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 |   ...   | 3 | 4 || 6 | 7 |   ...   | 11 |

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

-- [ Страница 5 ] --

Осознание такой потребности, как самими молодыми людьми, так и их родителями, вызывает увеличение желания получения выс шего образования, пусть даже на платной основе. Поэтому рост по требности молодежи в высшем образовании можно объяснить как изменениями конъюнктуры рынка труда, сокращением спроса рабо тодателей на неквалифицированный труд, так и с ростом спроса на Бетт и Макфарланд (1995) исследуя зависимость между экономическим циклом и числен ностью студентов колледжей в период между 1969 и 1985 гг. нашли, что рост безработицы на 1% связан с ростом числа учащихся на 4,5%. По данным Новосибирской городской службы занятости, доля молодежи в возрасте 16–29 лет среди безработных составила в 1999 г. 35,8%, причем этот показатель устойчив во времени. Среди них 55,3% – в возрасте 18–22 года, то есть наибольшая доля молодых безработных – это школьники, не поступившие в вузы.

труд отдельных профессиональных групп (или с появлением спроса на новые, ранее не существовавшие профессии).

На рынке труда в 1990-е годы вырос спрос на юристов, бухгал теров, финансистов, маркетологов, журналистов, психологов и неко торые другие. Все это способствовало росту спроса (и приема) на со ответствующие вузовские специальности.

Третий фактор имеет особое значение. В сельских школах и школах небольших городов и раньше ощущалась нехватка преподавателей с высшим образованием, а из-за резкого сокращения (в реальном выраже нии) финансирования школьного образования в 90-е годы эти проблемы резко обострились. Поэтому, сельские, а часто и городские школьники, не в полной мере осваивают обязательную школьную программу, осо бенно по иностранным языкам, физике и математике. Все это снижает возможности выпускников сельских школ выдерживать конкурс при по ступлении в государственные вузы и увеличивает спрос на платное обра зование, где конкурс существенно ниже.

Наконец, четвертый фактор, рост дифференциации доходов и формирование слоя предпринимателей, мелких и средних, создает возможности для роста платежеспособного спроса на услуги платно го образования (высшего и среднего специального). Значительная часть этих предпринимателей работает в «серой» или «теневой» эко номике, поэтому официальная статистика не отражает в полной мере их доходы. Например, среднедушевые доходы от 1000 до 1500 руб. в месяц, т. е. немного выше официального прожиточного минимума имели в 1998 г. 16,62% населения Новосибирской области, от до 2000 руб. в месяц – 3,53%, и свыше 2000 руб. в месяц – 1%.

Прием же студентов в вузы в Новосибирской области с полным возмещением затрат на обучение составил в 1998 г. более 11 тыс. чел., или примерно половину из всех принятых на первый курс (в т.ч. в государственные вузы 10,1 тыс. чел., и в негосударственные – более 1 тыс. чел.)247. Причем плата за высшее образование колебалась в этот период от 400 до 600 руб. в месяц.

Очевидно, что спрос на платные услуги высшего образования не может формироваться только со стороны достаточного узкого слоя де тей предпринимателей. Они обеспечивают, в лучшем случае, около по ловины спроса на платные услуги дневных отделений вузов, и, в гораз до меньшей степени, на заочных отделениях. Большая часть студентов заочных отделений вузов и значительная часть дневных, вынуждена Социально-экономическое положение Новосибирской области в январе-декабре 1998 го да. Новосибирск, 1999. С. 88–89.

зарабатывать на свое содержание и на оплату обучения самостоятельно, зачастую совершенно не пользуясь материальной поддержкой родителей и других родственников. Материальной поддержкой организаций и предприятий (обучение на договорных условиях) пользуется, в лучшем случае, 10–20% студентов. Как отмечает Т.Л. Ищук, «в среднем на обу чение одного студента-бюджетника российские вузы тратят от 50 до тыс. руб. ежегодно»248. «При этом, – пишет она, – стоимость обучения в лучших учреждениях системы высшей школы достигает 10 тысяч долла ров в год»249. Удивительно, что стоимость обучения в российских вузах в настоящее время сопоставима с ценами в европейских вузах. Например, во Франции обучение на бакалавра стоит в среднем 600–900 евро в год (28,8–43,2 тыс. руб.), в Германии 28,8–44 тыс. руб. в год250.

Попытаемся выявить факторы, оказавшие влияние на феноме нальный рост спроса молодежи и населения в целом на высшее обра зование, причем на платные услуги высшего образования, в то время как происходило существенное сокращение реальных доходов насе ления на большей части рассматриваемого периода.

Для достижения поставленной цели мы предпримем попытку вы явить статистические взаимосвязи интенсивности инвестиций в чело веческий капитал в регионах России с рядом других экономических показателей. В качестве характеристики интенсивности инвестиций в человеческий капитал использован показатель «число студентов на 1000 жителей региона», который будет сравниться со следующими по казателями: «уровень безработицы», «плотность населения», «доля го родского населения в населении региона», «среднедушевые доходы населения», «уровень экономической активности», «доля занятых с высшим образованием в общей численности занятых», показатель не равенства в распределении доходов («коэффициент Джини»).

Применяемый метод исследования взаимосвязей – пространственный анализ статистических данных регионов России за определенный период (2004г.). Анализ построен на основе одномоментных регрессионных урав нений. В расчете используются статистические данные по 86 регионам России за 2004 год, исключены только Чеченская республика и два авто номных округа из-за отсутствия необходимых данных. Рассчитываются параметры следующего регрессионного уравнения.

Ищук Т.Л. Ценовая политика государства и вузов на рынке образовательных услуг выс шей школы // Креативная экономика. 2009. № 7. С. 27.

Там же. С. 26.

Там же. С. 27.

N студ A bX безр cI дох dDвысш eGнас kNнас mK iДж nEакт.

i i i i i i i (4) i где N студ – число студентов на 1000 жителей i-го региона;

X безр – уровень безработицы в i-м регионе;

i i I дох – среднедушевые доходы населения в i-м регионе;

i Dвысш – доля занятых с высшим образованием в i-м регионе;

i Gнас – доля городского населения в населении i-го региона;

i N нас – плотность населения в i-м регионе;

K iДж – коэффициент Джини (показатель уровня дифференциа ции доходов населения) в i-м регионе;

i Eакт – уровень экономической активности населения в i-м регионе.

Результаты расчета регрессионного уравнения приведены в таблице 2.19.

Показатель множественной детерминации R квадрат = 0,7094, F = 27,206, P = 0,000000. Выбросы, характерны для Московской и Том ской областей, что, по всей вероятности, объясняется следующим об разом: Москва и Московская область на данный момент являются са мым густонаселенным регионом страны, с большим количеством выс ших учебных заведений в г. Москва, а также наивысшим показателем экономической активности, что способствует притоку квалифициро ванной рабочей силы в данный регион. Там же сосредоточено наибольшее количество высокотехнологичных производств. Томская область имеет исторически сложившуюся образовательную специали зацию (6 крупных ВУЗов в Томске), при относительно невысокой чис ленности населения, а также относительно небольшом количестве высших учебных заведений в прилегающих северных регионах.

Таблица 2. Параметры регрессионного уравнения (4) полученные на основе статистических данных по 86 регионам России за 2004 год Станд. Станд.

T – стати- P – уро Показатели регрессии Beta ошибка B ошибка стика вень Beta B Константа А -37,77 27,729 -1,2902 0, Уровень безработицы -0,248 0,0825 -35,596 11,862 -3,0007 0, Среднедушевые доходы населения -0,486 0,1035 -0,0022 0,00048 -4,7025 0, Доля занятых с высшим образованием 0,381 0,0868 1,3011 0,2961 4,3933 0, Доля городского населения 0,371 0,0742 0,4242 0,0846 5,0119 0, Плотность населения региона 0,188 0,0878 0,0091 0,0042 2,1492 0, Коэффициент Джини 0,440 0,0951 193,562 41,778 4,6331 0, Экономическая активность населения -0,188 0,09156 -0,6204 0,3011 -2,0602 0, Положительную связь с числом студентов на 1000 жителей имеют показатели: «коэффициент Джини» (коэффициент Beta = 0,44), доля занятых с высшим образованием в регионе (коэффициент Beta = 0,38), доля городского населения в регионе (коэффициент Beta = 0,37) и плотность населения. То есть, можно предположить, что наиболее значимыми факторами, положительно влияющими на чис ленность студентов на 1000 жителей региона, являются:

1) показатель дифференциации доходов населения региона (ко эффициент Джини);

2) показатель доли занятых с высшим образованием в регионе;

3) доля городского населения в населении региона.

В данном случае полученное уравнение регрессии имеет вид (5).

Nстуд 37.8 35.6 X безр 0.0022I дох 1.3Dвысш 0.42Gнас 0.009 Nнас 193.6K iДж 0.62Eакт i i i i i i i Константа в данном уравнении статистически малозначима, все независимые переменные, включенные в уравнение регрессии, ока зались значимыми при уровне значимости 0,05.

Содержательное объяснение первого факта достаточно очевид но: чем выше дифференциация доходов в регионе, тем больше сти мулов к получению образования у молодежи. По-видимому, это свя зано с повышенной отдачей инвестиций в образование в регионах с большей дифференциацией доходов. Вторая по уровню статистиче ской значимости положительная взаимосвязь может быть объяснена устойчивостью культурных традиций в семьях. То есть, в семьях, где родители имеют высшее образование, существует более высокая ве роятность получения детьми высшего образования. Третий фактор, по всей вероятности, может быть объяснен, исходя из следующих критериев:

А) Промышленность, образование, наука и специализированные медицинские центры, т. е. отрасли, требующие большего числа ква лифицированных специалистов, расположены в городах.

