авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 8 | 9 || 11 |

«СИБИРСКИЙ УНИВЕРСИТЕТ ПОТРЕБИТЕЛЬСКОЙ КООПЕРАЦИИ А.В. Корицкий ЧЕЛОВЕЧЕСКИЙ КАПИТАЛ КАК ФАКТОР ЭКОНОМИЧЕСКОГО РОСТА ...»

-- [ Страница 10 ] --

Northcott J., Vickrey G. Surveys of the Diffusion of Microeconomics and Advanced Manufacturing Technology. Paper presented at MIT/NSF/OECD Workshop on The Productivity Impact of Information Technology Investments, 1993.

Haschimoto M. Training and Employment Relations in Japanese Firms / ed. by D. Stern and J.M. Ritzen. Market Failure in Training? Berlin: Springer-Verlag, 1991.

генерирует новые знания и технологии. Предполагается также, что су ществует «диффузия» знаний, или их «перелив» от одних фирм к дру гим, от регионов (или стран) – доноров к регионам (или странам) – ре ципиентам.

Исследования «переливов» знаний основываются на гипотезе, что эти переливы ведут к динамическим экстерналиям, а в географическом измерении – к агломерационным эффектам, которые вместе позволяют объяснить закономерности экономического роста регионов. Человече ский капитал в этой связи особенно важен, так как поскольку рост агло мераций вс больше зависит от наукомкой промышленности, и вс меньше от транспортных затрат, которые имеют тенденцию к относи тельному снижению со временем. Существует много эмпирических ра бот, акцентирующих внимание на изучении пространственно ограни ченных «переливов» знаний, а также на важности передачи знаний для региональной производительности и инновационной активности390.

Действительно, рост доходов на душу населения возникает благодаря росту запасов знаний в регионе, который ведт к появлению и примене нию более эффективных технологий производства391.

Разнообразные подходы, используемые в эндогенных теориях эко номического роста, опираются на существование положительных экс терналий, порождаемых такими процессами, как обучение в процессе работы, накопление человеческого капитала в процессе формального обучения, обеспечение общественными благами в виде фундаменталь ных научных исследований, финансируемых обществом и т. п. Одним из особых типов положительных экстерналий являются «переливы» знаний, которые часто считают источником положительной отдачи от масштаба производства в агрегированной производственной функции393. В новой теории экономического роста особый интерес про является к изучению процессов, которые развртывается как во време ни, так и в пространстве. Используется как пространственный анализ диффузии знаний, так и барьеров на е пути, который позволяет вы Barro R.J. Sala-i-Martin X. Technological Diffusion, Convergence, and Growth // Economic Working Paper. 1995. № 116. P. 1.

Benhabib J., Spigel M.M. Human Capital and Technology Diffusion // FRBSF Working Paper.

2002. № 9.

Barro R.J. Sala-i-Martin X. Technological Diffusion, Convergence, and Growth // Economic Working Paper. 1995. № 116. P. 2.

Mayer J. Technology Diffusion, Human Capital and Economic Growth in Developing Coun tries. United Nations Conference of Trade and Development № 154, Discussion Papers UNCTAD/OSG/DP/154, 2001.

явить е свойства, объясняющие различия в росте производства и дохо дов населения между регионами.

Термин «знания», в широком смысле, охватывает все познания и способности человека, используемые для решения проблем, принятия решений и понимания полученной информации. Поэтому знания можно понимать как инструмент, который сознательно (или бессознательно) используется индивидуумами394. Ф. Хайек выделил также существова ние «рассеянных» знаний, причм рассеяние знаний возможно как меж ду индивидуумами, так и в пространственном измерении. Кроме того, знания понимают как нечто зависящее от времени и контекста, то есть они не статичны, но непрерывно развиваются, причм направление их развития зависит от институциональных условий395. В новых подходах к анализу роста знания не просто привносятся в производственную функцию в виде дополнительного фактора производства (элемента за трат), как в неоклассической теории роста, а развиваются благодаря вы делению положительной обратной причинно-следственной связи, поз воляющей им развиваться и накапливаться в процессе производства, что объясняет характер эндогенного накопления знаний.

На пути распространения новых знаний могут существовать как субъективные, так и объективные барьеры. Новые знания могут просто накапливаться индивидуумами, когда нет особых причин для их ис пользования, или если существует нехватка дополняющих их знаний, которые ранее, в процессе обучения, не были накоплены. Трудности при диффузии знаний могут возникать также из-за свойств самих знаний.

Выделяют «точные» (explicit) знания, которые могут быть переданы с помощью различных средств коммуникаций, и «молчаливые» (tacit) знания, которые часто используются индивидуумами неосознанно, и ко торые не могут быть переданы при простой речевой коммуникации396.

Если точные знания не защищены особой секретностью или эксклюзив ными правами (патентами и т. п.), то они имеют свойства общественных благ. Желание инвестировать частные ресурсы в накопление знаний за висит от технических свойств знаний и институциональных условий397.

Abreu M., de Groot H.L.F., Florax R.J.M. Spatial Patterns of Technology Diffusion. Tinbergen Institute Discussion Paper, TJ 2004–079/3.

Nelson, R. and Phelps E. Investment in humans, technological diffusion, and economic growth // American Economic Review. 1966. № 56(1/2). P. 65–75.

Там же.

Nelson, R. and Phelps E. Investment in humans, technological diffusion, and economic growth // American Economic Review. 1966. № 56(1/2). P. 65–75.

Г. Пери различает понятия «потоки знаний» (называемые иногда «диффузией знаний» или «потоками идей») и «переливы НИОКР»

(называемые иногда также «экстерналиями»)398. По его мнению, они яв ляются двумя фазами одного явления, процесса обучения или восприятия чьих-либо идей. Обучение создат запас «доступных» или «заимствован ных» знаний. «Переливы НИОКР» или «экстерналии» являются вторым шагом в процессе обучения и они возникают, только если воспринятые в процессе обучения «доступные знания» оказывают положительное влия ние на производительность факторов производства399. Хотя потоки зна ний нужны для переливов НИОКР, они не порождают их автоматически.

Переливы НИОКР могут отсутствовать как из-за нехватки потоков зна ний, так и из-за незначительности влияния доступных знаний на произ водительность400. Г. Гроссман и Е. Хелпман в главе 9 своей книги «Ин новации и рост» отмечали, что «Влияние на рост переливов знаний и торговли потребительскими товарами концептуально различаются», и показали, что «наиболее важные выгоды для страны от участия в между народной экономике могут быть достигнуты, если такая интеграция обеспечивает допуск к базе данных (знаний) мира в целом»401. Р. Фенстра доказывает, что конвергенция темпов роста между странами имеет место только в том случае, если «…торговля происходит одновременно с меж страновой диффузией знаний», в то время как при отсутствии диффузии знаний торговля может порождать дивергенцию402.

Имеется два основных подхода к анализу распространения знаний и технологий. В первом подчркивается значение абсорбционных воз можностей экономики, то есть способности стран адаптировать ино странные технологии. Данный подход исходит из идеи, что имеется об щий мировой фонд знаний, который могут использовать все страны, по этому диффузия технологий ограничивается только возможностями принимающей страны воспринять и использовать новые технологии.

Темп приспособления новых технологий зависит от способностей фирм и индивидуумов воспринять и реализовать новые идеи. Главной детер Peri G. Knowledge Flows, R&D Spillovers and Innovation // ZEW Discussion Paper. 2003.

№ 03–40. P. 5.

Там же. P. 4.

Там же.

Grossman G. and Helpman E. Innovation and Growth in Global Economy // Cambridge: The MIT Press, 1991;

Цит. По: Peri G. Knowledge Flows, R&D Spillovers and Innovation // ZEW Discussion Paper. July 2, 2003. № 03-40. P. 5.

Feenstra R. Trade and Uneven Growth // Journal of Development Economics. 1996. № 49.

P. 229–256.

минантой абсорбционных способностей является уровень образования работников фирм403. Широко известным примером данного подхода яв ляется модель Р. Нельсона и Е. Фелпса404. И. Бенхабиб и М. Шпигель использовали межстрановые сопоставления агрегированных показате лей и нашли, что человеческий капитал имеет положительное и стати стически значимое влияние на экономический рост, которое взаимодей ствует с технологическим разрывом, то есть с отставанием от техноло гического уровня страны-лидера405.

Абсорбционные способности могут также зависеть от уровня раз вития отечественных НИОКР, так что отечественные инновации долж ны уже достичь критического уровня для того, чтобы иностранные тех нологии могли быть успешно адаптированы и применены. Успешному внедрению иностранных инноваций способствуют также правитель ственная политика, способствующая научным исследованиям, наличие хороших университетов и работающие сети учных406.

Вторая точка зрения на диффузию технологий между странами подчркивает значение двусторонних торгово-экономических и науч ных связей. Страны имеют разные запасы знаний в тех или иных сфе рах, и их диффузия происходит посредством таких каналов, как взаим ная торговля и прямые иностранные инвестиции (ПИИ). Могут быть идентифицированы два основных механизма: (1) прямое обучение ино странным технологиям, и (2) использование развитых за границей спе циализированных и передовых промежуточных продуктов, например, оборудования407.

На основе таких определений можно провести разграничение между знаниями и человеческим капиталом. Человеческий капитал охватывает точные и молчаливые знания, которые индивидуумы дей ствительно используют, в то время как знания вообще являются более широким понятием, охватывающим информацию и рутины, которые в принципе доступны для индивидуумов. В таком анализе можно эффек тивно использовать введнное Карлом Поппером разделение знаний на Abreu M., de Groot H.L.F., Florax R.J.M. Spatial Patterns of Technology Diffusion. Tinbergen Institute Discussion Paper, TJ 2004–079/3. P. 2.

Nelson, R. and Phelps E. Investment in humans, technological diffusion, and economic growth.

// American Economic Review. 1966. № 56(1/2). P. 65–75.

Benhabib, I. and Spiegel M. The role of human capital in economic development: Evidence from aggregate cross-cauntry data. Journal of Monetary Economics. 1994. № 34. P. 143–173.

