Влияние роботизации на заработную плату

Размещено на http://www.allbest.ru/

Влияние роботизации на заработную плату

ВВЕДЕНИЕ

труд зарплата технологический прогресс

В конце двадцатого века мир столкнулся с технологическим прогрессом, который без преувеличения повлиял практически на все сферы жизнедеятельности человека. Экономика в полной мере испытала на себе последствия бурного развития технологий, и сегодня множество исследований направлены на изучение вновь возникающих тенденций и закономерностей. Рынок труда, как одна из важнейших частей экономической системы, также подвержен влиянию технологического прогресса и также демонстрирует определённые тенденции, которые требуют детального рассмотрения. Относительно рынка труда технологический прогресс проявляется в виде частичной или полной роботизации производства. В связи с этим появляются закономерные беспокойства о том, что новые технологии в ближайшем будущем могут не оставить человеку шансов на рынке труда в некоторых отраслях. Однако, технологический прогресс влечёт за собой другие не менее важные последствия. Ключевым из них является увеличение дифференциации заработных плат между различными социальными группами работников, и, что не менее важно, между регионами страны. Появляются регионы, отстающие в развитии информационно-коммуникационных технологий, появляются наоборот опережающие остальных, но также появляются и такие, в которых роботизация действительно может вытеснить работников с рынка труда.

Объясняются эти тенденции резко увеличившимся спросом на более образованную рабочую силу, которая может взаимодействовать с новыми технологиями и выполнять вновь появившиеся более сложные задания. Соответственно, происходит поляризация между теми, кто способен выполнять более сложные задания, требующие креативного мышления и “высоких” навыков и теми, кто остаётся на уровне выполнения рутинных задач. Множество исследований, проведённых за последние десятилетия, подтверждают наличие корреляции между ростом заработной платы и уровнем образования работника.

Российская экономика имеет множество черт, характерных только для нее, например, сильная асимметрия развития различных регионов, что не может не сказаться на рынке труда. Такой негативный вклад регионального фактора выражается в сильных различиях между заработной платой работников из разных регионов. Теперь к уже существующему неравенству добавляется еще влияние внедрения технологических инноваций, которое также способствует увеличению дифференциации. Стоит отметить, что выявленные тенденции являются результатом анализа рынков труда более развитых стран, например, США, поэтому, можно предположить, что для российского рынка будут наблюдаться иные процессы.

Тема дифференциации заработной платы с точки зрения влияния технологических инноваций плохо освещена в российской научной литературе. Проводившиеся исследования российского рынка труда с точки зрения происходящих процессов роботизации, например, работы Земцова С. П (2017,2018), Капелюшникова Р.И.(2018) в основном рассматривали изменения занятости населения, также были сделаны попытки определить наиболее «уязвимые» регионы. В то же время о влиянии на заработную плату было сказано очень мало или не сказано вообще. Актуальность данной работы заключается в том, что в ней будет сделана попытка заполнить этот пробел и определить, как роботизация влияет на заработную плату и как эти изменения и сопутствующие им процессы отражаются уже на региональном уровне.

Объектом исследования выступят регионы Российской Федерации, а предметом исследования- изменения в заработных платах, последовавшие после изменения спроса на рынке труда, вызванного технологическим прогрессом.

Главной целью работы является изучение влияния роботизации на изменения в региональной дифференциации заработных плат в связи с изменениями спроса на различные группы работников.

Исходя из этого, необходимо выполнить следующий набор задач:

1. Сформировать теоретическую основу данной работы посредством проведения обзора исследований по теме влияния технологического прогресса на рынок труда, а также формирования основных тенденций и их источников.

2. Провести анализ состояния рынка труда Российской Федерации, региональных рынков труда, а также положения регионов России относительно имеющегося инновационного потенциала.

3. Провести эконометрический анализ с целью проверки основных гипотез относительно основных направлений в развитии неравенства заработных плат для различных групп работников в регионах России.

4. Сделать выводы на основе проделанной работы.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ВЛИЯНИЯ РОБОТИЗАЦИИ НА ЗАРАБОТНУЮ ПЛАТУ

1.1 Теоретическое обоснование влияния роботизации

В конце 20 века с появлением и быстрым распространением сначала персональных компьютеров, а затем и более сложных инновационных технологий, исследователи, занимающиеся изучением рынка труда, столкнулись с тенденцией, очень важной, а впоследствии оказавшейся ключевой для понимания происходящих на рынке труда процессов. Эта тенденция вскоре обрела название-технологические изменения, ориентированные на навыки (skill-biased technical change). И хотя одного, конкретного определения не существует, данный процесс принято описывать как рост относительного спроса на более образованную, более квалифицированную рабочую силу. То есть, быстрый технологический прогресс благоприятствует квалифицированному труду, и, следовательно, увеличивает «премию за навыки», выражающуюся в отношении заработных плат высококвалифицированной рабочей силы по отношению к низкоквалифицированной. [15.735, 24.3]

Не смотря на разность подходов к рассмотрению проблемы дифференциации заработной платы, понятие «технологические изменения со смещением навыков» неизменно присутствует в качестве одной из главных причин возросшего неравенства, когда речь идёт о внедрениях технологических инноваций. Существует несколько ключевых наблюдений, которые ещё в конце 20 века позволили сформировать описание этого процесса. Прежде всего, рост неравенства в заработных платах начался в конце 80-ых годов двадцатого века, спустя несколько лет после изобретения микрокомпьютера, также персональные компьютеры чаще использовались высококвалифицированной рабочей силой. Последние наталкивает на вывод о том, что возросший спрос на квалифицированную силу обоснован ее способностью взаимодействовать, управлять появившимися новыми технологиями. [12. 991, 20.482, 25.4]

