Маятниковая трудовая миграция и социально-экономическая ситуация в регионах

Издержки поездок МТМ - еще один важный фактор, прямо влияющий на интенсивность маятниковой миграции. Исследования в целом подтверждают равенство предельных издержек МТМ градиенту зарплат (2). Одной из проблем сравнения данных различных работ являются большие различия в методиках расчетах издержек.

Согласно СУМ (1), стоимость жилья является основным параметром практически во всех моделях МТМ, в основе которых лежит идея компромисса между дальностью (и стоимостью) поездок на работу и стоимостью проживания. Эта гипотеза подтвердилась в большинстве работ, где наблюдались отрицательные корреляции между стоимостью жилья в пригородах и расстоянием от района до центра.

Качество транспортной инфраструктуры агломерации также является ключевым фактором маятниковой трудовой миграции, напрямую определяя дальность и время поездок МТМ, подчеркивается практически всеми авторами, исследующими МТМ. В ряде зарубежных работ (Голландия, Европа в целом, США) исследовалась структура и динамика использования различных видов транспорта маятниковыми мигрантами. В России и СССР подобных работ практически нет из-за отсутствия данных, получаемых в дорогостоящих исследованиях.

Изучение структуры отраслей, привлекающих маятниковых мигрантов, позволяет получить новые детали и особенности МТМ, важные для мониторинга, прогнозирования регионального экономического развития. В советских исследованиях 70-годов было показано, что промышленность, строительство и транспорт притягивают МТМ больше всего. При этом была выявлена закономерность: наиболее развитые отрасли промышленности центра привлекают наибольшее количество МТМ, а по мере удаления от городов наблюдается упрощение профессиональной структуры загородников. В западных работах также популярны отраслевые теоретические модели МТМ.

Исследования МТМ в плане мобильности населения важны для нормального развития территорий, когда динамика трудовых ресурсов отвечает потребностям динамики размещения капитала. К сожалению, российские исследователи констатируют, что уровень мобильности населения в современной России существенно ниже, чем в развитых странах мира. Это фактор возникновения структурных диспропорций регионального развития.

Ряд зарубежных работ посвящен проблеме «избыточной» (бесполезной) МТМ, которая заключается в сравнении текущих показателей МТМ по отношению к идеалу, к которому стремится пространственный паттерн в долгосрочной перспективе согласно СУМ. Однако сначала Hamilton (1982, 1989), а потом и другие авторы не подтвердили эту гипотезу, показав количественно хаотичность и неуправляемость МТМ. В дальнейшем эта проблема то подтверждалась, то опровергалась в целом ряде работ. На наш взгляд парадокс «избыточной МТМ» отражает диалектическое единство индивидуального выбора (хаотичное начало) и коллективных закономерностей мобильности трудовых ресурсов (рациональная составляющая).

Последними из общих показателей МТМ рассматриваются МТМ сельского населения и обратная МТМ из города в пригороды. Первое явление активно исследовалось в советской литературе и в настоящее время утрачивает актуальность по причине все большей урбанизации населения. Второй фактор, хотя и стабильно существует согласно статистике (Таблица 1), однако до настоящего времени остается не исследованным.

Далее в работе рассматривается влияние различных индивидуальных факторов МТМ на решение индивида стать маятниковым мигрантом, на основании прикладных работ выявляется социальный портрет (классификация) маятниковых мигрантов в разных аспектах.

Уровень заработной платы рассматривается и трактуется как основной фактор, определяющий уровень МТМ, поскольку более высокая зарплата призвана компенсировать издержки маятниковых поездок. Ряд исследований также подтвердили ожидающийся радиальный спад уровня зарплаты при удалении от центра для моноцентрических агломераций.

Уровень образования - второй по значимости фактор МТМ. Сравнение дальности маятниковых поездок высоко- и малоквалифицированных работников (ВКР и МКР) является проверкой конкурирующих моделей МТМ. Кроме того, структуры «белых» и «синих» воротничков из числа МТМ часто разнятся еще и по гендерному или расовому признакам, что активно исследуется в зарубежной литературе.

В отношении возраста превалирует мнение, подтвержденное результатами, что основу МТМ составляет молодежь. В вопросе гендерной структуры МТМ большинство исследований отмечают, что мобильность женщин ниже, чем мужчин. При этом выдвигается ряд объяснений этого феномена: семейные обстоятельства, пространственная специфика, подстраивающийся рынок, особенности психологии и поведения.

В ряде моделей МТМ рассматривается как способ перераспределения доходов из более богатых районов, привлекающих трудовых мигрантов, в более бедные районы - места их проживания, что нашло подтверждение в ряде эмпирических исследований. Другой аспект, изучавшийся в ряде работ - влияние качества мест работы и проживания на МТМ.

В центре внимания ученых находятся и социально-экономические факторы МТМ, такие как прямая зависимость между регулярными поездками на работу и учебу и работоспособностью, состоянием здоровья, производительностью труда, текучестью рабочей силы, социальной терпимостью и т.д.

Отдельный пласт исследований посвящен вопросам дискриминации в отношении МТМ. Наиболее популярна эта тематика в зарубежной литературе, где она известна под термином «гипотеза пространственного разрыва» (Spatial mismatch hypothesis, SMH). Возникнув в конце 70-х годов (Kain,1968) в отношении афроамериканцев (дискриминация по занятости и местам проживания как причина низких доходов и повышенного уровня безработицы), эта актуальная в социальном, экономическом и политическом аспектах проблематика породила огромное количество публикаций. Следует отметить, что в настоящее время дискриминация существенно уменьшилась из-за реструктуризации экономики, процессов субурбанизации и изменения социальной политики. В настоящий момент SMH трактуется в более широком контексте дискриминации по любому признаку, не только расовому, а вопросы о том, являются ли различия в поведении групп дискриминацией или объективными обстоятельствами, весьма условен и часто приобретает политический подтекст.

