Влияние роботизации на заработную плату

Коэффициент при лаге переменной , означающей коэффициент миграционного прироста, получился значимым и отрицательным. Исходя из этого можно заключить, что увеличение предложения труда в регионе уменьшает темпы роста заработной платы. Это соотносится с неоклассической моделью экономического роста Солоу, на которой основана модель конвергенции: миграция приводит к увеличению предложения труда, и этот эффект превосходит силы спроса на труд, что приводит к уменьшению темпов роста заработных плат в регионе.

Включение дополнительных регрессоров приводит к уменьшению скорости конвергенции, что свидетельствует о том, что эти показатели способствуют дивергенции заработных плат. Например, в случае с миграцией, это, вероятнее всего, может объясняться тем фактом, что в основном в стране происходит миграция высококвалифицированных людей с высоким уровнем образования, в более перспективные регионы с высоким уровнем образования. Это в свою очередь еще больше увеличивает уровень заработных плат в этих регионах, а значит увеличивает и дифференциацию.

Коэффициенты при контрольных переменных оказались статистически значимыми и с ожидаемыми знаками. Так коэффициент при переменной «количество студентов на 10000 человек жителей» оказался положительным, остальные контрольные переменные: коэффициент детской смертности, количество жителей младше трудоспособного возраста, количество жителей старше трудоспособного возраста, оказались отрицательными, как и ожидалось.

Проведенный тест Ареллано-Бонда на автокорреляцию второго порядка показали, что оснований отвергнуть гипотеза о нулевой автокорреляции в остатках нет, вследствие чего можно заключить, что полученные оценки состоятельны (приложение 3). В данном случае из-за наличия первого лага объясняющей переменной опираться на результаты теста на автокорреляцию первого порядка не имеет смысла, так как она очевидным образом будет присутствовать. Стоит отметить, что тест Саргана на валидность инструментов при использовании робастных стандартных ошибок проводить нельзя.

Перейдем к проверке гипотезы о наличии конвергенции заработных плат для двух различных групп работников: с высшим образованием и со средним общим. (Табл. 3) Так как в модель построена отдельно для работников с высокой квалификацией и отдельно для работников с низкой, то включение в модель каких-либо еще переменных оказалось бы неверным из-за того, что переменные не разделяются по видам образования. Поэтому в модель были включены только фиксированные эффекты времени. Проведенные тесты показали, что временные эффекты значимы и должны быть включены в модель. Регрессия была посчитана методом Ареллано-Бонда с двухшаговым обобщенным методом моментов и робастными ошибками.

Исходя из полученных результатов, можно сделать вывод о том, что для работников с высшим образованием наблюдается дивергенция, её темпы составляют 0,6%, в то время как как для работников со средним общим образованием присутствует конвергенция и ее темпы составляют 3%.

Табл. 3

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

Таким образом гипотеза о том, что процессы на рынке труда, запущенные роботизацией привели к увеличению разрыва между высококвалифицированными работниками подтверждается. То есть между темпами роста заработных плат работников развитых регионов и менее развитых наблюдается увеличение дифференциации в случае, если они имеют высшее образование. Объясняется это тем, что поскольку теперь работники с высшим образованием могут выполнять бомльший набор задач, вытесняя менее образованную рабочую силу, то, соответственно, дисперсия заработных плат будет значительно больше по сравнению с заработными платами работников низкой квалификации.

Тепы дивергенции достаточно небольшие и связано это, вероятнее всего, с не столь высоким уровнем роботизации в России и только начинающимися процессами, связанными с последствиями роботизации. Однако, на фоне общей конвергенции заработных плат можно сделать предположение о последующем изменении направления дифференциации заработных плат в сторону дивергенции, поскольку доля занятых с высшим образованием вряд ли уменьшится, а спрос на высокую квалификацию работников продолжит расти. Вследствие этого возможно появление явного неравенства не только между теми, кто имеет различные уровни образования, но и между теми, кто имеет один и тот же уровень образования, но проживают в регионах с различным уровнем развития и различной концентрацией высококвалифицированной рабочей силы.

В то же время для работников без высшего образования наблюдается конвергенция, а значит, разрыв между доходами этого типа работников в разных регионах продолжает уменьшаться. Это может объясняться уменьшающимся набором задач, который могут выполнять работники с низким уровнем образования, переходом из сектора задач, требующих «средние» навыки в сектор задач с «низкими» навыками, на которые спрос не так высок. Соответственно, стоимость выполнения этих задач не будет сильно варьироваться от региона к региону.

Проведенные тесты Ареллано-Бонда не дают оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции второго порядка. Таким образом, подученные результаты можно считать состоятельными (приложение 4).

