Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Идентификация институтов и организационных механизмов слияния вузов в контексте социально-экономического развития региона. Монография
.pdf
101
ет большее предложение образованной рабочей силы, что важно для
экономического роста
202 203
, в частности, за счет обеспечения дополни-
тельных экономических возможностей
204 205
. Во-вторых, университеты
предлагают больше инноваций, включая управленческие инновации
206
и,
возможно, новые экономические предметы, такие как побочные фирмы.
В-третьих, университеты повышают спрос на определенные товары и
услуги. И последнее, но не менее важное: университеты предоставляют
институты, поддерживающие демократические и экономические ценности
207
.
Что касается вышеизложенного, то на диаграмме 1 показана тесная
взаимосвязь между ВВП на душу населения и валовым коэффициентом
охвата университетами (высшее образование) на основе данных индекса
развития человеческого потенциала (1990-2017 годы) – набора данных, собранных в рамках проекта, осуществляемого Организацией Объединенных
Наций (2018 год). Можно заметить закономерность, свидетельствующую о
том, что рост числа студентов университетов, как правило, совпадает с ростом ВВП на душу населения.
В данном разделе мы сосредоточим внимание на экономических результатах высшего образования с точки зрения его воздействия на рынки
труда в регионах или странах. Существует ряд исследований, посвященных образованию как форме возврата инвестиций в человеческий капитал
208
.
202
Sianesi, B., & Van Reenen, J. (2013). Education and Economic Growth: A review of
the literature. Journal of Economic Surveys, 17(2), 157-200. doi: 10.1111/1467-6419.00192
203
Gennaioli, N., La Porta, R., Lopez-de-Silanes, F., & Shleifer, A. (2012). Human capital and regional development. The Quarterly journal of economics, 128(1), 105-164.
doi:10.1093/qje/qjs050
204
Moretti, E. (2004). Worker's Education, Spillovers, and Productivity: Evidence from
Plant-Level Production Functions. American Economic Review, 94, 656-690. doi:
10.1257/0002828041464623
205
Glaeser, E.L., & Lu, M. (2018). Human-Capital Externalities in China, NBER Working Paper No.24925, August 2018. Retrieved from: https://www.nber.org/papers/w24925
206
Bloom, N., Lemos, R., Sadun, R. and Van Reenen, J. (2017) Healthy Business? Managerial Education and Management in Healthcare, NBER Working Paper No. 23880. Retrieved from: https://www.nber.org/papers/w23880.
207
Acemoglu, D., Johnson, S., Robinson, J.A., & Yared, P. (2005) From education to
democracy?. American Economic Review, 95(2), 44-49. doi: 10.1257/000282805774669916
208
Blanchard, E. J., & Olney, W. W. (2017). Globalization and human capital investment: Export composition drives educational attainment. Journal of International Economics,
106, 165-183. doi: 10.1016/j.jinteco.2017.03.004
102
Рисунок 4. ВВП на душу населения и валовой коэффициент охвата высшим
образованием (% населения в возрасте третичного школьного образования)
в период 1990-2017 гг.
Источник: United Nations. (2018) Human Development Data, 1990-2017. Available online:
http://hdr.undp.org/en/data
Однако первая и самая основная причинно-следственная связь была
предложена Минсером в 1974г. в его классической работе
209
(а затем дополнена позднее в таких его последующих работах, в частности в соавторстве с Полачеком в 1978г.
210
). В общем, уравнение Минцера имеет следу-
ющую форму:
InYs = InYo + flit + fa2 + rs (1),
где Ys – доход за отчетный год, Y0 – начальный доход, s – лет обу-
чения, r – процентная ставка, t – количество лет работы.
Согласно формуле (1), доход от заработной платы зависит от уровня
образования и опыта, а это означает, что чем выше доход, тем выше чем
209
Mincer, J. (1974). Schooling, Experience and Earnings. Columbia University Press:
New York
210
Mincer, J., & Polachek, S. (1978). An exchange: the theory of human capital and the
earnings of women: women's earnings reexamined. The Journal of Human Resources, 13(1),
118-134. doi: 10.2307/145305
103
выше уровень образования человека, тем лучше он или она будет на рынке
труда. Очевидным выводом является то, что высшее образование означает
более высокую заработную плату и лучшее положение на экономической и
социальной лестнице.