Б) Более высокая концентрация населения ведет к большей дифференциации доходов, и, следовательно, более высокой окупае мости инвестиций в образование.

В) Большие возможности для удовлетворения социально – культурных потребностей.

Сравнительно слабая, но также статистически значимая связь числа студентов в расчете на 1000 жителей, наблюдается с показате лем плотности населения.

По-видимому, в регионах с более высокой плотностью населе ния больше возможностей для миграции молодежи в города и выше отдача от инвестиций в образование. Несколько неожиданная, но также логически объяснимая, отрицательная взаимосвязь числа сту дентов на 1000 жителей региона наблюдается с показателями: «уро вень безработицы», «среднедушевые доходы населения» и «эконо мическая активность населения». Наиболее сильна и статистически значима эта связь у показателя «среднедушевые доходы населения»

(коэффициент Beta -0,48658). Дело в том, что альтернативные из держки получения образования определяются «упущенными зара ботками», которые положительно зависят от уровня доходов и заня тости. Очевидно, что «упущенные заработки» и, соответственно, за траты, связанные с обучением в вузах, отрицательно связаны с уров нем доходов и экономической активностью населения. (Т. е., люди сознательно отказываются от текущих заработков и готовы произво дить затраты в свое образование ради более высоких заработков в будущем).

Поэтому в регионах с более низкими доходами и низкой эконо мической активностью населения ниже и альтернативные издержки, связанные с получением образования, соответственно, выше отдача инвестиций в образование и выше спрос на услуги высшего образова ния. Наличие же отрицательной связи числа студентов на 1000 жителей региона с уровнем безработицы противоречит логике теории человече ского капитала. Чем выше уровень безработицы, тем меньше «альтер нативные издержки» получения образования, но возможны два объяс нения данного парадокса. Первый вариант объяснения заключается в том, что высокий уровень безработицы в регионах снижает возможно сти родителей оплачивать образовательные услуги (а большая часть студентов учится на платной основе), а также содержать детей во вре мя обучения в вузе, что, естественно, отрицательно сказывается на численности студентов на 1000 жителей региона.

Второй вариант объяснения заключается в признании случайно сти данной связи, и малодостоверности и неполноте учета безработ ных и доходов населения в России.

Для исключения статистически малозначимых факторов была применена пошаговая регрессия на том же массиве статистических данных. Результаты расчета линейной регрессии представлены в таб лице 2.20.

Параметры данного регрессионного уравнения следующие: ко эффициент множественной корреляции R = 0,8025;

R-квадрат = 0,64398;

Adj. R-квадрат = 0,62406;

F = 36.63;

p-уровень менее 0,00000.

Таблица 2. Параметры регрессионного уравнения 1 полученные на основе статистических данных по 86-ти регионам России за 2004 год (пошаговая регрессия) Ошибка T– Показатели Beta B Ошибка B P – уровень Beta статистика Константа A -106,64 13,906 -7,668 0, Среднедушевые доходы -0,582 0,0952 -0,003 0,00042 -6,1061 0, Доля занятых с высшим образованием 0,4317 0,0691 1,473 0,2358 6,2452 0, Доля городского населения 0,4428 0,0742 0,505 0,0847 5,9665 0, Коэффициент Джини 0,566 0,0949 248,69 41,712 5,9618 0, Исключены были независимые переменные: «уровень безрабо тицы», «плотность населения» и «экономическая активность населе ния», что существенно повысило уровень статистической надежно сти самого уравнения регрессии и всех оставшихся переменных, а также сделало более легкой и логичной экономическую интерпрета цию взаимосвязей. Все более или менее сомнительные, с точки зре ния интерпретации, взаимосвязи исчезли. Выбросами в данном урав нении регрессии характеризуются Московская и Томская области, а также республика Ингушетия, для них отклонения выше 2 стандарт ных отклонений, причем для Томской области более 3.

Поскольку многие из рассматриваемых показателей хорошо коррелируют между собой и, особенно хорошо, с показателями «доля городского населения» и «плотность населения», была предпринята попытка элиминировать влияние этих двух показателей. С этой це лью были рассчитаны коэффициенты частной корреляции с исклю чением влияния показателей «плотность населения» и «доля город ского населения». Результаты расчета коэффициентов частной кор реляции для данных за 2004 год приведены в таблице 2.21.

Таблица 2. Коэффициенты частной корреляции с элиминированным влиянием переменных «плотность населения» и «доля городского населения»

Средний Средне- уровень Уровень- Доля заня- Экономи Коэффи душевые образова- безрабо- тых с выс- ческая Показатели циент доходы ния занято- тицы шим обра- активность Джини населения го населе- в регионе зованием населения ния Среднедуше- 0,6068 0. 1,0 - - вые доходы P=0.000 P=0. Средний уро вень образо- 0.3075 0. - 1.0 - вания занято- P=0.004 P=0. го населения Уровень без 0.7789 0.4668 -0. работицы в - 1.0 Р=0.004 Р=0.000 Р=0. регионе Доля занятых с высшим 0.7789 0.4668 -0. - 1.0 образовани- P=0.000 P=0.000 P=0. ем Число сту дентов на -0.3319 0.3456 -0. - - 1000 жителей P=0.002 P=0.001 P=0. региона Как видно из таблицы 2.21, число студентов на 1000 жителей име ет значимые положительные и отрицательные коэффициенты частной корреляции с долей занятых с высшим образованием (0,3456, P – уро вень (значимость) 0,001), со среднедушевыми доходами населения (-0,3319, P = 0,002) и экономической активностью населения (-0,4143, P = 0,000). Знаки и величина коэффициентов корреляции подтверждают сделанные ранее выводы о положительной связи числа студентов на 1000 жителей регионов с показателем «доля занятых с высшим образо ванием» и отрицательной статистической связи с показателями «среднедушевые доходы населения» и «экономическая активность» ре гионов России, но отсутствует статистически значимая взаимосвязь с показателями «уровень безработицы» и «коэффициент Джини» (т. е. по казателем дифференциации доходов населения регионов).

Из таблицы 2.21 также видно, что существует положительная статистически значимая взаимосвязь уровня безработицы с долей за нятых с высшим образованием и средним уровнем образования заня тых в регионах России (при условии элиминирования влияния пока зателей «плотность населения» и «доля городского населения» в населении регионов).

Таким образом, можно говорить о существовании статистиче ски значимой положительной связи интенсивности накопления чело веческого капитала в регионах России с величиной уже имеющегося человеческого капитала, измеряемого показателем «доля занятых с высшим образованием», а также такими показателями, как величина дифференциации доходов населения («коэффициент Джини») и доля городского населения в регионе.

Уровень среднедушевых доходов населения и экономическая активность населения отрицательно коррелируют с числом студентов на 1000 жителей региона, что также находит содержательное объяс нение в рамках теории человеческого капитала.

Итак, можно сделать вывод, что численность студентов в регионах России положительно зависит от величины накопленного в регионах человеческого капитала, степени урбанизации региона и уровня нера венства в распределении доходов населения, и, как это ни странно на первый взгляд, отрицательно – от уровня доходов населения.

Личный опыт работы со студентами в различных вузах г. Ново сибирска позволяет сделать некоторые выводы:

1. Интерес студентов к изучению экономических дисциплин, в целом, в последние годы увеличивается.

2. Уровень общей и математической подготовки студентов в по следние годы снизился, что особенно заметно в платных ВУЗах, где часто нет вступительных экзаменов и конкурса.

3. Растет дифференциация качества подготовки в общеобразо вательной школе, и соответственно, способностей студентов к вос приятию вузовских курсов.

4. Увеличивается дифференциация моральных качеств студен тов, проявляющаяся в потребительском отношении к учебному про цессу (как к обеду в ресторане).

Целый ряд экономистов в последнее время высказывает озабо ченность снижением качества образования в России. Например, про фессор ГУ-ВШЭ Р. М. Нуреев пишет: «Примитивная коммерциали зация обучения захлестнула в последние годы российское образова ние, что объективно способствует заметному снижению его традици онно высокого качества»251.

Нуреев Р.М. Человеческий капитал и его развитие в современной России // Обществен ные науки и современность. 2009. № 4. С. 10.

Эти предварительные выводы имеют скорее качественный, чем количественный характер, но, тем не менее, делают возможным дать некоторые предложения.

Во-первых, казалось бы, парадоксальный рост спроса на услуги образования, особенно быстрый – на услуги платного образования на фоне снижения реальных доходов населения может быть логично объяснен с позиции теории человеческого капитала.

Снижение спроса на услуги высшего образования в 80-е годы бы ло вызвано уменьшением экономических выгод от его получения, из-за длительной стабильности окладов инженерно-технических работников, учителей и врачей при достаточно быстром росте заработной платы ра бочих со средним общим (или средним специальным) образованием во всех отраслях народного хозяйства. Формирование рыночного сектора в 90-е годы резко изменило ситуацию на рынке труда. Возникла безрабо тица, особенно значительная для неквалифицированной молодежи, воз росла дифференциация в оплате труда по образовательным группам населения. Увеличилась отдача от инвестиций в образование, особенно по дефицитным специальностям (юридическим, экономическим, вете ринарии и некоторым другим). Получение среднего специального и высшего образования стало необходимым условием для трудоустрой ства и успешной карьеры, что и обусловило резкий рост спроса на обра зовательные услуги, в том числе и платные.

