall. (1983) The Quality of Schooling: Quantity Alone Is Misleading.

American Economic Review, 73, December, 928–946.

4. Ben-Porath Y. (1967) The Production of Human Capital and the Life Cycle of Earnings. Journal of Political Economy, 75(4), part 1, August, 352 – 356.

5. Berger M. C., John S. Earle, Klara Z. Sabirianova. (2001) Worker Training in a Restructuring Economy: Evidence from the Russian Transition. IZA Discussion Papers Series, September, 361.

6. Blinder A. S. & Weiss Y. (1976) Human Capital and Labor Supply: A Synthesis. Journal of Political Economy, 84, June, 449 – 472.

7. Card D. (2000) Estimating the Return to Schooling: Progress on Some Persistent Econometric Problems. NBER Working Paper Series, 7769.

8. Card D., and A. Krueger. (1992) School Quality and Black-Wight Relative Earnings: A Direct Assessment. Quarterly Journal of Economics, 107, February, 151–200.

9. Chase R. S. (1997) Markets for Communist Human Capital: Returns to Education and Experience in the Czech Republic and Slovakia. Yale University Economic Growth Center Discussion Paper, 10. Earle J.S., K.Z. Sabirianova. Understanding Wage Arrears in Russia. SITE Working Paper, 139.

11. Haley W. J. (1976) Estimation of the Earnings Profile from Optimal Human Capital Accumulation. Econometrica, 44 (6), November, 1223–1238.

12. Hanoch G., Honig M. (1985) “True” Age Profiles of Earnings: Adjusting for Censoring and for Period and Cohort Effects. The Review of Economics and Statistics, 67(3), August, 383-394.

13. Heckman J. (1976) A Life Cycle Model of Earning, Learning and Consumption. Journal of Political Economy, 84, August, S11 – S44.

14. Heckman J., A. Layne-Farrar, and P. Todd. (1996) Human Capital Pricing Equations with an Application to Estimating the Effect of Schooling Quality on Earnings. The Review of Economics and Statistics, 78 (4), November, 562–610.

15. Heckman, J., and R. Robb (1985). Using Longitudinal Data to Estimate Age, Period and Cohort Effects in Earnings Equations. In: Mason, William M. and S.E. Fienberg, Cohort Analysis in Social Research. Beyond the Identification Problem. New York: Springer.

16. Holtmann A. G., and T. L. Idson. (1991) Employer Size and On-the-Job Training Decisions.

Southern Economic Journal, 58, October, 339-55.

17. Johnson G. E., and Stafford F. P. (1973) Social Returns to Quantity and Quality of Schooling.

Journal of Human Resources, 8, Spring, 139–155.

18. Mincer J. (1958) Investment in Human Capital and the Personal Income Distribution. The Journal of Political Economy, 66, 281 – 302.

19. Mincer J. (1974) Schooling, Experience, and Earnings. N. Y., Columbia University Press.

20. Mincer J. (1993) Studies in Human Capital. Hints, England.

21. Mincer J., Polachek S. (1974) Family Investments in Human Capital: Earnings of Women. The Journal of Political Economy, 82, 2, pt. 2, March-April 1974, S76-S108.

22. Munich D., J. Svejnar, and K. Terrell. (2000) Returns to Human Capital under the Communist Wage Grid and During the Transition to a Market Economy. IZA Discussion Paper, 122.

23. Nesterova D., and K. Sabirianova. (1999) Investicii v chelovecheskii kapital v perehodnyi period v Rossii. EERC Working Papers Series, 99/04.

24. Newell A., and B. Reilly. (1996) The Gender Wage Gap in Russia: Some Empirical Evidence.

Labour Economics, 3, 337–356.

25. Noorkiv R., P. Orazem, A. Puur, and M. Vodopivec. (1997) Employment and Wage Dynamics in the Estonia Transition, 1989-1995.

26. Sabirianova K. (2000) The Great Human Capital Reallocation: A Study of Occupational Mobility in Transitional Russia. EERC Working Papers Series, 2K/12.

27. Topel R. (1991) Specific Capital, Mobility, and Wages: Wages Rise with Job Seniority. Journal of Political Economy, 99 (1), 145–176.

Приложение 1. Описание переменных.