Завершает раздел (1.2) представление «экзотических» факторов влияния МТМ, таких как меньшая подвижность владельцев недвижимости, компенсации затрат маятниковых поездок (важный фактор в ряде стран, прежде всего, в Японии), комплексные модели.

В разделе (1.3) рассмотрен важный вопрос управления МТМ в регионе. Высокий уровень развития города определяются взаимосвязью качественного управления при высокой мобильности населения, в котором МТМ играет существенную роль (Ветров Г.Ю.). В зависимости от состояния качества управления и мобильности населения рассмотрены различные варианты (сценарии) развития города, от стагнации к гражданскому обществу. Особое внимание уделяется ситуации с управлением МТМ в Москве и Подмосковье, анализу законодательной базы и практических действий по координации усилий властей обоих регионов в этой сфере. По результатам анализа можно сделать вывод, что существование проблемы МТМ признается властями обеих субъектов, с обеих сторон предпринимаются попытки сотрудничества, вопрос МТМ учитывается в генеральных планах, законах и постановлениях, однако отсутствуют отчеты о каких-либо практических достижениях по данному направлению. Отдельно подчеркивается, что возникшие в последние время идеи административного объединения Москвы и Подмосковья не в последнюю очередь связаны с проблемами МТМ, как яблоко раздора между центром и областью, поскольку в единой системе решать вопросы оптимизации и управления потоками МТМ будет существенно легче.

Раздел (1.4) посвящен моделированию, прогнозам и сценариям МТМ. Моделирование МТМ в чистом виде, как правило, не осуществляется. Вместе с тем, МТМ как фактор подвижности населения учитывается в качестве фактора воздействия при моделировании и прогнозировании городов и агломераций (Мерлен П., 1977) как в целом, так и их отдельных структурно-функциональных подсистем, прежде всего транспорта.

В разделе (1.5) отмечается, что использования ГИС-технологий, с учетом географической привязки МТМ, позволило бы поднять качество анализа МТМ на новый уровень. При рассмотрении вопросов сбора статистики по МТМ (1.6) отмечается, что недостаток информации в этом вопросе существенно тормозит изучение проблемы, что давно отмечалось отечественными исследователями. В заключительном разделе (1.7) подводятся основные итоги исследования статуса теоретических и прикладных работ по вопросам МТМ.

Во второй главе исследуется динамика дифференциации заработной платы в разрезе подмосковных районов, являющаяся важным фактором МТМ, поскольку повышение доходов остается главным стимулом вовлечения работников в данный процесс. Территориальная дифференциация доходов населения определяет стабильность социально-экономической ситуации в регионе. Сильное расслоение заработной платы внутри региона порождает маятниковую, а затем и обычную миграцию населения из бедных районов в богатые. Это еще более усугубляет расслоение, порождая новые миграционные потоки. Подобные цепные процессы ведут к серьезному территориальному дисбалансу экономики региона. Для эффективного мониторинга ситуации предложены два подхода, теоретические аспекты которых описаны в разделе (2.1).

Интегральная методика базируется на оценке дифференциации (разброса) ряда показателей Y={Y_I}, где Y_I - среднемесячная заработная плата в I-том регионе, через отношение стандартного отклонения к среднему:

(3)

Безразмерность показателя позволяет прямое сравнение величин ?, полученных в разные периоды времени, для выявления динамики показателя.

Пространственная методика базируется на территориальной модели заработной платы, вытекающая из гипотезы Людвига фон Мизеса (2): в Подмосковье, как ярко выраженной моноцентрической агломерации, следует ожидать радиальную картину уменьшения уровня зарплат S при удалении от центра. В первом приближении эта зависимость является линейной по расстоянию от района до центра R:

S= A*R+C, A<0 (4)

Параметры модели (4) определяются при помощи регрессионного анализа заработной платы за определенный год в разрезе районов. При этом коэффициент A - удельная скорость снижения заработной платы на единицу удаления региона от центра - отражает степень дифференциации заработной платы в мегаполисе. Поскольку коэффициент A имеет размерность руб./км, для исключения инфляционной рассчитываются величины A' и С', нормированные относительно показателей первого исследуемого года.

Результаты эмпирических исследований на базе описанных моделей представлены в следующем разделе (2.2). Динамика показателей дифференциации (3)-(4) представлена в Таблице 2. Из полученных результатов видно, что в начальный период реформ (1991-1994 гг.) в Подмосковье наблюдался значительный рост дифференциации заработной платы населения во внутрирайонном разрезе. Об этом говорит более чем двукратный (от 7,5% до 19%) рост интегрального показателя ? (1). В 2000 году значение этого показателя достигло более 30%. В последующие годы ситуация стабилизировалась, а в последние четыре года наблюдается уменьшение дифференциации. Однако текущее значение показателя соответствует кризисному 1994 году, все еще оставаясь существенно выше исходного дореформенного уровня.