Что такое SBTC легко проиллюстрировать с помощью неоклассической модели экономического роста Роберта Солоу. Предложенной мерой технологических изменений, влияющих на производство продукции, является общая факторная производительность (TFP). Увеличение этого показателя ведёт к росту выпуска продукции, оставляя при этом предельную норму трансформации нетронутой (MRT), что говорит о том, что изменения общей факторной производительности являются нейтральными относительно факторов производства. Общая факторная производительность обычно представляется в виде «остатка солоу», так как измерения ее достаточно проблематичны. «Остаток Солоу» таким образом представляет собой несвязанные с затратами труда и капитала изменения в выпуске продукции. [30.3]

Рассмотрим производственную функцию с постоянной эластичностью замещения между высоко- и низкоквалифицированной рабочей силой. В подавляющем большинстве исследований под высококвалифицированным работником подразумевается работник с высшим образованием, соответственно, работники низкой квалификации высшего образования не имеют. Важным допущением в модели является то, что работники с высоким и низким уровнем квалификации являются несовершенными заменителями в производстве.

Y=(+

В случае, если у>1, то высококвалифицированные и низкоквалифицированные работники являются совершенными заменителями и совершенными дополнителями, если у<1.

Особая роль в данном случае отводится эластичности замещения между двумя видами работников. Появление новых технологий влияет следующим образом: производительность может увеличится как у работников обоих видов квалификации одновременно, так и у каждой группы работников по отдельности. В зависимости от величины эластичности замещения увеличение может способствовать либо дополнению, либо замещению работников с высоким или низким уровнем квалификации. [7.35, 1.20]

В данном случае относительный спрос на высококвалифицированную рабочую силу определяется через отношения заработных плат для двух групп работников, а так как на рынке труда присутствует конкуренция, то заработные платы являются предельным продуктом труда.

(+

Продифференцируем функцию.

>0 (1) >0 (2) >0 (3)

Из неравенства (1) следует, что при увеличении доли высококвалифицированных работников, доход низкоквалифицированных работников вырастет.

При технологических изменениях относящихся к любому типу работников, получается, что заработные платы увеличиваются для обоих типов работников (2), (3).

Аналогично в случае с высококвалифицированными работниками:

 (+

<0 (4) >0 (5) >0 (6)

Из описанных выше уравнений найдём отношение заработных плат для двух групп работников, как указывалось выше данное отношение представляет собой премию за навыки.

w==

В данном случае другие особенности рынка труда, которые потенциально влияют на относительную заработную плату игнорируются. Также только «ориентированные на навыки» изменения в технологии приводят к изменению неравенства в оплате труда. Сдвиг параметра A или пропорциональный сдвиг в и оставляет относительную производительность двух групп навыков неизменной и влияет только на общий уровень заработной платы. То есть технологические изменения со смещением навыков обычно снижает предельную производительность низкоквалифицированных работников, повышая предельную производительность квалифицированных работников. [2.210]

Продифференцировав уравнение получаем,

=< 0

Данное равенство представляет собой эффект замещения и говорит о том, что для данного уровня технологических изменений относительно навыков рабочей силы кривая спроса носит нисходящий характер с эластичностью .

Рост H/L уменьшает премию за навыки и способствует появлению следующих типов замещения: если работники разной квалификации выполняют разный набор задач, но производят одинаковый тип товара, то увеличение числа работников с высокой квалификацией приведет к тому, что они просто вытеснят рабочих с меньшей квалификацией и займут их рабочие места. Во втором случае, если работники разной квалификации работают над производством разных товаров, то в этом случае, происходит уже замещение не работников, а товаров, которые они производят. То есть товары, произведенные работниками с высокой квалификацией, вытеснят товары работников с низкой. Если остается постоянным, то увеличение предложения высококвалифицированных работников снизит премию за навыки, [22.99-102]

Теперь, чтобы понять, как реагирует «премия за навыки» на технологические изменения, продифференцируем уравнение.

=

Если у >1, то относительное увеличение технологий приведёт к увеличению производительности высококвалифицированных работников, относительно менее квалифицированных и, следовательно, к росту «надбавки за навыки».

Если у <1, увеличение производительности высококвалифицированных работников () относительно увеличения производительности низкоквалифицированных работников () сдвигает кривую спроса внутрь, и премия за навыки уменьшается (рис.1). Однако, как отмечает Autor D. H., Acemoglu D если эластичность меньше 1, то будет происходить увеличение, что увеличит относительную производительность и заработные платы высококвалифицированных работников. [7.37]

Рис.1

1.2 Обзор проводимых исследований

С самого начала изучения влияния роботизации на рынок труда, в частности на заработную плату описанная выше модель стала распространённой основой исследований. Так, в работе Autor D. H., Katz L. F., Kearney M. S., основанной на классической модели с постоянной эластичностью, авторы приходят к выводу, что ситуация на рынке труда в США заметно изменилась в конце 70-ых годов 20 века: если в предыдущее десятилетие доходы работников с увеличивалось с одинаковой скоростью не зависимо от уровня образования, то после 1980 года стала наблюдаться значительная дифференциация в темпах роста доходов для различных групп работников. Кроме этого было выявлено, что помимо общего увеличивающегося разрыва дисперсия заработных плат сотрудников с высшим образованием значительно превышает дисперсию в группе без высшего образования. Авторы также отмечают, что доля занятых в профессиях, требующих очень низкую и очень высокую квалификацию увеличилась, что контрастирует с показателями занятости в профессиях со средней квалификацией. [3.95,5.1497, 17.594]

Используя в основе эту же модель, Card D., DiNardo J. E. (2002) приходят к практически противоположным выводам. По утверждению авторов, увеличившемуся неравенству прежде всего способствовали нерыночные факторы, а резкая дифференциация была только «эпизодическим» моментом, которая к середине 80-х годов достигла максимальной скорости и больше не демонстрировала сильных всплесков. Последующее неравенство между двумя видами работников было лишь результатом структурных сдвигов на рынке труда: изменения состава занятых, увеличение доли образованных работников.