Данные RLMS предлагают несколько переменных, отражающих вознаграждение работника.

Во-первых, работников спрашивали о величине денежного вознаграждения, полученного по основному месту работы и на других местах работы. Во-вторых, они рассказывали, имеют ли их работодатели перед ними долги по заработной плате. В-третьих, их спрашивали о получении заработков в форме продукции предприятия. В-четвертых, они сообщали свой общий доход от всех источников. Данная информация была использована для создания переменных, описывающих заработки индивидуумов. Чтобы скорректировать полученные показатели с учетом регионального уровня цен, были созданы региональные ценовые дефляторы, представляющие собой отношение стоимости потребительской корзины в данном регионе к стоимости потребительской корзины в Санкт-Петербурге. Региональные ценовые дефляторы для раундов 5-8 рассчитывались на основе данных Госкомстата о стоимости минимальной корзины пищевых продуктов по регионам, поскольку только эта информация предоставлялась Госкомстатом в период 1994-1998 гг. Региональные ценовые дефляторы для раундов 9-10 были рассчитаны на основе данных Госкомстата о стоимости стандартной потребительской корзины товаров и услуг по регионам, которые стали публиковаться Госкомстатом с 2001 года. В итоге, заработки были разделены на соответствующий региональный дефлятор и на годовой индекс потребительских цен.

Были рассчитаны следующие переменные индивидуальных заработков.

1. Логарифм месячных дефлированных денежных заработков, полученных по месту основной работы.

2. Логарифм дефлированной суммы месячных заработков, полученных по основному месту работы в денежной форме, плюс месячная задолженность по заработной плате по основному месту работы, плюс месячные заработки в форме продукции предприятия, полученные по основному месту работы. Месячная задолженность по заработной плате по основному месту работы представляет собой общую задолженность по заработной плате по основному месту работы, деленную на величину месячной заработной платы. Принципы расчета месячной задолженности по заработной плате обсуждали J.S. Earle and K.Z. Sabirianova в своей работе, посвященной проблеме невыплаты заработной платы в России (см. раздел Использованная литература).

3. Логарифм дефлированной суммы общего денежного месячного дохода полученного работником от всех источников в виде заработной платы, бонусов, прибыли, пенсий, материальной помощи, случайных заработков и прочих денежных поступлений плюс месячная задолженность по заработной плате на всех местах работы плюс месячный доход в форме продукции предприятия, полученной на всех местах работы.

Мы не использовали в анализе часовые ставки заработной платы, так как они значительно менее точные, чем месячные заработки.

Уровень образования В моделях человеческого капитала обычно используется два типа переменных, описывающих уровень образования индивидуума – уровень наивысшего полученного диплома и количество лет обучения. В данном исследовании мы оцениваем функции заработков с использованием только первого показателя, так как использование второго приводит к появлению линейной комбинации между образованием, трудовым стажем, периодом и перерывом в образовании и трудовом стаже.

Переменная, описывающая уровень наивысшего из полученных индивидуумов дипломов, рассчитывалась согласно следующим правилам.

«Уровень наивысшего Неоконченное начальное 6 и менее лет обучения в школе образование Начальное образование 7-8 лет обучения в школе без профессиональных курсов Начальное образование с 7-8 лет обучения в школе и окончание профессиональных курсов профессиональным обучением без среднего образования Среднее образование Наличие аттестата о среднем образовании или окончание ПТУ со Институт или выше Окончание института, университета, академии Общий трудовой стаж и трудовой стаж на данном рабочем месте В раундах 8 и 9 RLMS имеется хороший показатель общего трудового стажа респондента, поскольку в данных раундах людей непосредственно опрашивали о реальной величине их общего трудового стажа. К сожалению, в раундах 5-7 данная переменная отсутствует, и мы были вынуждены использовать заменяющую ее переменную. Вместо того чтобы использовать потенциальный общий трудовой стаж в раундах 5-7, мы применили прокси-переменную общего трудового стажа, который был рассчитан как разница между значением реального общего трудового стажа в 1998 и числом лет, прошедших с момента проведения данного раунда и 1998 годом. Так, прокси-переменная общего трудового стажа для 1994 года равняется общему трудовому стажу в 1998 минус 4.