Таблица 2

Результаты расчетов показателей дифференциации заработной платы по районам Подмосковья. Обозначения показателей согласно (3)-(4)

Размещено на http://www.allbest.ru/

Как и предполагалось, причиной дифференциации являются центробежные тенденции распределения заработной платы в Московской области. Об этом свидетельствует пропорциональная связь между интегральным показателем ? (3) и наклоном прямой заработной платы (коэффициент A' в Таблице 2). Заработная плата «концентрируется» в близких к Москве регионах и «утекает» из удаленных районов, что наглядно видно на Рис. 2.

Результаты, полученные в рамках предложенной методики, можно использовать для решения целого ряда прикладных задач, связанных с оценками региональной заработной платы, что демонстрируется далее в разделе (2.2).

"Эффект мегаполиса" в заработной плате напрямую связан с радиальной дифференциацией заработной платы и означает выгоду (убыток) в доходах трудящихся в зависимости от приближенности (удаленности) их района от центра. Модель (4) можно переписать в следующем виде:

Индивидуальный эффект мегаполиса слабо изменяется в абсолютных цифрах, и снижается в относительных показателях. Приведенные расчеты могут быть легко обобщены для вычисления интегрального эффекта мегаполиса, например, в готовом исчислении В работе приведен пример таких расчетов., для жителей определенного региона и т.д.

Региональный эффект в заработной плате означает выгоду (убыток), которую извлекает население от положения своего региона по отношению к другим регионам или усредненным показателям по стране:

В последнем параграфе раздела исследуется динамика МТМ в контексте пространственного равновесия на рынке труда (2), которое можно расписать в виде:

-dS/dR = dC/dR = dC_P/dR + dC_T/dR, (8)

где dS/dR - градиент заработной платы, dC/dR - градиент издержек маятниковых поездок, состоящих из затрат на оплату проезда C_P и потерь личного времени C_T.

Таблица 5

Динамика баланса доходов/издержек на поездки МТМ Подмосковья в 2001-2006 гг. Обозначения согласно модели (8)

Коэффициент dS/dR есть не что иное, как параметр эластичности (дифференциации) заработной платы A в (5). Результаты расчетов издержек представлены в Таблице 5. Из нее видно, что общие затраты МТМ на поездки в три раза превышают доход от повышения заработной платы, что, на первый взгляд, противоречит гипотезе равновесия. Однако это противоречие может иметь ряд объяснений. Во первых, российской спецификой является существенная доля безбилетников, что снижает прямые издержки стоимости проезда МТМ. Во-вторых, с косвенными временными затратами C_T маятниковые мигранты смиряются, компенсируя их из личного времени. Наконец, в модели (8) может быть неучтен вклад других факторов, и к этому вопросу мы вернемся в четвертой главе. В заключение второй главы обсуждаются перспективы методики, которая была успешно использована для решения ряда интересных прикладных задач: количественные оценки регионального эффекта, индивидуальные и интегральные оценки "эффекта мегаполиса", оценка равновесия трудового рынка. Подобные расчеты могут быть сделаны для любых региональных объектов, а также быть использованы в области бюджетных отношений, мониторинга, прогнозирования, формирования региональной инвестиционной политики.

Третья глава посвящена исследованием взаимосвязи МТМ с территориальным рынком жилья, которая в предположении многих моделей, играет важную роль в определении географии и интенсивности маятниковых трудовых поездок.

В первом разделе (3.1) рассмотрены теоретические аспекты вопроса. Подвижность трудовых ресурсов в целом и МТМ в частности определяется тремя основными факторами: уровнем доходов работников, стоимостью проживания, издержками поездок между местами жительства и работы. Суперпозиции пространственных паттернов рынка жилья и доходов населения с учетом издержек перемещений внутри территории определяют территориальную картину потоков трудовых ресурсов, находящихся в динамическом равновесии. Ключевым фактором при этом является вопрос о том, что более приоритетно для индивида - выбор места работы, или выбор места жительства. В первом случае работает урбанистская модель (1), в которой издержки поездок МТМ компенсируются за счет снижения стоимости проживания. Во втором случае справедлив трудовой подход (2), где издержки МТМ компенсируются за счет более высокой оплаты труда на более удаленной работе. При этом, как было показано во второй главе, полные издержки поездок (стоимостные и временные) маятниковых мигрантов в среднем в три раза превышают доход от разницы зарплат в центре и на периферии вопреки условию равновесия (Таблица 5).

Для преодоления этого противоречия автором было предложено объединение моделей (1) и (2) в обобщенную модель равновесия на рынке труда, в котором общие издержки маятниковых трудовых поездок компенсируются как более высокой зарплатой, получаемой в центре, так и более низкой стоимостью проживания на периферии:

dC/dR = -dS/dR - dA/dR. (9)

В расширенной модели (9) единственным неизвестным фактором является градиент стоимости проживания dA/dR, количественная оценка которого являлась задачей настоящего исследования.

Следующий раздел (3.2) посвящен оценке территориальной дифференциации рынка жилья Подмосковья в целом и выявление радиального градиента снижения стоимости жилья при удалении от центра к периферии в частности. Сложность последней задачи заключается в том, что на цену квартиры помимо удаленности от центра влияет целый ряд факторов, которые необходимо учесть для исключения систематической погрешности. В итоге, для оценки стоимости жилья нами была построена многопараметрическая (всего 14 параметров) регрессионная модель, включающая все потребительские характеристики жилья, влияющие на его стоимость. Подбор независимых переменных этой модели был сделан на основе существующих методик оценки стоимости жилья муниципальными властями и частными фирмами. В качестве исходных данных были использованы предложения по продаже квартир, собранных в электронных базах данных на сайтах риэлторских фирм Основные источники: агентства МИАН, МИЭЛЬ, irn.ru, realprice.ru.. При формировании выборки была учтена необходимость представления: всех направлений (север, запад, юг, восток) от Москвы, городов различной удаленности от МКАД (ближнее, среднее и дальнее Подмосковье), квартир различного качества и размера. В итоге было сформировано три выборки: май 2004 года (570 квартир; 68 городов), октябрь 2005 года (244; 45) и январь 2006 года (601; 68).