Во-вторых, во многом ажиотажный спрос на ранее дефицитные ви ды образовательной подготовки по таким специальностям, как бухгал терский учет, финансы и кредит, юриспруденция и ряду других экономи ческих специальностей, вызванный высоким спросом на рынке труда на данных специалистов и существенно более высокими их заработками, чем по другим специальностям, в последние годы стабилизируется.

Спрос на бухгалтеров, финансистов и экономистов на рынке труда практически уже удовлетворен, ставки заработной платы спе циалистов данной категории уже снизились (особенно после августа 1998 года). Близок к насыщению спрос на юристов, психологов и специалистов по внешнеэкономической деятельности.

Поэтому возможное развитие сферы платного образования в НСО может идти по двум основным направлениям:

1. Расширения платных услуг для сравнительно низко доходных групп населения, особенно проживающих в сельской местности, с помощью развития системы заочного (дистанционного) образования и создания сети филиалов в небольших городах других областей и краев Сибири. Такая тактика позволяет снизить затраты и, соответственно, величину платы за обучение.

2. Повышения качества обучения до уровня наиболее престижных столичных вузов, посредством развития бакалавриата и магистратура, а также создания по особо перспективным специальностям элитных групп (и потоков) с продвинутыми программами обучения для особо одаренных студентов. Соответственно может дифференцироваться ежегодная плата за обучение, в зависимости от видов специальностей и этапов обучения.

Тем не менее, несмотря на наличие ограниченных возможно стей для дальнейшего развития сферы платного образования, для обеспечения стабильности его роста нельзя обойтись без помощи государства, без разработки и проведения соответствующей полити ки государственной поддержки сферы платного образования. Такая поддержка может быть оказана следующими способами:

1. Традиционными, с помощью финансирования из федерально го бюджета обучения в негосударственных вузЗах по определенным нормативам на одного студента (при условии соблюдения этими ву зами государственных стандартов образования). Необходимо также значительно повысить величину стипендий, например, до уровня прожиточного минимума, для того, чтобы студенты из семей с низ кими доходами не имели необходимости работать в период учебы, что значительно снижает качество образования. Как альтернативу увеличения государственного финансирования высшего образования можно было бы рассмотреть возможность введения государственно го беспроцентного кредитования студентов для оплаты услуг образо вания. Такой способ финансирования высшего образования обладает тем достоинством, что подразумевает материальную ответственность студентов, и, следовательно, повышает их материальную заинтересо ванность в получении качественного образования.

2. Введением в налоговое законодательство для физических и юридических лиц по подоходному налогу и другим налогам льгот по расходам на оплату образования, на содержание детей, а также льгот студентам и студенческим семьям не в иллюзорно низких, а в реаль ных масштабах. Например, расходы на оплату образования детей и их содержание в период учебы должны полностью вычитаться из до хода родителей до определения суммы подоходного налога (как это делается в Японии и ряде других стран). Необходимо также увели чить необлагаемый подоходным налогом минимум доходов с вели чины минимальной оплаты труда до величины прожиточного мини мума для самого налогоплательщика и каждого иждивенца.

ГЛАВА 3. ЭМПИРИЧЕСКИЙ АНАЛИЗ ВЗАИМОСВЯЗЕЙ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА И УРОВНЕЙ ДОХОДОВ В РЕГИОНАХ РОССИИ 3.1. Актуальность и значение эмпирических исследований влияния человеческого капитала на доходы населения в России Актуальность исследований эффективности производства и ис пользования человеческого капитала в последние десятилетия увели чивается, поскольку в современной экономике повышается роль зна ний и научно-технического прогресса. Как показывают многочис ленные исследования российских и зарубежных экономистов эконо мический рост обусловлен разнообразными факторами, в первую очередь, темпами накопления физического и человеческого капитала.

Становление рыночной экономики в России предполагает вс возрас тающее значение и ускорение накопления знаний, навыков, способ ностей к инновациям и налаживанию коммуникационных процессов.

Модернизация и инновационное развитие экономики России требует решения вс более сложных управленческих задач, что подразумева ет решающее значение таких характеристик людей, которые совре менные экономисты называют человеческим, социальным и интел лектуальным капиталом. Знания и навыки, которыми обладает ра ботник и которые приобретены им благодаря общему образованию и профессиональной подготовке, включая умения и навыки, получае мые с опытом работы, составляют определенный запас производи тельных активов любой фирмы и страны в целом.

К сожалению, в российской экономической литературе очень редко встречаются работы, в которых исследуются статистические взаимосвязи уровня накопления человеческого капитала и других экономических переменных. Одним из немногих примеров такого рода исследований может служить работа Д. Нестеровой и К. Саби рьяновой252. В работе данных авторов на основе данных социологи ческих опросов с использованием уравнения Дж. Минцера рассчита на норма отдачи профессионального опыта и образования работни ков государственных, приватизированных и коллективных предприя тий. Величина внутренней нормы отдачи образования оказалась не Нестерова Д., Сабирьянова К. Инвестиции в человеческий капитал в переходный период в России. Российская программа экономических исследований. 1999. № 4.

велика – от 1 до 5%, причм статистически значимой она оказалась только для государственных и приватизированных предприятий253.

Интересным исследованием отдачи образования на микроэкономиче ском уровне является работа И.А. Денисовой и М.А. Карцевой на ос нове данных обследования членов домохозяйств – РМЭЗ по России за 1998, 2000 и 2001 гг254. В ней показана значительная отдача обра зования по всем пяти специализациям: педагогической, экономиче ской/юридической, технической, гуманитарной и медицинской.

Наиболее вознаграждено экономическое/юридическое и техническое образование, как для мужчин, так и для женщин255. Наиболее инте ресным примером расчета частной отдачи образования в России яв ляются работы большой группы авторов, в которых рассматриваются факторы дифференциации заработной платы (месячных заработков и часовых ставок) по уровню образования, стажу, возрасту и профес сиональному статусу256. Эмпирической базой данного исследования послужили статистические данные: «Обследования заработной платы по профессиям (ОЗПП)», впервые проведенного Росстатом в октябре 2005 г., и охватившего 681 тыс. работников в 87 субъектах РФ257. В результате расчетов по данным ОЗПП, экономическая отдача высше го образования составила примерно 82% (по сравнению со средним общим образованием)258. Ещ одним примером может служить рабо та И. Майбурова, в которой рассматриваются частные и обществен ные нормы отдачи образования в отраслевом разрезе259. Среди работ, в которых используется регрессионный (пространственный) анализ на основе данных российской региональной статистики и оценивает ся влияние человеческого капитала на экономический рост и иннова ционную активность в регионах России, можно выделить работы Нестерова Д., Сабирьянова К. Инвестиции в человеческий капитал в переходный период в России // Российкая программа экономических исследований. 1999. № 4.

Денисова И.А., Карцева М.А. Преимущества инженерного образования: оценка отдачи на образовательные специальности в России // Прикладная эконометрика. 2007. № 1(5). С. 30–57.

Там же. С. 39.

Формирование заработной платы: взгляд сквозь призму профессий // Вопросы экономи ки, 2007. № 10. С. 52–74;

Заработная плата в России: эволюция и дифференциация / Под ред.

В.Е. Гимпельсона и Р.И Капелюшникова. М.: Изд. дом ГУ ВШЭ, 2007.

Там же. С. 53.

Там же. С. 68.

Майбуров И. Эффективность инвестирования в человеческий капитал в США и России // Мировая экономика и международные отношения. 2004. № 4.

Т.А. Штерцера, а также А.В. Комаровой и О.В. Павшок260. В первой из них показано, что влияние величины человеческого капитала и его каче ства на инновационную активность в регионах России, измеренную со вокупной величиной поданных заявок на изобретения и полезные модели, статистически малозначимо и отрицательно. Во второй работе Т.А. Штерцера показано наличие положительного влияния человеческого капитала на производительность труда (измеряемую объмом ВРП в расчте на од ного работника) в экономиках регионов России в период 2000–2004 гг.

Как показал автор, рост человеческого капитала (измеряемого средним числом лет обучения работника) на один процент приводит к росту про изводительности труда на 3,8%261. В работе А.В. Комаровой и О.В.

Павшок показано наличие положительного влияния человеческого ка питала на темпы экономического роста в регионах России в период 1998–2003 гг. Величина человеческого капитала измерялась авторами последней работы тремя способами: по доле выпускников вузов, по за работной плате и по инвестициям в образование. В зависимости от группы регионов и способа оценки человеческого капитала, его вклад в экономический рост колебался от 10 до 28%, в среднем он составил 18%. Для регионов России с ВРП ниже среднего уровня средний вклад составил 15%, для регионов с ВРП выше среднего уровня – 21%262. Ма лочисленность эмпирических исследований российских экономистов влияния человеческого капитала на доходы и экономический рост, по сравнению с аналогичными работами за рубежом, при растущем числе общетеоретических работ по человеческому капиталу, придат исследо ваниям с использованием пространственного анализа особенную цен ность и актуальность.

В моделях «источников роста» обычно используется агрегиро ванная «расширенная» производственная функция Кобба-Дугласа, в Штерцер Т.А. Эмпирический анализ факторов инновационной активности в субъектах РФ // Вестник НГУ. Сер.: Социально-экономические науки. 2005. Т. 5. Вып. 2;

Штерцер Т.А.