Для проверки этой причины во многих странах было проведено
множество исследований, и результаты, как представляется, всегда были
одними и теми же. Например, в соответствии с вышеупомянутой методологией Брунелло, Лучифора и др.
211
применяли регрессионные модели к
панельным данным из Италии и указывали, что продолжительность обучения не является случайной величиной, а зависит от индивидуальных решений и в то же время от образования и других характеристик родителей. Исследование показало, что образование и накопление человеческого капитала на рынке труда дополняют друг друга, а это означает, что лица с высшим образованием с большей вероятностью будут вкладывать средства в
дальнейшее образование или обучение даже после его окончания. Кроме
того, работы Брацберга, Рэгана
212
и Феррера, Риддела
213
на примере США
или Канады показывают, что годы обучения и практики в стране происхождения имеют гораздо меньшую ценность в целевой стране, чем тот же
период обучения в целевой стране. В дополнение к годам обучения в исследовании учитывается как фактор инвестирования в человеческий капитал, так и достигнутый уровень образования. Авторы отмечают, что существуют различия между людьми на рынке труда, связанные с их более высокой отдачей от образования.
Для целей настоящего исследования мы сосредоточимся на примере
Федеративной Республики Германия, Европейского Союза. крупнейшая
экономика и страна с самым большим рынком труда и самой высокой долей международных мигрантов
214 215 216
. Эта страна представляет собой
211
Brunello, G., Lucifora, C., & Winter-Ebmer, R. (2004). The wage expectations of European business and economics students. Journal of Human Resources, 39(4), 1116-1142. doi:
doi.org/10.2307/3559041
212
Bratsberg, B., & Ragan, J. F. (2002). The impact of host-country schooling on earnings: A study of male immigrants in the United States. Journal of Human resources, 37(1), 63-
105. doi: 10.2307/3069604
213
Ferrer, A., & Riddell, W. C. (2008). Education, credentials, and immigrant earnings.
Canadian Journal, of Economics, 41(1), 186-216. doi: 10.1111/j.1365-2966.2008.00460.x
214
Schoper, Y. G., Wald, A., Ingason, H. T., & Fridgeirsson, T. V. (2018). Projectification in Western economies: A comparative study of Germany, Norway and Iceland. International Journal of Project Management, 36(1), 71-82. doi:10.1016/j.ijproman.2017.07.008
104
специфический и специфический случай для изучения в связи с тем, что он
глубок в высшем образовании, а также превосходит все остальные в экономических показателях
217
.
Аммермуллер и Вебер провели исследование для определения доходности образования по всему населению Федеративной Республики
Германия
218
. Исследование основано на теории человеческого капитала и
показывает, что различия в доходах в основном носят гендерный и региональный характер. Они пришли к выводу, что отдача от инвестиций в
образование (измеряемая по названию) выше среди женщин, чем среди
мужчин. Было установлено, что возврат к получению академического
образования выше среди населения, чем в других классах. Кроме того,
Букман и Стайнер
219
исследовали рентабельность инвестиций как логарифм почасовой оплаты труда жителей Германии, исключая конкретные
группы (студентов, солдат, пенсионеров или клерков). Их исследование
было сосредоточено на сравнении групп людей по годам рождения и
расширенного уравнения Минсера (1) для включения других переменных, таких как личные характеристики (Zit) или качественная переменная, представленная манекеном (Dik) и указывающая, является ли человек членом этой группы. Полученная модель представлена в следующем
уравнении (2):
InWt = fro + pXt + ^2X
2
t + £ ,'D. + £ YDikSi + ZtZ+ ut (2)
Поэтому мы будем использовать приведенную выше методологию
для проверки влияния высшего образования на экономическое благосостояние (показатели на рынке труда) на основе специального тематического
исследования Германии.
215
Streimikiene, D., Bilan, Y., Jasinskas, E., & Griksaite, R. (2016). Migration Trends in
Lithuania and other New EU Member States. Transformations in Business & Economics,
15(1), 21-33.
216
Simionescu, M., Ciuiu, D., Bilan, Y., & Strielkowski, W. (2016). GDP and net migration in some eastern and south¬eastern countries of Europe. A panel data and Bayesian approach. Montenegrin Journal of Economics, 12(2), 161¬175.
217
Huther, O., & Krucken, G. (2018). Higher Education in Germany — Recent Developments in an International Perspective. Springer International Publishing.