Abreu M., de Groot H.L.F., Florax R.J.M. Spatial Patterns of Technology Diffusion. Tinbergen Institute Discussion Paper, TJ 2004–079/3. P. 2.

Там же.

объективные и субъективные408. Объективные знания, это то, что запи сано и ждт своего использования, в то время как субъективные знания (человеческий капитал) обозначают запас знаний, который реально вли яет на субъективный процесс принятия решений. В этом смысле, только объективные знания могут непрерывно накапливаться во времени, в то время как человеческий капитал содействует избирательному усвоению знаний каждым новым поколением индивидуумов. Поэтому важный вопрос в данной схеме анализа состоит в том, как и почему простран ственные переливы потенциальных знаний через региональные границы влияют на человеческий капитал?

Если предположить, что точные знания являются чистым обще ственным благом, то они могут непрерывно и свободно переливаться через границы регионов. Такое предположение означает, что регио нальная дифференциация доходов и темпы их роста не могут быть объяснены существованием региональных различий в знаниях, так как отстающие регионы могут быстро восполнить нехватку знаний и использовать самые передовые технологии, ликвидируя технологи ческое отставание. Если же знания являются частным благом, кото рое используется ограниченным кругом пользователей, то они не мо гут свободно перетекать из развитых регионов в развивающиеся.

Следовательно, различия в уровнях экономического развития (и до ходах) регионов могут объясняться различиями в запасах знаний, и можно ожидать, что эти различия будут сохраняться и даже увеличи ваться, так как в более развитых регионах интенсивнее генерируются новые знания благодаря большему запасу уже накопленных ранее знаний. Торстейн Хагерстранд (1953) выдвинул гипотезу, что диффу зия знаний происходит с помощью межличностных коммуникаций в рамках «социальных сетей», и поэтому пространственно ограниче на409. Поэтому вполне реалистичным предположением является взгляд, что знания являются региональным общественным благом с ограниченным пространственным кругом распространения. Процесс их диффузии требует времени и затрат, и часто неполон. При этом скорость и полнота перелива знаний зависит от расстояния между регионами, а вероятность самого факта перелива зависит от наличия Abreu M., de Groot H.L.F., Florax R.J.M. Spatial Patterns of Technology Diffusion. Tinbergen Institute Discussion Paper, TJ 2004–079/3. P. Doring T., Schnellenbach J. What Do We Know Abaut Geographical Knowledge Spillovers and Regional Growth? A Survey of the Literature // Deutsche Bank Research, Resetch Notes, Working Paper. 2004. № 14. P. 6.

потенциальных инноваторов и запаса знаний в регионе получателе (реципиенте) новых знаний. Естественно предположить, что более благоприятные предпосылки для производства, передачи и адапта ции новых знаний существуют в регионах с крупными городами, университетами и научными центрами, особенно в регионах, сосед ствующих с другими крупными городами с развитыми фундамен тальными и прикладными научными исследованиями, в которых ге нерируются новые знания. Особую роль в облегчении и ускорении диффузии знаний играют социальные сети, в которые вовлечены специалисты разных областей знаний в научных центрах, универси тетах и крупных городах. Эти социальные сети создают среду для неформальных доверительных отношений между носителями новых знаний, облегчая их передачу.

Наличие в российской экономике устойчивых различий в дохо дах работающего населения, связанных с различиями накопленного запаса человеческого капитала показано ранее. В данном же разделе делается попытка проверить, влияют ли запас человеческого капита ла и особенности географического положения региона на распро странение компьютерных технологий.

Как отмечалось ранее, степень урбанизации, накопленный ранее запас знаний в регионе и географическая близость региона к другим регионам, являющимися лидерами в производстве новых знаний, яв ляются условиями, благоприятствующими производству и успешно му освоению новых знаний.

Наиболее крупными урбанизированными регионами в России яв ляются Москва и Санкт-Петербург, в которых расположены крупнейшие университеты России и многочисленные научно-исследо-вательские ор ганизации. В них, как можно предположить, интенсивно протекают про цессы создания и освоения новых технологий, то есть точных и «молча ливых» новых знаний. Поэтому эти два центра образуют первую группу регионов-доноров, поставщиков знаний. Вторую группу регионов со ставляют регионы, включающие города миллионеры, в том числе: Баш кортостан, Татарстан, Пермский край, Волгоградская, Нижегородская, Новосибирская, Ростовская, Самарская, Омская, Свердловская и Челя бинская области. В центрах этих регионов и вблизи них функционирует развитая многоотраслевая экономика, действуют крупные научные и высшие учебные заведения, имеются благоприятные условия для актив ного создания и освоения новых знаний.

Попытаемся рассмотреть диффузию технологий в регионах России на примере использования персональных компьютеров (ПК) и интернета. Данные виды информационно-компьютерных техноло гий (ИКТ) большей частью заимствованы за границей, в основном в США, в то же время в России, ещ в советское время, были уже в значительной степени развиты собственные научные разработки данного вида оборудования и его программного обеспечения. ИКТ получили широкое распространение во всех регионах России и име ют чткое материальное воплощение, а соответственно статистиче ски измеримы, так как их применение неразрывно связано с исполь зованием ПК. Имеется и необходимая статистическая база для такого рода исследований, в статистических ежегодниках «Регионы России:

социально-экономические показатели» приводятся данные о имею щихся в регионах ПК, в том числе с подключением к интернету.

Для анализа и выявления факторов, оказывающих влияние на распространнность использования ИКТ, используются следующие показатели: зависимые переменные «число ПК в расчте на 100 ра ботников» и «число компьютеров с подключением к интернету в расчте на 100 работников», и ряд независимых переменных: «доля занятых с высшим образованием в общем числе занятых в экономике региона», «основные фонды в расчте на одного работника», «дохо ды в расчте на одного работника» и «разница доходов и заработной платы в расчте на одного работника». Для выявления статистиче ской связи используется следующее регрессионное уравнение:

ln i A hi a1 ln I дох. зан. a2 ln I разн.дох.иЗП a3 ln ki. i, (5.10) где ni – число компьютеров на 100 работников;

hi – доля занятых с высшим образованием в общем числе за нятых в экономике i – го региона;

I дох.зан. – уровень среднемесячных доходов в расчете на одного занятого в экономике i-го региона (тыс. руб.);

I разн.дох.иЗП – разница среднемесячных доходов и заработной пла ты в расчте на одного занятого в экономике i – го региона (тыс. руб.);

k i – капиталовооружнность труда одного занятого в экономи ке i-го региона (млн. руб.).

Расчты проводятся за период с 2004 по 2008 гг., за которые име ются ежегодные статистические данные по регионам России, для учта различий в масштабах экономики регионов используется «взвешенная»

регрессии, причм в качестве «весов» используется показатель «дохо ды населения регионов». Результаты расчтов уравнения (5.10), в кото ром в качестве зависимой переменной использовано «число ПК в рас чте на 100 работников», представлены в таблице 5.10.

Коэффициенты детерминации довольно велики, они колеблются от 85 до 94%, все коэффициенты статистически значимы.

Таблица 5. Взаимосвязь числа компьютеров с долей занятых с высшим образованием в общем числе занятого населения в экономике регионов и другими факторами Показатели регрессии 2004 г. 2005 гг. 2006 г. 2007 г. 2008 г.

Константа А 0,113 3,497** 2,872** 1,174 2, Станд. ошибка (1,370) (1,483) (1,371) (1,670) (1,728) T – статистика 0,082 2,356 2,095 0,703 1, P – уровень 0,935 0,021 0,039 0,484 0, Коэф. (B) 0,502* 0,220* 0,565* 0,653* 0,837* (0,074) (0,083) (0,091) (0,106) (0,093) Станд.ошибка Коэф. (Beta) 0,446* 0,185* 0,572* 0,537* 0,730* 6,831 2,639 6,246 6,147 8, T – статистика 0,000 0,010 0,000 0,000 0, P – уровень Коэф. А1 (B) 1,203* 1,206* 0,895* 0,739* 0,739* Станд. ошибка (0,215) (0,202) (0,171) (0,180) (0,181) Коэф. А1 (Beta) 1,187* 1,203* 1,097* 0,944* 0,770* T – статистика 5,600 5,969 5,226 4,107 4, P – уровень 0,000 0,000 0,000 0,000 0, Коэф. А2 (B) -0,752* -0,470*** -0,723* -0,502** -0,971* Станд. ошибка (0,253) (0,252) (0,218) (0,223) (0,234) Коэф. А2 (Beta) -0,600* -0,353*** -0,631* -0,418** -0,459* T – статистика -2,976 -1,862 -3,311 -2,249 -4, P – уровень 0,004 0,066 0,001 0,027 0, Коэф. А3 (B) -4,063* -3,990* -3,329* -0,305* -2,833* Станд.ошибка (1,325) (1,064) (0,852) (0,090) (0,807) Коэф. А3 (Beta) -0,232* -0,269* -0,294* -0,285* -0,347* T – статистика -3,066 -3,748 -3,908 -3,388 -3, P – уровень 0,003 0,000 0,000 0,001 0, Коэф. Детерминации 0,947 0,943 0,929 0,911 0, F 372,89 324,465 269,08 203,347 109, P – уровень 0,000 0,000 0,000 0,000 0, Количество регионов 88 84 87 84 Примечания. Числа в скобках означают стандартную ошибку оценки.

* Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Самым сильным регрессором оказалась переменная «доходы в расчте на одного занятого», его вклад в объясннную вариацию зави симой переменной (коэффициент А1 (Beta)) за период с 2004 по 2006 гг.

оказался выше единицы, для 2007 равным 0,8 и 2008 гг. 0,77, с очевид ной тенденцией к снижению степени влияния. Вторым по значимости положительного влияния на распространнность ПК в регионах России оказалась переменная «доля занятых с высшим образованием», е вклад колеблется по годам рассматриваемого периода от 18 до 73%, с тенденцией к повышению со временем. Такая положительная связь легко объяснима, так как регионы с большими средними доходами и большим уровнем человеческого капитала более восприимчивы к освоению новых технологий, и подтверждает результаты эмпирическо го анализа внедрения ИКТ зарубежных экономистов.