Роль человеческого капитала в экономическом развитии регионов РФ // Вестник НГУ. Сер.:

Социально-экономические науки. 2006.Т. 6. Вып. 2. С. 37–51;

Комарова А.В., Павшок О.В.

Оценка вклада человеческого капитала в экономический рост регионов России (на основе модели Мэнкью-Ромера-Уэйла) // Вестник НГУ. 2007. Сер.: Социально-экономические науки. Т. 7. Вып. 3. С. 191–201.

Штерцер Т.А. Роль человеческого капитала в экономическом развитии регионов РФ // Вестник НГУ. 2006. Сер.: Социально-экономические науки. Т. 6. Вып. 2. С. 46.

Комарова А.В., Павшок О.В. Оценка вклада человеческого капитала в экономический рост регионов России (на основе модели Мэнкью-Ромера-Уэйла) // Вестник НГУ. 2007. Сер.:

Социально-экономические науки. Т. 7. Вып. 3. С. 197.

число переменных которой включн человеческий капитал как фак тор производства Y AK L h 1, (3.1) где A – общая факторная производительность;

K i – запас физического капитала в i-м регионе;

Li – численность занятого населения в экономике i-го региона;

hi – запас человеческого капитала на одного занятого, измерен ный средним числом лет образования одного занятого в экономике i-го региона.

Данная функция является основой для выведения известной ре грессии Р. Барро, в которой параметры, и являются оценками относительного вклада каждой из переменных в темпы роста263.

Г. Беккер, К. Мэрфи и Р. Тамура предположили, что если норма отдачи инвестиций в человеческий капитал превышает некий средний уровень, то это происходит благодаря эффекту «расплскивания» выгод от человеческого капитала264. Возникновение данного эффекта, как счи тает Р. Барро, происходит благодаря тому, что отдача от применения ка ких-либо способностей людей (к обмену знаниями, к общению и т. п.) повышается, если их окружают также способные люди265.

Примером пространственного анализа влияния образования на доходы населения является модель австрийских экономистов Г. Бадин тера и Г. Тондл. Они построили модель в рамках схемы расчета эконо мического роста с целью определения факторов, определяющих рост.

Они попытались объединить в своей модели как неоклассическую мо дель экономического роста, так и эндогенную модель роста, а также схему технологического заимствования у более развитых стран266.

Отправной точкой служит следующим образом модифициро ванная «расширенная» функция Кобба-Дугласа Y= A·K·H·L, (3.2) где Y – валовая добавленная стоимость, Комарова А.В., Павшок О.В. Оценка вклада человеческого капитала в экономический рост регионов России (на основе модели Мэнкью-Ромера-Уэйла) // Вестник НГУ. 2007. Сер.:

Социально-экономические науки. Т. 7. Вып. 3. С. 197.

Becker G., Murphy K, Tamura R. Economic growth, human capital and population growth.

Journal of Political Economy, 1990. P. 12–37.

Barro R.J. Economic growth in cross-section of countries. Quarterly Journal of Economics.

1991. P. 407–43.

Badinger H., Tondl G. Trade, Human Capital and Innovation: The Engines of European Re gional Growth in the 1990-s // IEF Working Paper. 2002. № 42. P. 15.

К – запас физического капитала, H – запас человеческого капитала, L – труд.

Предполагается постоянная отдача от масштаба, т. е. подразу мевается, что = 1 – –. Поскольку авторы ставили целью объяс нить величину валовой добавленной стоимости на душу населения (а не на одного занятого), они преобразовали производственную функ цию к виду Y = AK·H·POP·PART, (3.3) где POP – население;

PART – экономическая активность населения (L/POP).

В интенсивной форме и лог-дифференциалах мы имеем ln Yt = lnA + lnkt + lnht +ln PARTt, (3.4), где Y=Y/POP= ВВП на душу населения;

А – общая факторная производительность;

k = K/POP – физический капитал на душу населения;

h=H/POP – человеческий капитал на душу населения.

Общая факторная производительность рассматривается авторами как результат технологического прогресса или инновационной актив ности, в том числе как технологического заимствования (или перехва та) у более передовых стран, так и собственных региональных НИОКР.

Формализация данного процесса восходит к модели Ромера (1990), в которой знания (А) создаются в секторе НИОКР с помощью производственной функции вида ln At =(Ha)267.

Такая формализация подразумевает, что темп роста А ( ln A), является функцией человеческого капитала, занятого в секторе НИОКР (Ha).

Г. Бадингер и Г. Тондл предлагают протестировать данную вза имосвязь, понимая под запасом человеческого капитала число заня того в экономике населения с определенным уровнем образования, и предполагая, что общая факторная производительность зависит от объма человеческого капитала, т. е.

ln At = 1·(Нt), (3.5) где Нt – число занятых с высшим образованием.

Romer, P. Endogenous technological change, //Journal of Political Economy. 1990. № 98(5), part II. P. 71–102.

Badinger H., Tondl G. Trade, Human Capital and Innovation: The Engines of European Re gional Growth in the 1990-s // IEF Working Paper. 2002. № 42. P. 15.

Как отмечают указанные авторы, большинство эмпирических исследований измеряют инновации с помощью факторов входа (то есть затрат), которые дают явно искаженную картину. Но следует учитывать, что инновации не являются просто функцией человече ского капитала, но связаны с рядом других характеристик процесса НИОКР, таких как вероятностная природа изобретений. Возможно также, что отдача сектора НИОКР не является постоянной (возможно истощение идей), и тому подобных явлений, как это формализовано, например, в моделях М. Гроссмана и Р. Хельпмана (1991) или П. Агиона и П. Ховитта (1998)269.

В качестве альтернативы чистому входу, ориентированному на измерении собственных усилий фирм в НИОКР (H, h) можно скон центрироваться больше на стороне выпуска сектора НИОКР. Жела тельной мерой является число применнных в производстве патентов на одного занятого (РАТ), т. е. можно использовать следующую спе цификацию для темпа роста А:

ln At = 3 Patt. (3.6) И. Бенхабиб и М. Шпигель, проводили тестирование данной взаи мосвязи, используя измерение человеческого капитала на душу населе ния (h), т. е.

ln At =2 (ht) (3.7), где ht – среднее число лет обучения одного занятого.

По мнению Г. Бадингера и Г. Тондл, альтернативой измерению усилий в развитии региональных НИОКР с помощью показателей за трат (числа занятых в НИОКР, числа занятого в экономике населения с высшим образованием и т. п.), являются показатели достижений в сфере НИОКР (т. е. показатели выпуска данного сектора).

По их мнению, желательной мерой является число применяе мых патентов на одного занятого (РАТ), при использовании следую щего определения (спецификации) для темпа роста А ln At = 3 Patt. (3.8) Тем не менее, как они отмечают, патенты обычно регистрируют на счетах материнских компаний, местоположение которых часто не Aghion, P. and Howitt P. Endogenous Growth Theory. Cambridge: MIT Press, 1998.

Benhabib I. and Spiegel M. The role of human capital in economic development: evidence from aggregate cross-country data. Journal of Monetary Economics. Elsevier Science B.V. Vol. 34, issue 2. Amsterdam, 1994. P. 143–173.

Badinger H., Tondl G. Trade, Human Capital and Innovation: The Engines of European Re gional Growth in the 1990-s // IEF Working Paper. 2002. № 42. P. 16.

совпадает с регионом, где проводились исследования, что создает определенные проблемы с точностью измерений.

Помимо влияния, вызываемого собственными НИОКР на эконо мический рост, другим важным источником развития технического про гресса является заимствование (технологический перехват) отстающими регионами достижений у регионов – технологических лидеров.

Экономическое обоснование данного явления заключается в том, что большее технологическое отставание, при прочих равных условиях, ассоциируются с большими возможностями для заимство вания технологий и, следовательно, с более высокими темпами роста А. Поскольку уровень технологических достижений (А) не наблюда ется непосредственно, Г. Бадингер и Г. Тондл используют уровень производительности труда (Y*), как переменную, характеризующую данный уровень272.

Как они отмечают, процесс «перехвата технологий» поэтому может быть специфицирован следующим образом:

Ymax,t Yt ln At 1 1GAPt, (3.9) Yt * где Y max, t – уровень производительности труда технологического лидера, параметр 1 характеризует скорость преодоле ния отставания от лидера.

Как показали Р. Нельсон и Е. Фелпс (1966), для заимствования, и, соответственно, приспособления и применения новых технологий, требуется человеческий капитал273.

Р. Нельсон и Е. Фелпс доказывали, что параметр перехвата (1) является растущей функцией человеческого капитала. И. Бенхабиб и М. Шпигель (1994) использовали эту идею и определили процесс пе рехвата следующим образом: Ymax,t Yt ln At 2 ht 2 ht GAPt. (3.10) Yt Данное уравнение показывает, что при постоянном человече ском капитале регионы с низкой начальной производительностью Badinger H., Tondl G. Trade, Human Capital and Innovation: The Engines of European Re gional Growth in the 1990-s // IEF Working Paper. 2002. № 42. P. 16.

Nelson, R. and Phelps, E. Investment in humans, technological diffusion, and economic growth, American Economic Review / Papers and Proceedings. 1966. № 61. P. 69–75.

Benhabib I. and Spiegel M. The role of human capital in economic development: evidence from aggregate cross-country data. Amsterdam, 1994.