Одним из основных предположений теории о технологических изменениях, ориентированных на навыки является то, что появление новых технологий способствует увеличению премии за навыки. Собственно, это становится одной из главных причин возникающего неравенства, так как развитые регионы будут иметь премию за навыки гораздо более высокую, нежели менее развитые. В данном случае, даже заметно выросшее предложение высококвалифицированного труда не станет помощником в уменьшении неравенства, так как технологический прогресс значительно повысил и спрос на высокую квалификацию. Если принято рассматривать дисперсию заработных плат и конвергенцию между регионами как меру дифференциации, то с приходом технологического прогресса премия за навыки получает шанс претендовать на роль такой же «меры» неравенства.

То есть предполагается, что чем больше относительное количество занятых с высшим образованием в регионе, тем выше там будет премия за навыки.

Табл. 4

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

В качестве зависимой переменной в регрессии выступает премия за навыки в регионе, в качестве объясняющей- относительная занятость. Регрессия была построена с использованием детерминированных индивидуальных эффектов, и проведённые тесты Бреуша-Пагана и Хаусмана показали, что их использование в модели целесообразно (приложение 5). Помимо фиксированных эффектов для объектов в модель были включены фиксированные эффекты времени (табл. 4).

Коэффициент при относительной занятости получился положительным и значимым, то есть ее увеличение ведет к росту премии за навыки. Таким образом гипотеза подтверждается, и увеличение концентрации высококвалифицированной рабочей силы ведет к увеличению премии за навыки. Это говорит о возрастающем неравенстве между регионами, и соответствует появившейся дивергенции доходов между работниками с высоким уровнем образования. Таким образом происходит некий сдвиг относительно положения высококвалифицированной рабочей силы, которая будет концентрироваться в изначально развитых местах с высокой степенью проникновения ИКТ и большим количеством занятых с высокой квалификацией . Это приведет к тому, что в то время как некоторые регионы будут проигрывать из-за роботизации, другие будут от этого получать выгоду: регионы с большей концентрацией высококвалифицированной рабочей силы будут иметь большую премию за навыки, но также благодаря этому будет повышаться и общий уровень доходов, что продемонстрировано ниже.

Контрольные переменные имеют ожидаемый знак и значимы, так переменная , представляющая собой темпы роста населения, значима и имеет положительный знак, переменная - количество студентов на 10 тыс. человек жителей- оказалась статистически незначимой, -коэффициент детской смертности как прокси развития региона отрицательный и статистически значим на 5% уровне. -доля людей старше трудоспособного возраста статистически значима на 5% уровне и отрицательна.

Для того чтобы проанализировать влияние различных типов занятости на темпы роста заработных плат в регионах построим регрессию, где в качестве зависимой переменной будут темпы роста заработной платы в регионах, а в качестве объясняющих переменных- лаги долей занятости в 3 видах занятий: рутинных, абстрактных и сфере услуг. Так как зависимая переменная является динамичной величиной, то в качестве зависимых переменных необходимо использовать значения предыдущих периодов времени. Для удобства все представленные виды экономической деятельности были разделены по 3 видам (Приложение 6). Также в регрессию были включены дамми-переменные для годов и контрольные переменные: коэффициент младенческой смертности , количество студентов на 10000 человек жителей , доля населения старше трудоспособного возраста. и доля населения моложе трудоспособного возраста .

Табл. 5

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

Полученные результаты подтверждают поставленные гипотезы относительно занятости в абстрактных и рутинных задачах, увеличение доли занятости в первых увеличивает темпы роста заработной платы. Так как в абстрактных занятиях участвует в основном высококвалифицированная рабочая сила, то ее концентрация будет еще больше увеличивать заработные платы, а значит и их темпы роста.

В то же время увеличение доли занятости в рутинных задачах негативно сказывается на темпах роста доходов в регионе. Это соотносится с теорией и говорит о том, что регионы, ориентированные на обрабатывающую промышленность, сельское хозяйство и добычу полезных ископаемых, и прочие секторы экономики, где высок потенциал внедрения роботизированной техники будут иметь относительно низкие темпы роста доходов населения.

Гипотеза о том, что увеличение доли занятости в профессиях, связанных со сферой услуг будет увеличивать темпы роста заработной платы в связи с увеличением рыночной стоимости этого вида задач не подтвердилась. При этом сфера услуг оказывает даже более негативный эффект чем рутинные задачи. Это скорее всего объясняется тем, что в данной сфере заняты работники с низким уровнем образования и регионы, имеющие большую долю именно в этом виде занятий в принципе имеют низкий уровень развития и образования. И если в промышленных регионах будут снижаться темпы роста из-за проблем, вызванных роботизацией, то в данном случае, уменьшение темпов будет связано с общим низким уровнем развития региона

ЗАКЛЮЧЕНИЕ

Итак, проведенный анализ российского рынка труда с точки зрения его адаптации к быстрому технологическому прогрессу, внедрению роботизированной техники в различные сферы экономической деятельности позволяет утверждать, что несмотря на достаточно небольшие темпы роботизации и автоматизации на российском рынке труда наблюдаются тенденции, характерные для большинства развитых стран. В первую очередь, это поляризация занятости в некоторых видах экономической деятельности: происходит уменьшение занятости в профессиях, связанных с выполнением рутинных задач, например, в обрабатывающей промышленности и сельском хозяйстве. В то же время крайне заметно увеличение доли занятости в профессиях, направленных на оказание социальных и персональных услуг.

