Навыки и отдача от образования в России

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Федеральное государственное автономное образовательное учреждение высшего профессионального образования

«Национальный исследовательский университет «Высшая школа экономики»

Факультет экономических наук

Образовательная программа «Экономика»

Бакалаврская выпускная работа

Навыки и отдача от образования в России

Морозов Артур Рустемович

Научный руководитель

Доцент Лазарева Ольга Владимировна

Рецензент

Д.э.н., Профессор Смирных Лариса Ивановна

Москва 2019 г.



Оглавление

Вступление

1. Обзор литературы

1.1 Англоязычные работы

1.2 Отечественные работы

2. Методология

2.1 Описание зависимых переменных

2.2 Группы исследуемых переменных. Индивидуальные параметры

3. Образование

3.1 Когнитивные навыки

3.2 Некогнитивные навыки

4. Практическая часть

Заключение

Список литературы



Вступление

человеческий капитал зарплата карьерный

Человеческий капитал всегда был и остается одной из центральных тем в экономике. На данный момент все больше и больше стран проходят этап трансформации экономики в экономику знаний. При этом сейчас многие экономисты считают человеческий капитал более важным фактором роста, чем накопленное богатство экономики и ее природные ресурсы. В связи с данным распространенным мнением можно сделать вывод, что человеческий капитал является одним из основных факторов экономического развития страны.

Многие экономисты отмечают большую значимость человеческого капитала в формировании ВВП страны. Например, Э. Ханушек (2017) утверждает в своей работе, что те страны, которые уделяют большое внимание развитию человеческого капитала, более успешны в долгосрочном периоде по сравнению со странами, нацеленными на краткосрочные результаты. Обосновывается это тем фактом, что те страны, которые инвестируют «годы» и большие финансовые ресурсы в развитие образовательных институтов, достигают более значимых и положительных экономических результатов в долгосрочной перспективе. Одним из наиболее подходящих примеров будет являться глобальная разница в экономическом развитии двух стран: Новой Зеландии и Южной Кореи. Южная Корея, страна, известная высоким уровнем образования и большими вложениями в единицу человеческого капитала, росла средними темпами в 6% ежегодно в период с 1960 до 2000 года, что в итоге привело к десятикратному росту доходов к 2000 году. ВВП Новой Зеландии рос лишь с темпами в 1% ежегодно в представленный период, что в итоге привело к росту лишь в 1.6 раз.

В общем смысле человеческий капитал предполагает две наиболее важных составляющих: навыки и образование. Образование является достаточно базовым параметром, который чаще всего используется в научных работах как показатель человеческого капитала. Навыки же, в свою очередь, являются в определенном смысле более сложным параметром, так как чаще всего рассматриваются индивидуально и имеют более узкую направленность по сравнению с образованием. В международных работах сейчас все чаще наряду с отдачей от образования исследуется и отдача от навыков, так как навыки становятся таким же важным фактором в построении карьеры, как и образование. В России же работы на тему отдачи от навыков на сегодняшний день очень немногочисленны, что говорит о больших возможностях для исследования.

Цель исследования

Провести сравнительный анализ отдачи от образования и навыков на зарплату и карьерное продвижение.

В соответствии с основной целью, будут решены следующие практические задачи:

Задачи исследования

Исследование основной литературы как по международному опыту исследования темы отдачи от навыков и образования, так и по доступным российским работам;

Разработка основных моделей и подходов к формированию базы практического исследования отдачи от навыков и образования;

Практический анализ отдачи от навыков и образования в России путем построения регрессионных моделей в программе Stata;

Интерпретация полученных результатов.

Объекты исследования

Российское трудоспособное население от 18 лет.

Мотивация и практическая актуальность работы

Исследование специфики отечественного рынка труда в контексте отдачи от навыков и образования является достаточно широкой темой в международной литературе, но в российской практике пока недостаточно раскрыто;

Фактическое отсутствие научных работ на тему отдачи от некогнитивных навыков в российской научной литературе;

Недостаточная представленность работ на тему отдачи от когнитивных навыков в России;

Новизна работы также будет обусловлена рассмотрением отдачи от навыков и образования не только через призму заработной платы, но и через показатель наличия подчиненных у респондента.

Информационная база исследования:

Данные Российского мониторинга экономического положения и здоровья населения НИУ ВШЭ за 2016. Окончательная выборка после коррекции составила 4472 респондента.

Методология:

Работа состоит из основных 5 частей: введение, обзор литературы, методология, практическая часть и заключение.

Во введении объясняются основные задачи и мотивация к исследованию данной темы, формируются основные цели и практические задачи, формируется понимание объекта исследований и основных этапов работы над темой.

В главе обзора литературы рассматривается релевантный опыт работы над данной темой. Представлен обширный опыт исследования темы в международной практике, также представлены российские релевантные работы.

В практической части проведен регрессионный анализ двух основных моделей: по логарифму заработной платы и по факту наличию подчиненных. Также были проведены оценки отдач по группам отраслей и профессий для полноты анализа.

В заключительной части работы интерпретируются основные результаты и сопоставляются с основными гипотезами работы, формируемыми в методологической части.



1. Обзор литературы

1.1 Англоязычные работы

Для того, чтобы сформировать основные рекомендации к проведению исследования на тему отдачи от образования и навыков в России, сначала требуется рассмотреть основные международные работы. В основном стоит обратить внимание на те работы, которые ставят в центре исследования именно отдачу от навыков и способы ее измерения, так как в России, как уже было замечено, подобные исследования немногочисленны.