труда имеют более высокие темпы роста. И, соответственно, при данном уровне отставания от технологического лидера, регионы с более высоким уровнем человеческого капитала имеют более высо кие темпы ликвидации технологического отставания, т. е. более быстрый рост А.

Международная торговля также считается важным фактором конвергенции разных стран и регионов, как это отмечают Д. Бен-Давид и А. Кимхи, 2000, Р. Гриффит, С. Реддинг и И. Ван Риинен, 2000275.

Г. Бадингер и Г. Тондл следующим образом модифицируют предыдущее уравнение, заменяя человеческий капитал (Н) показателем внешней торговли, объединнным с показателем «технологического» разрыва Ymax,t Yt ln At 3Trt 3 Trt GAP. (3.11) t Yt Торговля в данной модели может быть представлена либо долей импорта (m) в ВВП, либо долей экспорта (x) в ВВП. Высокая доля импорта позволяет заимствовать больше технологий из-за границы, то есть способствовать перехвату технологий у более передовых, в технологическом плане, стран. С другой стороны, высокая доля экс порта в валовом внутреннем продукте, обусловлена эффектом конку ренции на внешних рынках, стимулирующей активное заимствова ние технологий у мировых лидеров.

Наконец, активное развитие собственных НИОКР, в странах и регионах может рассматриваться как важная предпосылка сокраще ния технологического отставания.

Как показано в работах Д. Куаха, в экономике под влиянием собственных НИОКР возникают специфические знания, которые способствуют более легкой адаптации новых технологий, заимство ванных за рубежом276.

Данное логическое обоснование, Г. Бадингер и Г. Тондл форма лизуют следующим образом:

Ymax,t Yt ln At 4 Pat t 4 Pat t GAPt. (3.12) Yt Ben-David D. and Kimhi, A. Trade and the rate of income convergence. NBER working paper, № 7642. Cambridge, Ma: National Bureau of Research;

Griffith, R., Redding St. and Van Reenen, I Mapping the two faces of R&D: Productivity growth in a panel of OECD industries CEPR dis cussion paper № 2457. London: Centre for economic policy research, 2000.

Quax, D. Gross-country growth comparison: Theory to empirics, CEPR discussion paper, № 2294, London: Centre for economic policy research, 1999.

Г. Бадингер и Г. Тондл подставили различные спецификации в уравнение (4.4) и получили различные проверяемые модели для вы явления факторов, вызывающих рост валового внутреннего продукта на душу населения, которые записаны в виде ln Yt ln kt ln ht ln PARTt ln Yt= +…+3 Patt (1a) ln Yt= +…+3 Patt +1GAPt (1b) ln Yt= +…+3 Patt +2 ht GAPt (1c) ln Yt= +…+3 Patt +3 Trt GAPt (1d) ln Yt= +…+3 Patt +4 Patt GAPt (1e) Где экономический рост объясняется факторами накопления физи ческого и человеческого капитала ( lnk, lnh), ростом технологий (А), который определяется в свою очередь экзогенным темпом технического прогресса, собственной региональной способностью к инновациям (из меряемой с помощью числа патентов) и компонентой перехвата техноло гий, дополненной либо человеческим капиталом, либо внешней торговлей или патентами. Переменная ln PART отслеживает изменения экономи ческой активности населения, так как модель G специфицирована на пока зателях в расчете на душу населения.

3.1.1. Результаты проверки (тестирования) модели Бадингера-Тондл Г. Бадингер и Г. Тондл провели тестирование модели на основе статистических данных по 128 регионам за период 1993–2000 гг. Набор данных охватывает большую часть Европы, за исключением Австрии и Греции. Выбор регионов определялся, главным образом, доступностью данных, кроме того, были исключены специфические по своим харак теристикам регионы (явные выбросы), такие как Ирландия, Француз ские Заморские Департаменты, Сеута и Метилла.

В своих расчетах авторы применили показатели в расчете на душу населения, их описание дано в таблице 3.1277.

Badinger H., Tondl G. Trade, Human Capital and Innovation: The Engines of European Re gional Growth in the 1990-s // IEF Working Paper. 2002. № 42. P. 19.

Таблица 3. Определения и источники переменных Переменные Определения Единицы Источники lnYi Средний темп роста валовой добавленной стоимости % на душу Cam-Econ на душу lnki Средний темп роста физического капитала на душу % на душу Cam-Econ, о.с.

h-mi Средняя норма достижений – среднее образование % Eurostat, o.c.

(вторичное) Hi Среднее число человек с высшим образованием 1000 чел. Eurostat, Cam (третичное) Econ, o.c.

H-mi Среднее число человек со средним образованием 1000 чел. Eurostat, Cam (вторичное) Econ, o.c.

Patt Среднее число применений патентов на занятость число на Eurostat 1000 чел.

xi (m1) Экспорт (импорт) квота в процентах от валовой % Hallet (1999) добавленной стоимости Eurostat GAPi - Cam-Econ, о.с.

Y Y В 1993 (начальный уровень) GAP max,93 i, Yi, Cam Econ… Cambridge Econometrics;

o.c…. собственные расчеты.

Технологическим лидером в 1993 была Франция (he de France).

Авторы выражают надежду, что пространственный анализ ре грессий может давать достаточно реалистичные результаты, по скольку в них используются данные довольно высокого уровня агре гирования, как, например, для регионов ЕС.

Таблица 3. Результаты для моделей с накоплением факторов и собственными усилиями в НИОКР Зависимая переменная lnY 1 2 3 4 5 константа 09674 1,5684 1,0199 0,4860 1,1182 0, (5,94)*** (11,58)*** (5,98)*** (1,98)** (6,39)*** (1,47) ln k 0,2301 0,1213 0,2366 0,1948 0,2477 0, (4,74)*** (2,41)** (4,83)*** (4,08)*** (5,39)*** (3,95)*** ln h 0,1063 0,1069 0,1077 0,1144 0, (4,48)*** (4,53)*** (4,66)*** (5,07)*** (4,70)*** ln h-m -0, (-0,70) H -0, (-1,62) h 0,0397 0, (2,63)*** (1,91)* ln Pat 0,1149 0, (2,29)** (0,13) ln PART 0,3468 0,5109 0,3377 0,3521 0,3826 0, (4,26)*** (6,19)*** (4,18)*** (4,22)*** (4,60)*** (4,10)*** Окончание табл. 3. 1 2 3 4 5 R2ady 0,498 0,422 0,501 0,545 0,521 0, 43,010*** 31,870*** 32,831*** 39,091*** 35,495*** 31,023*** F-test AIC 2,036 2,177 2,038 1,944 1,997 1, No of obs. 128 128 128 128 128 Примечание. t – values (в скобках) основаны на White – Heteroscedasitcity con sistent standard errors (White, 1980). AIC – Akai ke info criterion.

В короткой модели с накапливаемыми факторами (таблица 3.2, колонка 1), статистически значимые оценки показывают, что рост доходов на душу населения положительно связан с накоплением как физического, так и человеческого капиталов. Данные оценки дают результаты аналогичные полученным на международном (межстра новом) уровне А. Бассанини, С. Скарпетта и П. Хеммингсом (2001), а также А. де ла Фуэнте и Р. Доменихом (2000)278.

Как отмечают Г. Бадингер и Г. Тондл, экономический рост в ре гионах ЕС является чувствительным только к приобретению высше го уровня образования, изменения в среднем уровне образования ста тистически незначимы (колонка 2). Величины коэффициентов ре грессии в колонке 1 являются статистически значимыми, показывая эластичность выпуска по физическому капиталу на уровне 0,20, а по человеческому капиталу 0,10, следует также отметить, что рост доли занятых во всем населении приводит к более высокому темпу роста – эластичность выпуска около 0,34.

Затем авторы расширяют оцениваемую модель, включая в нее инновационную активность (колонки 3–6). При спецификации уси лий в НИОКР числом лиц с высшим или средним образованием, за нятых в НИОКР, положительного влияния на рост не прослеживает ся (колонка 3). В том случае, если используется уровень образова тельных достижений населения, то обнаруживается статистически значимая положительная взаимосвязь (колонка 4). То есть регионы с более высоким уровнем образования населения являются претенден тами на более высокие темпы роста. В колонке 6 добавлены иннова ции, измеренные числом применнных патентов, причем коэффици ент регрессии незначителен. Авторы отмечают, что если показатель высшего уровня образовательных достижений не включен в уравне ние регрессии, а включено только применение патентов, то коэффи циент регрессии для последнего получается положительным и зна Bassanini A., Scarpetta, S. and Hempings, P. Economic Growth: The role of policies and institu tions. Panel data evidence from OECD countries, OECD working paper, STI 2001;

de la Fuente, A.

and Domenich, R. Human capital in growth regressions: How much difference does data quality make? CEPR discussion paper, № 2466. London: Centre for Economic Policy Research, 2000.

чимым279. Они показали, что два этих показателя сильно коррелиро ванны, что и объясняет данный эффект, т. е. оба показателя не могут быть одновременно включены в оценку. Авторы сделали вывод о том, что уровень инноваций в регионах ЕС оказывает значимое по ложительное влияние на экономический рост.

Поэтому значительные усилия стран и регионов ЕС по повыше нию образовательного уровня, очевидно, способствуют экономиче скому росту (табл. 3.3).