Трудовой стаж на данном рабочем месте определяется как число полных лет, проработанных у данного работодателя. Таким образом, мы округляли в меньшую сторону указанные респондентами значения, т. е., если респондент сообщал, что трудовой стаж на данном рабочем месте равняется 1,8, то мы использовали значение 1,0.

Отработанное время Естественно предполагать, что отработанное время оказывает влияние на заработки, поэтому они обязательно должны быть включены в функцию заработков, в которой в качестве зависимой переменной выступает логарифм месячных или годовых заработков. Из модели Минсера (1) следует, что отработанное время должно входить в функцию заработков в логарифмической форме, поэтому в функциях заработков мы использовали логарифм отработанного времени. Построены два показателя отработанного времени – логарифм отработанных в течение месяца часов по основному месту работы и логарифм отработанных в течение месяца часов на всех рабочих местах, каждый для использования с соответствующей зависимой переменной.

Профессиональные и региональные дамми-переменные Профессиональное положение индивидуумов описано профессиональными кодами, созданными персоналом RLMS на основе категорий отраслевой классификации ISCO-88. Персонал RLMS приложил усилия по улучшению точности кодов, включаемых в новые волны, и по исправлению кодов для волн, проведенных в период с 1994 по 1998, поэтому в настоящее время они более адекватны по сравнению с распространяемыми до 1999 года кодами.

Мы создали восемь региональных дамми-переменных для восьми основных географических регионов, как их определил персонал RLMS: Москва и Санкт-Петербург, Северный и Северозападный, Центральный и Центрально-Черноземный, Волго-Вятский и Волжский бассейн, СевероКавказский, Уральский, Западно-Сибирский, Восточно-Сибирский и Дальневосточный.

Городское место проживания, собственность на жилье, число членов семьи, плохое здоровье, семейное положение Несколько дамми-переменных было создано для того, чтобы учесть влияние текущего места проживания. Переменная городского места проживания принимает значение 1, если респондент живет в городе и 0 в противном случае. Переменная проживания в собственном жилье принимает значение 1, если респондент обладает правом собственности на то жилье, где он живет, в противоположность людям, проживающим в общежитии или снимающим квартиру. Переменная числа членов семьи указывает количество людей в семье, причем здесь семья означает людей, проживающих вместе и имеющих общие доходы и расходы, включая детей младше 18 лет, обучающихся в другом населенном пункте. Переменная плохого здоровья принимает значение 1 для тех людей, которые ответили, что их здоровье плохое или очень плохое, и она принимает значение 0, если человек указал, что его здоровье очень хорошее, хорошее или среднее, ни плохое, ни хорошее.

Переменная семейного положения принимает значение 1, если человек женат, и 0, если не женат. В раундах 5-7 у индивидуумов не спрашивали, зарегистрирован ли их брак официально или нет, поэтому в этих раундах переменная семейного положения может принимать значение 1 для некоторой части лиц, не состоящих в официальном браке. В раундах 8-10 указанная переменная принимает значение 1 только для тех людей, чей брак официально зарегистрирован.

Городское место рождения, национальность, профессия до переходного периода Процесс создания этих переменных включает два этапа. Во-первых, используя в качестве основы объединенные данные, мы определили наиболее вероятные значения соответствующих переменных RLMS, так как люди часто отвечали на данные вопросы различно в разных раундах, «меняя» характеристики, которые должны оставаться неизменными во времени. Затем, агрегируя категории, мы создали конечные переменные. Переменная «Городское место рождения» принимает значение 1, если респондент рожден в городе, и 0, если он рожден в поселке городского типа или в деревне. Переменная национальности указывает, считает ли себя респондент славянином или нет.