Высокая значимость навыков в экономике в целом была рассмотрена и доказана в работе E. Hanushek (2017), в которой подтверждается, что в долгосрочной перспективе выигрывают те страны, которые инвестируют в развитие человеческого капитала. Автор в определенном смысле отказывается от классической интерпретации образования как факта наличия диплома или количества лет образования, а определяет его как набор навыков, которые студент потенциально получил за время обучения. Э. Ханушек выявляет связь между результатами тестов, выполняемых респондентами, и экономическим ростом страны и выявляет положительную связь, при этом возникает вопрос об обратной причинной связи.

Несмотря на достаточную ограниченность возможностей исследования на момент написания работы, автор приходит к мнению о том, что развитие образовательной системы, как следствие, развитие навыков, влияет положительно на экономические показатели роста. Таким образом, Эрик Ханушек делает вывод, что экономическое развитие страны обусловлено экономическом ростом, который, в свою очередь, напрямую зависит от уровня развития квалифицированного персонала (уровень квалификации персонала в работах автора определяется через результаты международных тестов). При этом сами годы обучения, если в них учитывать те навыки, которые были получены в процессе образования, играют малозначительную роль.

Автор приходит к важному выводу о связи между навыками и индивидуальными доходами. Повышение квалификации низкоквалифицированной рабочей силы приводит к увеличению экономического роста в течение времени, более того, оно может способствовать улучшению распределения доходов в стране. Переквалификация и обучение работников в соответствии с современными стандартами и запросами реального трудового рынка приводит к повышенному награждению трудовой силы за полученные новые навыки, тем самым система перераспределения доходов оптимизируется. Отдача от навыков наиболее высока в быстрорастущих странах, поскольку навыки дают возможность людям быстрее адаптироваться к изменениям в экономике. Но при этом может иметь место и обратный эффект: при недостаточной эффективности системы образования и переквалификации, сотрудники с низким уровнем квалификации могут не соответствовать современным требованиям, и тем самым они будут постепенно уходить с рынка труда.

В более ранней работе автора (Hanushek, 2015) также рассматриваются навыки как один из наиболее важных драйверов экономики в целом. При этом автор формирует наиболее глобальный, общий взгляд на проблему измерения навыков (в данной работе исключительно когнитивных) и их интерпретацию в рамках модели. В рамках модели навыки входят в параметр человеческого капитала наряду с такими факторами как обучение, обучение в семье, уровень образования в семье, здоровье, опыт работы и так далее. Человеческий капитал же, в свою очередь, является основополагающим фактором экономического роста в рамках базовой регрессии. Для исследования отдачи от когнитивных навыков автор брал данные 12 различных тестирований за период с 1964 до 2003 год. Сопоставляя данные экономического роста за данный период и изменения в результатах тестов у студентов, автор приходит к выводу о сильной взаимосвязанности параметров, что также подтверждается и в дальнейших работах.

Важным моментом работы, который достаточно полно рассматривается автором, является предположение об обратной связи навыков и экономического роста страны. Примером может послужить исследование, которое приводит автор, что иммигранты, которые обучались в своей родной стране, где уровень образования в целом выше, получают более высокую зарплату. Многое, конечно, по мнению автора, зависит от специфики данных, от методов вычисления и моделирования, но важно учитывать, что результаты тестов как показатели развития навыков относятся к ученикам школ и студентам, в то время как экономический рост в большинстве своем обеспечивается трудовыми ресурсами, поэтому в данном случае скорее идет речь о влиянии навыков на показатели экономического роста в долгосрочной перспективе.

В работе Acemoglu, Autor (2010) рынок труда рассматривается с точки зрения последних трендов, в основном через призму технологического развития, которое дополняет, а иногда и заменяет живые трудовые ресурсы. Авторы уходят от канонического подхода к исследованию темы, выделяя два основных недостатка. Во - первых, в канонической модели задачи и навыки по сути являются одним и тем же понятием, хотя на деле задача является единицей рабочей деятельности, которая в итоге и приносит единицу продукции, а навык - это то, благодаря чему задача может быть выполнена. Основной идеей модели автора является то, что рабочие применяют свои навыки в работе для выполнения определенных задач, получая в обмен на свои навыки заработную плату. Особенно актуальным становится различие навыков и задач тогда, когда работники с определенным уровнем квалификации могут выполнять различные задачи и подстраивать свои навыки под изменчивые условия трудового рынка. Таким образом, технологии и их влияние на рынок труда через навыки и задачи является основной опорной точкой для дальнейшего моделирования проблемы. Во - вторых, каноническая модель рассматривает технологии как экзогенную переменную, чаще всего выделяя их положительное влияние на рынок труда. При этом исторический опыт и большое количество научных работ подтверждает тот факт, что зачастую появление новых производственных технологий не только дополняли квалифицированную рабочую силу, но и заменяли ее. Поэтому авторы предлагают трактовку технологий как эндогенной переменной в анализе. Таким образом, авторы строят модель, согласно которой работа состоит из определенного набора задач, которые в итоге приводят к конечному производству продукта. На рынке существуют только три основных вида рабочей силы, каждый из которых представляет определенное преимущество работодателю: низкоквалифицированная рабочая сила, работники с квалификацией среднего уровня и высококвалифицированные работники (предполагается, что наиболее «продуктивной» будет высококвалифицированная рабочая сила, наименее - низкоквалифицированная). Зная и предполагая определенные уровни цен на продукцию и на труд, фирмы ищут оптимальное соотношение задач и навыков работников, которые, в свою очередь, дополняются или заменяются производственными технологиями.