Альтернативный метод измерения неравенства заработных плат используют Uren L., Virag G (2011). По мнению авторов, классическая двухфакторная модель не даёт возможности отписать внутригрупповое неравенство, так как предполагает, что меж- и внутригрупповые изменения происходят одновременно, поэтому они предлагают иной метод: в работе используются модель, которая в отличие от классической описывает отношение фирм и работников с различными уровнями квалификации на рынке труда.

Авторы приходят к выводу, что внутригрупповое неравенство увеличивается для наиболее квалифицированных работников и уменьшается для наименее квалифицированных, что в целом соотносится с выводами. Этот вывод обосновывается тем, что поляризация на рынке труда обуславливается снижением предложения заработной платы определённого уровня со стороны фирм с низкой и средней производительностью. А так как в данных фирмах работают преимущественно работники с низкой квалификацией, то, соответственно, неравенство в доходах этой группы уменьшается, поскольку само предложение заработной платы становится более однородным. С другой стороны, квалифицированные работники присутствуют как в компаниях с низкой, так и с высокой производительностью, а тенденция к повышению спроса на навыки увеличивает дисперсию заработных плат, предлагаемых фирмами с высокой производительностью. [9.318-319]

В самых ранних работах, описанных выше, не еще не были отмечены два основных эффекта от роботизации-замещения работников компьютерными технологиями при выполнении рутинных задач, которые можно легко описать с помощью запрограммированных правил с одной стороны, и «дополнение» работников при выполнении сложных задач, требующих гибкости, креативности, обобщенных возможностей решения проблем и сложных коммуникаций. Поскольку в последние десятилетия цены на компьютерные технологии резко упали, эти два механизма - замещение и взаимодополняемость - повысили относительный спрос на работников, которые обладают сравнительным преимуществом при выполнении обычных задач, как правило, работников с высшим образованием, а значит повысили их заработные платы относительно низкоквалифицированных работников. [8.1305-1307, 28.1044]

Итак, доля рабочей силы, занятой в профессиях, интенсивно использующих нестандартные аналитические и не рутинные интерактивные задачи, значительно возросла за последние несколько десятилетий. В то же время, доля рабочей силы, занятой в профессиях, интенсивно выполняющих рутинные задания существенно снизилась [1.48, 26.37-38]

Именно поэтому, заработная плата во многих регионах, ориентированных на промышленное производство, в которых как правило не так высок уровень образования, и где внедрение автоматизированных технологий наиболее перспективно, может значительно «пострадать» от технологического прогресса.

Описанная классическая модель действительно отражает появившиеся тенденции на рынке труда, однако, она имеет ряд значительных недостатков, которые не дают возможности этой модели представить качественную интерпретацию действительности. Назовём основные из них: во-первых, модель не объясняет причин поляризации в распределении доходов. Во-вторых, модель не делает различий между понятиями «навыки» и «задачи», а значит, не может дать объяснения о непропорциональных изменениях в структуре занятости в профессиях, относящихся к различным типам выполняемых задач. В-третьих, модель не даёт обоснований относительно того, как компьютерные технологии дополняют или заменяют работников.

В связи с этим данная модель была скорректирована, и ключевым аспектом стало разделение понятий «навык» и «задача». Навык определяется как способность работника выполнять задачу, а уже выполненные задания «обмениваются» на заработную плату. С этой точки зрения классическая модель может рассматриваться как частный случай модели, ориентированной на навыки, в которой каждая задача соответствует определенному уровню навыков. [8.1310 ,13.521]

Autor D. H., Levy F., Murnane R. J. (2003) предлагают модель, в которой каждая задача может выполняться работниками с низким, средним или высоким уровнем квалификации, но сравнительные преимущества групп навыков различаются для разных задач. Собственно, именно сравнительные преимущества определяют будущее положение работника на рынке труда. Смысл модели заключается в том, что появление новых технологий способствует увеличению производительности труда высококвалифицированных работников, которые теперь могут выполнять более широкий набор задач. То есть легкие задачи усложняются и теперь подходят лишь работникам с высокой квалификацией, у которых есть сравнительное преимущество в выполнении более сложных задач.

На кого распространиться увеличение круга задач? Скорее всего это произойдет с работниками средней квалификации (например, новые технологии, их вытеснят, но для управления машинами нужны высококвалифицированные работники). Соответственно, по сравнению с низкоквалифицированными работниками, работниками сферы услуг, доход рабочих средней квалификации уменьшается. Это контрастирует со следствиями классической модели, с точки зрения которой технологические изменения со смещением навыков влекут за собой увеличение заработка для всех групп работников.

Autor D. H., Acemoglu D (2010) отмечают, что работники средней квалификации, ранее выполнявшие рутинные задачи, являются более близкими заменителями работников с низкой квалификацией, занятых в сфере оказания социальных и персональных услуг, чем работникам в профессиях, требующих специфических знаний, умений решать сложные задачи.

Более того, наблюдается замещение работников не только в заданиях, но и в навыках. Так, замещение работников в рутинных задачах побуждает последних перейти в сектора экономики, требующие либо низких, либо очень высоких навыков. Ожидается, что значительная часть работников, ранее предоставлявших средние навыки и выполняющих задачи, требующие средней квалификации, перейдёт в профессии, требующие низкую квалификацию.

Acemoglu D., Restrepo P (2017.1) отмечают, что в долгосрочной перспективе в случае, если капитал будет намного дешевле рабочей силы, то технологии будут быстро развиваться и распространяться, а рабочая сила действительно будет вытеснена. Однако, когда стоимость использования капитала в долгосрочной перспективе не так низка по сравнению со стоимостью рабочей силы, то возможно равновесие между двумя эффектами. Если два этих эффекта будут находиться в равновесии, то занятость населения будет оставаться достаточно стабильной в долгосрочной перспективе даже с учётом быстрой автоматизации.