Переменная принимает значение 1, если респондент считает себя русским, украинцем, белорусом, поляком, болгарином, чехом или словаком, и она принимает значение 0 в любом другом случае. К сожалению, невозможно сформировать более узкие национальные группы, так как многие национальности представлены незначительным количеством респондентов, в некоторых случаях, одним респондентом, поэтому мы решили использовать только две категории славянской и неславянской национальности. Переменная профессии до переходного периода определяет профессию индивидуума в 1990 или 1991 годах. В раундах 5-7 у индивидуумов не спрашивали, какой была их профессия до начала переходного периода, и впервые данный вопрос появляется в раунде RLMS. В этом раунде индивидуумов спрашивали, какой была их профессия в 1991 году. Однако в последующих раундах индивидуумов спрашивали о профессии в 1990 году. Таким образом, правило создания переменной профессии в 1990/1991 гг. выглядит следующим образом. Если имелись данные о профессии в 1990 году, собранные в раунде 9, то они использовались прежде всего для кодировки данной переменной. Затем данные о профессии в 1990 году, собранные в раунде 10, использовались для перекодировки пропущенных значений переменной профессии в 1990/1991 гг. Наконец, данные о профессии в 1991 году, собранные в 8 раунде, использовались для перекодировки оставшихся пропущенных значений итоговой переменной.

Приложение 2. Описательные статистики.

Table 11. Descriptive statistics: employed sample vs. estimated sample.

Sample size Female (percentage) OCCUPATION Skilled agricultural and fishery workers EDUCATION Elementary education without professional training Elementary education with professional training

PRE-TRANSITION OCCUPATION

Skilled agricultural and fishery workers Age, years EXP (actual experience), years TEN (years worked with the same employer), years LNHRS (log of monthly hours worked at primary place) Share of people who are Slav Share of people who were born in a city Share of people who are resided in a city Note:

The sample consists of observations selected for the estimation of a constrained linear regression model, that is, such observations that represent potential full-time workers of age 20-65 inclusively and that has non-missing data on earnings at primary place, current occupation, the highest educational degree, tenure, working hours, nationality, and residence ownership.

Shares of occupational groups in a sub-sample of those who had reported her/his current occupational position are presented.

Occupational groups were constructed on the base of ISCO-88 categories.

Shares of regional groups in a sample are presented.

Shares of educational groups in a sub-sample of those who had reported her/his current educational degree are presented.

Shares of occupational groups in a sub-sample of those who had reported her/his occupational position in 1990 or 1991 are presented. Occupational groups were constructed on the base of ISCO-88 categories.

“Log of earnings” means the logarithm of deflated monthly monetary earnings from a primary job.

Numbers in brackets are standard deviations.

Table 12. Descriptive statistics by birth-cohort.

Note:

The number of observations included into the estimated sample and having the non-missing data on a corresponding characteristic is presented.

“Log of earnings” means the logarithm of deflated monthly monetary earnings from a primary job.

The number of observations included into the estimated sample by cohort is presented.

Numbers in brackets are standard deviations.

Приложение 3. Анализ функций заработков Table 13. The estimates of coefficients of a standard earnings function, by gender, 1994-2001.

Note: 1 The omitted category is the North Caucasian region.

The omitted category is “unskilled workers”. Occupational groups were constructed on the base of ISCO-88 categories.

The omitted category is “uncompleted elementary education”.

The omitted category is Year 1994.

Standard deviations in parentheses. Only observations for potential full-time workers of age 20-65 inclusively were used. All estimates were produced with using sampling weights. The standard deviations are adjusted for heteroskedasticity in accordance with the Wight’s formula. The dependence of observations within groups is assumed, where groups are set on the basis of the individual’s identification number.

Table 14. The estimates of a constrained linear regression with birth year, age, and the logarithm of the real wages index, 1994-2001.

Central and Central Note: 1 The omitted category is the North Caucasian region.

The omitted category is “unskilled workers”. Occupational groups were constructed on the base of ISCO-88 categories.

The omitted category is “uncompleted elementary education”.

The omitted category includes people born in 1974.

The omitted category includes people of age 20.

The omitted category includes people who were unskilled workers in 1990/91. Occupational groups were constructed on the base of ISCO-88 categories.

The dependent variable is the logarithm of monetary monthly earnings from primary place of work. Standard deviations in parentheses. Only observations representing potential full-time workers of age 20-60 inclusively were used. All estimates were produced with using sampling weights. The standard deviations are adjusted for heteroskedasticity in accordance with the Wight’s formula. The dependence of observations within groups is assumed, where groups are set on the basis of the individual’s identification number.

Table 15. The estimates of a constrained linear regression with year of entrance into the labor market, experience, and the logarithm of the real wages index, 1994-2001.