Проведенный анализ показал, что построенная регрессионная модель значимо описывает исследуемые выборки (коэффициенты детерминации 0.5-0.75), при этом параметр удаленности квартиры от Москвы вносит основной вклад в регрессию на уровне 70-80% найденной корреляции. Согласно полученным результатам, градиент изменения стоимости кв. метра жилья в Подмосковье по отношению к расстоянию до Москвы оказался равным:

dP/dR = -0.5 ч -0.7 %/км. (10)

В следующем разделе (3.3) осуществлялась поверка расширенной модели (9). Градиент стоимости проживания dA/dR в Подмосковье был оценен косвенным образом в рамках гипотезы о равенстве градиентов стоимости проживания и стоимости продажи квартир в процентном выражении:

dA/dR (в %) = dP/dR (в %) Ч A (11)

где A - базовая стоимость проживания в стоимостном выражении, dP/dR - градиент стоимости жилья (10). Стоимость проживания, на наш взгляд, наилучшим образом отражает рынок аренды жилья в агломерации. Разница цен на арендуемое жилье в центре и пригородах напрямую определяется спросом со стороны трудовых мигрантов, работающих в центре. Последние стоят между дуальным выбором: аренда жилья в центре, экономия на издержках МТМ-поездок или аренда жилья на периферии и экономия на оплате проживания. Поэтому в качестве количественного параметра стоимости проживания A нами была использована месячная ставка аренды жилья. При этом, поскольку этот показатель варьируется в очень широких пределах в зависимости от качества арендуемого жилья, в качестве показателя стоимости проживания A нами была использована средняя ставка аренды недорогого жилья в удаленных от центра районах Москвы (в районе МКАД), как наиболее востребованного со стороны МТМ.

Расчеты по модели (9-11) представлены в Таблице 6. Анализ результатов показывает, что учет стоимости проживания в равновесии на рынке труда существенно меняет ситуацию. Наблюдаемое ранее в простой модели (2) превышение издержек МТМ-поездок над доходами от более высокой зарплаты (вторая глава, Таблица 5) в среднем с избытком компенсируется более дешевым проживанием на периферии в рамках расширенной модели (9).

Таблица 6

Динамика баланса доходов/издержек от маятниковых трудовых поездок Подмосковья. Расчеты и обозначения согласно моделям (9-11)

Обсуждению полученного результата посвящен следующий раздел (3.4). Во-первых, лежащая в его основе гипотеза (11), хотя и является хорошим приближением, требует подтверждения. Ее проверкой являлось бы прямое исследование территориальной картины рынка аренды жилья в Подмосковье для непосредственного определения градиента dA/dR. Однако проблемой тут является формирование репрезентативной и надежной выборки данных. Во-вторых, стоимость проживания A может существенно варьироваться, что допускает большой разброс в значении величины dA/dR. В-третьих, только часть маятниковых трудовых мигрантов арендуют жилье, остальная часть имеют собственное жилье в Подмосковье. Поэтому ставка арендной платы, хотя и является хорошим индикатором стоимости проживания, может быть завышенным показателем при усреднении по всем маятниковым трудовым мигрантам.

Следует особо подчеркнуть, что полученная индикация превышения доходов над издержками МТМ в рамках расширенной модели (9), может иметь реальную природу, а не являться систематическим отклонением. Такой эффект могут вносить факторы влияния, пространственный паттерн которых аналогичен паттернам издержек и доходов МТМ, например социальный капитал dK/dR, поскольку человек может получать и накапливать больше социальных благ при проживании и работе ближе к центру. Кроме того, существуют факторы, знак влияния которых трудно предугадать заранее, или они могут вести себя по-разному в разных агломерациях. Например, знак градиента уровня преступности при удалении от центра к периферии требует отдельного изучения и может быть различным в разных регионах.

Все вышесказанное позволяет утверждать, что рассмотренная нами модель равновесия (9) может быть далее расширена за счет учета других факторов

dC/dR = -dS/dR - dA/dR + dK/dR + …+(-) dX/dR. (12)

где dK/dR - обсуждавшийся выше фактор социального капитала, dX/dR - другие факторы. Заслуживает особого внимания то обстоятельство, что для исследования указанных дополнительных факторов в принципе можно применить авторские подходы и методики, использованные в этом и предыдущих исследованиях. Например, для оценки инвестиций в человеческий капитал, если речь идет об обсуждавшемся выше факторе социального капитала. Однако, в отношении возможности расширения модели следует отметить трудности количественной оценки новых социальных факторов, и, самое главное, сложности сбора соответствующей первичной информации, позволяющей провести расчеты. Кроме того, по нашим расчетам ожидаемый вклад новых параметров можно ожидать на уровне ~10%, а взаимная компенсация социальных факторов, действующих в противоположных направлениях, ведет к дальнейшему снижению эффекта. Таким образом, новые параметры, вводимые в модели (12), имеют второй порядок малости по отношению основным.

