книги2 / монография 22

Методика построения регрессий

ивоспроизводство человеческого капитала на микроуровне вносит целый ряд факторов, связанных со спецификой функционирования институтов семьи, образования, здравоохранения, рынка труда и отраслевых особенностей экономики. Процесс накопления человеческого капитала начинается ещё на начальных этапах социализации, когда ребёнок перенимает у родителей ценности и нормы поведения, включая приобретение ряда некогнитивных навыков [Contreras, 2017; Philippis, Rossi, 2021]. Например, специфика локуса контроля подростка влияет на его решения относительно продолжения образования [Coleman, DeLeire, 2003]. Кроме того, отказ родителей от патриархальных взглядов на роль женщины в семье приводит к тому, что выходцы из таких семей и сами имеют уровень человеческого капитала выше,

ипару себе выбирают соответствующую [Johnston, Schurer, Shields; 2014]. Такое нерефлексируемое знание, приобретаемое на ранних этапах социализации, П. Бурдье определял как «культурный капитал» – совокупность практических знаний, навыков, установок, присущих определённой социальной среде [Бурдье, 2002]. Измерение культурного капитала возможно только косвенно, через уровень образования родителей и их профессиональные позиции в момент, когда их ребенок учился в школе [Радаев, 2002]. Дополнительным его индикатором выступает также тип поселения по месту проживания в подростковом возрасте, который позволяет дифференцировать влияние патриархальной сельской культуры и ориентированной на большую мобильность городской культуры.

Влияние локальной институциональной среды на накопление и обновление человеческого капитала прослеживается и у взрослых индивидов. Увеличение доступности высшего образования и расширение процесса урбанизации ведут к росту человеческого капитала на макроуровне [Вольчик, Посухова, 2016]. Однако территориально он распределен неравномерно. Здесь играют роль и опережающее другие территории развитие образовательной

151

Глава 5. Факторы качества общего человеческого капитала профессионалов

икультурной инфраструктуры крупных городов, и тот факт, что компании выбирают место для своей локализации исходя из распределения предложения рабочей силы необходимой квалификации [Arora et al., 2000; Fraumeni et al., 2019; и др.].

Сэтим связан и ещё один комплекс факторов, влияющих на накопление человеческого капитала, – особенности места работы. Отраслевая принадлежность и размер предприятия прямо связаны с платежеспособным спросом на квалифицированную рабочую силу: крупным предприятиям из благополучных отраслей проще привлекать высококвалицированных работников, обеспечивая им высокую зарплату и социальные гарантии [Haltiwanger, Lane, Spletzer, 1999], а работники из этих отраслей заинтересованы в сохранении своих рабочих мест и готовы «вкладываться» в свой человеческий капитал. Кроме того, в российских реалиях нельзя забывать, что такие отрасли, как здравоохранение, образование, наука

икультура, где концентрируются профессионалы, чаще всего представлены бюджетными организациями, а значит, помимо отраслевого фактора, для нашей страны нужно учитывать и такой фактор, как форма собственности предприятия.

Таким образом, помимо образовательной системы в процессах накопления общего человеческого капитала (тем более, человеческого потенциала в целом) участвуют и другие со- циально-экономические институты: семья, локальные рынки труда, отраслевые стандарты требований к работникам

ит. п. С точки зрения неоинституциональной теории, речь идёт об институтах всех уровней – от каркасных неформальных до правил и норм, официально применяемых на предприятиях разных отраслей [North, 1990; Williamson, 2000; и др.].

Наконец, говоря о факторах накопления человеческого капитала, нельзя забывать и об аскриптивных характеристиках индивидов. Международные исследования показывают различия в уровне образования и продолжительности обучения между мужчинами и женщинами даже в развитых странах [Lim et al., 2018]. В частности, чем традицион-

152

Методика построения регрессий

нее взгляды самих женщин на распределение гендерных ролей в семье, тем ниже качество их человеческого капитала, предложение с их стороны рабочей силы и уровень отдачи для них от образования [Vella, 1994].