Northern and North Central and Central Volga-Vaytski and Western Siberian Eastern Siberian Officials and Service workers Skilled agricultural Craft and related Machine operators

LEVEL OF

Elementary school with professional Technical school University or higher A linear trend for into the LM (1 –

YEAR OF

Note: 1 The omitted category is the North Caucasian region.

The omitted category is “unskilled workers”. Occupational groups were constructed on the base of ISCO-88 categories.

The omitted category is “uncompleted elementary education”.

The omitted category includes people who entered into the labor market in 1994.

The omitted category includes people whose experience is less than 1.

The omitted category includes people who were unskilled workers in 1990/91. Occupational groups were constructed on the base of ISCO-88 categories.

The dependent variable is the logarithm of monetary monthly earnings from primary place of work. Standard deviations in parentheses. Only observations representing potential full-time workers of age 20-65 inclusively were used. All estimates were produced with using sampling weights. The standard deviations are adjusted for heteroskedasticity in accordance with the Wight’s formula. The dependence of observations within groups is assumed, where groups are set on the basis of the individual’s identification number.

Table 16. The estimates of a constrained linear regression with birth year, age, and period, by gender, 1994-2001.

– born in 1974, 2 – born in Note: 1 The omitted category includes people born in 1974.

The omitted category includes people of age 20.

The omitted category includes people who were unskilled workers in 1990/91. Occupational groups were constructed on the base of ISCO-88 categories.

The dependent variable is the logarithm of monetary monthly earnings from primary place of work. Standard deviations in parentheses. Only observations representing potential full-time workers were used. All estimates were produced with using sampling weights. The standard deviations are adjusted for heteroskedasticity in accordance with the Wight’s formula. The dependence of observations within groups is assumed, where groups are set on the basis of the individual’s identification number.

The set of regressors also includes tenure, the logarithm of working hours, and dummies for region, occupation, the level of the highest educational degree, period, and urban place of residence.

Table 17. The estimates of a constrained linear regression with year of entrance into the labor market, experience, and period, by gender, 1994-2001.

entrance into the LM (1 – 1994, Note: 1 The omitted category includes people who entered into the labor market in 1994.

The omitted category includes people whose experience is less than 1.

The omitted category includes people who were unskilled workers in 1990/91. Occupational groups were constructed on the base of ISCO-88 categories.

The dependent variable is the logarithm of monetary monthly earnings from primary place of work. Standard deviations in parentheses. Only observations representing potential full-time workers were used. All estimates were produced with using sampling weights. The standard deviations are adjusted for heteroskedasticity in accordance with the Wight’s formula. The dependence of observations within groups is assumed, where groups are set on the basis of the individual’s identification number.

The set of regressors also includes tenure, the logarithm of working hours, and dummies for region, occupation, the level of the highest educational degree, period, and urban place of residence.

Table 18. The coefficients from the wage equation of a constrained Heckman selection model with birth year, age, and period, by gender, 1994-2001.

born in 1974, 2 – born in 1973, Note: 1 The omitted category includes people born in 1974.

The omitted category includes people of age 20.

The correlation coefficient between errors of the wage and selection equations is presented.

The dependent variable is the logarithm of monetary monthly earnings from primary place of work. Standard deviations in parentheses. Only observations representing potential full-time workers were used. All estimates were produced with using sampling weights. The standard deviations are adjusted for heteroskedasticity in accordance with the Wight’s formula. The dependence of observations within groups is assumed, where groups are set on the basis of the individual’s identification number.



Pages:     || 2 |


Похожие работы:

«ЧЕЛЯБИНСКАЯ ОБЛАСТНАЯ НОТАРИАЛЬНАЯ ПАЛАТА 454080, г.Челябинск, ул.Энтузиастов. 15 д телефон (351) 265-88-62, тел./факс 265-88-52 р/с 40703810707110000080 в ОАО Челиндбанк, к.с 30101810400000000711, БИК 047501711 ИНН 7453012938, КПП 745301001 ЧЕЛЯБИНСКАЯ ОБЛАСТНАЯ НОТАРИАЛЬНАЯ ПАЛАТА Информационный бюллетень № 8 Доклады членов Комиссии по законодательно-методической работе Федеральной нотариальной палаты России на Всероссийском семинаре методистов нотариальных палат г. Челябинск, 2007 год....»