Интересным следствием из проведенного исследования является то, что, вопреки каноническому подходу, где технологический прогресс увеличивает заработные платы всех групп работников, в данной модели заработная плата увеличивается у тех, кому внедрение данных технологий выгодно, и уменьшается заработная плата тех, чьи задачи заменяются машинным трудом.

Одной из основополагающих практических работ, которые используются в обзоре релевантной литературы, будет работа OECD Skills Studies (2016) которая полностью посвящена проблеме актуальности навыков на рынке труда и проблеме их научной интерпретации и измерения. Объектом исследования становятся когнитивные навыки конкретного человека, которые разбиваются на 3 основные категории: грамотность, умение считать и навыки решения проблем (problem-solving). Базой для исследования являются люди в возрасте от 16 до 65 лет и рассматриваются страны с высокой концентрацией технологического капитала (для исследования были выбраны 24 страны).

Помимо общего постранового анализа степени развития навыков, в исследовании также уделяется большое внимание объяснению навыков и их актуальности в современной конъюнктуре трудового рынка. Наиболее важными навыками на работе по результатам опроса стали навыки письма и навыки решения проблем (problem-solving), по пятибалльной шкале частоту их использования на рабочем месте респонденты оценили в целом чуть более, чем на 3 балла. Навыки чтения лишь немного отстают от лидирующих двух, в то время как навыки вычисления и владения компьютером и другой вычислительной техникой оценили ближе к отметке в 2 балла из пяти. В рамках исследования использования навыков обработки информации на рабочем месте Россия показала результаты, сильно отстающие от многих высокотехнологичных экономик. Так, единственный индикатор, по которому Россия не уступает ведущим странам, является навык решения проблем на рабочем месте (problem solving), в то время как навыки чтения, письма и вычисления в среднем на 0.5-0.7 по пятибалльной шкале используются меньше. Навыки использования компьютерной вычислительной техники в России используются реже, чем практически во всех странах, отраженных в данном исследовании. Одним из основных выводов из исследования навыков обработки информации с ранжированием по странам является то, что степень развития и проникновения навыков в рабочий процесс напрямую связан с уровнем экономического и технологического развития экономики конкретной страны. Странами, в которых опрошенные наиболее высоко оценили степень использования навыков, как на рабочем месте, так и в повседневной жизни, являются Новая Зеландия, Норвегия, США, Финляндия и Австралия, в то время как последние строчки рейтинга занимают Российская Федерация, Турция и Индонезия.

Наряду с коррелированностью развития навыков и экономического состояния страны, в исследовании отмечается факт того, что те работники, которые используют свои навыки на рабочем месте чаще и более эффективно, зарабатывают больше (даже учитывая разницу в качестве образования, степени развития навыков и сферу деятельности). Также приводится пример из работы (Wright and Sissons, 2012), в которой авторы делают вывод о том, что развитые навыки увеличивают инвестиции, вовлеченность персонала в работу и инновации. Наиболее важными и актуальными на сегодняшний момент навыками, владение которыми способно максимально увеличить заработную плату индивида, являются навыки работы с компьютером и навыки чтения, в то время как навыки вычисления, навыки решения проблем (problem-solving) не показывают высокой взаимосвязи с уровнем заработной платы. Более того, говоря об индивидуальных преимуществах от высокой степени развития навыков, выделяют большую удовлетворенность работой и, соответственно, меньшую текучку кадров. Также при исследовании был получен вывод о том, что навык чтения сильно коррелирован с продуктивностью работника, что исследователи связывают в целом с высокой грамотностью работника с высокими навыками чтения.

Говоря про гендерные различия, отмечается, что различия в использовании навыков в чтении, письме и компьютерных навыков с небольшими страновыми исключениями очень малы и зачастую незначительны вовсе. При этом большие различия были выделены в частоте использования навыков вычисления и навыков решения проблем (problem-solving), что может отчасти объясняться гендерной дискриминацией, но по большей части объясняется уровнем развития навыков (skills proficiency) в вычислениях и характером работы (частичная занятость по сравнению с полной занятостью). Рассматривая возрастные различия, выделяется факт, что во всех странах, за исключением России, 16-24 летние работники и работники возрастного диапазона 55-65 лет используют компьютерные навыки на работе меньше, чем работники в возрасте 25-54 лет. Таким образом, вопреки достаточно очевидной оценке, что молодые люди более развиты в компьютерных технологиях, на практике получается, что самыми активными пользователями компьютеров на работе являются работники 25-54 лет. Также в исследовании рассматриваются различия в уровне навыков по степени образования. Основными группами для упрощения анализа были выделены респонденты с образованием ниже среднего, со средним профессиональным образованием и высшим образованием. Одним из основных выводов явился факт того, что работники с более высоким образованием в целом чаще используют свои навыки на работе, что во многом объясняется тем, что у более образованных специалистов на старте карьеры уже больше навыков.

В работе E. Hanushek (2014) основной упор делается именно на индивидуальные особенности и выгоды от развития навыков, поэтому в центре исследования находится регрессия, в которой отражается влияние навыков на индивидуальную заработную плату. Также, принимая во внимание большой международный опыт исследования темы, в регрессию отдельным параметром включается уровень образования индивида. Базовым выводом из работы является то, что премия за навыки сильно отличается в разных странах. Наибольшую прибавку к зарплате за более высокий уровень навыков можно получить в шести исследуемых странах: США возглавляет рейтинг с 28% прибавкой, Ирландия, Германия, Испания, Великобритания и Корея предлагают премию в 24%. При этом они значительно отличаются от тех стран, в которых премия за навыки находится на уровне ниже, чем 15%. Такими странами являются Бельгия, Кипр, Чехия, Италия, все участвующие в исследовании северные страны: Дания, Финляндия, Норвегия и Швеция. Исследование также подтверждает предположение о необходимости включения в регрессию показателя обучения, несмотря на некую коррелированность навыков и обучения, так как некоторые навыки неотделимы от процесса базового образования, но в таком случае оценить данную модель будет практически невозможно. Таким образом, в среднем по всем странам один дополнительный год образования с коррекцией на навыки приводит к увеличению заработной платы на 5,9%.