Конечно, нельзя сказать, что темпы роботизации в стране очень быстрые, но и отрицать их наличие и их влияние на рынок труда, пусть и достаточно небольшое, тоже нельзя. Проведенный эмпирический анализ показал, что несмотря на, казалось бы, увеличивающееся неравенство между развитыми регионами страны и отстающими в развитии, в России наблюдается процесс конвергенции заработных плат, то есть уменьшения дифференциации, что в целом доказывает, что технологический прогресс еще не повлиял на положение регионов настолько, чтобы привести к обратному процессу-дивергенции. Однако, более подробное рассмотрение процесса сходимости для различных образовательных групп работников подтвердило, что между работниками с высшим образованием наблюдается процесс дивергенции. Данный результат обоснован явно выраженным возросшим за последние два-три десятилетия спросом на высококвалифицированную рабочую силу, что в свою очередь является следствием технологического прогресса, а значит и роботизации. Увеличившийся спрос способствует увеличению количества возможностей для работников с высокой квалификацией, а значит и разброс заработных плат окажется намного выше, чем для работников с низким уровнем образования и низкой квалификацией.

Однако, выявленная дифференциация опирается еще и на возросшую премию за навыки. Полученные оценки позволяют сделать выводы о том, что этот показатель увеличивается в регионах с большей долей занятых с высшим образованием. Такое заключение является достаточно тревожным сигналом того, что происходит сильное разделение на «образованные» регионы и менее «образованные». Очевидно, что в регионах с большим уровнем образования будет не только выше уровень заработной платы, но и переносить последствия роботизации будет намного проще, поскольку жители имеют навыки и компетенции если не для создания новых рабочих мест, то хотя бы для адаптации к новым реалиям. В то же время в регионах с более низким уровнем образования может сформироваться класс людей, которые не будут в полной мере участвовать в экономической деятельности региона. Для избежание возможных негативных последствий необходимо внедрять компенсационные механизмы, которые бы элиминировали различия в технологическом развитии регионов и в уровне заработных плат.

СПИСОК ЛИТЕРАТУРЫ

Периодические издания

1. Acemoglu D. Technical Change, Inequality, and the Labor Market. Journal of Economic Literature. 2002.Vol. 40, No. 1. P. 7-72

2. Acemoglu D. Patterns of Skill Premia. The Review of Economic Studies. 2003 Vol. 70, No. 2. P. 199-230

3. Acemoglu D., Gancia G., Zilibotti F. Offshoring and Directed Technical Change. American Economic Journal: Macroeconomics.2015. Vol. 7, No. 3. P. 84-122.

4. Acemoglu D., Restrepo P. Robots and Jobs: Evidence from US Labor Markets. 2017. NBER Working Paper No. 23285. P. 1-91.

5. Acemoglu D., Restrepo P. The Race Between Machine and Man: Implications of Technology for Growth, Factor Shares and Employment. 2018. American Economic Review. Vol 108. P. 1488-1542.

6. Albrecht J., Vroman S. A Matching Model with Endogenous Skill Requirements. International Economic Review. 2002 Vol. 43, No. 1. P. 283-305.

7. Autor D. H., Acemoglu D. Skills, Tasks and Technologies: Implications for Employment and Earnings. Handbook of Labor Economics. 2010. Vol. 4. P. 1-154.

8. Autor D. H., Levy F., Murnane R. J. The Skill Content of Recent Technological Change: An Empirical Exploration. The Quarterly Journal of Economics. 2003. Vol. 118, No. 4. P. 1279-1333.

9. Autor D. H., Katz L. F., Kearney M. S. Trends in U.S. Wage Inequality: Revising the Revisionists. The Review of Economics and Statistics.2008. Vol. 90, No. 2. P. 300-323.

10. Autor D. H., Dorn D. The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market. American Economic Review. 2013. Vol. 103, No.5. P. 1553-1597.

11. Bacolod M. , Blum B. S. , Strange W. C. Skills in the city. Journal of Urban Economics. 2008. Vol.65. P. 136-153.

12. Beaudry P., Doms M., Lewis E. Should the PC b e Considered a Technological Revolution? Evidence from U.S. Metrop olitan Areas. Journal of Political Economy. 2010. Vol. 118, No. 5. P. 988-1036.