«Доклад Заработная плата в мире в 2010–2011 гг. Группа технической поддержки по вопросам достойного труда и Бюро МОТ для стран Восточной Европы и Центральной Азии Доклад Заработная плата в мире в 2010–2011 гг. Политика в области заработной платы в период кризиса Доклад Заработная плата в мире в 2010–2011 гг. Политика в области заработной платы в период кризиса Группа технической поддержки по вопросам достойного труда и Бюро МОТ для стран Восточной Европы и Центральной Азии © Международная...»

«Организация Объединенных Наций A/HRC/18/15 Генеральная Ассамблея Distr.: General 11 July 2011 Russian Original: English Совет по правам человека Восемнадцатая сессия Пункт 6 повестки дня Универсальный периодический обзор Доклад Рабочей группы по универсальному периодическому обзору* Сент-Винсент и Гренадины * Приложение к настоящему докладу распространяется в полученном виде. GE.11-14627 (R) 170811 170811 A/HRC/18/15 Содержание Пункты Стр. Введение Резюме процесса обзора I. 575 А. Представление...»

«1 КОМИТЕТ ОБРАЗОВАНИЯ И НАУКИ КУРСКОЙ ОБЛАСТИ ОБЛАСТНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ СРЕДНЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ КУРСКИЙ ТЕХНИКУМ СВЯЗИ (ОБОУ СПО КТС) ПУБЛИЧНЫЙ ДОКЛАД о результатах образовательной и финансово-хозяйственной деятельности областного бюджетного образовательного учреждения среднего профессионального образования Курского техникума связи за 2012-2013 учебный год Курск, 2013 г. 2 СОДЕРЖАНИЕ 1. Общая характеристика ОБОУ СПО Курский техникум связи 3- 1.1. Тип,...»

«Организация Объединенных Наций A/HRC/WG.6/11/VCT/2 Генеральная Ассамблея Distr.: General 21 July 2010 Russian Original: English Совет по правам человека Рабочая группа по универсальному периодическому обзору Одиннадцатая сессия Женева, 213 мая 2011 года Подборка, подготовленная Управлением Верховного комиссара по правам человека в соответствии с пунктом 15 b) приложения к резолюции 5/1 Совета по правам человека Сент-Винсент и Гренадины Настоящий доклад представляет собой подборку информации,...»

«СУД ЕВРАЗИЙСКОГО ЭКОНОМИЧЕСКОГО СООБЩЕСТВА РЕШЕНИЕ город Минск 21 октября 2013 года Апелляционная палата Суда Евразийского экономического сообщества в составе председательствующего судьи-докладчика Соколовской А.М., судей Баишева Ж.Н., Чайки К.Л., при секретаре судебного заседания Долженко Л.Ч., с участием представителей публичного акционерного общества Новокраматорский машиностроительный завод Савченко Н.Н. и Евразийской экономической комиссии Дьяченко А.И., Наумова А.А., рассмотрев в открытом...»

«ГОДОВОЙ ОТЧЁТ О ДЕЯТЕЛЬНОСТИ Открытого акционерного общества Порт Усть-Луга транспортная компания за 2007 год г. Кингисепп 2008 год СОДЕРЖАНИЕ 1. ОБРАЩЕНИЕ К АКЦИОНЕРАМ ПРЕДСЕДАТЕЛЯ СОВЕТА ДИРЕКТОРОВ И ГЕНЕРАЛЬНОГО ДИРЕКТОРА 4 1.1 Обращение к акционерам Председателя Совета директоров 4 1.2 Обращение к акционерам Генерального директора 6 2. ОБЩИЕ СВЕДЕНИЯ, ПОЛОЖЕНИЕ ОБЩЕСТВА В ОТРАСЛИ 8 2.1 Общие сведения, географическое положение 8 2.2 Краткая история 10 2.3 Организационная структура Общества...»