Ещё одним немаловажным фактором накопления человеческого капитала индивидом является его здоровье. Эмпирические исследования показывают, что люди с лучшим состоянием здоровья в детстве и молодости с большей вероятностью будут дольше учиться, чем их сверстники, имеющие проблемы со здоровьем [Becker, 2007]. Люди с плохим здоровьем в среднем получают меньшую заработную плату, реже склонны инвестировать в свой человеческий капитал, быстрее выходят на пенсию [O’Mahony, Samek, 2021].

Учитывая естественное ухудшение здоровья с течением времени, нельзя забывать и о влиянии возраста на накопление человеческого капитала. С возрастом, как говорят экономисты, он амортизируется, т. е. полученные ранее знания становятся неактуальны, а чем старше индивиды, тем меньше они заинтересованы в инвестициях в своё обучение [Fraumeni et al., 2019]. Особенно это характерно для России, где отдачи от образования начинают падать гораздо раньше, чем в развитых странах [Гимпельсон, 2019].

Как видим, спектр факторов, которые могут влиять на качество человеческого капитала как в его классической, так и в расширительной трактовке, достаточно широк. Это

иаскриптивные характеристики индивида, и его социаль- но-экономическое положение, и состав его домохозяйства,

иусловия первичной и вторичной социализации, и специфика личностных установок, и характеристики места работы и условия труда, т. е. факторы как институционального, так и не институционального характера, как микроуровня, так и мезоили макроуровня. Использовавшийся нами инструментарий РМЭЗ позволял операционализировать практически все из них за исключением характеристик родительской семьи и личностных установок. Отчасти (но не

153

Глава 5. Факторы качества общего человеческого капитала профессионалов

полностью) заменить их могли показатели места рождения и/или места окончания школы, которые, как уже упоминалось выше, отражают значимые различия в условиях первичной социализации.

Однако все упомянутые выше факторы рассматривались в предыдущих зарубежных и отечественных исследованиях применительно к работающим в целом, без учёта их профессиональной специфики, и в случае профессионалов результаты могут быть совсем другими. Перед нами стояла поэтому задача выявления факторов, влияющих на вероятность попадания именно профессионалов в группы с высоким и выше среднего качеством человеческого капитала (по сравнению с группами с низким или средним его качеством). В этом случае зависимая переменная принимает три значения. Стандартным методом решения задач подобного рода считается регрессионный анализ с использованием мультиномиальной логистической модели, в которой логарифм отношения вероятности попадания в некоторую категорию к вероятности попадания в опорную (базовую) категорию представляется как линейная функция вектора независимых переменных73.

Итак, зависимая переменная в нашем исследовании принимала три значения: соответствующее низким и средним показателям качества человеческого капитала по Индексу КОЧК (именно оно выступало базовой категорией), его показателям выше среднего и высоким его показателям. В качестве независимых переменных на основе приведённого выше анализа имеющихся научных исследований и с учётом особенностей использованного эмпирического материала были отобраны 26 показателей, 12 из которых отражали различные социально-экономические характеристики индивидов, а 14 отвечали за отраслевую принадлежность предприятия занятости74. Регрессионный анализ

73См. более подробно [Терещенко, 2012].

74Поскольку профессионалы представлены не во всех отраслях, в регрессию включались индикаторы принадлежности к тем из них, где доля занятых в них профессионалов превышала 2%.

154

Результаты регрессионного анализа

проводился на массивах 2019 г. и 2021 г. по подвыборке профессионалов после перекодировки, принципы которой были описаны во второй главе данной книги. Выбор двух этих временных точек для анализа определялся необходимостью проверки устойчивости выделенных закономерностей для стабильных условий и по итогам двух лет такого тяжелого для рынка труда внешнего шока, как пандемия коронавируса.