В случае, если автоматизация опережает создание новых задач, происходит саморегуляция, в результате которой доля труда и занятости стабилизируются. Однако в этом случае необходимо принять в расчёт причину, по которой произошёл резкий скачок автоматизации. Если он был вызван локальным появлением ряда новых технологий, то в долгосрочной перспективе уровни занятости и доли труда вернутся к изначальному равновесному состоянию. Если же внедрение автоматизации происходило из-за ее доступности, что делает внедрение новых технологий более легким процессом по сравнению с созданием новых задач, то экономика будет стремиться к новому сбалансированному пути роста с более низкими уровнями занятости и заработных плат.

Рассмотренная авторами модель подразумевает, что поскольку фактор производства становится дешевле, это не только влияет на диапазон задач, возложенных на него, но также создает стимулы для внедрения технологий, которые позволяют фирмам использовать этот фактор более интенсивно. В соответствие с этим уменьшение эффективной стоимости рабочей силы в менее сложных задачах вследствие автоматизации препятствует дальнейшему распространению технологий и генерирует самокорректирующуюся силу в направлении стабильности.

Вместе уменьшением спроса на рабочую силу, имеющую преимущество в выполнении рутинных задач, появляется такое явление как поляризация профессий. Оно характеризуется возрастающей концентрацией занятости как низкооплачиваемых, так и высокооплачиваемых профессий с сопутствующим уменьшением занятости в профессиях со средним доходом. Если рассмотреть распределение занятости в соответствие с типом выполняемых задач, то окажется, что большая часть занятости концентрируется на хвостах этого распределения, в то время как количество рабочих мест в центре будет уменьшаться. [16.48-50, 27.24]

Объясняется это тем, что замещение происходит в областях, характеризующихся задачами с чётко заданным алгоритмом действий, инструкцией, которую раньше выполнял человек, не вовлекая в своё занятие никакое творческое мышление, а теперь с успехом выполняют автоматизированные технологии. Обычно такие профессии характеризуются средней квалификацией работников и средним уровнем образования. [10.1575, 7.56]

Причины поляризации в литературе называются разные. Так Autor, Levy and Murnane (2003) определяют экзогенное быстрое повышение производительности и уменьшение реальной стоимости информационных и коммуникационных технологий вследствие технологического прогресса, который сделал эти технологии более доступными. С появлением компьютеров у работодателей появляется огромные эконмические стимулы заменить «дорогую» рабочую силу на более производительную и «дешёвую» технику.

Autor, Levy and Murnane (2003) Acemoglu and Autor (2011), Jaimovich N., Siu H. E. (2012) в ходе анализа разделяют профессии по типу выполняемых задач. Так выделяется 3 группы профессий: абстрактные, рутинные и не рутинные-ручные занятия. К первому типу относятся профессии, связанные с управлением, решением задач, требующих творческих либо высоких профессиональных навыков: врачи, программисты, экономисты и т.д. Вторая группа рутинных задач включает работников, занятых выполнением однообразных, четко регламентированных действий: кассиры, сборщики, рабочие на заводах и фабриках и т.д. К третьей группе относятся работники, занятые преимущественно в сфере услуг, либо в нестандартных ручных занятиях: дворники, уборщики, садовники, официанты, парикмахеры и т.д.

Согласно полученной статистики с 1981 по 2011 год за первое десятилетие 21 века в США доля занятости в рутинных задачах сократилась на 11%, в то время как доля занятости в когнитивных профессиях за 3 рассмотренных десятилетия стабильно увеличивалась на 8-10%. В период с 2001 по 2011 год доля занятых в сфере услуг выросла на 16% по сравнению с 0,9% и 4,6% в предыдущих десятилетиях. Такое значительное увеличение может быть связано с переходом рабочих из рутинных профессий в сферу услуг. Данная динамика наглядно демонстрирует процессы поляризации на рынке труда. [14.2557,27.22]

Giannone E. (2017), Ganong P., Shoag D. (2017), Lafortune J., Lewis E. Josй Tessada (2019) подходят к рассмотрению возросшего неравенства с точки зрения дифференциации доходов населения между регионами страны. Giannone E.(2017) утверждает, что основные причины возросшего неравенства и начавшейся дивергенции доходов заключаются в технологических изменениях, ориентированных на навыки и в агломерационном эффекте. Агломерационный эффект в данном случае заключается в том, что в местах с изначально высокой концентрацией навыков и высоким уровнем образование количество высококвалифицированных работников стало увеличиваться за последнее время. Это привело к тому, что заработные платы в этих местах начали расти гораздо быстрее остальных регионов. Такие места становятся усилителями различий в заработной плате, вызванных техническими инновациями, ориентированными на квалификацию.

Ganong P., Shoag D. (2017) показывают, что за последние два десятилетия относительная стоимость навыков стала положительно коррелировать с относительным количеством квалифицированных работников по городам, что идентично выводам, сделанным Autor D. H., Katz L. F. (2008) с точки зрения индивидов.

Взаимодействие технологических изменений, ориентированных на навыки, и агломерационной экономики означает, что места с большей долей занятых в экономике с высшем образованием и высокой квалификацией имеют большую премию за навыки. Высококвалифицированные и менее квалифицированные работники обладают некоторой степенью взаимодополняемости, поэтому агломерационные эффекты повышают заработную плату всех работников.