В целом работа Эрика Ханушека во многом пересекается с исследованием OECD, потому что Ханушек использует ту же базу данных, который и стал основой для исследования OECD, поэтому и выводы зачастую совпадают. Но при этом для нашего исследования работа Ханушека по большей части важна тем, что в ней автор достаточно полно рассказывает про эконометрику данной тематики, раскрывая основные подходы к построению основной регрессии для исследования. Так же, как и в исследовании OECD, в работе для оценки отдачи от навыков и образования используются лишь когнитивные навыки.

Как уже было сказано, большинство работ на тему отдачи от образования и навыков концентрируются исключительно на легко измеряемых показателях деятельности человека на трудовом рынке. Но важно учитывать не только когнитивные навыки, актуальность и объясняющая способность которых достаточно полно раскрыта на примере обозреваемых статей, но и некогнитивные навыки, которые больше связаны именно с личностными характеристиками человека. Работ на тему отдачи от некогнитивных навыков сравнительно немного, особенно учитывая широту исследований на тему отдачи от навыков. Несмотря на этот факт, некоторые работы актуальны на сегодняшний день и имеют большой потенциал для использования в качестве теоретической базы для нашей работы.

Так, одной из основополагающих работ по исследования некогнитивных навыков мы будем считать работу McCrae, John (1992), в которой рассматривается практическая польза пятифакторной модели в исследовании психологического типа человека. Так, согласно данной работе, мотивационный, эмоциональный, поведенческий образ человека складывается под воздействием основных пяти качеств («Большая пятерка»). Этими качествами являются добросовестность (conscientiousness), экстраверсия (extraversion), невротизм (neuroticism), открытость опыту (openness), согласность (agreeableness). Со временем данная модель «Большой пятерки» мягких навыков стала одной из самых центральных тем формирования психотипа человека. При этом, хоть и работа McCrae, John носит достаточно фундаментальный характер, в данной статье нет прямых отсылок к рынку труда и применимости модели в реалиях трудовой практики.

В работе Humphries, Kosse (2016) рассматриваются основные подходы к применению на практике инструментов измерения человеческого капитала на трудовом рынке через призму некогнитивных навыков. Так, в данной работе используется большой панельный база данных German Socio-Economic Panel, который исследуется несколькими подходами к измерению мягких навыков. Для сравнения были выбраны пять наиболее известных на сегодняшний момент теоретических моделей измерения некогнитивных навыков, одна из которых - «Большая пятерка». Таким образом, основным выводом из практического исследования является то, что метод «Большой пятерки» является наиболее простым и наиболее полным способом моделирования и интерпретации некогнитивных качеств. Поэтому в нашей работе мы будем использовать именно подход «Большой пятерки» мягких навыков.

В работе Jesus F. Salgado (1997) объединяется в одну картину весь предыдущий разрозненный опыт по теме навыков «Большой пятерки». Так, автор дает основные характеристики каждой из категорий. Категория невротизма в рамках темы предполагает такие качества как враждебность, уязвимость к стрессу, эмоциональное напряжение и боязнь совершить какую-то ошибку, неуверенность в себе, раздражительность. Категория открытости опыту описывает людей через понятия креативности, любознательности. В рамках категории согласности поведение описывается через характеристики доверия людям, кооперации, сговорчивости, легкости контакта. Характеристиками добросовестности являются трудолюбие, организованность, порядочность, амбициозность, надежность, целеустремленность. Под категорией экстраверсии понимается общительность индивида, его самоуверенность, активность, социальность, внутренний энтузиазм. Основу работы автора все же составляет практическое исследование отдачи от некогнитивных навыков на параметрах рынка труда: принятие на работу, производительность труда. Таким образом, выводом, особенно актуальным для нашего исследования, является положительное влияния добросовестности, экстраверсии, открытости опыту и согласности на показатели рынка труда, характеристика невротизма в данном случае продемонстрировала отрицательную зависимость. Нужно отметить, что автор отмечает недостаточную точность модели и ее недостаточную объективность - по разным странам отдача от некогнитивных навыков может несколько отличаться. Также из всех показателей автор выделил добросовестность как наиболее важный параметр для достижения успеха в построении успешной карьеры. Такие же результаты были получены в другой работе T.A. Judge, D. Heller and M.K. Mount (2002), которая направлена более на психологическую характеристику рынка труда - удовлетворенность работой, зарплатой. Для нас данный опыт также является релевантным, так как удовлетворенность работой и зарплатой напрямую связаны с карьерным продвижением человека по карьерной лестнице и его зарплатой.

Более позднее исследование на тему отдачи было представлено в работе M. Cubel, A. Nuero-Chiquero (2016), в котором несколько уточняется отдача от некоторых факторов «Большой пятерки». Так, основным выводом работы является то, что, согласно «традиционной» литературе по теме, отдача от добросовестности является строго положительной, невротизм показывает строго отрицательную связь. При этом исследование остальных трех факторов (экстраверсии, открытости опыту и согласности) показало слабую отрицательную отдачу на продуктивность. Авторы объясняют такое явление недостаточной стандартизацией данных по странам и специфическими особенностями рынка труда, которые могут приводить к некоторым колебаниям отдачи факторов на показатели трудового рынка. Таким образом, в наших дальнейших исследованиях мы будем учитывать однозначно положительную отдачу от показателя добросовестности, однозначно отрицательную отдачу от невротизма, а гипотезы относительно характеристик открытости опыту, экстраверсии и согласности будут формироваться в соответствии с имеющимися данными.