Таблица 3. Результаты модели с накоплением факторов, усилия НИОКР (h) и технологический перехват (GAP) Зависимая переменная ln Y (4) (4a) (4b) (4c) (4d) (4e) (4f) константа 0,4860 0,4967 0,5107 0,2897 0,3886 0,4933 0, (1,98)** * ** (2,04)** (1,82) (2,05) (1,13) (1,55) (1,16) ln k 0,1948 0,1984 0,1398 0,1214 0,1353 0,1955 0, (4,08)*** *** ** ** (1,98)** (4,07)*** (2,75) (2,01) (2,00) (1,54) ln h 0,1077 0,1082 0,1019 0,1108 0,1014 0,1069 0, (4,66)*** *** *** *** (4,22)*** (4,22)*** (4,47)*** (4,47) (4,03) (4,98) h 0,0397 0,0389 0,0382 0,0520 0,0503 0,0414 0, (2,63)** ** ** *** (3,03)*** (2,44)** (2,99)*** (1,98) (2,54) (3,28) GAP -0, (-0,08) h GAP 0,0164 0, (1,34) (0,42) x GAP 0,0099 0, (2,76)** (2,21)** m GAP 0, (1,93)** Pat GAP -0, ln PART (-0,41) 0,3521 0,3514 0,3675 0,3326 0,3599 0,3461 0, (4,22)*** (4,06)*** (4,19)*** (4,27)*** (4,39)*** (3,94)*** (4,05)*** R2ady 0,545 0,542 0,550 0,565 0,554 0,542 0, 39,091*** 31,024*** 31,989*** 33,931*** 32,607*** 31,080*** 28,143*** F-test AIC 1,944 1,960 1,943 1,909 1,932 1,959 1, No of obs. 128 128 128 128 128 128 Примечание. t – values (в скобках) основаны на White – Heteroscedasitcity con sistent standard errors (White, 1980).


AIC – Akai ke info criterion.

Badinger H., Tondl G. Trade, Human Capital and Innovation: The Engines of European Region al Growth in the 1990-s // IEF Working Paper. 2002. № 42. P. 22.

Таким образом, как показали австрийские экономисты, в стра нах и регионах Европейского Союза темпы экономического роста существенно зависят от накопленных запасов физического и челове ческого капитала, от инновационной и внешнеторговой активности.

В частности, именно уровень образования высших достижений наиболее существенно влияет на темпы экономического роста и ин новационную активность. Полученные ими результаты подтвержда ются эмпирическими исследованиями других экономистов, проводи мых при несколько других предпосылках и на других исходных дан ных.

3.2. Образование как фактор дифференциации доходов населения Как уже отмечалось, возрастание человеческого капитала на душу населения в определнной стране (или регионе) приводит к ро сту инвестиций в физический и человеческий капитал, к их более быстрому накоплению и, как результат, к большим объмам произ водства и более высоким доходам на душу населения.

И. Бенхабиб и М. Шпигель оценили запас человеческого капи тала и эмпирически проверили расширенную модель Солоу-Свана без использования предположения о стабильном состоянии экономи ки280. Они использовали производственную функцию, описанную следующим образом:

Y = A K L. (3.13) Все обозначения прежние.

Соответствующее уравнение регрессии выглядит следующим образом:

ln Yi ln A ln Ki ln Li ln hi i. (3.14) Предположим, что уровень доходов населения региона России в каждый данный момент является результатом предшествовавшего развития экономики, темпы которого определялись темпами накоп ления физического и человеческого капитала. Межрегиональные различия уровней суммарных и среднедушевых доходов в каждом данном периоде, следовательно, должны определяться различиями в запасах накопленных факторов производства. Различия в уровнях Benhabib I. and Spiegel M. The role of human capital in economic development: evidence from aggregate cross-country data. Journal of Monetary Economics. Elsevier Science B.V. 1994.

Vol. 34, issue 2. P. 143–173.

доходов на одного занятого – различиями в капиталовооружнности труда и величин осязаемого и неосязаемого человеческого капитала в расчте на одного занятого (последние характеристики измеряются средним числом лет обучения одного занятого и средней ожидаемой продолжительностью жизни населения в регионе).

В таблице 3.4 представлены результаты расчтов регрессион ных уравнений по формуле 3.14 за период с 1999 по 2008 гг. В каче стве зависимой переменной использовалась переменная «суммарные доходы населения регионов России» за соответствующие годы. В ка честве независимых переменных использовались объмы основных фондов регионов (К), численность занятого в экономике регионов населения (L), и средний уровень образования занятого в экономике регионов населения (h). Расчты получены на основе данных Росста та, приведнных в справочниках «Регионы России: социально экономические показатели». Расчты проведены с использованием «взвешенной» регрессии, в качестве весов использована переменная «доходы населения регионов», что позволяет учесть неоднородность регионов России по уровням социально-экономического развития.

Средний уровень образования рассчитан как средневзвешенное число лет обучения одного занятого, причм в качестве весов исполь зованы доли занятых с разным уровнем образования по данным еже годных обследований Росстата, число лет обучения для каждого уров ня образования взято такое же, как у И. Майбурова (высшее – 16 лет, незаконченное высшее – 14 лет, среднее специальное 13 лет, начальное профессиональное – 12 лет, среднее общее – 11 лет, неполное среднее – 9 лет, начальное и ниже – 4 года281. Следует отметить, что некоторые экономисты берут несколько иные значения числа лет обучения для достижения образовательных цензов. Например, Т.А. Штерцер принял в качестве таких значений следующие: высшее – 17 лет, неполное высшее – 14, среднее профессиональное – 13,5, начальное профессио нальное – 12, основное общее – 9, начальное общее – 0. Он предполо жил, что начальные общее образование является базовым и само по се бе не оказывает значительного влияния на эффективность труда282.

Майбуров И. Эффективность инвестирования в человеческий капитал в США и России // Мировая экономика и международные отношения. 2004. № 4.

Штерцер Т. А. Роль человеческого капитала в экономическом развитии регионов РФ // Вестник НГУ. 2006. Сер.: Социально-экономические науки. Т. 6. Вып. 2. С. 43.

Все коэффициенты регрессии статистически значимы, коэффи циенты детерминации довольно высоки, колеблются в пределах 97–99%. Коэффициенты эластичности доходов населения регионов по основным фондам имеют явную тенденцию к снижению с 0,68 и 0,78 в 1999 и 2000 гг. соответственно, до уровня в 0,37 в 2005, 0,34 в 2006 и 0,335 в 2007 и 0,31 в 2008 гг., т. е. снизились примерно в 2 ра за за рассматриваемый период, что почти в 10 раз превышает вели чину статистической ошибки (табл. 3.4.).

Таблица 3. Взаимосвязь доходов населения регионов, основных фондов, численности и уровня образования занятого в экономике регионов населения России Показатели 1999 2000 2001 2002 2003 2004 2005 2006 2007 регрессии Константа А -14,96* -15,81* -14,87* -16,05* -22,499* -17,33* -12,81* -8,72* -5,78* 3,024** Станд. ошибка (2,992) (1,426) (1,633) (1,851) (2,234) (1,870) (1,646) (1,394) (1,581) (1,513) Коэф. (B) 0,678* 0,780* 0,520* 0,356* 0,360* 0,404* 0,369* 0,342* 0,335* 0,314* Станд. ошибка (0,100) (0,061) (0,039) (0,042) (0,048) (0,039) (0,034) (0,030) (0,031) (0,036) Коэф. (Be- 0,449* 0,530* 0,423* 0,279* 0,252* 0,326* 0,323* 0,308* 0,321* 0,346* ta) Коэф. (B) 0,611* 0,397* 0,540* 0,773* 0,830* 0,701* 0,736* 0,762* 0,792* 0,802* Станд. ошибка (0,095) (0,066) (0,048) (0,050) (0,058) (0,046) (0,044) (0,038) (0,038) (0,047) Коэф. 0,403* 0,261* 0,391* 0,536* 0,519* 0,486* 0,518* 0,547* 0,575* 0,620* (Beta) Коэф. (B) 10,638* 7,392* 7,944* 8,654* 11,125* 9,244* 7,610* 6,147* 4,986* 1,669** Станд. ошибка (1,278) (0,620) (0,703) (0,798) (0,968) (0,811) (0,710) (0,616) (0,699) (0,663) Коэф. 0,209* 0,272* 0,263* 0,263* 0,290* 0,243* 0,215* 0,196* 0,147* 0,054** (Beta) Коэф. детер- 0,969 0,979 0,979 0,975 0,978 0,985 0,986 0,988 0,988 0, минации 884,4 1331,36 1276,4 1079,4 1256,46 1795,7 1915,05 2245,2 2231,2 1943, F 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0, P – уровень 88 88 88 88 87 88 87 87 84 Количество регионов Примечания. Числа в скобках означают стандартную ошибку оценки.

* Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Эластичность доходов населения регионов по численности за нятого населения имеет явную тенденцию к росту, коэффициент (B) вырос с 0,61 в 1999 г. и 0,40 в 2000, до 0,73 2005, до 0,76 2006 и 0,79 2007, и 0,8 2008 гг. Но самое интересное заключается в том, что эластичность доходов населения регионов по среднему уровню обра зования, занятого в экономике регионов населения, колеблются меж ду 10,64% в 1999, 11,1 – 2003 и 4,9% – 2007 гг., обнаруживает до вольно быстрое, примерно двукратное снижение, начиная с 2004 г.