В последнем разделе (3.5) подводятся основные результаты, полученные в главе. Несмотря на все возможные систематические погрешности, доходы и издержки маятниковых трудовых мигрантов оказались сравнимы между собой, по крайней мере, по порядку величины. Кроме того, наблюдаемая гипотетическая разница между ними может являться следствием реальных факторов. Напомним, что тесная взаимосвязь землепользования в целом и рынка жилья в частности с мобильностью работников является базовым положением ряда теорий, описывающих движение трудовых ресурсов, в частности, СУМ. Проведенные нами расчеты в целом говорят в пользу данной гипотезы. В частности, учет фактора стоимости проживания в рамках расширенной модели баланса издержек/доходов от маятниковых трудовых поездок (9) устраняет обнаруженные ранее противоречия в рамках простой модели (2). Это подтверждает наличие динамического равновесия на рынке труда в Московской агломерации.

Четвертая глава посвящена расчетам МТМ в Подмосковье на базе макроэкономических статистических показателей, так называемому макроподходу. В первом разделе (4.1) обсуждаются теоретические аспекты проблемы. В настоящий момент существуют две методики исследования МТМ. Классический прямой контроль МТМ возможен через проведение на регулярной основе опросов и анкетирования. Однако подобные мероприятия практически не проводятся по причине высокой стоимости исследований и также организационными и методологическими проблемами, поскольку граждане в большинстве своем не склонны афишировать свой статус МТ-мигранта, существенное количество отказов и большая вероятность ложных ответов снижают надежность исследований. К косвенным методам оценки МТМ относится изучение интенсивности пассажиропотока между центром и пригородами. Исследования, основанные на этом относительно простом и недорогом способе, на настоящий момент являются практически единственным источником информации о МТМ. Вместе с тем, данный метод является лишь грубой интегральной оценкой процесса, не позволяющей выявить его детали. В сложившейся ситуации остро необходимы новые способы изучения маятниковой трудовой миграции.

Предложенный автором балансовый метод оценки МТМ базируется на построении баланса структуры трудовых ресурсов региона по учтенным официальной макро-статистикой группам населения:

, (13)

где ^В - доля маятниковых мигрантов из региона в центр, _МД - доля неучтенного трудоспособного населения ("мертвых душ"), ТН - трудоспособное население, _НС - доля занятых в неформальном секторе и самозанятых, ЗН - занятые на крупных и средних предприятиях промышленности и в сельском хозяйстве, МБ - занятые в малом бизнесе, БЗР - безработные Здесь и далее индексы 'B', `Г', и `С' относятся ко всему, городскому и сельскому населению соответственно.. Используя данные ГКС РФ по уровню занятых в неформальном секторе и самозанятых (Горбачева, Рыжикова, 2002) , можно сделать количественные доли МТМ ^В согласно модели (13).

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

При исследовании МТМ важным фактором является маятниковая межрайонная миграция (МТМ) в районные центры, вносящая систематическую погрешность в оценку потока МТМ периферия-центр. Для снижения этой ошибки используется усреднение по группе регионов-соседей, внутри которой происходит взаимная компенсация МММ-потоков (Рис. 4). Разница результатов расчетов МТМ-потоков по отдельным регионам и группировкам характеризует систематику, связанную с МММ, которая, в свою очередь, дает количественную интегральную оценку МММ.

Во втором разделе главы (4.2) представлены результаты практических расчетов МТМ в Подмосковье в 2001 г. на основе балансовой модели, целью которых являлся поиск независимых переменных, коррелированных с МТМ, а также проверка существующих моделей и гипотез, определяющих функциональную взаимосвязь МТМ с различными индикаторами.

Как и предполагалось, расстояние от региона до центра R оказалось одним из главных параметров МТМ. В частности, регрессионный анализ подтвердил устойчивую отрицательную корреляцию между долей маятниковых мигрантов и R (Рис. 5):

(14)

Ежедневный пассажиропоток МТМ между центром и областью был оценен на уровне:

ПП ~ 1.3±0.2 млн. чел. (15а)

согласно расчетам по балансовой формуле (13) и регрессионой модели (14) для 6 и 12 групп районов. Вместе с тем, при расчетах регрессии (14) по данным отдельных регионов оценка пассажиропотока составила

ПП ~ 1.4±0.2 млн. (15б)

Различия в полученных величинах (15а-б) связаны с межрайнной маятниковой миграцией МММ, оцененной на уровне:

ПП_МММ 100-300 тыс.чел. (15в)

Полученные нами результаты существенно превышают усредненную величину

ПП ~ 0.8 млн.чел. (15г)

по другим оценкам, представленным в Таблице 1. Возможные причины различий будут обсуждаться далее.

В следующем параграфе рассмотрены вопросы взаимосвязи МТМ с заработной платой. Отрицательная корреляция между ними основана на предположении о том, что более низкий доход населения в районе ведет к большей доле МТМ:

(16)

Однако нами показано, что гипотеза (16) является вторичной, поскольку прямо следует из первичных зависимостей (4) и (14) в случае их наличия Наличие зависимостей (10) и (4) наглядно видно на Рис.6 и Рис.4-б соответственно.. На Рис. 6 представлены графические результаты регрессионного анализа корреляций районной заработной платы с долей МТМ и расстоянием от центра. В частности, полученная оценка коэффициента эластичности (16) C 1% МТМ/100 руб. дает простую эмпирическую зависимость - увеличение/уменьшение доли маятниковых трудовых мигрантов в подмосковном районе на 1% соотносится с увеличением/уменьшением среднемесячной заработной платы в этом же регионе на 100 рублей.