Весь этот многогранный опыт исследований отдачи от факторов образования, когнитивных навыков и некогнитивных навыков был собран воедино в работе Heckman J.J. (2006). Автор проверяет модель с логарифмом заработной платы в качестве зависимой переменной и основными параметрами в качестве когнитивных, некогнитивных навыков и образования. Автор приходит к очень важному для нас выводу о том, что социальный и профессиональный успех во многом (в такой же степени, как и когнитивные навыки) определяется именно набором некогнитивных параметров. При этом автор дает более подробную интерпретацию полученным результатам: некогнитивные навыки помогают индивиду приобретать нужные для карьерного продвижения навыки, когнитивные навыки дают возможность индивиду быть продуктивным на трудовом рынке, а образование дает импульс к развитию обоих как мягких, так и когнитивных навыков. Для нас это исследование носит основополагающий характер, так как в нашей работе мы будем использовать такой же набор основных параметров.

1.2 Отечественные работы

Все предыдущие статьи по большей части рассматривали международный опыт оценки и интерпретации человеческого капитала через образование и навыки. Но для нашего исследования, как уже было замечено, все же очень важен релевантный опыт в отечественной практике, которого, к сожалению, очень мало. Тем не менее нами были найдены работы на тему отдачи от образования и навыков в России, которые могут помочь при дальнейшем практическом исследовании проблемы.

В работе Аникина В.А. (2018) рассматривается общая картина отечественного рынка труда. В целом автор отмечает очень низкую по сравнению с европейскими стандартами норму инвестиций в человеческий капитал, которая приводит к его недостаточной развитости по современным меркам. При этом автор показывает, что базовые законы трудового рынка в России соблюдаются и можно моделировать показатели отечественного рынка труда путем использования классических моделей - например, управленцы и профессионалы, вовлеченные преимущественно в умственную деятельность, имеют большую отдачу от навыков на человеческий капитал. Также автор подтверждает относительную недостаточность исследований на тему отдачи от человеческого капитала в контексте профессий и отраслей экономики.

Во многом выводы из последней работы Аникина В.А. подтверждаются и более ранними работами на тему общего подхода к человеческому капиталу в российских реалиях, например, в работе Гимпельсона В.А. (2016). Таким образом, сейчас российский рынок труда находится в ситуации глобального дисбаланса между спросом на человеческий капитал и его предложением. В работе приводится мнение нобелевского лауреата по экономике Г. Беккера: «Человеческий капитал существует в двух формах и создается двумя основными способами: общий - системами образования, специфический - фирмами, использующими его» (Г. Беккер, 2003). Развитие человеческого капитала в России во многом ограничено из - за недостаточно высокой мотивации российских фирм инвестировать в свой трудовой капитал. Так, например, в России норма расходов на развитие профессионального человеческого капитала составляет 0.3%, в то время как в Европе данный показатель равняется 3%. Поэтому в России существует проблема диспропорции на трудовом рынке, которая приводит к ситуации недоквалификации или переквалификации на рабочем месте.

Другая работа Гимпельсона (2009) направлена по большей части на исследование отдачи от образования в России и на формирование понимания того, как на данный момент образовательная система взаимодействует с трудовым рынком России. Автор отмечает основную тенденцию российского образовательного рынка - с начала 2000-х годов растет популяризация высшего образования, но при этом эффективность его использования не прогрессирует. Таким образом, путем моделирования и интерпретации полученных результатов, автор приходит к двум основным выводам из своей практической работы. Во-первых, лишь половина всех обладателей диплома о высшем образовании в России работают по своей специальности, что во многом означает диспропорцию на рынке труда для начинающих специалистов. Таким образом, отдача от непрофильного образования у такого начинающего специалиста снижается и создаются барьеры на дальнейшее карьерное продвижение. Во-вторых, на российском рынке отмечается очень слабая отдача на среднее профессиональное образование из - за диспропорции между структурой специальностей и вакантных рабочих мест для начинающих специалистов.



2. Методология

Как уже было сказано, основным источником данных для данной работы будет база РМЭЗ (RLMS), которая располагает достаточной информацией для подробного исследования как отдачи от образования, так и отдачи от навыков. Для исследования была выбрана волна 2016 по индивидуальным опросникам, в которых приняли участие более 18 тысяч человек. Многие индивиды, к сожалению, не полностью отвечали на вопросы исследования, что значительно сужает исследуемую базу.

Основными исследуемыми зависимыми переменными модели будут являться среднемесячная заработная плата работника и факт наличия подчиненных. Как было отмечено, многие респонденты неполно отвечали на вопросы, в связи с чем из данных были исключены респонденты с отсутствующим ответом на вопрос о заработной плате.

В процессе исследования будут построены две основные регрессии. В первой регрессии зависимой переменной будет являться заработная плата индивида в среднем за месяц. Согласно анализу представленной литературы, данная регрессия будет наиболее полно и оптимально рассматривать отдачу трех основных факторов (обучения, мягких навыков и когнитивных навыков) на заработную плату индивида. Как показывает анализ литературных источников, включение в модель помимо показателя образования характеристик отдельных навыков позволит понять, какие навыки вносят вклад в общую отдачу на высшее образование, что расширяет классический подход к исследованию образования как наиболее важного фактора роста зарплаты. Также новшеством данной работы в рамках российского опыта изучения данной темы будет оценка логит-модели зависимости наличия подчиненных от данных трех параметров: образования, мягких и когнитивных навыков. Для полноты и большей степени охвата исследования, нами будет использована также расширенная модель ordered probit в исследовании отдачи факторов на количество подчиненных, чтобы рассмотреть разные группы и разные уровни руководителей.