«Государственное бюджетное образовательное учреждение среднего профессионального образования МОСКОВСКИЙ ОБЛАСТНОЙ ГОСУДАРСТВЕННЫЙ КОЛЛЕДЖ (ГБОУ СПО МОГК) 140100, Московская обл., г.Раменское, ул.Красноармейская, дом 27 тел./факс 8(496)463-69-47 E-mail [email protected] ПУБЛИЧНЫЙ ДОКЛАД О ДЕЯТЕЛЬНОСТИ ГБОУ СПО МОГК за 2011-2012 учебный год г.Раменское 2012 год 1. ОБЩАЯ ХАРАКТЕРИСТИКА 1.1. Тип, вид, статус Тип: образовательное учреждение среднего профессионального образования. Вид: колледж....»

«Доклад начальника Управления ЗАГС Кабинета Министров Республики Татарстан Э.А.Зариповой О деятельности по государственной регистрации актов гражданского состояния в Республике Татарстан в 2009 году и задачах на 2010 год Слайд 1 В 2009 году деятельность по государственной регистрации актов гражданского состояния строилась в соответствии с федеральным и республиканским законодательством и была направлена на обеспечение в республике своевременной, полной и правильной государственной регистрации...»

«1 Направление 1. Формирование и эволюция Солнечной системы 1 этап. Проведение наблюдений тел Солнечной системы, их обработка. Проведение математических, теоретических, численно-экспериментальных расчетов. Проект 1.1. Происхождение и эволюция Солнечной системы, модельная реконструкция. Рук.: акад. М.Я. Маров, проф. А.В. Колесниченко 1. МГД моделирование структуры и эволюции турбулентного аккреционного диска протозвезды. Аннотация. В рамках основной проблемы космогонии, связанной с реконструкцией...»

«ИЗУЧЕНИЕ ФЕНОМЕНА ВРЕМЕНИ МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ имени М.В.ЛОМОНОСОВА МОСКОВСКОЕ ОБЩЕСТВО ИСПЫТАТЕЛЕЙ ПРИРОДЫ WEB-ИНСТИТУТ ИССЛЕДОВАНИЙ ПРИРОДЫ ВРЕМЕНИ АГЕНТСТВО НАЦИОНАЛЬНЫХ КОММУНИКАЦИОННЫХ СТРАТЕГИЙ ФОНД ИМЕНИ РЕВОЛЬТА ИВАНОВИЧА ПИМЕНОВА продолжают работу Российского междисциплинарного семинара по темпорологии. В работе семинара принимают участие специалисты-дисциплинарии, специалисты-междисциплинарии, аспиранты и студенты. В весеннем семестре 2014 года заседания семинара...»

«SATUCC – СОВМЕСТНЫЙ СЕМИНАР STREETNET ПО ОРГАНИЗАЦИИ РАБОТНИКОВ НЕФОРМАЛЬНОЙ ЭКОНОМИКИ Отель Booysens, Йоханнесбург 2 — 5 октября 2008 года ПРИВЕТСТВЕННОЕ СЛОВО Люсия Матибенга (Lucia Matibenga),Президент SATUCC Этот семинар является знаковым. Причины роста неформальной экономики: - провальная экономическая политика; - SAP привели к росту безработицы и недоиспользованию рабочей силы вследствие закрытия и сокращения компаний. Некоторые характеристики неформальной экономики: - экономическая...»

«1 Петрова Т.И. (НУЛ СОН) Александров Д.А. (НУЛ СОН) Социально-экономические факторы образовательного неравенства: межстрановой анализ данных PIRLS Введение Доклад посвящен неравенству образовательных достижений, определяемых как разница в баллах за международный стандартизованный тест по чтению (PIRLS1) среди школьников в различных странах. Непосредственным предметом исследования выступают причины неравенства образовательных достижений, а именно интерактивные эффекты разных уровней на...»

«КНИЖНЫЕ НОВИНКИ Рябцев В.Н. Оценка ситуации в зоне грузино-абхазского конфликта и вокруг нее в контексте югоосетинского кризиса. Экспертный доклад / Отв. ред. М.Д. Розин. – Ростов-на-Дону: Издательство АПСН СКНЦ ВШ ЮФУ, 2009. – 76 с. Нам необходимо серьезно определиться с Грузией. К словам эксперта и автора доклада Оценка ситуации в зоне грузино-абхазского конфликта и вокруг нее в контексте югоосетинского кризиса стоит добавить: как можно быстрее. Официальный Тбилиси, на дорогах которого уже...»