Как это ни странно, переменные «логарифм основных фондов в расчте на одного работника» и «логарифм разницы доходов и заработ ной платы в расчте на одного работника» имеют отрицательную стати стическую связь с переменной «число ПК в расчте на 100 работников».

По-видимому, в регионах с большей фондовооружнностью труда ПК получили меньшее распространение, как, впрочем, и в регионах, где больше разница доходов и заработной платы, где выше доля доходов от предпринимательской деятельности и скрытых доходов. По-видимому, на крупных предприятиях, с хорошей оснащнностью основным капи талом и высокой прибыльностью, а также в мелком бизнесе, с высокой долей скрытых от налогообложения доходов, применение компьютер ных технологий не получило широкого распространения.

По-видимому, использование ПК наиболее успешно происходит на предприятиях сферы услуг, в том числе в финансовой сфере, научных и проектных организациях, торговле, образовании и здраво охранении, где низка фондовооружнность труда работников, а так же в быту.

Аналогичные результаты дают расчты регрессионного уравне ния (5.10) с зависимой переменной «логарифм числа компьютеров с подключением к интернету в расчте на 100 работников» за тот же период (см. табл. 5.11). Коэффициенты детерминации в данном слу чае также довольно велики, они колеблются от 88 до 95%, коэффи циенты при независимых переменных большей частью статистиче ски значимы, за исключением коэффициента при переменной «раз ница доходов и заработной платы в расчте на одного занятого».

Самое сильное положительное влияние на зависимую перемен ную оказывает уровень доходов население регионов, на втором месте по влиянию переменная «доля занятых с высшим образованием», то есть человеческий капитал. Отрицательное влияние оказывают фондо вооружнность труда и «разница доходов и заработной платы в расчте на одного занятого» в экономике регионов. По-видимому, высокая фондовооружнность и высокая прибыльность предприятий (или вы сокая доля скрытых от налогообложения доходов) не способствуют успешному использованию передовых методов производства и управ ления, базирующихся на ИКТ. По результатам данного анализа можно сделать предположение, что в крупных корпорациях России (в сырье вых, металлургических и т. п.) относительно мало уделяли внимания внедрению информационно-компьютерных технологий, так как имен но в них наблюдалась высокая фондовооружнность труда и высокая прибыльность бизнеса в рассматриваемом периоде.

Очевидно, что наиболее успешно применение ИКТ в регионах России происходит в регионах с более высокими доходами населе ния, и с большим запасом человеческого капитала в виде относи тельно большего числа высокообразованных специалистов.

Таблица 5. Взаимосвязь логарифма числа компьютеров с подключением к интернету с долей занятых с высшим образованием в общем числе занятого населения в экономике регионов и другими факторами Показатели регрессии 2004 г. 2005 гг. 2006 г. 2007 г. 2008 г.

Константа А -5,414* -3,712* -6,027* -10,176* -11,798* Станд. ошибка (0,757) (0,857) (0,816) (1,096) (1,259) Коэф. (B) д. з. с в.обр. 0,280* 0,134* 0,328* 0,475* 0,720* (0,041) (0,048) (0,054) (0,070) (0,068) Станд. ошибка Коэф. (Beta) 0,417* 0,188* 0,455* 0,481* 0,755* Коэф. А1 (B) дох. на 1 з. 0,454* 0,451* 0,458* 0,487* 0,533* Станд. ошибка (0,119) (0,117) (0,102) (0,118) (0,132) Коэф. А1 (Beta) 0,751* 0,751* 0,771* 0,766* 0,668* Коэф. А1 (B) разн. дох. и ЗП на 1 з. -0,104 0,068 -0,155 -0,175 -0,597* Станд. ошибка (0,140) (0,146) (0,130) (0,146) (0,171) Коэф. А1 (Beta) -0,139 0,085 -0,186 -0,179 -0,339* Коэф. А2 (B) ОФ на 1 з. -1,775** -1,613* -2,066* -0,206* -2,476* Станд. ошибка (0,733) (0,615) (0,507) (0,059) (0,588) Коэф. А2 (Beta) -0,170** -0,181* -0,250* -0,238* -0,365* Коэф. детерминации 0,955 0,947 0,953 0,942 0, F 437,49 351,03 413,319 0,321 148, P – уровень 0,000 0,000 0,000 0,000 0, Количество регионов 88 84 87 84 Примечания. Числа в скобках означают стандартную ошибку оценки.

* Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

5.4.2. Оценка диффузии знаний между регионами России на примере патентной активности Как отмечалось ранее, степень урбанизации, накопленный ранее запас знаний в регионе и географическая близость региона к другим регионам, являющимися лидерами в производстве новых знаний, яв ляются условиями, благоприятствующими производству и успешно му освоению новых знаний.

Наиболее крупными урбанизированными регионами в России яв ляются Москва и Санкт-Петербург, в которых расположены крупней шие университеты России и многочисленные научно-исследо вательские организации. В них, как можно предположить, интенсивно протекают процессы создания и освоения новых технологий, то есть точных и «молчаливых» новых знаний. Поэтому эти два центра обра зуют первую группу регионов-доноров, поставщиков знаний. Вторую группу регионов составляют регионы, включающие города миллионе ры, в том числе: Башкортостан, Татарстан, Пермский край, Волгоград ская, Нижегородская, Новосибирская, Ростовская, Самарская, Омская, Свердловская и Челябинская области. В центрах этих регионов и вбли зи них функционирует развитая многоотраслевая экономика, действу ют крупные научные и высшие учебные заведения, имеются благопри ятные условия для активного создания и освоения новых знаний.

Близкими «соседями» крупных урбанизированных регионов явля ются Ленинградская область (для Санкт-Петербурга), а также Москов ская, Тверская, Владимирская, Калужская, Рязанская и Тульская обла сти, городские центры которых находятся не более чем в 250–300 км от Москвы, то есть в пределах 2–3-часовой транспортной доступности.

Данные регионы входят в московскую городскую агломерацию. В груп пу «соседей» можно отнести и г. Ульяновск, находящийся между двумя крупными индустриальными центрами: Казанью и Самарой, также в пределах транспортной доступности, позволяющей обеспечить частые личные контакты, необходимые для обмена научно-технической ин формацией.

Проверка наличия переливов знаний между регионами России заключается в расчте линейных регрессионных уравнений, в кото рых в качестве зависимых переменных используются показатели числа выданных в регионах России в 2000–2004 и 2005–2007 гг. па тентов на изобретения и патентов на изобретения и полезные модели в расчте на миллион занятых в экономике данных регионов. В каче стве независимых переменных используются: «доля занятых с выс шим образованием» в общем числе занятого в экономике данных ре гионов населения соответственно в 2002 и 2005 гг., и фиктивные пе ременные d1 равные 1 для Москвы и Санкт-Петербурга и 0 для всех остальных регионов, d2 равные 1 для регионов, включающих города миллионеры и 0 для всех остальных регионов, d3 равные 1 для реги онов «соседей» и 0 для всех остальных регионов.

Регрессионное уравнение имеет вид ni A hi a1d1 a2d 2 a3d 3 ui, (5.11) где ni – число выданных в i-м регионе патентов на изобретения (и по лезные модели) в расчте на миллион занятых в экономике;

hi– доля занятых с высшим образованием в экономике i-го региона;

d1, d2, и d3 – фиктивные переменные, d1 – равна 1 для Москвы и Санкт-Петербурга и 0 для остальных регионов, d2 – равна 1 для регионов с городами миллионе рами (вторая группа регионов) и 0 для остальных регионов, и d3 – равна 1 для регионов «соседей»

крупных городов, входящих в состав городских агломераций (третья группа регионов) и 0 для прочих регионов России.

Для учта различий в уровне экономического развития регионов используется «взвешенная» регрессия, причм в качестве «весов» бе ртся переменная «доходы населения регионов». Все данные для расчтов взяты из статистических ежегодников «Регионы России: со циально-экономические показатели» за соответствующие годы.

Результаты расчта параметров регрессионного уравнения (5.11) приведены в таблице 5.12. Данные о числе выданных патентов в расчте на млн. занятых в экономике регионов взяты за три года, соответственно 2002–2004 и 2005–2007 гг., доля занятых с высшим образованием в общем числе занятых в экономике регионов – за пер вый год соответствующего периода. Все параметры регрессионных уравнений статистически значимы.

Коэффициенты детерминации довольно высоки, они, как прави ло, превышают 90%, то есть объясннная вариация зависимой пере менной (числа выданных в регионах России патентов) объясняется выбранными независимыми переменными на 90 и более процентов.

От 32 до 53% объясннной вариации зависимой переменной объ ясняется различиями долей занятых с высшим образованием, причм со временем значение данной переменной выросло в обоих случаях (коэффициент (Beta)). Для случая с числом выданных патентов на изобретения он вырос с 41% в 2002–2004 до 52% в 2005–2007 гг., во втором случае для числа выданных патентов на изобретения и полез ные модели вырос с 35% в 2002–2004 до 48% в 2005–2007 гг., и до 52,9% к 2007–2008 гг. (см. табл. 5.12).

На каждый процентный пункт роста доли занятых с высшим образованием число выданных в регионах России патентов на изоб ретения росло на 34 единицы в расчте на миллион занятых в экономи ке регионов России в 2002–2004 гг. и 47 единицы в 2005–2007 гг. Та ким образом, предположение, что запас накопленного человеческого капитала существенно влияет на инновационную активность, под тверждается статистическими данными, причм сила этого влияния, по-видимому, росла со временем.

Фиктивная переменная «города-мегаполисы» (Москва и Санкт Петербург) демонстрирует сильную статистическую связь с числом выданных патентов (см. коэффициент А1 в таблице 5.12). Данный факт не должен удивлять, так как в этих крупнейших городах России наиболее высока концентрация научно-исследовательских организа ций и лучших университетов России.