Формула №1

Расширенная регрессия

В данной регрессии S обозначает мягкие навыки (Soft skills), H означает когнитивные навыки (Hard skills), E обозначает степень образования индивида (Education) и I обозначает индивидуальные наиболее важные для исследования индивидуальные характеристики. Каждый из исследуемых параметров содержит в себе определенный набор характеристик, которые требуют подробного описания. Все параметры складываются из ответов респондентов на вопросы из базы данных РМЭЗ за 2016 год.

Стоит отметить, что у практической части работы мы предполагаем наличие некоторых ограничений. Так, например, наличие гетероскедастичности случайных ошибок в модели МНК может привести к недостаточной эффективности полученных оценок. Также возможна проблема эндогенности, вызванная, в первую очередь ненаблюдаемой неоднородностью и некоторыми ошибками измерения (в наибольшей степени некогнитивных навыков).

Таким образом, суммируя опыт международного и российского анализа темы, а также эмпирический анализ темы, нами формируются две основные гипотезы:

Гипотеза 1: Отдача от высшего образования снижается по мере коррекции на показатели навыков;

Гипотеза 2: Отдача от когнитивных навыков снижается по мере коррекции на показатели некогнитивных навыков;

Гипотеза 3: наблюдается слабая отдача от среднего профессионального образования в России.

2.1 Описание зависимых переменных

Зависимые переменные: Логарифм среднемесячной заработной платы и наличие подчиненных.

Таблица 1. Переменная заработной платы

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	17656	23943	100	240000

Источник: расчеты автора

Таблица 2. Логарифм заработной платы

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.65792	0.89361	3.912023	12.38889

Источник: расчеты автора

Наличие подчиненных: Переменная кодируется в бинарной форме. 0 - это отсутствие подчиненных, 1 - наличие подчиненных.

Таблица 3. Наличие подчиненных

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.393808	0.1918	0	1

Источник: расчеты автора

2.2 Группы исследуемых переменных. Индивидуальные параметры

В рамках нашей модели мы используем основные индивидуальные параметры: Пол респондента, его возраст. Также для оценки результатов по отраслям и профессиям, мы брали идентификационный код профессии и сферы деятельности работника.

Для простоты интерпретации результатов и более широкой выборки нами были сформированы основные группы профессий:

Законодатели, крупные чиновники, руководители высшего и среднего звена, специалисты высшего уровня квалификации;

Специалисты среднего уровня квалификации, чиновники, офисные работники и работники по обслуживанию клиентов, работники сферы торговли и услуг;

Квалифицированные работники сельского, лесного хозяйства и рыболовства, квалифицированные работники, занятые ручным трудом, квалифицированные рабочие, использующие машины и механизмы;

Неквалифицированные рабочие.

Также были сформированы следующие группы сфер деятельности:

Нефтегазовая и энергетическая промышленность;

Прочие отрасли промышленности;

Строительство, транспорт и связь;

Образование и здравоохранение;

Органы управления и органы безопасности;

Финансы и страхование, операции с недвижимостью.



3. Образование

Образование индивида будет учитываться в наиболее традиционной и легко интерпретируемой, согласно исследуемой литературе, форме - в факте наличия диплома. Таким образом, согласно опроснику РЛМС, мы делим степени образования на 3 основные категории: школьное образование, среднее профессиональное образование и высшее образование. Данное распределение наиболее удобно для исследования и интерпретации полученных результатов по той причине, что разница между представленными ступенями образования достаточно существенна, в отличие от «погодичного» измерения лет обучения. В измерении образования через годы обучения в различных образовательных институтах разница между годами не настолько существенна и не настолько очевидна, поэтому при таком измерении интерпретация полученных результатов будет носить более общий характер и недостаточно полно выделять конкретные образовательные ступени.

Данные по ступеням образования в программе Stata записаны в бинарной форме и степени образования у респондентов никак не пересекаются (т.е. 1 присваивается наивысшей степени образования индивида, в остальных графах стоят нули). Таким образом, распределение респондентов по уровню образования из итоговой выборки в 4,472 респондентов представляется следующим образом: 12% респондентов имеют лишь диплом о школьном образовании, 52% опрошенных - диплом о среднем профессиональном образовании, 36% - диплом о высшем образовании.

3.1 Когнитивные навыки

Когнитивные навыки, как уже было сказано, являются очень важной частью нашей модели. В нашем случае мы выбрали из индивидуального опросника РМЭЗ четыре основных характеристики, по которым мы будем оценивать отдачу от когнитивных навыков в России.

Во - первых, нами был выбран вопрос о прохождении дополнительных курсов повышения квалификации или получении дополнительного образования. Для этого были объединены два вопроса из опросника: «Проходили ли вы дополнительные курсы за последний год?» и «Проходили ли вы дополнительные курсы год назад?», так, мы несколько расширяем временной горизонт, чтобы, согласно нашему предположению, результаты были более ощутимыми. Таким образом, кодировка в программе Stata по данному вопросу предполагает бинарную систему, где 1 - респондент проходил за последние два года курсы повышения квалификации или получал дополнительное образование, и 0 - респондент отрицательно ответ на вопрос. Описательная статистика представлена ниже.