Тенденция к увеличению премии за навыки в более развитых регионах приводит к появлению определённых направлений миграционных потоков: высококвалифицированные работники мигрируют в образованные города чаще, чем менее квалифицированные работники. [13.525, 23/87-88]

Рассмотрение вышеперечисленных статей продемонстрировало, что влияние роботизации на рынок труда имеет схожие черты, но в разных странах проявляются по-разному, в зависимости от условий внутри страны. Также даже использование схожих методик не всегда приводит к одинаковым результатам. Проведённый обзор литературы помог выявить основные тенденции, происходящие на рынке труда, основные закономерности, которые наблюдаются в ряде стран и основные паттерны относительно динамики заработных плат как в масштабах фирм, так и в масштабах целой страны.

Исходя из проведённого теоретического обзора можно сформулировать несколько основных предсказаний:

1.Увеличение производительности высококвалифицированных работников по сравнению с низкоквалифицированными будет приводить к ситуации, когда высококвалифицированные работники будут замещать неквалифицированных в их же задачах.

2.Роботизация способствует увеличению спроса на навыки, а значит относительная заработная плата работников с высокой квалификацией будет увеличиваться.

3.Премия за навыки также будет увеличиваться быстрее в случае, если в регионе будет большая концентрация людей с высоким уровнем квалификации.

4.Роботизация приведёт к дифференциации темпов роста заработной платы работников, имеющих сравнительное преимущество в выполнении более сложных задач и тех работников, которые имеют сравнительное преимущество в выполнении только рутинных задач.

5.В регионах, ориентированных на промышленное производство может наблюдаться негативная динамика на рынке труда, так как множество работников будут вытеснены робототехникой. Схожая динамика будет наблюдаться в регионах с низким уровнем образования.

6.В регионах с более высокой концентрацией навыков будут наблюдаться более высокие темпы роста заработной платы, чем в местах с большей концентрацией работников со средним уровнем образования.

Далее определим основные гипотезы, которые будут проверены в работе.

1.Между работниками с высоким уровнем образования будет наблюдаться процесс дивергенции, то есть увеличения дифференциации заработных плат.

2.У работников с низким уровнем образования будет наблюдаться процесс конвергенции, то есть уменьшения дифференциации заработных плат.

3.Увеличение относительной занятости работников высокой квалификации будет способствовать увеличению премии за навыки в регионе.

4.В регионах с большей долей занятости в промышленном производстве, и прочих отраслях, требующих выполнения рутинных задач, темпы роста заработной платы будут меньше, чем в регионах с большей долей занятости в абстрактных заданиях.

ГЛАВА 2. АНАЛИЗ РЫНКА ТРУДА

Рассмотрим изменения, происходящие на рынке труда в период с 2000 по 2017 год. Первоначально обратимся к динамике занятости населения по уровню образования. Для наглядности рассмотрим 3 уровня образования: высшее профессиональное, среднее профессиональное и среднее общее. Основное общее и начальное общее в рассмотрение не берутся, так как они достаточно нерелевантны для описания динамики занятости в стране и имеют наименьшее количество занятых.

Рис.2

Представленная динамика (Рис.2) процентного соотношения рабочей силы в России наглядно демонстрирует стабильный рост доли занятых с высшим образованием: в период с 2000 по 2016 количество занятых увеличилось с 20% до 35%. Вместе со стабильным ростом доли занятых с высшим образованием можно наблюдать стабильное уменьшение доли занятых со средним общим, правда не такое стремительное- за рассматриваемый период показатель снизился с 23% до 18%. Примечательно, что в начале 2000 годов количество работников с высшим профессиональным образованием уступало не только количеству работников со средним профессиональным образование, но и со средним общим. Также стоит отметить практически симметричную динамику занятости работников с начальным профессиональным и средним профессиональным. Если в начале рассматриваемого периода последний показатель явно превалировал в стране, то за последние 10 лет его значения заметно снизились: с 33% до 25%.

Описанная выше динамика предопределяет рост относительного предложения труда высококвалифицированных работников (Приложение 1). Если в начале 2000 отношение высшего профессионального образования и среднего профессионального было равнялось около 0,5, то сейчас эта ситуация кардинально изменилась, и количество работников с высшим образованием 0,5 раз превосходит работников со среднем профессиональным.

Рассмотрим предположение о существовании поляризации на рынке труда, проявляющейся в сосредоточении основного количества занятого населения в профессиях, требующих либо очень высокой, либо совсем низкой квалификации и заметным уменьшением занятости в профессиях, сосредоточенных на рутинных занятиях.

Рис.3

Рисунок 3 демонстрирует динамику занятости по основным видам экономической деятельности, представленную Росстатом. Более подробная информация по занятости населения представлена в приложении 3. В данном случае следует обратить внимание на явную тенденцию в уменьшении занятости в секторе промышленности на всём рассматриваемом промежутке времени. Так как промышленность представляет собой занятость, в которой превалирует выполнение рутинных операций, то вероятнее всего такое снижение занятости отчасти связано с включением в производство инновационных технологий. В качестве яркого примера можно привести роботизацию тольяттинского завода «АвтоВАЗа», после которой с завода ушло более 70 тыс. человек. В то же время, как отмечает Национальная ассоциация участников рынка робототехники, в России продажи промышленных роботов достаточно низкие: в среднем продажи составляют около 500-600 роботов в год. В мировых масштабах это составляет около 0,25% от общего объема продаж. Динамика продаж промышленных роботов представлена на рисунке 4.

Рис.4

В целом за рассматриваемы период виден тренд на увеличение за весь рассматриваемый период. Максимального значения продажи достигли в 2013 году, когда было продано более 600 промышленного робота. После этого года изменения носили негативный характер лишь с небольшим увеличением в 2015 году. Однако, стоит отметить, что с 2017 года начала реализовываться программа Национальной технологической инициативы по внедрению производственных технологий, представляющая собой разработку дорожной карты «Технет». Ожидается, что благодаря этой программе традиционное производство будет трансформировано с увеличением производительности труда. В связи с этим вероятно продажи промышленных роботов возрастут, а количество занятых в секторе промышленности продолжит уменьшаться. Еще одним сектором экономики, потенциально предрасположенным к роботизации, является сельское хозяйство.