Таблица 5. Взаимосвязь числа выданных патентов на изобретения и полезные модели с другими переменными 2002-2004 гг. 2005-2007 гг. 2007-2008 гг. 2002-2004 гг. 2005-2007 гг. 2007-2008 гг.

Показатели Патенты на изобретения и регрессии Патенты на изобретения полезные модели Константа А -267,09 -610,27** -513,18** -189,823 -691,55** -657,3** Станд. ошибка (221,01) (235,65) (228,44) (290,164) (292,66) (263,5) Коэф. (B) 34,425* 47,572* 34,793* 41,359* 59,209* 46,831* Станд. ошибка (10,219) (10,515) (9,210) (13,417) (13,059) (10,624) Коэф. (Beta) 0,411* 0,522* 0,521* 0,357* 0,480* 0,529* Коэф. А1 (B) 1045,620* 1017,915* 674,781* 1599,930* 1546,116* 947,05* Станд. ошибка (215,948) (233,394) (204,96) (283,515) (289,853) (236,4) Коэф. А1 (Beta) 0,588* 0,505* 0,453* 0,651* 0,566* 0,480* Коэф. А2 (B) 379,299* 384,244* 233,68* 536,430* 678,742* 397,5* Станд. ошибка (87,122) (80,053) (81,42) (114,382) (99,418) (93,92) Коэф. А2 (Beta) 0,202* 0,179* 0,148* 0,206* 0,234* 0,190* Коэф. А3 (B) 638,878* 548,140* 261,38** 844,356* 833,070* 459,22* Станд. ошибка (127,616) (117,066) (107,92) (167,546) (145,385) (124,49) Коэф. А3 (Beta) 0,225* 0,168* 0,121** 0,215* 0,189* 0,160* Коэф. 0,951 0,904 0,821 0,866 0,920 0, детерм.

F 118,598 193,70 90,697 133,67 234,28 126, P – уровень 0,000 0,000 0,000 0,000 0,000 0, Кол-во регионов 88 87 84 88 87 Примечания. Числа в скобках означают стандартную ошибку оценки.

* Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Фиктивная переменная, обозначающая регионы с городами мил лионерами, также показывает наличие значительной положительной статистически значимой связи с числом выданных патентов в расчте на миллион занятого в экономике регионов населения (см. коэффици ент А2 в таблице 5.12). И, наконец, фиктивная переменная, означаю щая регионы, соседствующие с крупнейшими городскими центрами, являющиеся «донорами» новых знаний и инновационных технологий, также демонстрируют положительную, статистически значимую, связь с числом выданных патентов на изобретения и полезные моде ли. Данный статистический факт, свидетельствует, по всей видимо сти, о наличии устойчивой диффузии знаний в России между регио нами-донорами и регионами реципиентами новых знаний (коэффици ент А3 в таблице 5.12). Но сила этой связи имеет, по-видимому, ско рее тенденцию к снижению во времени, чем к росту, так как оба ко эффициента А3 (B и Beta) демонстрируют тенденцию к снижению во времени (см. табл. 5.12). То есть близость таких регионов России, как Московская, Владимирская, Рязанская, Калужская, Тверская и Туль ская области к Москве, Ленинградской области к Санкт-Петербургу, а Ульяновской области к Казани и Самаре, оказывает положительное влияние на патентную активность в этих регионах. Таким образом, патентная активность в регионах России положительно связана с до лей занятых с высшим образованием в экономике регионов, то есть с уровнем накопления человеческого капитала в регионах, с концентра цией человеческого капитала в крупных городах, а также с географи ческой близостью отдельных регионов к регионам с наиболее высокой концентрацией человеческого капитала.

Для большей наглядности сравним среднее число выданных па тентов на изобретения и полезные модели в регионах «соседях» и «аналогичных» регионах, но более географически удалнных от го родов-мегаполисов в 2002, 2003 и 2004 гг. В качестве «аналогичных»

регионов возьмм Белгородскую, Брянскую, Воронежскую, Курскую, Липецкую, Орловскую, Смоленскую, Тамбовскую, Ярославскую, Вологодскую, Новгородскую и Псковскую области. В регионах «соседях» было выдано в расчте на миллион занятого населения в указанном периоде 1272 патента, а в регионах-«аналогах», в среднем, только 695 патентов. Даже такое простое сопоставление наглядно показывает преимущественное развитие патентной активности в ре гионах соседствующих с крупными центрами научной и инноваци онной активности, которыми являются города-мегаполисы и города миллионеры.

Поскольку запас человеческого капитала в регионах и геогра фические переменные являются довольно инерционными параметра ми, а число регистрируемых патентов на изобретения и полезные мо дели в регионах РФ может значительно изменяться со временем, то для повышения наджности статистических расчтов полезно брать число выданных патентов за более длительный период времени.

В таблице 5.13 приведены результаты расчта уравнения 5.11, в котором в качестве зависимой переменной взято число выданных в регионах РФ патентов на изобретения и полезные модели за период 2000–2008 гг. Добавлена фиктивная переменная «северные регионы».

Коэффициент детерминации данного регрессионного уравнения ока зался довольно значительным, он равен 0,925.

Наблюдаются уже выявленные закономерности: в городах мегаполисах и регионах с городами-миллионерами наблюдается по вышенная патентная активность, как и в регионах-соседях. В «север ных» регионах, наоборот, наблюдается пониженная патентная актив ность. Следует отметить, что в ряде «северных» регионов в рассмат риваемом периоде не было выдано ни одного патента (в Корякском, Таймырском, Эвенкийском, Коми-Пермякском и Ненецком АО, по этому они были исключены из расчтов, как и Чеченская республи ка). Переменная «доля занятых с высшим образованием» оказывает существенное статистическое влияние на зависимую переменную, е вклад в объясннную вариацию по регионам зависимой переменной составляет около трети – 0,341.

Таблица 5. Взаимосвязь выданных патентов на изобретения и полезные модели с долей занятых с высшим образованием в общем числе занятых в экономике регионов и другими переменными Показатели Число выд. Доля зан. с Города- Города север «Соседи»

регрессии пат. высш. обр. мегаполисы миллионеры Коэф. (B) 0,028 0,118* 5,422* 1,356* -1,726* 2,011* Ст.ошибка 0,828 0,043 1,086 0,340 0,475 0, Коэф.(Beta) 0,341* 0,639* 0,138* -0,121 0,134* T – стат. 0,034 2,715 4,992 3,987 -3,635 3, Значимость 0,973 0,008 0,000 0,000 0,001 0, Примечание. Коэффициент детерминации равен 0,925, критерий Фишера – 185,46, значимость 0,000, число регионов – 81.

Можно сделать вывод, что, по-видимому, в России инноваци онная активность в регионах, также, как и в развитых странах Евро пы и Америки, зависит от объма ранее накопленных в этих регионах знаний, концентрации человеческого капитала в крупных городах, где научные и дружеские (неформальные) контакты специалистов облегчены и проходят интенсивнее, чем в периферийных регионах, а также от географической близости отдельных регионов к крупным научно-техническим и промышленным центрам.

Следовательно, для активизации инновационной активности в регионах России необходимо создавать условия не только для роста уровня образования и роста числа людей с высшим образованием, но и для более частых контактов специалистов (учных и инженеров) в рамках существующих «социальных сетей», например, активизиро вать работу научно-технических обществ, семинаров и научно технических конференций с помощью увеличения бюджетного (и внебюджетного) финансирования такого рода деятельности. Особен но это актуально для периферийных регионов, учные и специалисты которых практически лишены возможностей для живого общения с коллегами из других регионов из-за дефицита денежных средств и больших расстояний. Следует искать новые методы активизации ин новационной активности и формировать сети социальных контактов, способствующие диффузии знаний. Развитие современных информа ционно-коммуникационных технологий облегчает общение учных и других специалистов, снижает затраты на обмен информацией, но не решает все проблемы обмена информацией, и особенно формирова ния доверительных связей и обмена «молчаливыми» знаниями.

Можно сделать вывод, что объм накопленного в регионах Рос сии человеческого капитала способствует не только снижению без работицы и росту занятости населения в этих регионах, но и ускоре нию инновационных процессов, проявляющихся в более активном использовании ИКТ и повышенной патентной активности, в чм, по видимому, проявляются экстерналии образования. Как показал про веднный эмпирический анализ, действительно, накопленный в ре гионах России человеческий капитал способствует росту инноваци онности экономики. Как отмечает Р.И. Капелюшников: «накопление человеческого капитала повышает не только скорость, с которой распространяются, но и скорость, с которой генерируются научные, технические и организационные открытия и изобретения»410. В реги онах России с большим запасом человеческого капитала успешнее развиваются инновационные процессы, что способствует росту про изводства и занятости населения, росту доходов населения и ускоре нию экономического развития.

5.5. Оценка влияния человеческого капитала на объм иностранных инвестиций в регионах России Инвестиционный климат в России требует улучшения, данный факт отмечают многие экономисты и политики. Поскольку в совре менной России ощущается острая нехватка инвестиционных ресур сов, то значительные надежды возлагают на иностранные инвести ции, необходимые для модернизации экономики России. В совре менной экономике, или экономике знаний, развитие происходит за счт инноваций, и естественно ожидать, что приток новых техноло гий в экономику России должен быть связан с наличием квалифици рованных работников в самой России. Попытаемся провести эмпи рическую проверку данной гипотезы. Для этого используем про странственный регрессионный анализ на основе российской стати стической информации.

Предположим, что приток иностранных инвестиций в регионы следующим образом зависит от объма основных фондов, накоплен ных в этих регионах, численности населения, занятого в них и сред него уровня образования этого населения I i AK i L hi, (5.12) i Соответствующее уравнение регрессии имеет вид:

ln I i A ln K i ln Li ln hi i, (5.13) где: I i – объм иностранных инвестиций в данном году i-м регионе России;

K i – объм основных фондов в i-м регионе России;

Li – численность работников в i-м регионе России;

hi – средний уровень образования работников в i-м регионе России;

i – случайный остаток.