по 2007 гг., а затем резкое сокращение в 2008 г. примерно в три раза по сравнению с 2007 г. По-видимому, резкое сокращение социальной отдачи человеческого капитала в 2008 году связано с началом финан сового кризиса и усилением социально-экономической нестабильно сти, но очевидно, что оно назревало несколько лет. В целом, эластич ность доходов населения регионов по среднему уровню образования занятого в экономике регионов населения в России была довольно вы сока. Можно сделать вывод о том, что важным, возможно, главным фактором дифференциации уровня доходов населения по регионам России, являются различия в среднем уровне образования работников этих регионов: на каждый процент роста среднего уровня образования занятых в экономике регионов работников объм доходов всего насе ления регионов рос в рассматриваемый период на 5–11%.

Оценки вкладов всех факторов в доходы населения регионов (нормированные коэффициенты регрессии) выделены в отдельную таблицу 3.4.1.

Таблица 3.4. Изменение вклада факторов производства в общие доходы населения регионов Показатели 1999 2000 2001 2002 2003 2004 2005 2006 2007 регрессии Вклад О.Ф 0,449* 0,530* 0,423* 0,279* 0,252* 0,326* 0,323* 0,308* 0,321* 0,346* Коэф. (Beta) Вклад живого труда 0,403* 0,261* 0,391* 0,536* 0,519* 0,486* 0,518* 0,547* 0,575* 0,620* Коэф. (Beta) Вклад образования 0,209* 0,272* 0,263* 0,263* 0,290* 0,243* 0,215* 0,196* 0,147* 0,054** Коэф. (Beta) * Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Из не следует, что вклад общей численности работающего насе ления в общие доходы населения регионов имел тенденцию к росту: с 40% в 1999 и 2 – 2000 до 52 в 2005, 55 – 2006, и 57,5% – 2007 гг. Дан ная переменная обеспечивала около половины вариации всех доходов населения, а в конце рассматриваемого периода и значительно более половины.

Вклад различий объмов основных фондов регионов в дифферен циацию доходов населения регионов России имел явную тенденцию к снижению: с 45% в 1999 и 53 – 2000 до 32 в 2005, 31 – 2006, и 32% – 2007 гг. Вклад же среднего уровня образования занятого в экономике регионов населения в вариацию доходов по регионам был довольно стабилен, за исключением кризисного 2008 г., как правило, превосхо дил уровень в 20%, что примерно в два с лишним раза превышает де нежные расходы государства и населения на образование в этот пери од. Таким образом, можно сделать вывод, что сфера образования, как отрасль народного хозяйства, в рассматриваемом периоде оказалась высокодоходной (высокорентабельной), с позиций всего народного хо зяйства, отраслью. Можно предположить, что снижение со временем эластичности доходов по основным фондам связано с постепенным из нашиванием и моральным старением основного капитала народного хозяйства регионов России.


Другим возможным вариантом интерпретации наблюдаемого фе номена может быть рост относительной значимости другого фактора – численности занятого в экономике регионов России населения. По ме ре восстановления экономики России на протяжении рассматриваемого периода росла занятость населения и, соответственно, повышался вклад переменной «численность занятых» в вариацию доходов населе ния регионов, при некотором относительном снижении вклада других факторов: основных фондов и человеческого капитала.

В таблице 3.5 представлены результаты расчтов регрессион ных уравнений по формуле 3.14 за период с 1999 по 2008 гг. по зави симой переменной «суммарная заработная плата населения регионов России» за соответствующие годы.

Все коэффициенты регрессии статистически значимы, коэффи циенты детерминации очень высоки, колеблются в пределах 97–99%.

Коэффициенты эластичности заработной платы занятого населения регионов по основным фондам регионов имеют явную тенденцию к снижению от уровня в 1,09 и 1,08% в 1999 и 2000 гг. соответственно, до уровня в 0,58 в 2005, 0,52 – 2006 и 0,50 – 2007 гг., т. е. более чем в два раза, и разрыв между оценками разных лет примерно в десять раз превышает величину стандартной статистической ошибки. Эластич ность доходов населения регионов по численности занятого населе ния имеет явную тенденцию к росту, коэффициент (B) был стати стически незначим в 1999 и 2000 гг., затем вырос с 0,23 в 2001 г., до 0,46 в 2006, 0,52 – 2007 и 0,57 – 2008 гг. Очевидно, что восстанови тельный рост экономики России в рассматриваемый период привл к относительной дефицитности трудовых ресурсов и повышению их доли в создаваемом доходе.

Но, самое интересное, коэффициенты эластичности «фонда за работной платы» населения регионов по среднему уровню образова ния занятого в экономике регионов населения колеблются между 5, в 1999 г., 4,4 – 2006 и 3,8 – 2007 гг., за исключением кризисных и 2008 годов, когда она снизилась до уровня 2,8. То есть эластич ность фонда заработной платы занятого в производстве населения регионов по среднему уровню образования занятого в экономике ре гионов населения довольно велика, но существенно ниже, чем соот ветствующие коэффициенты эластичности для доходов населения регионов (см. табл. 3.4).

Таблица 3. Взаимосвязь фонда заработной платы занятого населения регионов России с объмом основных фондов, численностью занятых и средним уровнем образования занятого населения Показатели 1999 г. 2000 г. 2001 г. 2002 г. 2003 г. 2004 г. 2005 г. 2006 г. 2007 г. 2008 г.

регрессии 1 2 3 4 5 6 7 8 9 10 Константа lnA -13,95* -5,799* -7,929* -7,28* -8,31* -6,84* -7,28* -5,48* -3,83** -1, Станд. ошибка (2,186) (1,286) (1,577) (1,763) (1,583) (1,550) (1,454) (1,320) (1,577) (1,657) Коэф. (B) 1,097* 1,079* 0,779* 0,565* 0,639* 0,636* 0,579*(0,030) 0,526* 0,498* 0,457* Станд. (0,073) (0,055) (0,038) (0,040) (0,034) (0,032) 0,572* (0,029) (0,031) (0,039) ошибка 0,901* 0,917* 0,703* 0,544* 0,583* 0,622* 0,524* 0,512* 0,497* Коэф. (Beta) Коэф. (B) -0,010 -0,034 0,229* 0,421* 0,360* 0,343* 0,398* 0,461* 0,520* 0,572* Станд. ошибка (0,069) (0,059) (0,046) (0,048) (0,041) (0,038) (0,039) (0,036) (0,038) (0,051) Коэф. (Beta) -0,008 -0,028 0,184* 0,347* 0,294* 0,279* 0,317* 0,366* 0,405* 0,437* Коэф. (B) 5,709* 2,854* 4,496* 4,754* 5,146* 4,532* 5,006* 4,455* 3,843* 2,896* Станд. ошибка (0,934) (0,559) (0,679) (0,760) (0,686) (0,672) (0,628) (0,583) (0,697) (0,726) Коэф. (Beta) 0,139* 0,131* 0,165* 0,172* 0,175* 0,140* 0,160* 0,157* 0,121* 0,092* Коэф. де- 0,975 0,974 0,975 0,968 0,982 0,985 0,986 0,987 0,986 0, термин. 1086,3 1040,1 1103,4 837,4 1474,5 1901,7 1920,6 2051,0 1938,4 1658, F 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0, P – уровень 88 88 88 88 87 88 87 87 84 Количество регионов Примечания. Числа в скобках означают стандартную ошибку оценки.

* Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Можно сделать вывод, что важным фактором дифференциации фондов заработной платы работающего населения регионов России является средний уровень образования работников этих регионов. На каждый процент роста среднего уровня образования занятых в эко номике регионов работников величина фонда заработной платы все го населения регионов растт на 3–5%.

Оценки вкладов факторов в фонды заработной платы регионов (нормированные коэффициенты регрессии) выделены в отдельную таблицу 3.5.1. Из данных этой таблицы следует, что вклад численно сти работающего населения регионов в трудовые доходы населения регионов был статистически незначим в 1999 и 2000 гг. С 2001 г. он стал расти с 18% в данном году до 36,6% в 2006 и 40,5% 2007 гг., т. е. обеспечивал, в среднем, только примерно треть дифференциации всего фонда заработной платы занятого в экономике регионов насе ления, с существенным ростом своего вклада к концу периода. Мож но с уверенностью говорить, что рост значения вклада данного фак тора в фонд оплаты труда связан с постепенным снижением безрабо тицы в России, и уменьшением относительной избыточности трудо вых ресурсов в экономике по мере е восстановления. Вклад основ ных фондов снизился от 90–92% в 1999 и 2000 гг. до 57 в 2005, 52 – 2006, и 51% – 2007 гг., обнаруживая явную тенденцию к снижению на протяжении всего рассматриваемого периода. Переменная «сред ний уровень образования» занятого в экономике регионов населения, представляющая человеческий капитал, обеспечивала от 12 до 17% вклада в вариацию фонда заработной платы населения регионов Рос сии, оставаясь на третьем, по значимости, фактором вариации фондов заработной платы, резко снизила сво влияние в кризисном 2008 г., до уровня в 9%.