13. Bйnabou R. Human Capital, Technical Change, and the Welfare State. Journal of the European Economic Association. 2003. Vol. 1, No. 2/3. P. 522-532.

14. Buera F. J., Kaboski J. P. The Rise of the Service Economy. The American Economic Review. 2012. Vol. 102, No. 6. P. 2540-2569.

15. Card D., DiNardo J. E. Skill-Biased Technological Change and Rising Wage Inequality: Some Problems and Puzzles. Journal of Labor Economics. 2002. Vol. 2, No. 4 P. 733-783.

16. Cirillo V., Job polarization in European industries, International Labour Review. 2018. Vol. 157, No. 1 P. 40-63.

17. Chennells L.,Reenen J.V. Technical Change and Earnings in British Establishments. Economica, New Series. 1997. Vol. 64, No. 256. P. 587-604.

18. Clarke S. Market and Institutional Determinants of Wage Differentiation in Russia Source: ILR Review.2002. Vol. 55, No. 4. P. 628-648.

19. Croix D., Docquier F. School Attendance and Skill Premiums in France and the US: A General Equilibrium Approach, Fiscal Studies.2007. Vol. 28, No. 4. P. 383-416.

20. Diamond R. The Determinants and Welfare Implications of US Workers' Diverging Location Choices by Skill: 1980-2000. American Economic Review.2016. Vol. 106, No. 3. P. 479-524.

21. Eeckhout J., Pinheiro R., Schmidheiny K. Spatial Sorting. Journal of Political Economy. 2014. Vol. 122, No. 3, P. 554-619.

22. Gancia G., Zilibotti F. Technological Change and the Wealth of Nations. Annual Review of Economics. 2009. Vol. 1. P. 93-120.

23. Ganong P., Shoag D. Why has regional income convergence in the U.S. declined? Journal of Urban Economics.2017. Vol. 102. P. 76-90.

24. Giannone E. Skill-Biased Technical Change and Regional Convergence. 2017. Meeting Papers 190, Society for Economic Dynamics. P.1-77.

25. Goldin C., Katz L. F. The Race between Education and Technology: The Evolution of U.S. Educational Wage Differentials. 2007. 1890 to 2005. NBER Working Paper No. 12984. P. 1-48.

26. Hsieh C-T., Moretti E. Why Do Cities Matter? Local Growth and Aggregate Growth. Kreisman Working Papers Series in Housing Law and Policy No. 30. P. 1-69.

27. Jaimovich N., Siu H. E. The Trend is the Cycle: Job Polarization and Jobless Recoveries. NBER Working Paper No. 18334, P.1-36.

28. Krusell P., Ohanian L.E., Rios-Rull J. V., Violante G.L., Capital-Skill Complementarity and Inequality: A Macroeconomic Analysis. Econometrica, 2000. Vol. 68, No. 5. P. 1029-1054.

29. Lafortune J., Lewis E. Josй Tessada People and Machines A Look at the Evolving Relationship Between Capital and Skill In Manufacturing 1860-1930 Using Immigration Shocks. The Review of Economics and Statistics. 2019. Vol 101, No.1. P. 30-43.

30. Violante G.L. Skill-Biased Technical Change. The New Palgrave Dictionary of Economics. 2nd Edition. P. 1-9.

31. Uren L., Virag G. Skill Requirements, Search Frictions, And Wage Inequality. International Economic Review.2011. Vol. 52, No. 2. P. 379-406.

32. Barro R. J., X. Sala-i-Martin. Convergence. Journal of Political Economy. 1992. Vol. 100, No. 2. P. 228-237.

33. Земцов С. П. Роботы и потенциальная технологическая безработица в регионах России: опыт изучения и предварительные оценки. Вопросы экономики. 2017. № 7. С. 1--16.

34. Земцов С. П. Смогут ли роботы заменить людей? Оценка рисков автоматизации в регионах России . Инновации. 2018. №4. С. 2-8.

35. В. Е. Гимпельсон, Р. И. Капелюшников. «Поляризация» или «улучшение»? Эволюция структуры рабочих мест в России в 2000-е гг. Вопросы экономики. 2015. №. 7. C. 87-119.

Интернет-сайты

36. Регионы России. Социально-экономические показатели [электронный ресурс].URL:http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalog/doc_1138623506156

37. Труд и занятость в России [электронный ресурс] http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalog/doc_1139916801766

38. ЕМИСС. Государственная статистика [электронный ресурс]. URL: https://www.fedstat.ru/.

39. Рейтинг инновационного развития субъектов РФ [электронный ресурс]. URL: https://www.hse.ru/primarydata/rir.

ПРИЛОЖЕНИЯ

Описательная статистика переменных

Описание переменных

Размещено на Allbest.ru