Капелюшников Р.И. Записка об отечественном человеческом капитале: Препринт WP3/2008/01/. М.: Изд. дом ГУ ВШЭ, 2008. С. 8.

В таблице 5.14 приведены результаты расчта уравнения ре грессии (5.13) на основе статистических данных ежегодников «Реги оны России: социально-экономические показатели» за 2004–2008 гг.

Расчты проводились с использованием «взвешенной» регрессии, в качестве весов применялась переменная «доходы населения регио нов» России, что позволило учесть различия в масштабах и уровнях развития регионов.

Практически все коэффициенты при независимых переменных статистически значимы, коэффициенты детерминации уравнений до вольно велики, они колеблются от 48% в 2004 г. до 70–79% в после дующие годы. То есть выбранные независимые переменные опреде ляли от 48 до 79% объясннной вариации зависимой переменной, то есть объма иностранных инвестиций в экономику российских реги онов.

Таблица 5. Взаимосвязь объмов иностранных инвестиций с основными фондами и другими переменными Показатели 2004 2004 г. 2005 г. 2006 г. 2007 г. 2008 г.

регрессии Константа А -77,193* -49,866* -63,334* -78,821* -48,957* -49,249* Станд. ошибка (26,434) (15,534) (12,508) (14,656) (14,963) (13,141) T – статистика -2,920 -3,210 -5,064 -5,378 -3,272 -3, P – уровень 0,005 0,002 0,000 0,000 0,002 0, Коэф. (B) 2,213* 1,069* 0,912* 0,193 0,474*** 0,943* (0,444) (0,308) (0,261) (0,285) (0,278) (0,244) Станд. ошибка Коэф. (Beta) 0,863* 0,446* 0,419* 0,089 0,265*** 0,515* 4,980 3,473 3,497 0,679 1,705 3, T – статистика 0,000 0,001 0,001 0,500 0,092 0, P – уровень Коэф. (B) -0,950** 0,848** 0,474 1,275* 0,905** 0, (0,454) (0,404) (0,334) (0,348) (0,347) (0,305) Станд. ошибка -0,349** 0,286** 0,175 0,442* 0,358** 0, Коэф. (Beta) -2,094 2,101 1,420 3,667 2,606 1, T – статистика 0,040 0,039 0,180 0,000 0,011 0, P – уровень Коэф. (B) 23,391** 13,695** 20,879* 28,679* 16,454** 15,809* (10,865) (6,771) (5,578) (6,527) (6,581) (5,779) Станд. ошибка Коэф. (Beta) 0,201** 0,193** 0,354* 0,415* 0,271** 0,254* 2,153 2,023 3,743 4,394 2,500 2, T – статистика 0,035 0,047 0,000 0,000 0,015 0, P – уровень Коэф. детер-ции 0,486 0,758 0,788 0,791 0,699 0, F 22,045 72,210 85,678 91,009 57,205 86, P – уровень 0,000 0,000 0,000 0,000 0,000 0, Кол-во регионов 74 73 73 76 78 * Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Наиболее значительным фактором, определяющим объм ино странных инвестиций в первые три года рассматриваемого пятилетне го периода, был объм основных фондов, но его роль быстро снижа лась, так что в последние два года стала статистически малозначимой.

Одновременно быстро росла роль переменной «численность занятого в экономике регионов населения». Роль переменной «средний уровень образования» занятого в экономике регионов населения колебалась по годам, не обнаруживая явной тенденции ни к росту, ни к снижению.

Коэффициент эластичности «объма иностранных инвестиций» по «среднему уровню образования» – ненормированный коэффициент (B) колебался от 13% в 2005 до 28% в 2007 гг., т. е. увеличение сред него уровня образования работников, занятых в экономике регионов, на один процент, способствовал увеличению объма иностранных ин вестиций в экономику регионов от 13 до 28%.

Коэффициенты эластичности объмов иностранных инвестиций по другим независимым переменным намного ниже: по переменной «основные фонды» он довольно плавно снизился с 2,2% в 2004 до 0,9% в 2006 гг. и 0,47% в 2008 г., а по численности занятого в эконо мике регионов населения вырос с -0,95% в 2004 г. до 1,27% в 2007 гг.

и до +0,90% в 2008 г. Очевидно, что влияние среднего уровня обра зования на объм иностранных инвестиций в экономику регионов России очень велико.

В последней колонке таблицы 5.14 в качестве зависимой пере менной взяты суммарные иностранные инвестиции (в млн долл.

США) за весь рассматриваемый период. Независимые переменные взяты за 2008 г. Дело в том, что объм иностранных инвестиций для каждого региона довольно значительно варьируется во времени, и их суммирование по годам позволяет «сгладить» такого рода колебания.

Коэффициенты при независимых переменных получились «усред ннными», и, соответственно, более наджными.

Для более наглядной иллюстрации степени влияния человече ского капитала на инвестиционную привлекательность регионов Рос сии рассмотрим зависимость объма иностранных инвестиций в рас чте на одного занятого в экономике регионов. Расчт проводился с использованием следующего регрессионного уравнения:

ln J i ln a ln k i ln hi i, (5.14) где J i – иностранные инвестиции в расчте на одного работника, за нятого в экономике i-го региона России;

ki – фондовооружнность труда в экономике i-го региона России;

hi – средний уровень образования работников в i-м регионе России;

i – случайный остаток.

Результаты расчта представлены в таблице 5.15. Используется, как и раньше, «взвешенная» регрессия. Коэффициенты детерминации не сколько ниже, чем в предыдущем случае, они колеблются от 0,36 до 0,59.

Эластичность уровня иностранных инвестиций в расчте на од ного занятого по фондовооружнности труда заметно снизилась со временем и стала статистически малозначимой в конце периода. То есть уровень фондовооружнности труда в регионах России оказывал слабое влияние (или совсем не влиял) на уровень иностранных инве стиций. Зато уровень человеческого капитала, представленный пере менной «средний уровень образования» работников, занятых в эко номике регионов, оказывал существенное влияние на уровень ино странных инвестиций.

Таблица 5. Взаимосвязь объма иностранных инвестиций в расчте на одного занятого с фондовооружнностью труда и уровнем образования Показатели 2004 г. 2005 г. 2006 г. 2007 г. 2008 г. 2004–2008 гг.

регрессии Константа А 98,815* -86,815* -77,712* -98,756* -64,592* -64,423* Станд. ошибка (26,910) (11,509) (8,523) (10,261) (11,252) (9,916) T – статистика -3,672 -7,543 -9,118 -9,624 -5,741 -6, P – уровень 0,000 0,000 0,000 0,000 0,000 0, Коэф. (B) 2,195* 1,016* 0,855* 0,108 0,424 0,895* (0,455) (0,328) (0,261) (0,286) (0,279) (0,246) Станд. ошибка Коэф. (Beta) 0,468* 0,271* 0,264* 0,032 0,163 0,336* 4,825 3,094 3,278 0,377 1,521 3, T – статистика 0,000 0,003 0,002 0,707 0,132 0, P – уровень Коэф. (B) 32,627* 30,896* 27,739* 38,008* 32,701* 22,842* (10,796) (4,620) (3,456) (4,298) (4,723) (4,163) Станд.ошибка Коэф. (Beta) 0,293* 0,586* 0,645* 0,753* 0,536* 0,507* 3,022 6,687 8,026 8,843 5,018 5, T – статистика 0,003 0,000 0,000 0,000 0,000 0, P – уровень Коэф. детер-ции 0,366 0,494 0,587 0,591 0,411 0, F 20,480 34,223 49,778 52,677 26,217 47, P – уровень 0,000 0,000 0,000 0,000 0,000 0, Кол-во регионов 74 73 73 76 78 * Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Причм эластичность иностранных инвестиций по среднему уров ню образования была очень велика: рост среднего уровня образования на один процент соответствовал росту иностранных инвестиций в расчте на одного занятого в экономике регионов на 28–38%. В последней ко лонке таблицы 5.15 приведен результат расчта регрессионного уравне ния (5.14), в котором в качестве зависимой переменной использовались иностранные инвестиции за весь рассматриваемый период (в расчте на одного занятого). Очевидно, что степень влияния человеческого капитала на объм иностранных инвестиций в рассматриваемом периоде заметно превышала влияние «фондовооружнности» труда.

Аналогичные результаты дают расчты регрессионного уравнения (5.14), в котором в качестве зависимой переменной выступает перемен ная «прямые иностранные инвестиции» в расчте на одного занятого (см.

табл. 5.16). Эластичность зависимой переменной по «фондовооружнно сти» труда колеблется вокруг 1% на один процент изменения фондово оружнности труда с некоторым снижением со временем. Эластичность же «прямых иностранных инвестиций» в расчте на одного занятого по «среднему уровню образования» одного занятого в экономике регионов России очень высока – она колеблется от 24% до 41% на протяжение рассматриваемого периода. То есть рост среднего уровня образования работников, занятых в экономике российских регионов, на один процент соответствует росту прямых иностранных инвестиций в расчте на одно го занятого на величину от 22 до 41%.

Таблица 5. Взаимосвязь объма прямых иностранных инвестиций в расчте на одного занятого с фондовооружнностью труда и уровнем образования Показатели 2000 г. 2001 г. 2002 г. 2003 г. 2004 г. 2005 г. 2006 г. 2007 г. 2008 г.