Рисунок 6 Корреляции среднемесячной зарплаты в районе с долей МТМ в модели (а) и расстоянием от региона до Москвы (б) подтверждают модели (16) и (4) соответственно

Отдельный параграф посвящен анализу перспектив развития балансовой модели. Его дальнейшее совершенствование связано с более точным определением МТМ при расширении формулы (13) включением ранее неучтенных групп населения: студентов и аспирантов очной формы обучения, военнослужащих и работников силовых органов, работающих подростков и пенсионеров, занятых в домашнем хозяйстве, крестьянских (фермерских) хозяйствах, религиозных организациях, находящихся в отпусках по беременности, родам и воспитанию ребенка. Кроме того, общее количество занятых может быть подвергнуто досчету (коррекции) в связи с наличием занятых неполное время, выполняющих сезонную и случайную работу, работающих по договорам гражданско-правого характера, работающих в незарегистрированных организациях. Следует отметить, что ГКС РФ проводит подобные расчеты, однако на уровне России в целом, а также федеральным округам и субъектам РФ. На более низких субрегиональных уровнях, как в нашем случае Подмосковья, такие расчеты не проводятся. Наличие неучтенных групп населения ведет к завышенной оценке доли МТМ. Если предположить, что наблюдаемое нами превышение ежедневного пассажиропотока центр-область целиком связано с неучтенными группами населения, то их доля в балансе (13) составит . Однако, неучтенные группы населения влияют в большей степени на абсолютные показатели, относительные величины, такие как коэффициенты корреляций, слабо чувствительны к рассмотренной систематике.

В заключительном разделе (4.3) обобщены основные результаты, полученные на базе балансовой модели, которая позволяет: определять территориальную структуру трудовых ресурсов; обнаруживать ее диспропорции; выявлять внутренние и внешние факторы, вызывающие дифференциацию; отслеживать временную динамику показателей. Данная информация необходима для выработки более эффективной политики региональных властей в сфере труда и занятости, являющейся одной из ключевых и наиболее проблемных.

Главной проблемой макроэкономического подхода является недостаток информации в разрезе регионов, что может привести к существенным систематическим погрешностям количественных макро-оценок.

Для проверки полученных результатов макро-анализа важным фактором является привлечение дополнительной информации из других исследований. Речь идет о комбинированном анализе МТМ при помощи принципиально различных подходов. Результаты такого перекрестного анализа являются наиболее надежными. В нашем случае речь идет о сочетании представленного в настоящей главе макроэкономического подхода и микроанализа, которому посвящены пятая и шестая главы диссертации.

Пятая глава диссертации посвящена микроанализу МТМ в муниципальном образовании - городе Дубна. Макроэкономический балансовый анализ МТМ в Подмосковье, представленный в четвертой главе, подтвердил наличие существенного количества МТМ, позволил сделать различные количественные оценки данного явления. Вместе с тем, основной проблемой макро-анализа остается нехватка исходных данных в субрегиональном разрезе, что может существенно повлиять на результат. Поэтому автором был предложен принципиально новый оригинальный подход к исследованию МТМ на основе микроанализа. Перед применением этой методики в полном масштабе, она была отработана на отдельном муниципальном образовании Подмосковья - городе Дубна В пользу этого выбора сыграло наличие у автора - жителя этого города - дополнительной информации, позволяющей сделать анализ более содержательным, как будет показано далее..

В разделе (5.1) описана методика обработки микро-данных, источником которых являются базы данных налоговой инспекции, пенсионного фонда и государственного реестра российских предприятий, найденных в свободном доступе в сети интернет. Позиция автора в отношении использования этой неофициальной информации четко обозначена:

· Указанные базы данных были скачаны с публичного сайта в Интернет. Никаких противоправных действий для их приобретения (кража, взлом, покупка и т.п.) не осуществлялось.

· Использование этой информации осуществлялось исключительно в научных целях и по причине ее недоступности по официальным каналам. Используемые методы статистического анализа исключают обнародование каких-либо персональных данных.

Анализировались данные 2001 года, что позволяет осуществить прямое перекрестное сравнение с результатами макро-анализа за тот же период, представленного в четвертой главе.

При объединении первичной информации из указанных источников для каждого индивида осуществлялась увязка мест его проживания и работы при одновременном сохранении ряда основных индивидуальных характеристик работника (годовой доход, возраст и пол) и характеристик нанимателя (род деятельности, форма собственности, капитал и т.д.). Полученные таким образом вторичные данные позволяют решать широкий спектр прикладных задач в отношении МТМ, результаты которых представлены далее. Кроме того, анализ выборки по жителям Дубны позволил отработать приемы первичной обработки данных: восстановление неполных данных, «сшивка» информации из различных баз данных, расчеты производных показателей на основании совокупности первичных, выявление и отброс неверных и некорректных записей.

В разделе (5.2) представлены результаты микроанализа МТМ в Дубне. Общий объем выборки, сформированной из первичных данных, оказался равным 10272 чел., что составило почти 25% трудоспособного населения города (42412 чел.).

Полученная микро-оценка доли МТМ в Дубне _МТМ =15.4% оказалась в полном согласии с результатом расчетов этого же показателя по модели (14) с коэффициентами, полученными на основе регрессионного анализа макро-данных: _МТМ = 13,7 6,5%.

