Влияние человеческого капитала на экономическое развитие

Более того, построение регрессии во втором кластере (средний доход 7,287 рублей) дало незначимые коэффициенты и показало, что уровень образования отрицательно влияет на доход (прил. 7). Среди всех факторов только субъективный показатель квалификации оказался значимым и положительно влияющим на уровень заработков.

В целях дальнейшего изучения вопроса мы провели новую классификацию данных, на этот раз – по профессиональным группам респондентов. В первый кластер вошли следующие категории: законодатели, крупные чиновники, руководители высшего и среднего звена, специалисты высшего уровня квалификации, специалисты среднего уровня квалификации, чиновники, служащие офисные и по обслуживанию клиентов – то есть, по нашему мнению, профессиональные группы, требующие наличие как минимум незаконченного высшего образования. Результаты модели представлены в таблице 4:

Таблица 4.

Результаты оценивания модели

Модель: Линейная регрессия Зависимая переменная: доход (Y)
Независимая переменная	Обозначение	Оценка коэффициента	СКО
(константа)	C	7,917	,099
образование	x1	,035	,005
образование отца	x2	,035	,008
образование матери	x3	,020	,008
субъективный показатель квалификации	x4	0,106	,008

 

Очевидно, что качество модели повысилось – факторы в совокупности объясняют уже 20% вариации дохода. Уравнение регрессии выглядит следующим образом:

 

 Можно судить о  том, что доход высококвалифицированных  специалистов в большей степени  зависит от уровня образования, нежели чем доход неквалифицированных работников. В этом контексте интересно рассмотреть кластер работников с законченным высшим образованием, чтобы узнать насколько имеющиеся факторы влияют на уровень доходов людей, имеющих диплом об окончании ВУЗа. Однако на этот раз мы не берем в качестве одного из факторов образование (по очевидным причинам) и исключаем уровни образования родителей,  оставляя только наиболее значимый регрессор из предыдущих моделей – субъективный показатель квалификации. Мы модифицируем модель, введя в нее новые факторы – фиктивные переменные (dummy variables). Их применение необходимо в связи с тем, что соответствующие им вопросы в РМЭЗ предполагают только варианты ответа «да»/«нет». Итак, нас интересует насколько на уровень дохода респондентов с высшим образованием влияет наличие магистерской степени (вопрос «У Вас есть диплом магистра?»), обучение на профессиональных курсов (вопрос «В течение последних 12 месяцев Вы учились или учитесь на профессиональных курсах, курсах повышения квалификации или любых других курсах?»), знание иностранного языка (вопрос «Скажите, пожалуйста, Вы владеете каким-либо иностранным языком, помимо языков бывших республик СССР?»). Таким образом, имеются следующие регрессоры:

• Субъективный показатель квалификации (X1)
• Наличие магистерской степени (D1)
• Обучение на профессиональных курсах (D2)
• Знание иностранного языка (D3)

Построение регрессии показало, что коэффициент при фиктивной переменной D2 незначим, поэтому мы исключили из исследования фактор обучения на профессиональных курсах. 

 

Таблица 5.

Результаты оценивания модели

Модель: Регрессия с фиктивными переменными Зависимая переменная: доход (Y)
Независимая переменная	Обозначение	Оценка коэффициента	СКО
(константа)	C	8,860***	,076
субъективный показатель квалификации	x1	,110***	,011
наличие магистерской степени	d1	,269**	,085
знание иностранного языка	d3	,182***	,035

 

Коэффициент и уравнение регрессии значимы на уровне 0,01:

Согласно данной модели, доля дисперсии результирующей переменной, которую можно объяснить вариацией факторных признаков, составляет 17%. Для оценки влияния показателей был рассчитан коэффициент эластичности:

Полученный коэффициент эластичности означает, что увеличение квалификации (субъективный показатель) на 1% приводит к росту дохода на 0,08%. В целом, модель показывает, что специфические знания и навыки (полученные в ходе обучения в магистратуре), а также владение иностранным языком, положительно влияют на уровень дохода людей, имеющих высшее образование.

Фактически, исходя из рассмотренных моделей, можно сделать вывод о том, что значимость уровня человеческого капитала (в данном случае – запаса знаний и навыков) выше среди более образованных, квалифицированных и высокооплачиваемых специалистов. Однако модели не свидетельствуют о тесном характере данной связи. Чем можно объяснить подобные результаты? Во-первых, в России зачастую большая часть заработной платы выдается «в конверте», что не позволяет учитывать основную долю дохода в исследовании. Во-вторых, прием на работу и последующее продвижение по карьерной лестнице сегодня все больше зависит от личных качеств человека – коммуникабельности, активности и пр. В-третьих, экономическим обоснованием может служить переизбыток некоторых специальностей на рынке труда. Как следствие, по закону рынка, работники не получают желаемой отдачи в виде более высокого дохода. В-четвертых, если говорить о кластере с более низким средним доходом, очевидно, что низкоквалифицированный труд вообще не требует высокого уровня образования и, что подтверждается нашим исследованием, вообще от него не зависит.

К сожалению, приходится констатировать тот факт, что в России зачастую существует несоответствие между уровнем заработной платы и квалификацией. Сегодня нередко на работу принимают «по связям», пренебрегая адекватной оценкой уровня знаний и умений. Поэтому следующим шагом в исследовании будет построение модели на основе анализа макро-данных. 