регрессии Конст. А -65,88* -72,24* -85,24* -93,35* -78,59* -68,23* -77,39* -99,42* -55,49* Станд. ошибка (9,29) (11,96) (12,47) (12,09) (12,842) (12,41) (9,738) (13,20) (10,817) Коэф. (B) 1,037** 0,84** 0,77** 0,97* 1,443* 0,70*** 0,289 -0,336 0,49*** (0,485) (0,369) (0,35) (0,36) (0,381) (0,355) (0,298) (0,368) (0,268) Станд. ошибка Коэф. (Beta) 0,190** 0,216** 0,20** 0,23* 0,344* 0,197*** 0,085 -0,089 0,19*** Коэф. (B) 24,94* 27,57* 32,67* 35,51* 28,575* 26,36* 31,07* 41,48* 22,15* (3,43) (4,60) (4,84) (4,84) (5,122) (4,978) (3,95) (5,527) (4,541) Станд. ошибка Коэф. (Beta) 0,645* 0,568* 0,611* 0,631* 0,507* 0,524* 0,689* 0,730* 0,520* Коэф. детерм. 0,441 0,371 0,428 0,515 0,447 0,363 0,517 0,479 0, F 27,998 20,62 26,15 36,66 28,246 19,69 36,935 32,67 26, P – уровень 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0, Кол-во регионов 74 73 73 72 73 72 72 74 * Параметр имеет 1% значимость.


** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

При расчте данных, приведнных в таблицах 5.15 и 5.16 ис пользовались погодовые данные об иностранных инвестициях. Но объм иностранных инвестиций в экономику регионов России суще ственно варьируется во времени, в отдельных регионах в те или иные годы они могут полностью отсутствовать. С другой стороны фондо вооружнность труда и объм человеческого капитала в расчте на одного работника являются довольно инерционными переменными, медленно изменяющимися со временем. Такая изменчивость ино странных инвестиций во времени отражается на точности расчтов.

Точность расчтов можно повысить, взяв объм иностранных инве стиций за ряд лет. Результаты расчтов такого рода для периодов 2000–2004 и 2005–2008 гг. с использованием регрессионного уравне ния 5.14, со значениями независимых переменных взятых на начало периода приведены в таблице 5.17. Коэффициенты детерминации ре грессионных уравнений в данном случае заметно выше, чем в предыдущих, все коэффициенты при независимых переменных ста тистически значимы.

Таблица 5. Взаимосвязь объма иностранных инвестиций в расчте на одного занятого в экономике регионов с фондовооружнностью труда и другими переменными Иностранные инвестиции (все) ПИИ Показатели регрессии 2000–2004 гг. 2005–2008 гг. 2000–2004 г. 2005–2008 г.

Конст. А -65,439* -69,684* -60,134* -66,079* Станд. ошибка (6,927) (8,681) (7,303) (8,320) Коэф. (B) 2,226* 0,635** 1,571* 0,474*** (0,361) (0,248) (0,381) (0,239) Станд. ошибка Коэф. (Beta) 0,441* 0,209** 0,328* 0,165*** Коэф. (B) 23,558* 29,717* 22,275* 27,127* (2,564) (3,485) (2,702) (3,349) Станд. ошибка Коэф. (Beta) 0,657* 0,671* 0,656* 0,673* Коэф. детерм. 0,602 0,563 0,519 0, F 58,906 45,061 41,075 41, P – уровень 0,000 0,000 0,000 0, Кол-во регионов 81 73 79 * Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Можно отметить явное снижение эластичности объмов ино странных инвестиций в расчте на одного занятого (в том числе пря мых) по фондовооруженности со временем и явный рост их эластич ности по человеческому капиталу. Можно сделать вывод, что сте пень влияния человеческого капитала на привлекательность россий ских регионов для иностранных инвесторов в рассматриваемом пе риоде повысилась.

Можно сделать вывод, что дифференциация объмов иностран ных инвестиций, в том числе прямых, по регионам России в значи тельной степени зависит от уровня накопленного в них человеческого капитала. Данное явление можно объяснить наличием зависимости го товности регионов к принятию и успешному освоению новых техноло гий (сопутствующих иностранным инвестициям) от уровня накоплен ных в регионах знаний, которые связаны с имеющимся в регионах че ловеческим капиталом.

5.6. Оценка факторов, влияющих на темпы роста реальных доходов и реального ВРП Попытаемся оценить влияние человеческого капитала на темпы роста реального ВРП и реальной заработной платы в регионах Рос сии в период 1999–2007 гг.

Оценка факторов влияющих на темпы роста реального ВРП в регионах России проводился с помощью следующего уравнения ре грессии:

ni A a1 Bi a2 d i hi byi a3 d1i a4 d 2i i, (5.15) где ni – темп роста реального ВРП в i-м регионе России за период 2000–2007 гг.

Bi – среднее за период 2000–2007 гг. соотношение браков и разводов в i-м регионе России;

di – среднее за период 2000–2007 гг. отношение инвестиций в ос новной капитал к основным фондам в экономике i-го региона России;

hi – доля занятых с высшим образованием в общем числе занятого в экономике i-го региона России населения в 1999 году;

уi – отношение ВРП в расчте на одного занятого в экономике i-го региона России в 1999 г. к среднему уровню ВРП в расчте на одного занятого во всех регионах, включнных в расчт;

d1i – фиктивная переменная, равная 1 для регионов, включаю щих города-миллионеры, и 0 для всех других регионов;

d2i – фиктивная переменная, равная 1 для «северных» регионов, и 0 для всех других регионов.

i – случайный остаток.

Использовалась «взвешенная» регрессия, в качестве весовой переменной использовалась переменная «доходы населения регио нов» России в 1999 г.

Коэффициент детерминации равен 0,645, критерий Фишера – 21,836, значимость 0,000, количество регионов – 79.

Можно сказать, что данные таблицы 5.19 показывают положи тельное влияние на темпы роста реального ВРП таких переменных, как среднее отношение инвестиций в основной капитал к основным фондам за рассматриваемый период, а также «доля занятых с выс шим образованием», в то время как «соотношение браков и разво дов», то есть повышенное число разводов, отрицательно влияет на темпы экономического роста, как, впрочем, и отнесение регионов к числу «северных».

Таблица 5. Взаимосвязь темпа роста реального ВРП в 2000–2007 гг.

с другими показателями Темп Соотн. Отн. ВРП Ср. отн. инвест.

роста браков Доля зан. с на 1 з. к Показатели к ОФ в 2000- Млн. Север реал. и высш. обр. ср. в 2007 гг.

ВРП разводов г.

Коэф. (B) 1,795* -0,001* 3,439* 0,014* -0,026 0,153* -0,290* Ст. ошибка 0,192 0,000 0,829 0,002 0,029 0,054 0, Коэф.(Beta) -0,257* 0,315* 0,565* -0,074 0,219* -0,199* T – стат. 9,350 -3,432 4,145 6,480 -0,879 2,853 -2, Значимость 0,000 0,001 0,000 0,000 0,382 0,006 0, Наличие же города-миллионера в регионе положительно сказы валось на темпах роста реального ВРП. Относительный, по сравне нию со средним, уровень объма ВРП в расчте на одного занятого в экономике региона, не влиял на темпы его роста. То есть не наблю далась ни дивергенция, ни конвергенция экономического развития регионов России.

Аналогичные результаты дат расчт регрессионного уравнения 5.15 для периода 2001–2007 гг. (см. табл. 5.20).

Коэффициент детерминации равен 0,597, критерий Фишера – 17,774, значимость 0,000, количество регионов – 79.

Таблица 5. Взаимосвязь темпа роста реального ВРП в 2001–2007 гг.

с другими показателями Темп Соотн. Ср. отн. Отн. ВРП Доля зан.

роста браков инвест. к на 1 з. к Показатели с высш. Млн. Север реал. и ОФ в 2001- ср.в обр.

ВРП разводов 2007 гг. г.

Коэф. (B) 1,514* -0,001* 3,981* 0,007* -0,027 0,116** -0,278* Ст. ошибка 0,157 0,000 0,622 0,002 0,024 0,044 0, Коэф.(Beta) -0,214* 0,497* 0,386* -0,101 0,215** -0,246* T – стат. 9,675 -2,678 6,402 4,161 -1,153 2,621 -3, Значимость 0,000 0,009 0,000 0,000 0,253 0,011 0, Различия в данных между двумя таблицами заключаются в том, что несколько повысилось влияние инвестиций на темпы роста ре ального ВРП и заметно снизилось влияние человеческого капитала.

Влияние остальных переменных на темпы экономического роста ма ло изменилось.

Аналогичное, довольно значительное, влияние оказывает чело веческий капитал на темпы роста реальной заработной платы в реги онах России в период 1999–2008 гг. (см. табл. 5.21).

Расчт проводился с использованием следующего уравнения ре грессии:

ni A hi a1 I i a2 d i i, (5.16) где ni – темп роста реальной заработной платы в i-м регионе России за период 1999–2008 гг.;

hi – доля занятых с высшим образованием в общем числе заня того в экономике i-го региона России населения в 1999 г.;

I i – среднемесячная заработная плата в i-м регионе России в 1999 г.;

d i – фиктивная переменная, равная 1 для регионов, включаю щих города-миллионеры, и 0 для всех других регионов;

i – случайный остаток.

Использовалась, как и ранее, «взвешенная» регрессия, в каче стве «весов» использовалась переменная «доходы населения регио нов» в 1999 г.

Можно увидеть, что человеческий капитал, представленный в уравнении (5.16) переменной «доля занятых с высшим образовани ем», оказывал значительное положительное влияние на темпы роста реальной заработной платы в регионах России. Уровень заработной платы, достигнутый в базовом 1999 г., отрицательно влиял на темпы роста реальной заработной платы в последующие десять лет. Оче видно, происходил процесс конвергенции уровней заработной платы по регионам России в рассматриваемый период. В частности, в реги онах с городами-миллионерами, темпы роста реальной заработной платы были ниже средних.

Таблица 5. Взаимосвязь темпа роста реальной заработной платы в 1999–2008 гг.

с другими переменными Показатели Темп роста Доля зан. с высш. Мес. ЗП в Млн.

регрессии реал. ЗП образ. 1999 году Коэф. (B) 2,014* 0,012* -0,153** 0, Ст. ошибка 0,068 0,002 0,064 0, Коэф.(Beta) 0,451* -0,219** -0,564* T – стат. 29,673 5,047 -2,392 -6, Значимость 0,000 0,000 0,019 0, Примечание. Коэффициент детерминации равен 0,453, показатель Фишера – 21,537, значимость 0,000, количество регионов – 82.