Доходы ниже прожиточного минимума и теневые доходы. Доля граждан, получающих официальные доходы ниже прожиточного минимума (ПМ), оказалась на уровне 60% независимо от места работы (локально или МТМ). Этот показатель, на наш взгляд, показывает уровень «теневых зарплат» (серых «зарплат», «зарплат в конвертах»), поскольку невозможно предположить, что реальная зарплата МТМ, работающих большей частью в Москве, меньше ПМ. Предположив, что работники с декларированными зарплатами ниже ПМ в реальности получают доход, равный средней величине по работникам с зарплатой выше ПМ, можно оценить теневые доходы. В частности, годовой теневой доход работников Дубны в 2001 году по нашим оценкам составил ~0.5 млрд.руб.

Проведенный анализ показал, что для уменьшения систематической погрешности, связанной с теневыми зарплатами, при сравнительном анализе доходов необходимо исключать работников с зарплатами ниже ПМ. Однако даже этот шаг не позволяет полностью исключить влияние этого систематического эффекта на результаты микро-анализа.

Доходы МТМ и работников Дубны. По данным микроанализа разница в доходах жителей Дубны, работающих в самом городе и в Москве, оказалось значимой и составила ?I_МИКРО = I_МОСКВА -I_ДУБНА = 1190 ± 195 руб. В то же время, расчеты на основе модели (4) с коэффициентами, полученными из макро-данных, дают величину ?I_МАКРО 1700 ± 190 руб. На наш взгляд, основной причиной расхождения как раз и являются скрытые доходы, обсуждавшиеся выше.

Разница в доходах мужчин и женщин. Значимая разница в доходах DI = I_М -I_Ж = 535 ± 80 руб. в пользу мужчин была обнаружена для жителей, работающих в Дубне. что составляет 16% от средней городской зарплаты (усредненные данные по всей выборке). В то же время для МТМ такого эффекта не наблюдается. Более того, оказалось, что доходы работающих в Москве женщин выше доходов работающих там мужчин, хотя данная разница не является значимой. По нашему мнению, это означает, что женщины, работающие в Дубне, вынуждены работать за меньшую оплату из-за отсутствия свободы выбора места работы вследствие ограниченного предложения на рынке труда. С другой стороны, женщины, работающие за пределами Дубны, имеют больше вариантов трудоустройства и на равных конкурируют с мужчинами, получая сравнимую с ними зарплату.

Размещено на http://www.allbest.ru/

Возрастное распределение МТМ и работников Дубны показывает (Рис. 7), что основную долю маятниковых мигрантов составляют кадры в наиболее эффективном «золотом» трудовом возрасте от 25 до 40 лет. Жители в возрасте от 40 до 60 лет не могут проявлять такую мобильность, и поэтому работают в Дубне.

Отраслевая структура предприятий, нанимающих МТМ, позволяет выявить структуру МТМ, как жителей Дубны, работающих вне города, так и работников Дубны, живущих вне города. Выяснилось, что профессиональный состав этих групп совпадает на 70-80%: торговля, промышленность, финансовый сектор, строительство и транспорт. Дальнейший анализ рынка вакансий предприятий Дубны в 2001 году показывает, что профессии маятниковых мигрантов являются дефицитными в самом городе. Это означает, что МТМ создает проблемы обеспеченности трудовыми ресурсами городских предприятий Дубны.

Последующие разделы главы посвящены анализу и прогнозированию МТМ в Дубне. В предыдущем разделе было показано, что микроанализ позволяет получить целый ряд выжных результатов, некоторые из которых уникальны. Однако, еще более важным аспектом является объединение возможностей макро- и микро-подходов для комплексного анализа муниципального образования. Это позволяет вывести анализ на новый уровень, перейти к вопросам прогнозирования и последующего регулирования МТМ. Наличие необходимой макро-статистики в сочетании микро-данными позволило нам осуществить данный подход.

Динамика макроэкономических показателей Дубны 2001-2006 гг., включая общую численность населения, незанятых в экономике, безработных, индивидуальных предпринимателей, финансовые показатели, подробно представлена в разделе (5.3). Эти данные, далее подробно обсуждаемые в разделе (5.4), оставляют двойственное впечатление. Положительными факторами с точки зрения снижения МТМ является уменьшение абсолютных показателей населения, не занятого в экономике, снижение безработицы, в том числе, структурной. В то же время, видны и негативные тенденции: не растут собственные доходы бюджета, нестабильна прибыль предприятий; уменьшается количество индивидуальных предпринимателей. Тревожной тенденцией является устойчивое снижение общей численности населения, и что особенно важно, населения трудоспособного возраста. В связи с оживлением экономики в городе ощущается нехватка квалифицированных рабочих и специалистов (ФСЗ и отчеты властей 2005-2006 гг.). Речь идет о тех категориях работников, которые, по данным микроанализа, и составляют основу МТМ.

ОЭЗ и МТМ. Сфере трудовых ресурсов уделено определенное внимание в программе развития Дубны, получившей статус наукограда в 2001 году Статус наукограда присвоен городу Дубне сроком на 25 лет Указом Президента Российской Федерации от 20.12.2001г. № 1472.. Однако, проблема обеспеченности кадрами стала особенно очевидна при создании в начале 2006 года Дубне технико-внедренческой особой экономической зоны (ОЭЗ). Реализация крупных высокотехнологичных инновационных проектов невозможна без квалифицированной рабочей силы. Согласно стратегии развития ОЭЗ, в течение 2006-2010 года планируется привлечь в Дубну 13800 работников. Однако, выполнении этого плана может помешать МТМ. Из этого следует, что будущие показатели МТМ в Дубне будут прямым индикатором успешности ОЭЗ. В случае достижения целей и задач ОЭЗ МТМ должна исчезнуть как явление. И наоборот, сохранение или увеличение МТМ будет свидетельствовать о проблемах реализации проекта.