218
Ammermüller A., Weber A. M. Educational attainment and returns to education in Germany //ZEW-Centre for European Economic Research Discussion Paper. – 2005. – №. 05-017.
219
Boockmann B., Steiner V. Cohort effects and the returns to education in West Germany //Applied Economics. – 2006. – Т. 38. – №. 10. – С. 1135-1152.
105
Данные, использованные для нашей эмпирической модели, были полу-
чены из Федерального статистического управления Германии
220
и Немецкого
института экономических исследований
221
(DIW, 2018). Данные включают
наблюдения за несколькими тысячами лиц, проживающих в Германии в период 1990-2017 годов, и включают в себя многие личные данные и экономические характеристики, включая продолжительность обучения, высший уровень образования, а также экономические показатели (доход, положение на
рынке труда и т. д.). Мы ограничились только теми респондентами, которые
родились после 1950 года, поскольку люди, родившиеся после этого года, составляют активную рабочую силу в Германии.
Наша эмпирическая модель предназначена для проверки причинноследственной связи между высшим образованием и социальноэкономическими показателями. Мы стремимся определить, существует ли
возврат к высшему образованию с точки зрения более высоких заработков
и более высокого статуса на рынке труда. Наша модель сравнивает три
группы респондентов по происхождению и национальности: немцы, граждане ЕС, проживающие в Германии, и мигранты из третьих стран. Наша
зависимая переменная – это среднемесячный валовой доход. Переменная
создавалась путем деления годового дохода на количество отработанных
месяцев в течение соответствующего года. Валовой доход был использован в связи с тем, что на него не влияет уровень налогообложения, который может различаться по различным группам доходов.
Во-первых, мы проверили наличие в серии данных единичного корня
для всех переменных. Согласно тесту ADF, ряды данных для всех переменных являются стационарными на 10% уровне значимости. VIF был рассчитан для проверки мультиколлинеарности, и нет никаких существенных
доказательств наличия корреляции между объясняющими переменными.
Для предложенных моделей мы проверили независимость и гомоскедастичность ошибок. Согласно тесту Бреуша-Годфри, для запаздывания, равного 1, серийной корреляции первого порядка не существует. за
ошибки в случае всех предложенных моделей. Ошибки были гетероскедастическими на 5% уровне значимости. p-значения, связанные с тестом Уайта, были следующими: 5.21181E-009 для первого образца,
220
Distatis. (2018). Facts and figures: society and state. Retrieved from
https://www.destatis.de/EN/ FactsFigures/SocietyState
221
DIW (2018). Statistics: Education and family. Retrieved from:
https://www.diw.de/en/diw_01.c.377336.en
106
7.38274E-043 для второго образца и 5.8312E-082 для третьего образца.
Очевидно, что все модели свидетельствуют об отсутствии гомоскедастичность, поэтому к ней следует применять скорректированную модель OLS.
С тех пор мы используем регрессию методом наименьших квадратов
(МНК) с надежными среднеквадратическими ошибками (для того, чтобы
позаботиться о гетероскедастичности и ее влиянии на погрешности коэффициентов). Результаты первой модели, включающей три выборки респондентов, представлены в таблице 6.
Таблица 6
Результаты АНО с устойчивыми среднеквадратическими
погрешностями между среднемесячным доходом и уровнем
образования граждан и жителей Германии (1990-2017 гг.)
Средний ежемесячный доход Выборка 1
Выборка 2
Выборка
Intercept
6.458***
7
993***
5.959***
Years of schooling
0.224***
0.019***
0.012***
Years in employment
0.089**
0.067**
0.021***
Years in employment
z
'2 -
0.002**
-0.002**
Experience^2
-0.002***
-0.002***
College education
0.113***
Technical education
0.282***
School education
0.569*
Part-time employment
0.007**
Unemployment experience
-0.077**
Hours at work per week
0.046***
Female
-0.204***
Employed in former GDR
-0.449 Employed in Berlin
-0.264***
Working abroad
0.205*
Foreigner
-0.003***
N
7607 7201 7201
R-squared 0.679 0.611 0.606
Note: *** p < .001., ** p < .01., * p < .05., and p < .10
Источник: Авторская разработка
В соответствии с нашими ожиданиями, количество лет обучения в
высших учебных заведениях положительно влияет на показатели социально-экономической деятельности по уровню доходов. Кроме того, значительное положительное влияние на уровень заработной платы оказывает
количество лет работы полный и неполный рабочий день. Кроме того,
каждый дополнительный час работы в неделю увеличивает личный доход
107
на 4,6 процентных пункта. С другой стороны, опыт безработицы (измеряемый годами отсутствия работы) имеет негативные последствия. влияние на
доходы. Существует также гендерное неравенство – похоже, что женщины
зарабатывают меньше, чем мужчины, почти на 5%. Кроме того, регион, в
котором человек живет и работает, также оказывает значительное влияние
на уровень доходов. Из результатов нашей модели следует, что по сравнению с референтной группой – старым землевладельцем (территории, принадлежащие Федеративной Республике Германия после Второй мировой
войны) – люди в новом землевладельце (территории, принадлежащие после Второй мировой войны Германской Демократической Республике
(ГДР) и Берлину, имеют более низкие доходы.