Исходя из представленной динамики, занятость действительно сокращается: за рассматриваемый период показатель сократился на 4000 тыс. человек.

Стоит отметить, что программы по роботизации сельского хозяйства только вступают в силу. Так, например, с 2017 года планируется осуществление программы «Урал Когнитив Агро», которая ставит целью внедрение роботизированных систем и технологий искусственного интеллекта.

Такие изменения не могут не отразиться на занятости населения со средним образованием, так как для обслуживания данных систем нужны скорее инженеры, чем простые работники.

В подтверждение теории поляризации рассмотрим динамику занятости работников в сфере услуг: к этой категории относятся торговля, обслуживание гостиниц, ресторанов и прочее.

Очевидно, что данная категория имеет не только практически наибольшую долю занятости, но и наибольшие темпы роста численности работников. Как уже обсуждалось ранее это связано с переходом части работников из сферы рутинного труда в сферу услуг, так как по уровню своей квалификации они скорее ближе к ней, чем к сфере выполнения сложных задач, требующих высокой квалификации.

Относительно категории абстрактных занятий, на рисунке она представлена финансовой сферой, занятость в ней стабильно растет, но в то же время численность занятых остаётся наименьшей.



Рис. 5

Из рассмотренной теории одной из основных тенденций на рынке труда стал рост премии за навыки, которая описывается как отношение заработной платы высококвалифицированных работников к заработной плате низкоквалифицированных. Рассмотрим изменения этого соотношения (Рис.5) Итак, рост премии за навыки действительно наблюдается за рассматриваемый период. Если с 2005 по 2011 рост был небольшой, даже с небольшим падением, то в период с 2011 по 2015 наблюдается резкое увеличение премии навыки. За 4 года отношение увеличилось с 2,4 практически до 2.6. Рисунок 6 демонстрирует скорость изменения доходов для работников различных видов экономической деятельности.

Рис.6

Если не брать во внимание общий тренд на снижение номинальной заработной платы, то на 2016 год наибольшие темпы роста наблюдались у работников в финансовой сфере. В то же время заработная плата работников, предоставляющих социальные и персональные услуги, росла с наименьшей скоростью, что отчасти можно объяснить резко увеличившимся предложением труда в этой сфере. Темпы роста заработной платы в секторе промышленности и сельском хозяйстве демонстрировали среднюю скорость- не наименьшие, но и не слишком большие.

Рис. 7

Итак, исходя из полученного анализа можно сделать вывод о наличии в России основных мировых тенденций, касающихся рынка труда. В связи с этим возникает проблема для некоторых регионов, которые особенно подвержены роботизации. К ним относятся в первую очередь регионы с высокой долей занятости работников в обрабатывающей промышленности и сельского хозяйства, характеризующиеся низкой заработной платой (рис. 7) и низким уровнем образования. В таких регионах, например, в Красноярском крае, Липецкой, Ленинградской, Свердловской, Вологодской, Тульской областях, адаптироваться к последствиям технологического прогресса будет тяжелее всего, так как поиск или переквалификация будут происходить намного медленнее.

В таблице 7 представлены списки первых 10 регионов по различным показателям за 2016 год, характеризующим инновационный потенциал регионов. Показатель научно-технического потенциала взят из рейтинга «Инновационного развития субъектов Российской Федерации» составленного институтом статистических исследований и экономики знаний НИУ ВШЭ. В качестве степени проникновения ИКТ взят процент жителей, имеющих доступ в интернет.

Табл. 1

Процент высокотехнологичной продукции в валовом продукте	Научно-технический потенциал	Степень проникновения ИКТ	Процент занятых с высшим образованием
Тульская область	35.3	Санкт-Петербург	ЯНАО	88.1	г. Москва	48,5
Калужская область	34.4	Нижегородская область	ХМАО	83.2	Московская область	42.4
Ульяновская область	34	Ульяновская область	Москва	82.2	г. Санкт-Петербург	42.3
Нижегородская область	31.3	Москва	Санкт-Петербург	80	ЯНАО	41.2
Чувашия	31.2	Республика Башкортостан	Мурманская область	77.7	г.Севастополь	40.1
Санкт-Петербург	29.8	Томская область	Московская область	76.4	Камчатский край	40.1
Пермский край	29.6	Калужская область	Ивановская область	76.1	Самарская область	36.8
Владимирская область	28.8	Смоленская область	Костромская область	75.7	Хабаровский край	36.8
Новгородская область	28.3	Тюменская область	Хабаровский край	75	ХМАО	36.4
Кировская область	27.9	Новосибирская область	Калининградская область	74.3	Ставропольский край	36.2

Можно обратить внимание на то, что регионы для первых двух показателей достаточно схожи, точно также как и для последних двух. В случае с регионами с наибольшим инновационным потенциалом и наибольшей долей высокотехнологичной продукции в валовом продукте вероятность роботизации будет намного выше, а населению будет тяжелее адаптироваться к изменениям. В то же время в наиболее развитых регионах с высокой долей проникновения информационно-коммуникационных технологий, высоким уровнем образования адаптироваться к последствиям роботизации будет намного проще, так как будет переход в новые виды деятельности или создание новых рабочих мест будут осуществляться быстрее.