Таблица 4. Прохождение курсов повышения квалификации или дополнительное образование

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.4054103	0.2072898	0	1

Источник: расчеты автора

Согласно нашему предположению, данный параметр должен положительно влиять на логарифм заработной платы сотрудника, а также на наличие у индивида подчиненных.

Во - вторых, одним из основных параметров, который был отобран из базы данных РЛМС, стал вопрос о собственной оценке своих навыков для работы индивидом. Респонденты должны были представить себе лестницу «профессионального мастерства», которая состоит из 9 основных ступеней, и поместить себя на одну из этих ступеней. Данные были закодированы так, что единице (респондент высоко оценивает свои навыки для работы) соответствуют ответы выше 6, ноль (респондент оценивает свои навыки на среднем уровне или низко) соответствует ответам ниже 7. Для нас этот показатель является очень важным, потому что он показывает индивидуальную степень достаточности навыков и квалификаций для выполнения своей работы. Описательная статистика представлена ниже.

Таблица 5. Оценка респондентом своих навыков

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.4999483	0.523926	0	1

Источник: расчеты автора

Согласно нашему предположению, собственная оценка своих навыков должна являться достаточно важным параметром и положительно влиять на логарифм заработной платы и наличие подчиненных.

В - третьих, нами было выделено знание иностранного языка. Сейчас во многих компаниях в эпоху глобализации бизнеса знание, как правило, английского, а иногда и другого языка, является требованием и необходимостью, поэтому мы будем учитывать этот параметр в регрессии. Таким образом, кодировка в Стате предполагает, что 1 будет обозначать знание как минимум одного иностранного языка и способность на нем изъясняться, а 0 - незнание иностранных языков. Описательная статистика представлена ниже.

Таблица 6. Знание как минимум одного иностранного языка

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.4161178	0.2227191	0	1

Источник: расчеты автора

Мы предполагаем, что знание иностранного языка должно положительно влиять на заработную плату и наличие подчиненных у индивида.

В - четвертых, как уже было описано на многих примерах из литературного обзора, сейчас работа на компьютере во многих сферах и во многих профессиях является необходимостью, поэтому мы выделяем навык работы с компьютеров важным для исследования. Согласно представленным в бинарном виде данным, ответ 1 соответствует положительному ответу на вопрос об использовании компьютера на рабочем месте, 0 - отрицательному ответу. Описательная статистика представлена ниже.

Таблица 7. Использование компьютера на рабочем месте

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.498676	0.4628801	0	1

Источник: расчеты автора

Как было неоднократно показано в списке литературы, мы предполагаем, что большие шансы на более высокую заработную плату и более высокую позицию на карьерной лестнице может иметь человек, владеющий навыками работы с компьютером и использующий их на рабочем месте.

3.2 Некогнитивные навыки

Как уже было сказано в части по обзору релевантной литературы, некогнитивные навыки, т.е. мягкие навыки, тоже имеют большую значимость для личностного и профессионального роста. В рамках обзора литературы была выделена одна из наиболее основных классификаций составляющих мягких навыков - аспекты личности через призму концепции «Большой пятерки» некогнитивных навыков. Таким образом, в рамках исследования мы попробуем найти в общедоступных данных прокси-переменные для личностных черт или показатели, так или иначе связанные с категориями экстраверсии, невротизма, согласности, открытости опыту и добросовестности.

В рамках категории добросовестности мы будем рассматривать высокую оценку индивидом своих возможностей профессионального роста (данный параметр также можно подвести под характеристики амбициозности и целеустремленности, которые непосредственно являются составными частями категории) и оценку собственной деятельности как предпринимательства. Оценка собственной деятельности через призму предпринимательства в данном случае является для нас важным показателем некогнитивных навыков по той причине, что самоощущение себя предпринимателем на работе говорит о работнике как о дисциплинированном, упорном, обязательном и целеустремленном человеке, что как раз относится к категории добросовестности из «большой пятерки» мягких навыков. Более того, важно заметить, что ощущение себя предпринимателем не обязательно означает фактическое владение или совместное ведение какого-то бизнеса: 43% респондентов, ответивших положительно на вопрос о самоощущении себя предпринимателем на работе, являются владельцем или совладельцем собственного дела, остальные респонденты являются наемными работниками. Таким образом, удовлетворенность возможностями карьерного роста в рамках модели переводится в бинарную систему, где 0 - респондент не удовлетворен возможностями карьерного роста, 1 - удовлетворен. Перевод в бинарную систему в данном случае также предполагает, что нейтральный ответ (ответ «И да, и нет») также относится к категории 1, так как для исследования важно понимать именно разницу между положительно - нейтральным характером ответа и отрицательным. Ровно так же интерпретируются и ответы на вопрос о самоощущении респондента как предпринимателя: 1 - индивид ощущает, что на работе он занимается предпринимательской деятельностью, 0 - не ощущает. Более детальная описательная статистика представлена ниже.

Таблица 8. Высокая оценка респондентом возможностей карьерного роста

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.499443	0.4751789	0	1

Источник: расчеты автора

Таблица 9. Ощущение ведения предпринимательской деятельности

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.2032341	0.0431574	0	1

Источник: расчеты автора

Предполагается, как и в теоретическом обосновании в рамках обзора литературы, что данные параметры должны положительно влиять на логарифм заработной платы и факт наличия подчиненных, т.е. удовлетворенность карьерными возможностями у индивида и оценка себя как предпринимателя отражается на более высокой заработной плате и большем количестве подчиненных.

Рассматривая категорию экстраверсии, мы отмечаем две основные характеристики: оценка интервьюером степени открытости ответов респондента на вопросы и личное ощущение себя не одиноким у индивида. Таким образом, степень открытости респондента измеряется через бинарную систему, где 1 - респондент искренне отвечает на вопросы, открыт для общения, 0 - респондент неискренен, закрыт. Описательная статистика представлена ниже.