Кроме того, мы проверим разницу между среднемесячным доходом
и уровнем образования граждан ЕС и граждан третьих стран, проживающих в Германии, используя только существенные переменные по сравнению с предыдущей моделью. Выбор переменных и конечный набор моделей были получены методом пошаговой регрессии назад. Обратная пошаговая регрессия используется для объяснения и защиты использования
возможных переменных в регрессионных моделях, в которых выбор прогнозируемых переменных осуществляется автоматически. Процедура выполняется с использованием последовательности F-тестов, t-тестов, скорректированного R-квадрат, байесовского информационного критерия, коэффициента Cp Маллоу или коэффициента ложного обнаружения
222
. Использованная в работе регрессия по шагу назад началась с исходной модели, содержащей все независимые переменные. Затем одна переменная удаляется на каждом этапе (сначала опускается переменная, вызывающая
наименьшее падение настроенного R-квадратика) до достижения оптимальной модели.
В таблице 7 приводятся результаты эмпирической модели, измеряющей разницу между среднемесячным доходом и уровнем образования
граждан ЕС и граждан третьих стран в период 1990-2017 годов.
Таблица 7
222
Chen, F. H., & Howard, H. (2016). An alternative model for the analysis of detecting
electronic industries earnings management using stepwise regression, random forest, and decision tree. Soft Computing, 20(5), 1945-1960. doi:10.1007/s00500-015-1616-6
108
Разница между среднемесячным доходом и уровнем образования
граждан ЕС и третьих стран
223
Средний ежемесячный доход Граждане третьих стран Граждане стран ЕС
Intercept
6.222***
6.597***
Years of schooling
0.081***
0.062***
Years in
employment
0.036**
0.034**
Hours at work per week
0.040**
0.037**
Female
-0.173*
-0.221*
Command of language
0 284****
0.332
N 420 185
R-squared 0.594 0.591
Note: *** p < .001., ** p < .01., * p < .05., and p < .10
Для предложенных моделей мы проверили независимость и гомоскедастичность ошибок. Согласно тесту Бреуша-Годфри, при запаздывании равном 1, для всех предложенных моделей не существует последовательной корреляции порядка 1 для ошибок. Ошибки были гетероскедастическими на 5% уровне значимости. p-значения, связанные с тестом Уайта, были следующими: 5.85E-135 для первого образца, 3.22E-08
для второго образца и 0.00019 для третьего образца. Очевидно, что все модели показывают отсутствие гомоскедастичности и поэтому должны рассматриваться с помощью скорректированной модели OLS.
Результаты нашей второй модели показывают, что количество лет
обучения на рабочем месте и владение немецким языком являются значительными и позитивными с точки зрения экономических и социальных показателей человека. В частности, знание немецкого языка играет решающую роль в определении дохода. Иностранцы, хорошо владеющие немецким языком, зарабатывают почти на 19 процентных пунктов больше, чем
те, кто не владеет немецким языком. Наша регрессионная модель показывает, что доходы иностранцев ниже, чем у немцев. Кроме того, возврат к
образованию в целом (и высшему образованию в частности) для иностранцев ниже, чем для граждан Германии. Таким образом, инвестиции в образование для иностранцев, скорее всего, окажут лучшее воздействие на социально-экономические показатели, чем демографические переменные.
В целом, обе наши модели показывают, что образование улучшает
экономическое и социальное благосостояние лучше, чем другие факторы.