Можно предположить, что рост мировых цен на нефть и при родный газ должен был отразиться на росте заработной платы в нефтедобывающих регионах России. Для проверки данного предпо ложения введм в уравнение (5.16) дополнительную фиктивную пе ременную, характеризующую нефтедобывающие регионы (табл.

5.22).

Данный расчт проводился с использованием следующего урав нения регрессии:

ni A hi a1I i a2 d1i a3d 2i i, (5.17) где ni – темп роста реальной заработной платы в i-м регионе России за период 1999–2008 гг.;

hi– доля занятых с высшим образованием в общем числе занятого в экономике i-го региона России населения в 1999 г.;

I i – среднемесячная заработная плата в i-м регионе России в 1999 г.;

d1i – фиктивная переменная, равная 1 для регионов, включающих города-миллионеры, и 0 для всех других регионов;

d1i – фиктивная переменная, равная 1 для «нефтяных» регионов (Тюменской и Сахалинской областей, Ненецкого, Ханты Мансийского, Ямало-Ненецкого АО), и 0 для всех других регионов.


i – случайный остаток.

Таблица 5. Взаимосвязь темпа роста реальной заработной платы в 1998–2006 гг.

с другими переменными Показатели Темп роста Доля зан. с высш. Города- «Нефтяные» Мес. ЗП в регрессии реал. ЗП образ. миллионеры. регионы 1999 году Коэф. (B) 1,913* 0,009* -0,216* 0,428* -0,201* Ст. ошибка 0,050 0,002 0,038 0,101 0, Коэф.(Beta) 0,509* -0,469* 0,643* -1,054* T – стат. 37,933 5,118 -5,678 4,219 -6, Значимость 0,000 0,000 0,000 0,000 0, Примечание. Коэффициент детерминации равен 0,534, показатель Фишера – 23,489, значимость 0,000, количество регионов – 87.

В данном случае, как и раньше, положительное влияние на темп роста реальной заработной платы в регионах оказывает запас челове ческого капитала в базовом 1999 г. В «нефтяных» регионах» также наблюдался более быстрый, чем в среднем, рост реальной заработной платы. Также наблюдается процесс «конвергенции» уровней зара ботной платы по регионам России: в регионах с более высоким уров нем заработной платы в «базовом» 1999 г. рост реальной заработной платы был замедленным, как и в регионах с городами-миллионерами.

На основе проведнного анализа можно сделать следующие предварительные выводы:

– выбранные показатели объясняют почти две трети различий в темпах экономического роста регионов России. На первом, по эко номической значимости для роста физического объма ВРП, месте находится человеческий капитал, представленный двумя статистиче скими показателями «доля занятых с высшим образованием в общей численности занятого в экономике регионов населения» и «средним уровнем образования занятого в экономике регионов населения».

Причм первый показатель, «доля занятых с высшим образование»

дат больший вклад в объясннную вариацию зависимой переменной – 41,2 вместо 36,7% во втором случае, что позволяет сделать вывод, что наибольший вклад в экономический рост дают работники с выс шим образованием. iНа втором месте, как фактор вызывающий эко номический рост, находится накопление основного капитала, его вклад в объясннную вариацию темпов роста реального ВРП соста вил 32,9 в первом, и 33,5% во втором случае. На третьем месте, по экономической значимости, оказалась переменная «темп роста об щей численности занятого населения», е вклад составил 22,2 в пер вом случае, и 24,4% во втором.

– более быстрый экономический рост, по сравнению с боль шинством регионов, показали города-мегаполисы Москва и Санкт Петербург, более медленный – регионы, в которых находятся круп ные города-миллионеры.

– отрицательное и статистически значимое влияние на эконо мический рост в рассматриваемый период оказывала переменная «средний уровень разводимости». Очевидно, что «социальный» или «нравственный» капитал оказался экономически значимым фактором экономического роста регионов России.

– человеческий капитал, накопленный в регионах, оказывает существенное положительное влияние на инновационные процессы, в т.ч. на использование ИКТ, на патентную активность, положитель но влияет на инвестиционную привлекательность регионов, на рост занятости населения и отрицательно – на уровень безработицы. Все данные явления свидетельствуют, по-видимому, о проявлении внеш них эффекторв (экстерналий) человеческого капитала.

Заключение: выводы и предложения Проведнное исследование теоретических и эмпирических ас пектов производства и использования человеческого капитала в эко номике России позволяет сделать ряд общих выводов и практических предложений:

Во-первых, как показывает проделанный анализ, в период с 1999 по 2008 гг., охваченный эмпирическим анализом, наблюдается значительный рост экономического значения человеческого капитала в экономике российских регионов, как фактора дифференциации и роста величины объмов производства ВРП, доходов и потребления населения регионов России, сопоставимого по степени влияния на доходы населения с основными фондами и фондовооружнностью труда, а в наиболее густо населенных и экономически развитых ре гионах, превосходящего их влияние. Менее сильно это влияние, по сравнению с влиянием основных фондов и фондовооружнности, сказывается на величине среднемесячной заработной платы.

Наиболее сильное влияние оказывает человеческий капитал на доходы от предпринимательской деятельности, от собственности и прочие доходы (включая скрытую заработную плату) и, в данном слу чае, значительно превосходит влияние других факторов. Можно утверждать, что предпринимательская активность в регионах России, и е экономическая эффективность зависят преимущественно от уровня образования населения, занятого в экономике соответствую щих регионов, а не от фондовооружнности труда и других факторов.

Во-вторых, помимо общего человеческого капитала, представ ленного переменными «средний уровень образования» населения, занятого в экономике регионов, и «доля занятых с высшим образова нием» в общей численности занятого в экономике регионов населе ния, заметное положительное влияние на доходы работающего насе ления и особенно на доходы от предпринимательской деятельности, от собственности и прочие доходы (включая скрытую заработную плату), оказывает специфический человеческий капитал, представ ленный переменной «ожидаемая продолжительность жизни при рож дении». Чем больше ожидаемая продолжительность жизни населения региона, тем больше средняя продолжительность стажа работы и выше доля работников с производственным и социальным опытом в общей численности населения, занятого в экономике региона. За весь рассматриваемый период с 1999 по 2008 гг., наблюдалась статисти чески значимая и сильная положительная связь между доходами от предпринимательской деятельности, от собственности и прочими до ходами (включая скрытую заработную плату) и величиной специфи ческого человеческого капитала, более сильная, чем со всеми други ми доходами населения. Данный факт свидетельствует об исключи тельно высоком значении специфического человеческого капитала для развития предпринимательской активности в России и, соответ ственно, о необходимости его накопления с помощью всевозможных мер по увеличению продолжительности жизни населения регионов России. В числе таких мер, можно, по-видимому, предусмотреть, по мимо значительного улучшения состояния медицинской помощи и профилактической работы по предупреждению заболеваемости, улучшение состояния окружающей среды, в том числе усиление борьбы с загрязнением окружающей среды, уменьшение вредных выбросов предприятиями загрязняющих веществ в воду и атмосферу, лучшую утилизацию бытовых и промышленных отходов и т. п.

В-третьих, можно утверждать, что в ходе проведнного исследо вания выявлено наличие положительных внешних эффектов (экстерна лий) образования, в виде повышенной восприимчивости экономики ре гионов с относительно большим объмом накопленного человеческого капитала к инновациям, росту занятости населения и его доходов. Дан ные экстерналии проявляются в виде повышенной производительности труда, относительно более высоких доходах и потребления населения, проживающего в крупных городах и хорошо урбанизированных регио нах, а также в более высоких поступлениях налоговых и других дохо дов в консолидированные бюджеты субъектов РФ.

Данное утверждение подтверждается и тем, что в экономически развитых регионах наиболее высокие показатели использования компьютеров, в том числе с подключением к интернету и более вы сокая патентная активность. Особенно высокий уровень патентной активности наблюдается в городах-мегаполисах и регионах, включа ющих города-миллионеры, а также в соседних с ними регионах. По следний факт подтверждает наличие диффузии знаний и технологий, выявленных ранее рядом экономистов в развитых странах. Очевидно, что ускорение научно-технического прогресса в экономике России, повышение е инновационности и восприимчивости к использова нию технологических «новинок», а также к «перехвату» технологий у более развитых стран, в значительной мере зависит от уровня накопления человеческого капитала в регионах России и, особенно, в крупных городах.

В-четвртых, как выяснилось в процессе настоящего исследова ния, одним из внешних эффектов человеческого капитала является увеличение занятости населения регионов России и снижение уровня безработицы. То есть в регионах с большей долей работников с выс шим и незаконченным высшим образованием наблюдаются и более высокие темпы роста занятости населения и более низкий уровень безработицы.

В-пятых, в регионах с большим запасом человеческого капита ла, в рассматриваемом в настоящем исследовании периоде с 1999 по 2008 гг., отмечаются и более высокие темпы роста валового регио нального продукта и реальных доходов населения.

В-шестых, выявлена повышенная отдача человеческого капита ла в городских агломерациях и регионах с более высокой плотностью населения (повышение социальных норм отдачи образования). Оче видно, что рост населения России, повышение его плотности, то есть уровня заселнности и урбанизации регионов, способствуют повы шению социальных норм отдачи человеческого капитала и эффек тивности экономики в целом.

В-седьмых, показано положительное влияние человеческого ка питала, накопленного в регионах России, на объмы иностранных инвестиций (в том числе прямых иностранных инвестиций), что по ложительно сказывается на обновлении и модернизации производ ственного потенциала экономики регионов России.

В-восьмых, показано положительное влияние человеческого ка питала на поступление прямых налогов (налогов на доходы населе ния, на доходы от предпринимательской деятельности, от собствен ности и прочих) в доходы консолидированных бюджетов субъектов РФ, что благоприятно сказывается на развитии бюджетного сектора экономики регионов, то есть на развитии образования, здравоохране ния и культуры регионов.