«©Platonov B.A.(Ukraine) ©Tamoikin Inc. (Canada) МОДЕЛЬ ТРЕХ АКТИВОВ - ОСНОВА МЕТОДОЛОГИИ ДЕНЕЖНОЙ ОЦЕНКИ ДВИЖИМЫХ КУЛЬТУРНЫХ ЦЕННОСТЕЙ Б.А. Платонов Товарищи ученые, - доценты с кандидатами; намучались Вы с иксами, запутались в нулях. Сидите, там, разлагаете молекулы на атомы. В.Высоцкий 1. Введение Предположение о том, что при оценке предметов коллекционирования их стоимость складывается из стоимостей трех разных активов, первый раз была высказана нами в /1/. Напомним, что в соответствии с...»

«ПОСТАНОВЛЕНИЕ КОЛЛЕГИИ 04 марта 2013 г. Москва №1 Об итогах работы Федерального агентства воздушного транспорта в 2012 году и основных задачах на 2013 год Заслушав доклад руководителя Федерального агентства воздушного транспорта А.В. Нерадько Об итогах работы Федерального агентства воздушного транспорта в 2012 году и основных задачах на 2013 год и выступления участников заседания, Коллегия отмечает, что в 2012 году в центре внимания Федерального агентства воздушного транспорта находились задачи...»

«Информация о социально-экономическом развитии МО Балезинский район за 1 полугодие 2014 года Производственная сфера Существенное влияние на итоги социально-экономического развития оказывают результаты деятельности промышленных предприятий. В течение первого полугодия 2014 года объём отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по крупным и средним предприятиям района в соответствии с данными Удмуртстата (разделы СDE) составил 2 млрд. 867,8 млн....»

«16 апреля 2009г. в Институте инноватики состоялся первый рабочий семинар МИССИЯ, ВИДЕНИЕ, СТРАТЕГИЧЕСКИЕ ПРИНЦИПЫ ИНСТИТУТА ИННОВАТИКИ ТУСУРА В семинаре приняли участие члены Совета и сотрудники Института инноватики ТУСУРа. Организатор семинара: Центр корпоративного развития Института инноватики. Результаты семинара 1. Выработана основа для формулировки миссии: образование через коммерциализацию собственных и других исследований и разработок на мировых рынках. 2. До семинара и на семинаре были...»

«ПРОЕКТ ЕВРОПЕЙСКОЙ ЭКОНОМИЧЕСКОЙ КОМИССИИ ООН Water Quality in Central Asia Качество воды в Центральной Азии ИСПОЛНИТЕЛЬ ПРОЕКТА - РЕГИОНАЛЬНЫЙ ЭКОЛОГИЧЕСКИЙ ЦЕНТР ЦЕНТРАЛЬНОЙ АЗИИ РЕГИОНАЛЬНЫЙ ДОКЛАД Правовые и институциональные основы управлением качеством вод в странах Центральной Азии Региональный эксперт РЭЦЦА Петраков И.А Данный материал опубликован при поддержке ЕЭКООН. Содержание публикации является предметом ответственности экспертов и не отражает точку зрения ЕЭКООН Алматы, 2010 г....»

«ОРГАНИЗАЦИЯ CERD ОБЪЕДИНЕННЫХ НАЦИЙ МЕЖДУНАРОДНАЯ Distr. GENERAL КОНВЕНЦИЯ CERD/C/PAK/20 О ЛИКВИДАЦИИ 27 March 2008 ВСЕХ ФОРМ РАСОВОЙ ДИСКРИМИНАЦИИ RUSSIAN Original: ENGLISH КОМИТЕТ ПО ЛИКВИДАЦИИ РАСОВОЙ ДИСКРИМИНАЦИИ ДОКЛАДЫ, ПРЕДСТАВЛЯЕМЫЕ ГОСУДАРСТВАМИ-УЧАСТНИКАМИ В СООТВЕТСТВИИ СО СТАТЬЕЙ 9 КОНВЕНЦИИ Двадцатые периодические доклады государств-участников, подлежащие представлению в 2008 году Добавление Пакистан* ** [4 января 2008 года] Настоящий документ содержит представленные в виде одного...»






 
2014 www.av.disus.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.