ГЛАВА 3 ЭМПИРИЧЕСКИЙ АНАЛИЗ ВЛИЯНИЯ РОБОТИЗАЦИ НА ЗАРАБОТНУЮ ПАТУ

3.1 Описание данных

Для проведения эмпирического анализа были использованы данные по основным показателям, характеризующим состояние рынка труда Российской Федерации и ее регионов. Ключевым аспектом работы является разделение работников по уровням квалификации, как и подавляющем большинстве работ за уровень квалификации принят уровень образования. Так, работники, имеющие высшее образование, относятся к высококвалифицированным специалистам, работники, имеющие за плечами только среднее общее образование, относятся к низкоквалифицированным специалистам. Итак, в работе использовались данные по занятости и заработным платам с учётом уровня образования в период с 2000 по 2016 год по регионам Российской Федерации. Невозможность расширить временной диапазон обуславливается тем фактом, что основным источником данных являются публикации Федеральной службы государственной статистики «Труд и занятость», которые выходят каждые 2 года, начиная с 2003 и заканчивая 2017 на сегодняшний момент. В работе использовались такие показатели как: распределение численности занятых в экономике регионов Российской Федерации по уровню образования, среднемесячная начисленная заработная плата работников организаций, затраты на ИКТ по регионам и т.д. В работе была использована реальная среднемесячная заработная плата сотрудников организаций по регионам, которая была приведена к реальным значениям с помощью корректировки на региональный уровень инфляции.

В процессе анализа данных из 86 официальных субъектов Российской Федерации до 81 из-за недостатка данных. Например, по многим показателям наблюдается недостаток данных в Чеченской республике. Республика Крым также не была включена в итоговое количество субъектов по причине включения ее в состав России только в 2014 году. Так как работа проводилась по регионам, то города федерального значения Москва, Санкт-Петербург и Севастополь также не были включены из-за несопоставимости их с регионами.

3.2 Эконометрическая спецификация

Прежде всего проверим гипотезу о наличии конвергенции между регионами России. Для этого используем модель условной конвергенции, предложенную Barro, Robert J., and Xavier Sala-i-Martin:

ln()=б+ ++ + ,

- вектор значений среднемесячной начисленной заработной платы населения в регионе i в год t

- вектор значений среднемесячной начисленной заработной платы населения в регионе i в год t-1.

вектор значений объясняющих переменных.

вектор значений контрольных переменных.

Далее для анализа возросшего неравенства между субъектами Российской Федерации проверим гипотезу об увеличивающемся внутригрупповом неравенстве в доходах, проверим наличие этого процесса для высококвалифицированных и низкоквалифицированных работников. Исходя из теоретического обоснования, разрыв в заработных платах будет наблюдаться только у высококвалифицированных работников, в то время как доходы низкоквалифицированных продолжат сходиться.

Регрессия, с помощью которой будет проверена эта гипотеза имеет следующий вид:

Ln () =б+в +, где

- вектор значений среднемесячной начисленной заработной платы населения в регионе i в год t

- вектор значений среднемесячной начисленной заработной платы населения в регионе i в год t-1.

Если коэффициент при объясняющей переменной в статистически значим, а также имеет отрицательный знак, то имеет место в - конвергенция. В противном случае, если коэффициент в положительный, то наблюдается дивергенция.

Также, чтобы подтвердить выявленную динамику, построим регрессию отражающую взаимосвязь между изменениями в премии за навыки и концентрации высококвалифицированной силы в регионах. Логично предположить, что увеличение концентрации навыков в регионе ведёт к уменьшению премии, однако, из предположения о существовании технологических изменений, ориентированных на навыки, следует, что с увеличением концентрации навыков, премия за них будет увеличиваться. Таким образом неравенство между регионами еще больше усугубится и появятся регионы с явно выраженным преимуществом в навыках, знаниях, а, следовательно, и в развитии. Предполагается, что коэффициент в окажется положительным.

Ln () =б+ + ++,

где

- вектор значений среднемесячной начисленной заработной платы населения с высшим образованием в регионе i в год t;

- вектор значений среднемесячной начисленной заработной платы населения со средним образованием в регионе i в год t;

- вектор значений занятости населения с высшим образованием в регионе i в год t;

- вектор значений занятости населения со средним в регионе i в год t;

- вектор значений контрольных переменных.

- фиксированный эффект времени.

Структура экономики регионов России очень разная и в связи с этим отдельные регионы обладают высокой уязвимости, например, регионы с развитой обрабатывающей промышленностью, где роботизация производства наиболее перспективна. К таким регионам относятся: Новгородская, Липецкая, Ленинградская, Владимирская, Калужская. К таким же регионам относятся регионы с большой долей занятости в сельском хозяйстве. В таких регионах как следствие возникает снижение темпов роста доходов населения, появляется долговременная безработица, которая может стать толчком к масштабным межрегиональным миграциям, и прочим структурным изменениям. [33.11, 34.12]

В то же время регионы с высоким уровнем развития, инвестиционным потенциалам, характеризующиеся большой долей занятости с высшим образованием, менее подвержены роботизации. Более развитые регионы характеризуются спецификацией в отраслях и профессиях, требующих творческого мышления, принятия решения и т.д., то есть работников этих сфер заменить автоматизированными технологиями не получится.

Еще один тип регионов преимущественно имеет большую долю занятости в секторе услуг и госсекторе. В данном случае, как было описано выше в теории, роботизация не нанесёт большого урона экономике региона, так как некоторые виды услуг, которые нельзя описать каким-то набором повторяющихся операций, роботами не заменить.

В представленной ниже регрессии показана зависимость темпов роста заработной платы регионов от доли занятости в различных видах выполняемых задач.

Ln () =+++

- темпы роста заработной платы в i-ом регионе в момент времени t.

- виды деятельности, требующие выполнения рутинных задач

- виды деятельности, связанные со сферой услуг

- виды деятельности, связанные с абстрактными задачами

- вектор значений контрольных переменных

- фиксированный эффект времени

Предполагается, регионы имеющие большую долю занятости в видах экономической деятельности, связанных с выполнением рутинных задач будут иметь меньшие темпы роста, то есть ожидается, что коэффициент при будет отрицательным.