Можно сделать вывод о том, что влияние человеческого капи тала на разнообразные процессы в экономике регионов России поло жительно сказывается не только в статике, то есть проявляется в бо лее высоких доходах и занятости населения регионов России, но и в динамике, то есть в повышенных темпах роста занятости, доходов, заработной платы и иностранных инвестиций. Кроме того, накопле ние человеческого капитала проявляется в более активной инноваци онной деятельности населения, занятого в экономике регионов, в частности, в патентной активности и использовании ИКТ, что позво ляет сделать заключение об его исключительно большом значении для перехода экономики России к инновационному пути развития, к экономике знаний.

Из всего вышесказанного можно заключить, что для ускорения роста занятости и реальных доходов населения регионов России, научно-технического прогресса в России, необходимо всемерно раз вивать все виды образования, которое, в настоящее время, находится в кризисном состоянии. Как отмечает И.И. Харченко, «имеет место относительное и абсолютное увеличение доли необразованной моло джи в селе»411. Другой российский исследователь, Т.Л. Ищук счита ет, что российская высшая школа, оказавшись в рыночных условиях, отличается коррумпированностью, неэффективным использованием бюджетных средств, погоней за ростом числа платных студентов, немыслимой аудиторной нагрузкой преподавателей, и снижением качества образования при росте цен на него412. Повышение качества образования и его эффективности вряд ли возможно без роста расхо дов на образование общества в целом и, в частности, государствен ных расходов. Решение этих задач, а также увеличение доступности образования для способной молоджи из небогатых семей, повыше ние уровня образованности всего населения, невозможно, как пред ставляется, без следующих актуальных мер:

Харченко И.И. Современная молоджь Сибири: образовательные и профессиональные стратегии. Новосибирск: ИЭИОПП СО РАН, 2008. С. 389.

Ищук Т.Л. Ценовая политика государства и вузов на рынке образовательных услуг выс шей школы // Креативная экономика. 2009. № 7. С. 31.

1. Повышения уровней заработной платы и престижа профессии учителя, в том числе: воспитателей детских дошкольных заведений, учителей общеобразовательных школ, профессионально-технических училищ, средних специальных учебных заведений, преподавателей высших учебных заведений и т. п. Сложившееся к настоящему вре мени положение, когда средний уровень оплаты работников сферы образования значительно отстат от уровня оплаты работников по давляющего числа отраслей народного хозяйства и значительно ниже среднего уровня оплаты всех занятых, является явным препятствием на пути перехода России к экономике знаний, к инновационному пу ти развития, так как не может ключевая для данного перехода от расль народного хозяйства иметь уровни оплаты труда работников ниже среднего. Назрела необходимость снижения уровня аудиторной нагрузки преподавателей высших учебных заведений и предоставле ния им более широких возможностей заниматься научными исследо ваниями: в настоящее время аудиторная нагрузка преподавателей ву зов в России в два раза выше аналогичных показателей в вузах раз витых стран, а заработная платы в десятки раз ниже.

2. Обеспечение доступа к получению качественного образова ния для наиболее способных молодых людей, от которых, в значи тельной степени, зависит будущий научно-технический прогресс, производство новых знаний и успешность их практического приме нения в экономике России. Для этого, по-видимому, необходимо не только повысить уровни государственного финансирования всех зве ньев образовательной системы, но и перестроить сами принципы е финансирования. В особенном внимании нуждается важнейшее зве но системы образования – высшее образование.

3. Необходимо обеспечить равный доступ к образованию всех молодых людей, независимо от уровня доходов их родителей. Для этого необходимо развивать систему образовательных грантов, диф ференцировав их величину в зависимости от образовательных до стижений молодых людей. Важно развивать систему бюджетного (или льготного) кредитования молоджи в целях оплаты ими услуг образования, в тех случаях, когда предоставление образовательных грантов нецелесообразно. Например, вс большая часть молодых лю дей, при получении образования имеет своей жизненной целью вы езд за границу на постоянное место работы и жительства. Вряд ли целесообразно в таких случаях оплачивать их образование из бюд жетных средств, но вполне допустимо предоставление льготных об разовательных кредитов. Наконец, надо значительно расширить воз можности молоджи в получении полноценного образования без от влечения на заработки в процессе учбы, что, как показывает практи ка, резко снижает качество образования. Будет целесообразным уве личение размеров стипендий, по крайней мере, до величины прожи точного минимума, и оказание материальной помощи молодым се мьям. Величина этих пособий, в целях стимулирования качества обу чения, должна зависеть от результатов учбы.

Библиографический список 1. Агабабьян Э.М. Экономические основы воспроизводства нематериальных благ при социализме. – М.: Наука, 1983.

2. Андриссен Д., Тиссен Р. Невесомое богатство. Определите стоимость вашей компании в экономике нематериальных активов / Пер. с англ. – М.: Олимп Бизнес, 2004.

3. Алетдинова А.А., Корицкий А.В. Оценка нормы частной отдачи и экстерналий образования: сибирский пример // ЭКО. – № 9.

– 2009.

4. Алле М. Современная экономическая наука и факты // THESIS. 1994. – Вып. 4.

5. Алле М. Поведение рационального человека в условиях риска:

критика постулатов и аксиом американской школы // THESIS. – 1994.

6. Аперьян В.Е. Воспроизводство и трудовые ресурсы в со циалистических странах. – М.: Статистика, 1976.

7. Бабст И.К. О некоторых условиях, способствующих умно жению народного капитала. – М., 1857.

8. Беккер Г. Выбор партнера на брачных рынках // THESIS. – 1994.

9. Беккер Г. Человеческий капитал (главы из книги) Воздей ствие на заработки инвестиций в человеческий капитал // США: эко номика, политика, идеология. – 1993. № 11–12.

10. Беккер Г. Человеческое поведение: экономический подход // Избранные труды по экономической теории. – М.: ГУ ВШЭ, 2003.

11. Беккер Г. Экономика семьи и макроповедение // США:

экономика, политика, идеология. – 1993. – № 2–3.

12. Беккер Г. Экономический анализ и человеческое поведе ние // THESIS. – 1993.

13. Беккер Г. Экономический взгляд на жизнь: Лекция лауреа та Нобелевской премии в области экономических наук за 1992 г. // Вестник Санкт-Петербургского университета. – 1993. – Сер. 5. – Вып. 3.

14. Берндт Э. Практика эконометрики: классика и современ ность: Учебник / Пер. с англ.;

под. ред. С.А.Айвазяна. – М.: ЮНИТИ ДАНА, 2005.

15. Блайндер А. Экономическая теория чистки зубов // THE SIS. – 1994.

16. Блауг М. Методология экономической науки, или Как эко номисты объясняют / Науч. ред. В.С. Автономова // Вопросы эконо мики. – 2004.

17. Блауг М. Несложный урок экономической методологии // THESIS. – 1994.

18. Болдов О.Н., Иванов В.Н., Суворов А.В., Широкова Т. К.

Динамика и структура сферы образования в России в 90-е годы // Проблемы прогнозирования. – 2002. – № 4.

19. Бондаренко Г.И. Человеческий капитал как показатель уровня общественного развития // Вестник РУДН. – 2003. – Сер. Со циология. – № 1(4).

20. Борисов Г.В. Инвестирование в человеческий капитал в условиях трансформирующейся экономики России // Вестник СПбГУ.

– 1998. – Сер. 5. – Вып. 2. – № 12.

21. Боровиков В.П., Боровиков И.П. STATISTICA – Статистиче ский анализ и обработка данных в среде Windows. – М.: Филинъ, 1997.

22. Боццо Р.Н. Человеческий капитал в процессе управления кооперативной собственностью. – М., 1992.

23. Брагинский С.В., Певзнер А.Я. Политическая экономия:

дискуссионные проблемы и пути обновления. – М., 1991.

24. Бурда М., Виплош Ч. Макроэкономика. Европейский текст. – СПб.: Судостроение, 1998.

25. Бушмарин И.В. Современный капитализм и развитие тру довых ресурсов творческого типа // Мировая экономика и междуна родные отношения. – 1990. – № 2.

26. Быченко Ю.Г. Важнейший показатель человеческого капитала.

– М., 1998.

27. Валентей Д. И., Кваша А. Я. Основы демографии. – М.: 1989.

28. Валентей С., Нестеров Л. Человеческий потенциал: новые измерители и новые ориентиры // Вопросы экономики. – 1999. – № 2.

29. Васильчук Ю. Дорогой человек эпохи НТР // Мировая эко номика и международные отношения. – 1991. – № 11.

30. Васильчук Ю.А. Трансформация потребностей – развитие личности и общества // ПОЛИС. – 1994. – № 5.

31. Введение в теорию и методологию системы оптимального функционирования социалистической экономики. – М.: Наука, 1983.

32. Венецкий И.Г. Математические методы в демографии. – М.: Статистика, 1971.

33. Вильховченко Э. Прогресс труда на современном этапе НТР // Мировая экономика и международные отношения. – 1991. – № 8–10.

34. Володарский и др. Историческая демография: проблемы, суждения, задачи. – М.: Наука, 1989.

35. Вортман М. А., Лифшиц А. С. Управление персоналом в зарубежных фирмах. – Иваново, 1995.

36. Воспроизводство населения и трудовых ресурсов. – М.:

Наука, 1976.

37. Гальчин А.В. Человеческие ресурсы и технологическое обновление России // Полис. – 1993. – № 3.

38. Гаузнер Н.Д. Повышение гибкости – актуальная проблема современного рынка труда // Мировая экономика и международные отношения. – 1991. – № 10.

39. Гаузнер Н., Иванов Н. Инновационная экономика и чело веческие ресурсы // Мировая экономика и международные отноше ния. – 1994. – № 3.

40. Гаузнер Н., Иванов Н., Михина М. Стратегия развития че ловеческих ресурсов в условиях перехода к рынку // Мировая эконо мика и международные отношения. –1994. – № 7.

41. Гимпельсон В., Лукьянова А. О бедном бюджетнике за молвите слово…: межсекторные различия в заработной плате // Во просы экономики. – 2006. – № 6.



Pages:     | 1 |   ...   | 8 | 9 || 11 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.