§2.3Анализ влияния человеческого капитала на экономическое развитие регионов РФ

В качестве показателя экономического развития на макроэкономическом уровне как правило используется ВВП (валовой внутренний продукт) в абсолютном измерении или в расчете на душу населения. Наш анализ предполагает изучение человеческого капитала на региональном уровне – то есть его влияние на ВРП (валовой региональный продукт). В качестве индикаторов человеческого капитала были использованы следующие показатели34:

Удельный вес городского населения в общей численности населения, в %

Общий коэффициент смертности (число умерших на 1000 человек населения)

Коэффициент миграционного прироста (на 10 000 человек населения)

Ожидаемая продолжительность жизни (число лет)

Число патентов, выданных на полезные изобретения (по отношению к численности экономически активного населения)

Численность исследователей (по отношению к численности экономически активного населения)

Численность студентов (по отношению к численности экономически активного населения)

Внутренние затраты на научные исследования и разработки, миллионов рублей (по отношению к численности экономически активного населения)

Заболеваемость на 1 000 человек населения (зарегистрировано заболеваний у больных с диагнозом, установленным впервые в жизни)

Расходы консолидированных бюджетов на здравоохранение, физическую культуру и спорт (по отношению к численности экономически активного населения)

В городах, как известно, концентрируются образовательные учреждения, а медицинские услуги более доступны, поэтому уровень урбанизации используем в качестве одного из показателей запаса человеческого капитала. В данной модели мы никак не можем пренебречь индикаторами здоровья населения, поэтому включаем в нее уровни заболеваемости и смертности. Коэффициент миграционного прироста характеризует привлекательность региона, в том числе, как и степень урбанизации, с точки зрения предоставления образовательных и медицинских услуг. Традиционным показателем человеческого капитала является численность студентов – интересно рассмотреть ее в расчете на численность экономически активного населения, таким образом мы получаем некий показатель замещения трудовых ресурсов.

С точки зрения моделирования экономического роста требуется такой показатель, характеризующий человеческий капитал, который отражал бы не только образовательный аспект человеческого потенциала общества, но и мог бы характеризовать инновационную составляющую экономического развития. Такими показателями в данной модели являются количество выданных патентов на изобретения и внутренние затраты на исследования и разработки, а также численность исследователей. В качестве зависимого признака Y принимаем показатель ВРП. В модель вошли 78 регионов (были исключены регионы с отсутствующими значениями некоторых показателей) по данным за 2010 год.

Анализ матрицы парных коэффициентов корреляции показал тесную связь между некоторыми признаками (прил. 12). Для устранения мультиколлинеарности и для снижения размерности признакового пространства был использован метод главных компонент35. На основе полученной матрицы было произведено вращение факторов для получения простой структуры матрицы нагрузок (прил. 14). Рассмотрим полученные главные компоненты:

 

 

 

Таблица 6.

Результаты компонентного анализа

В первую компоненту входят показатели накопления знаний и навыков, поэтому условно назовем ее «фактор знаний». Вторая компонента объединяет, помимо ожидаемой продолжительности жизни, заболеваемости и смертности – показатель урбанизации. Как уже говорилось, жизнь в городах качественно повышает человеческий потенциал, поэтому данная компонента представляет собой «фактор качества». В третью компоненту вошел один показатель – государственные расходы на здравоохранение, физическую культуру и спорт; и она будет называться «фактор инвестиций».

Построение регрессии показало незначимость коэффициента при факторе качества (прил. 15), поэтому данный признак необходимо удалить из модели.

Таблица 7.

Результаты оценивания модели

Модель: Линейная регрессия Зависимая переменная: ВРП (Y)
Независимая переменная	Обозначение	Оценка коэффициента
(константа)	C	71183,507***
фактор знаний	x1	40612,686***
фактор инвестиций	x3	14669425,2***

 

Как видно из показателей качества модели, она дает адекватное представление данных. Коэффициент детерминации равен 0,373, то есть в совокупности фактор знаний и фактор инвестиций в здравоохранение объясняют почти 40% вариации ВРП.

Таким образом, на макроэкономическом уровне теория человеческого капитала находит полноценное отражение. Высокий уровень накопленных знаний и инновационной активности – приток квалифицированных работников, высокая доля студентов и исследователей среди экономически активного населения, увеличение затрат на исследования, а также рост числа выданных патентов на изобретения и полезные модели – все эти факторы стимулируют экономическое развитие регионов. Что касается исключенного из модели фактора качества, в действительности все показатели, входящие в его состав, являются замещающими оценками человеческого капитала и влияют на экономический рост лишь косвенно. При этом оказалось, что для экономики регионов крайне важны инвестиции в здравоохранение, физическую культуру и спорт.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Заключение

Человеческий капитал выступает одним из важнейших факторов экономического роста в современном мире. Однако для осуществления качественного скачка в развитии страны недостаточно лишь признания этого факта.

Сравнение различных характеристик населения России и других стран показывает, что мы находимся в демографическом кризисе не только с точки зрения численности человеческих ресурсов, но и в отношении их качества. Высокий уровень заболеваемости и смертности, низкая ожидаемая продолжительность жизни, гендерные разрывы в показателях – все эти факты свидетельствуют о том, что происходит обесценение человеческого капитала России.

Традиционно считавшаяся «фундаментальной», российская система образования также сегодня требует тщательного пересмотра. Результаты недавнего мониторинга высших учебных заведений показали неэффективность ряда ВУЗов страны. Нехватка квалифицированных специалистов – еще одна проблема современной России, и кроется она, как раз, в качестве образования.