Результаты регрессионного анализа

Результаты многоступенчатого моделирования на данных 2019 г. (см. табл. 5.2) показали, что у профессионалов основные факторы, определяющие качество их человеческого капитала, были связаны, во-первых, с местом их проживания в детстве и во взрослой жизни, а во-вторых, с характеристиками их места жительства. Первичная социализация в городской среде и проживание в Москве во взрослой жизни, прямо связанные с особенностями функционирования целого ряда социальных и экономических институтов, положительно сказывались тогда на качестве общего человеческого капитала профессионалов.

Что же касается влияния занятости в разных отраслях, то наши результаты показывают, что работа на промышленных предприятиях, как и в сфере финансов, торговли и услуг, не требовала в 2019 г. от профессионалов высокого качества человеческого капитала. Об этом свидетельствует то, что коэффициенты при соответствующих переменных оказались отрицательными. Это значит, что в этих отраслях российской экономики, где занята значительная часть рабочей силы, высокая квалификация профессионалов в конце 2010-х гг. не стимулировалась. А ведь к этому моменту уже был провозглашен курс не просто на импортозамещение, но и на технологическую независимость страны.

155

Глава 5. Факторы качества общего человеческого капитала профессионалов

Таблица 5.2

Результаты мультиномиальной регрессионной модели75, РМЭЗ, 2019 г. (отранжировано по модулю показателей Коэффициентов для группы с высоким качеством общего человеческого капитала)

П р и м е ч а н и е: знаками ***, **, * отмечены уровни значимости< 0,01, 0,05, 0,1 соответственно.

75 В таблице указаны значения Коэффициентов , в скобках приведены стандартные ошибки. Псевдо R-квадрат Кокса и Снелла составлял 0,141, Нагелькерка – 0,162, МакФаддена – 0,074. Для удобства визуализации результатов регрессионного анализа из таблицы исключены переменные, оказавшиеся в процессе моделирования незначимыми: пол, самооценки здоровья, наличие инвалидности, тип поселения проживания, занятость на предприятиях с государственным участием, принадлежность предприятия к таким отраслям как образование, органы управления, здравоохранение, наука и культура, силовые структуры, транспорт и связь, строительство, ЖКХ, юриспруденция, сельское хозяйство, информационные технологии.

156

Результаты регрессионного анализа

Интересна также ситуация с занятостью в малом и микробизнесе, включая самозанятость. С одной стороны, занятость по найму на небольших предприятиях не требовала

в2019 г. от профессионалов высокого качества человеческого капитала. С другой стороны, предпринимательская деятельность у профессионалов (включая самозанятость) повышала вероятность попадания в группу с его высоким качеством. Напомним, что особенности формирования подвыборки профессионалов исключали попадание в их группу руководителей, имеющих более чем 5 подчиненных, то есть в нашем случае речь идёт о самозанятых, индивидуальных предпринимателях без наёмных работников и предпринимателях в микробизнесе, имеющих не более 5 наёмных работников. Более конкретно, в их числе оказались

восновном репетиторы из разных предметных областей, юристы и адвокаты, стоматологи, специалисты продаж медицинского оборудования, строительные инженеры и т. п. Видимо, в частные предприниматели изначально «уходят» наиболее высококвалифицированные специалисты, и/или рынок, на котором они представлены, требует от них инвестиций в свой человеческий капитал.

Возвращаясь к результатам регрессионного анализа, заметим, что аскриптивные характеристики, связанные с полом и состоянием здоровья, «при прочих равных» незначимо влияют на вероятность попадания профессионалов в группы с качеством человеческого капитала выше среднего. Иначе выглядит ситуация с возрастом. При построении модели мы учли нелинейное влияние возраста на накопление человеческого капитала индивидами, которое уже отмечал В. Е. Гимпельсон [Гимпельсон, 2019]. Как показано в таблице 5.2, сам по себе возраст положительно влиял в 2019 г. на вероятность попадания в группы с высоким и выше среднего качеством человеческого капитала. При этом отрицательный коэффициент при переменной «Возраст в квадрате» показывает, что после определённого возраста вероятность обладания общим человеческим капиталом высокого качества падает. Для

157

Глава 5. Факторы качества общего человеческого капитала профессионалов

группы профессионалов с качеством человеческого капитала выше среднего этот порог проходил тогда в возрасте 43–45 лет, для представителей группы с высоким его качеством – даже в 36–39 лет (см. рис. 5.1).