Возможно, было бы полезно принять это во внимание при планировании
223
Авторская разработка
109
того, следует ли посещать школы и университеты и сколько средств вкладывать в это. Как представляется, высшее образование может стать отправной точкой для построения лучшего будущего для многих молодых
людей не только в Германии или Европейском союзе, но и в других странах и регионах. Заинтересованные стороны, ответственные за реформы
университетов в 21 веке, должны принять это во внимание и соответствующим образом скорректировать свои стратегии.
В целом, наши результаты показывают, что, хотя взаимосвязь между
отдачей от высшего образования и индивидуальными социальноэкономическими результатами достигается, как и предполагалось, необходимы дополнительные исследования по этой теме. С одной стороны, высокообразованная рабочая сила, положительные внешние эффекты, НИОКР
и побочные результаты могут оказывать непосредственное влияние на
экономическое развитие. С другой стороны, более высокие темпы экономического роста обеспечивают экономическую базу и базу знаний для
высшего образования. В любом случае, для наиболее эффективного использования существующей системы образования и ее дальнейшего развития необходимы определенные существенные изменения в системе высшего образования. Эти изменения должны учитывать лучшие практики ведущих университетов мира в странах с наилучшими результатами.
Очевидно, что существуют различные факторы или проблемы, которые препятствуют достижению более высокого качества университетского
образования во всем мире. Поэтому крайне важно, чтобы университет
обеспечивал низкое соотношение числа студентов к числу преподавателей,
что считается передовой практикой. Повышение эффективности и улучшение качества высшего образования в соответствии с принципами передовой практики и эталонного тестирования; внедрение и внедрение лучших практик от лидеров отрасли
224 225
.
Кроме того, университеты во всех странах должны адаптировать и
внедрять практику, применяемую ведущими мировыми компаниями. высшие учебные заведения – как правило, те, которые находятся выше в глобальном рейтинге. Соответственно, с учетом выявленных проблемных или
проблемных областей университеты могут разрабатывать и осуществлять
224
Zairi, M. (2010). Benchmarking for best practice, Routledge, London.
225
Strielkowski, W., Kiseleva, L., & Popova, E. (2018). Factors determining the quality
of university education: students' views. Integration of Education, 22(2), 220-236. doi:
10.15507/1991-9468.091.022.201802.220-236
110
меры по смягчению их последствий в соответствии с передовой практикой
в этой отрасли.
Высшим учебным заведениям следует адаптировать и осуществлять
различные инициативы, направленные на повышение качества обучения
студентов. Для этого этим учреждениям необходимо увеличить число преподавателей или преподавателей. Выявление, набор и удержание профессорско-преподавательского состава для достижения более низкого соотношения студентов к преподавательскому составу, что будет способствовать улучшению качества обучения студентов для достижения лучших результатов в учебе, таких как улучшение показателей настойчивости, удержания и выпускников. Как описано в работе Юэ, Ву и др.
226
, более низкое
соотношение студентов к преподавателям способствует хорошему взаимодействию между преподавателями и студентами, что впоследствии приводит к улучшению качества обучения. Кроме того, в соответствии с практикой ведущих учебных заведений университеты должны принимать различные меры, в том числе повышать качество преподавания и исследований,
что позволит им привлекать и удерживать преподавателей и студентов на
международном уровне для повышения своего статуса.
Кроме того, в целях повышения качества управления и администрации и правительства, а также других заинтересованных сторон, участвующих в разработке политики и стратегии, а также выделения ресурсов, следует обеспечить выделение финансовых ресурсов на цели развития и оперативную деятельность в этих высших учебных заведениях. Как правило,
они должны обеспечивать соответствие своей деятельности промышленным и глобальным стандартам в различных областях деятельности, что будет способствовать повышению качества образования и в дальнейшем
входить в число лучших в этой отрасли. В совокупности эти усилия приведут к общему повышению качества высшего образования.
Успех политики государственной реформы высшего образования в
любой стране может быть достигнут только в том случае, если устойчивый
характер предлагаемого сотрудничества между ключевыми сторонами не
будет подорван неработающими тенденциями коммерциализации в рамках
внедрения методов Нового государственного управления (НПМ), что при-
226
Yu, M. C., Wu, Y. C. J., Alhalabi, W., Kao, H. Y., & Wu, W. H. (2016). ResearchGate: An effective altmetric indicator for active researchers? Computers in Human Behavior, 55, 1001-1006. doi:10.1016/j.chb.2015.11.007
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]