Таблица 10. Открытость индивида

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.10514	0.9888218	0	1

Источник: расчеты автора



Также, как уже было сказано, нами был выбран параметр личностной оценки одиночества, который тоже входит в категорию экстраверсии. В данном случае степень оценки одиночества измеряется таким образом, что 1 - респондент не считает себя одиноким, 0 - респондент ощущает себя одиноким. Описательная статистика представлена ниже.

Таблица 11. Ощущение себя не одиноким

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.2907814	0.906774	0	1

Источник: расчеты автора

Как мы видим из представленных описательных статистик, в каждой из двух характеристик слишком большое среднее значение положительных ответов. В первом случае такой высокий процент положительных ответов может быть связан с недостаточно показательной субъективной оценкой поведения со стороны интервьюера. Во втором случае большое количество положительных ответов на вопрос скорее обусловлено психологическими чертами человека, то есть нежеланием признавать свое одиночество и так далее. Предполагается, что в данном случае оба параметра должны положительно влиять на карьерное продвижение индивида.

Категория невротизма в нашем случае измеряется двумя основными характеристиками: боязнь потерять работу и поведение индивида во время интервью. Первая важна нам по той причине, что она напрямую связана непосредственно с карьерой респондента, а вторая является внешней оценкой поведения. В обоих случаях, как и прежде, ответы кодируются в бинарную систему: в случае ответа на вопрос о боязни потерять работу 1 - респондент боится потерять работу, 0 - респондент совсем не волнуется по этому вопросу; в случае оценки поведения респондента на интервью 1 - индивид заинтересован в проведении интервью, активен, 0 - не заинтересован, иногда даже враждебен. Описательные статистики представлены ниже.

Таблица 12. Боязнь потерять работу

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.4160846	0.7773307	0	1

Источник: расчеты автора

Таблица 13. Поведение во время интервью

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.0941622	0.9910555	0	1

Источник: расчеты автора

Предполагается, что в данном случае боязнь потерять работу и неприязненное поведение во время интервью могут отрицательно влиять на карьерные успехи человека.

В рамках категории открытости опыту мы будем рассматривать два параметра: наличие дальнейших планов обучения и повышения квалификации на дополнительных курсах (интерпретируется как желание получать новые знания, полезные для карьерного развития) и опыт предпринимательской деятельности, который может характеризовать лидерские черты человека, раскрыть его умственные способности и расширить жизненный опыт. В данной интерпретации предпринимательский опыт не является когнитивным навыком, потому что в этом случае оценивается его психологическая составляющая, ведь открытие собственного бизнеса во многом связано с неопределенностью и стрессом, которые на себя может взять человек только лишь с достаточно высокой степенью принятия риска. В обоих случаях характеристики кодируется через бинарную систему. В рамках вопроса о наличии дальнейших планов обучения ответы подразделяются на 1 - то есть респондент в течение следующего года собирается проходить курсы повышения квалификации или собирается получить дополнительное образования, а в рамках вопроса о наличии предпринимательского опыта ответы также подразделяются на 1 - предпринимательский опыт у респондента есть, 0 - опыта нет. Описательные статистики представлены ниже.

Таблица 14. Планы по обучению и повышению квалификации в ближайший год

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.2898698	0.092576	0	1

Источник: расчеты автора

Таблица 15. Наличие предпринимательского опыта

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.297874	0.09839	0	1

Источник: расчеты автора

Предполагается, что положительные ответы на оба вопроса должны положительно влиять как на логарифм заработной платы, так и на факт наличия подчиненных. Последней категорией из «большой пятерки» мягких навыков мы будем рассматривать категорию согласности. В рамках данной категории мы достаточно полно рассмотрим параметр доверия, который может влиять как на личностные качества индивида, так и на его карьерные достижения. Мы выделяем три основных параметра доверия: доверия людям в целом, доверие своим коллегам на работе и доверие начальству на работе. Во всех случаях ответы кодируются в бинарную систему, где 1 - респондент доверяет людям в целом, коллегам или начальству, 0 - респондент не доверяет. Описательные статистики представлены ниже.

Таблица 16. Доверие людям в целом:

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.3453756	0.1384168	0	1

Источник: расчеты автора



Таблица 17. Доверие коллегам на работе

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.3969252	0.8041145	0	1

Источник: расчеты автора

Таблица 18. Доверие начальству на работе

Количество наблюдений	Стандартное отклонение	Среднее	Минимум	Максимум
4472	0.4639701	0.6864937	0	1

Источник: расчеты автора

В данном случае не выделяется какая - то очевидная гипотеза относительно положительного или отрицательного влияния показателя доверия на карьерное развития индивида по той причине, что излишнее доверие может как положительно, так и отрицательно влиять на карьерные успехи респондента, ровно так же, как и открытый индивидуализм.



4. Практическая часть

Для того, чтобы убедиться в отсутствии мультиколлинеарности в рамках нашей модели, мы оценили корреляции между объясняющими переменными нашей регрессии. Получилось, что практически все параметры не имеют значимой зависимости друг от друга. Среднюю корреляцию между собой имеют два достаточно похожих друг на друга параметра некогнитивных навыков: доверие начальству на работе и доверие коллегам. Но на практике получилось, что зачастую эти два параметра не являются значимыми в нашей регрессионной модели. Для того, чтобы избавиться от гетероскедастичности в регрессионной модели мы будем использовать коррекцию на робастные стандартные ошибки путем добавления команды robust в программу Stata.