Рис. 5.1. Зависимость вероятности попадания в группы профессионалов с высоким качеством общего

человеческого капитала от возраста (в годах жизни), РМЭЗ, 2019 и 2021 гг.

Следовательно, высокое качество человеческого капитала с большей вероятностью можно было встретить тогда среди профессионалов, находящихся на грани молодости и среднего возраста. Шансы же на обладание человеческим капиталом выше среднего качества для профессионалов начинали сокращаться на 6–7 лет позже, т. е. уже в среднем возрасте. Мы объясняем такое влияние возрастного фактора рациональной реакцией высококвалифицированных специалистов на снижение их заработных плат после перехода 40-летнего рубежа, что исследователи связывают с проявлением на российском рынке труда дискриминации работников старших возрастов (см., например, [Клепикова, Колосницина, 2017]). В таких институциональных условиях инвестиции в обновление и наращивание своего человеческого капитала становятся для российских профессионалов старших возрастов невыгодными.

158

Результаты регрессионного анализа

Таблица 5.3

Результаты мультиномиальной регрессионной модели76, РМЭЗ, 2021 г. (отранжировано по модулю показателей Коэффициентов для группы с высоким качеством общего человеческого капитала)

Тип поселения по месту проживания (база – ПГТ и села)

П р и м е ч а н и е: знаками ***, **, * отмечены уровни значимости < 0,01, 0,05, 0,1 соответственно.

76 В таблице указаны значения коэффициентов, в скобках приведены стандартные ошибки. Псевдо R-квадрат Кокса и Снелла составляет 0,142, Нагелькерка – 0,163, МакФаддена – 0,075. Для удобства визуализации результатов регрессионного анализа из таблицы исключены переменные, оказавшиеся в процессе моделирования незначимыми: пол, самооценки здоровья, наличие инвалидности, тип поселения по месту проживания, занятость на предприятиях с государственным участием, принадлежность предприятия к таким отраслям как органы управления, силовые структуры, транспорт и связь, строительство, ЖКХ, юриспруденция, сельское хозяйство, информационные технологии и др.

159

Глава 5. Факторы качества общего человеческого капитала профессионалов

Применение аналогичных алгоритмов построения регрессионной модели на массиве данных 2021 г. показало, что выявленный на данных относительно спокойного 2019 г. набор факторов, влияющих на вероятность иметь относительно более высокое качество общего человеческого капитала, не статичен. Среди них можно выделить как относительно устойчивые во времени, так и непостоянные по характеру их действия факторы.

В числе постоянных остались только отрасль занятости, место жительства, возраст и материальное положение (см. табл. 5.3). Причём связь последнего с качеством общего человеческого капитала профессионалов имеет неоднозначный характер: с одной стороны, качество общего человеческого капитала влияет на уровень доходов человека, а с другой – более высокие доходы позволяют ему активнее инвестировать в свой человеческий капитал. Кроме того, как показано в других главах данной книги, и уровень доходов, и показатели качества общего человеческого капитала связаны с социальным происхождением человека, так как они во многом имеют единое основание, связанное как с формированием в процессе первичной социализации специфических мотиваций, отношения к знаниям и т. д., так и с культурными, социальными и экономическими ресурсами родительской семьи в целом.

Как видим, в модели 2021 г. из факторов, дифференцирующих профессионалов с качеством человеческого капитала выше среднего от профессионалов со средним и низким его качеством, других статистически значимых факторов кроме отрасли и места жительства не осталось. Вероятность иметь высокое качество человеческого капитала также стала определяться в основном структурными факторами. Хотя нелинейное влияние возраста всё же ещё прослеживалось и в 2021 г., однако если в 2019 г. максимальная вероятность попадания в группу с высокими значениями Индекса КОЧК была у 38-летних, то в 2021 г. этот порог сместился к 26 годам (см. рис. 5.1). Это значит, что

160