В разделе (5.5) подведены итоги микроанализа по Дубне. Отметим, что полученные результаты микроанализа находятся в удовлетворительном согласии как с данными наших предыдущих макроэкономических расчетов, так и с дополнительными данными муниципальной статистики. Тем самым, следует подчеркнуть, что предложенная комплексная методика микроанализа маятниковой трудовой миграции оказалась работоспособной. И самое главное, она имеет хорошие перспективы дальнейшего применения как в плане расширения объекта исследования, так и в плане увеличения исследуемых показателей, включая уникальные результаты, невозможные в макро-анализе. Это будет продемонстрировано в последней главе диссертации.

В шестой главе представлены результаты микроанализа МТМ, распространенного на всю Московскую область.

В первом разделе (6.1) обсуждаются микро-данные (сама методика была представлена в предыдущей главе), на основе которых проводился анализ МТМ в Московской области. После первичного отбора данных для анализа была сформирована выборка из 2.3 млн. записей жителей Подмосковья (60% от всего трудоспособного населения). В ходе сортировки микро-данных для каждого подмосковного района определялись: количество жителей, работающих в своем регионе N_РЕГ, количество жителей района, работающих в Москве N_МОС других районах Подмосковья N_МО, а также число приезжающих в район на работу жителей из других подмосковных районов N_ИЗМО. Эти данные и легли в основу расчетов.

В разделе (6.2) представлены результаты расчеты маятниковой межрайонной миграции (МММ). В микроанализе межрайонные потоки МТМ определяются напрямую для каждого района (показатель N_ИЗМО), а суммирование по всем районам дает оценку:

ПП_МММ = 196 261 тыс, (17а)

которая согласуется с макроэкономической оценкой (15в). По сравнению с макро-подходом микроанализ позволил изучить МММ более детально. В частности, выяснилось, что для МММ, так же как и МТМ, свойственна центробежная тенденция, хотя и менее выраженная:

d_MМM = K R + М = -0,09(3) R + 6(3) %. (17б)

Мы предполагаем, что, минимизируя дорожные издержки, часть МТМ из наиболее удаленных регионов работает не в Москве, а в находящихся на пути к ней районах. При этом нулевой баланс MМM возникает на расстоянии R_МММ: 50 км. Тем самым, районы Подмосковья в радиусе 50 км от Москвы имеют положительный приток МММ из Подмосковья. Это согласуется с макро-расчетами, где эта же зона Подмосковья имеет преимущества в уровне оплаты труда («эффект мегаполиса»), что и привлекает сюда МММ См. формулу (6) с последующим обсуждением связанных с ней расчетов..

Раздел (6.3) посвящен количественным оценкам радиального градиента доли МТМ. Аналогично макро-анализу (см. Рис. 5) в рамках модели (14) была получена отрицательная линейная корреляция между долей МТМ, работающих в Москве, и расстоянием от района до Москвы R, при этом количественные результаты оказались близкими (Рис. 8). Несколько меньшее значение коэффициента эластичности A в (14), полученного в микроанализе, связано с влиянием теневых доходов, эффект от которых мы исследовали при анализе МТМ по Дубне в предыдущей главе.

В разделе (6.4) оценивается пассажиропоток МТМ Москва - область, который также, как и МММ, определяется напрямую суммированием по всем регионам количества жителей, работающих в Москве (показатель N_МОС):

ПП = 0.9 1.2 млн.чел. (18)

Величина (18) меньше нашей макро-оценки (15а), но больше совокупной оценки других исследований (15г). Следует отметить, что величина ~ 0.9 млн. чел. в (18) является жесткой нижней границей пассажиропотока, поскольку учет систематической погрешности может привести только к увеличению этой цифры. Таким образом, результаты микроанализа отрицают уровень пассажиропотока на уровне менее 0.9 млн. чел., что не противоречит результатам макро-анализа (15а).

Размещено на http://www.allbest.ru/

В разделе (6.5) представлены результаты оценки теневых доходов и доходов ниже прожиточного минимума (ПМ). При анализе официально декларированных доходов по микро-данным проблема теневых зарплат становится очевидной. В среднем 50-70 % работников имеют доходы ниже ПМ, причем среди МТМ эта доля стабильно выше, чем у жителей, работающих в своем городе (Рис. 9). Это противоречит здравому смыслу, поскольку основной стимул индивида работать маятниковым способом - повышение доходов. Годовой объем теневых доходов, получаемых МТМ Подмосковья, был оценен нами на уровне 20-30 млрд. руб Методика была отработана в пятой главе работы.. Кроме того, нами обнаружена положительная корреляции доли работников, имеющих доходы ниже ПМ среди жителей, работающих в родном городе, с расстоянием район-центр (~ 1%/10 км). Это свидетельствует в пользу негативной тенденции: чем дальше регион от центра, тем беднее его жители.

Раздел (6.6) посвящен анализу взаимосвязи МТМ с зарплатой. Регрессионный анализ микро-данных для поиска корреляции районной заработной платы с расстоянием до центра на основе модели (4) осуществлялся таким же образом, как и в макро-подходе (четвертая глава), а на Рис. 10 представлены результаты, полученные в обеих методиках. Из их сравнения видно, что качественно результаты близки друг другу, однако, при этом коэффициент эластичности A в (4) - наклон прямой - оказывается меньше в микроанализе. Причиной систематического занижения A является влияние обсуждавшихся ранее в пятой главе теневых доходов, влияние которых не удается исключить полностью.