В то же время повышение стоимости выполнения абстрактных заданий, приведет к увеличению темпов роста заработной платы в регионах с большей занятостью в этом виде задач, то есть коэффициент при будет положительным. Как и в случае с абстрактными задачами предполагается, что увеличение занятости в сфере услуг будет положительно влиять на скорость роста заработной платы в регионах.

3.3 Анализ результатов

Для проверки гипотезы о наличии условной бета-конвергенции между заработными платами была использована динамическая модель, то есть с учетом динамики изменений реальной начисленной среднемесячной заработной платы относительно каждого региона. Сделав преобразование описанных ранее моделей, получаем:

ln

Включение лага зависимой переменной вводит полную предысторию самих регрессоров, что способствует возникновению некоторых препятствий в оценке моделей: лаг зависимой переменной коррелирует с ошибками, даже при отсутствии автокоррелированности случайного члена. Это приводит к несостоятельности оценок, полученных методом МНК или с использованием фиксированных эффектов. В связи с этим правильнее будет использовать метод Ареллано-Бонда, позволяющий получить оценки обобщённым методом моментов. Для того, чтобы исключить ненаблюдаемый индивидуальный эффект, уравнение модели переписывается в первых разностях.

Ниже представлены результаты построенных регрессий в период с 2000 по 2017 года. В модель были включены показатели, отражающие инновационную деятельность предприятий в регионах (инновационная деятельность организаций), степень распространения информационно-коммуникационных технологий, выраженных через переменную «количество персональных компьютеров на 100 человек работников», а также показатель миграционного прироста населения как источник трудовых ресурсов населения, который также подвержен влиянию роботизации. В модель были добавлены временные эффекты, отраженные через бинарные переменные для годов. Регрессия была построена с помощью двухшагового обобщенного метода моментов, чтобы элиминировать возможную эндогенность гетероскедастичность. Для коррекции смещённых стандартных ошибок, появляющихся в ходе использования двухшагового метода, были использованы робастный стандартные ошибки. (табл. 2)

Табл. 2

	(1)	(2)	(3)
	Коэфф.	St.error	Коэфф.	St.error	Коэфф.	St.error
	.930337***	.033662	.90715***	.027856	.891718***	.037201
			-.006682*	.00708	-.004506*	.00677
			.0013*	.00888	.001785*	.00829
			-.00144***	.0039	-.0016 ***	.0034
					.00154 **	.0033
					-.03039***	.0919
					-.003697*	.003459
					-.013117***	.005217
TE	-	+	+
const	1.09066***	.312713	1.7929 ***	.275838	2.63989***	.349798
AB(2) ( p-value)		.4573	0.2918

***, **, *- уровень значимости 1%, 5% и 10% соответственно.

Итак, исходя из полученных результатов можно сделать вывод о том, что в России в период с 2000 по 2017 года наблюдается конвергенция заработных плат. Коэффициент при лаге зависимой переменной оказался статистически значимым и отрицательным. Стоит отметить, что из описанного выше преобразования для правильной интерпретации коэффициента необходимо смотреть его значение относительно единицы. В таблице представлены результаты, полученные в статистическом пакете.

Темпы сходимости составляют около 7% при отсутствии прочих переменных. Включение дополнительных переменных, таких как количество персональных компьютеров на 100 человек работников, коэффициент миграционного прироста и инновационная активность организаций, приводят к увеличению темпов сходимости до 10% без включения контрольных переменных и 11% со включением контрольных переменных. Данные оценки являются немного завышенными, так как в модель не добавлен пространственный лаг зависимой переменной, который, как показывают существующие работы по изучению конвергенции доходов, понижает значение приблизительно до 3%. Однако в целом, знак при лаге зависимой переменной сохраняется, что позволяет сделать точные выводы относительно происходящих процессов сходимости заработных плат между регионами России.

Коэффициент при лаге переменной , означающий инновационную активность организаций оказался значимым и отрицательным. Негативное влияние этого фактора обусловлено тем, что данная переменная включает в себя несколько составляющих: маркетинговые инновации, организационные инновации и технологические инновации. И если маркетинговые инновации, представляющие собой улучшение методов презентации и продаж продуктов, никак не смогут повлиять на темпы роста заработной платы, то остальные две компоненты более чем способны на это. Организационные инновации направлены на повышение эффективности деятельности организации и увеличение производительности труда через снижение административных и транзакционных издержек, что также может подразумевать реорганизацию производства с последующим внедрением автоматизированной техники, которая способна заместить определённых работников организации.

Технологические инновации же являются конечным продуктом инновационной деятельности, представляющей собой в виде новых продуктов или новых усовершенствованных способов производства, причем в обоих случаях фирма не обязательно должна создавать что-то принципиально новое своё, она может перенять уже имеющиеся технологии. То есть, данная переменная отвечает за роботизацию процессов производства и отвечает за потерю рабочих мест некоторыми группами работников.

В то же время коэффициент при лаге переменной , означающей количество персональных компьютеров на 100 человек работников, получился положительным, хотя его влияние достаточно невелико. То есть, увеличение данного показателя ведет к увеличению темпов роста заработной платы. Вероятнее всего, это связано с тем, что конкретно персональные компьютеры не способствуют замещению работников, а напротив, дополняют их, увеличиваю производительность, так как в отличие от роботизированной техники на производстве, компьютер не может заменить человека.

Данные результаты соотносится с теоретической основой: многие профессии, относящиеся к абстрактным видам занятий, требуют владения компьютерными технологиями, соответственно в регионах, с большей концентрацией персональных компьютеров может выполняться бомльшее количество абстрактных заданий. Как было отмечено ранее, такие регионы обычно характеризуются высоким развитием, а значит, и большими темпами заработной платы. Противоположная ситуация наблюдается в регионах, где высок потенциал внедрения роботизированной техники: ее увеличению ведет к вынужденному смещению занятости населения в профессии с более низкой заработной платой, а это негативно сказывается на ее темпах в среднем по региону.