Таблица 3.5. Динамика вклада факторов в объясннную вариацию совокупной заработной платы населения регионов Россиии Показатели регрессии 1999 2000 2001 2002 2003 2004 2005 2006 2007 Вклад осн. фондов 0,901* 0,917* 0,703* 0,544* 0,583* 0,622* 0,572* 0,524* 0,512* 0,497* Коэф. Beta) Вклад живого труда -0,008 -0,028 0,184* 0,347* 0,294* 0,279* 0,317* 0,366* 0,405* 0,437* Коэф. (Beta) Вклад образования 0,139* 0,131* 0,165* 0,172* 0,175* 0,140* 0,160* 0,157* 0,121* 0,092* Коэф. (Beta) * Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

По-видимому, последнее явление связано с ростом безработи цы, и появлением относительной избыточности работников, в том числе квалифицированных, в кризисном 2008 г.

Можно уверенно сказать, что вклад уровня образования, как фактора производства, в дифференциацию суммарной заработной платы населения регионов России, статистически значим на 1% уровне значимости, значителен, и характеризуется высокой отдачей, хотя и заметно менее значительной, чем вклад уровня образования в суммарные доходы населения регионов.

В таблице 3.6 представлены результаты расчтов регрессион ных уравнений по формуле 3.14 за период с 1999 по 2008 гг., с ис пользованием в качестве зависимой переменной «общие доходы за вычетом суммарной заработной платы населения регионов России»

за соответствующие годы.

Все коэффициенты регрессии статистически значимы на 1% уровне, коэффициенты детерминации высоки, колеблются в пределах 95–97%. Коэффициенты эластичности переменной «доходы населения регионов за вычетом заработной платы» занятого в экономике населе ния регионов по основным фондам регионов имеют явную тенденцию к снижению. Они снизились с 0,27% в 1999 и 0,28% 2000 гг. соответ ственно, до уровня в 0,09% в 2007 г., причм в период между 2001 и 2006 гг. данный фактор оказался статистически незначим. Эластичность доходов населения регионов за вычетом заработной платы по численно сти занятого населения относительно стабилен, коэффициент (B) ко лебался в пределах от 0,9% в 2000 г. до 1,5% в 2003.

Но самое интересное – эластичности «доходов населения за выче том фонда заработной платы» населения регионов по среднему уровню образования занятого в экономике регионов населения колеблются между 13,2% в 1999 г. и 6,1% – 2007 гг., с явной тенденцией к сниже нию со временем и резким падением до статистически незначимого уровня в 2008 г. То есть эластичность «разницы суммарных доходов населения регионов и фонда заработной платы» занятого в производ стве населения регионов по среднему уровню образования занятого в экономике регионов населения в России очень велика, намного выше, чем для «доходов населения» и «фонда заработной платы» занятого в экономике регионов населения. Очевидно, что уровень накопления че ловеческого капитала в регионах населения очень существенно влияет на доходы от предпринимательской деятельности, доходы от собствен ности и прочие доходы населения (включая скрытую заработную пла ту), за исключением кризисного 2008 г.

Таким образом, главным фактором дифференциации доходов от предпринимательской деятельности, доходов от собственности и про чих доходов населения регионов России является средний уровень об разования работников этих регионов. На каждый процент роста сред него уровня образования занятого в экономике регионов населения ве личина «разницы суммарных доходов и фонда заработной платы всего населения регионов» росла в рассматриваемом периоде на 6–13%.

Таблица 3. Взаимосвязь разницы доходов и заработной платы населения регионов с другими переменными Показатели 1999 г. 2000 г. 2001 г. 2002 г. 2003 г. 2004 г. 2005 г. 2006 г. 2007 г. 2008 г.

регрессии Константа lnA -30,96* -21,42* -20,03* -22,18* -28,5* -25,11* -17,51* -12,02* -8,81* 6,325** Станд. ошибка (4,155) (2,109) (2,659) (2,92) (3,84) (3,266) (2,988) (2,318) (2,69) (2,732) Коэф. (B) 0,270** 0,370* 0,087 -0,027 -0,119 -0,052 -0,020 0,068 0,09*** 0,128*** (0,139) (0,090) (0,063) (0,067) (0,082) (0,068) (0,061) (0,050) (0,053) (0,065) Станд.

ошибка 0,158** 0,218* 0,064 -0,040 -0,069 -0,036 -0,015 0,055 0,08*** 0,138*** Коэф. Beta) Коэф. (B) 1,145* 0,914* 1,016* 1,271* 1,517* 1,286* 1,304* 1,180* 1,175* 1,119* (0,131) (0,097) (0,078) (0,079) (0,100) (0,081) (0,080) (0,064) (0,065) (0,085) Станд. ошибка Коэф. (Beta) 0,670* 0,521* 0,666* 0,763* 0,788* 0,776* 0,804* 0,762* 0,778* 0,845* Коэф. (B) 13,24* 9,92* 10,55* 11,33* 13,72* 12,75* 9,629* 7,45* 6,108* 0, (1,776) (0,918) (1,144) (1,258) (1,670) (1,416) (1,290) (1,024) (1,191) (1,197) Станд. ошибка Коэф. (Beta) 0,231* 0,318* 0,316* 0,298* 0,302* 0,291* 0,239* 0,214* 0,164* 0, Коэф. детермин. 0,954 0,967 0,953 0,953 0,958 0,965 0,964 0,973 0,971 0, F 573,37 789,79 570,73 566,03 595,70 762,95 740,55 988,14 906,96 607, P – уровень 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0, Количество регионов 87 86 88 88 82 88 87 87 84 Примечания. Числа в скобках означают стандартную ошибку оценки.

* Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Оценки вкладов факторов в нормированные коэффициенты ре грессии выделены в отдельную таблицу 3.6.1. Из данных приведен ной выше таблицы следует, что вклад основных фондов регионов в вариацию доходов за вычетом заработной платы населения регионов был статистически незначим в период 2002–2006 гг. год, а в 1999 и 2001 гг. составлял соответственно 18 и 22%, т. е. обеспечивал, в лучшем случае, только примерно пятую всей вариации «разницы до ходов и фонда заработной платы» занятого в экономике регионов населения. Вклад численности занятого населения вырос с 67% в 1999 до 76% в 2006 гг., обнаруживая слабую тенденцию к росту на протяжении всего рассматриваемого периода. Вклад среднего уровня образования занятого в экономике регионов населения обеспечивал от 16 до 31% объясннной вариации разницы суммарных доходов и фонда заработной платы населения регионов России, за исключением 2008 г. Можно сказать, что вклад человеческого капитала, то есть уровня образования работающего населения, как фактора производ ства, в «разницу доходов и заработной платы населения регионов»

России статистически значим на 1% уровне, и характеризуется высо кой отдачей, заметно более значительной, чем вклад образования в суммарные доходы населения регионов.

Таблица 3.6. Динамика коэффициентов регрессии (вклад факторов производства в вариацию «разницу доходов и заработной платы» регионов России) Показатели 1999 2000 2001 2002 2003 2004 2005 2006 2007. регрессии Вклад ОФ 0,158** 0,218* 0,064 -0,040 -0,069 -0,036 -0,015 0,055 0,08*** 0,138*** Коэф. (Beta) Вклад числ.

занятых 0,670* 0,521* 0,666* 0,763* 0,788* 0,776* 0,804* 0,762* 0,778* 0,845* Коэф. (Beta) Вклад образования 0,231* 0,318* 0,316* 0,298* 0,302* 0,291* 0,239* 0,214* 0,164* 0, Коэф. (Beta) * Параметр имеет 1% значимость.

** Параметр имеет 5% значимость.

*** Параметр имеет 10% значимость.

Можно констатировать, что роль человеческого капитала (то есть знаний) как фактора производства в экономике России заметна и до вольно велика, существенно превышает денежную оценку инвестиций в образование. Повышение уровня доходов в регионах России, как суммарных доходов населения, так и трудовых (заработной платы), можно обеспечить повышением уровня и качества образования насе ления этих регионов, особенно депрессивных, что, по-видимому, не возможно без существенного увеличения расходов на образование всех уровней, начиная с дошкольного и начального до высшего и послеву зовского. Следует также отметить, что наибольший вклад образование вносит в объясннную вариацию доходов от предпринимательской де ятельности, от собственности и прочих доходов (включая скрытую за работную плату), этот вклад обеспечивает от 16 до 31% всей вариации «разницы суммарных доходов и фонда заработной платы населения»

по регионам России (см. табл. 3.6.1). Вклад образования в объясннную вариацию данной зависимой переменной многократно превышает вклад основных фондов.

Следовательно, в сложившихся в настоящее время в экономике России условиях, решающий вклад в вариацию по регионам доходов предпринимателей, от собственности и прочих, вносят не инвестиции в основной капитал, формирующие основные фонды регионов, а в обра зование и науку. В то же время, инвестиции в человеческий капитал в России значительно ниже, чем инвестиции в физический капитал. Оче видно, что вложение больших частных и государственных инвестиций в заведомо малоэффективные, с позиций всего общества, физические ак тивы является нерациональным расходованием ограниченных ресурсов общества. Одновременно, явно недостаточные объмы ресурсов вкла дываются в высокоэффективные интеллектуальные активы общества, так востребованные современной инновационной экономикой.

Такое парадоксальное положение можно попытаться объяснить тремя обстоятельствами. Во-первых, инерцией общественного сознания, которое оперирует категориями «производительного труда» и «матери ального производства», характерного для экономик периода первых про мышленных революций, то есть времн А. Смита и К. Маркса. Во вторых, некоторым, возможно существенным, отставанием российской экономической науки от западной, то есть от экономической теории раз витых стран, где уже достаточно давно научились рассчитывать эконо мическую ценность нематериальных активов и отдачу инвестиций в них.

В-третьих, возможно, в том, что российские предприниматели готовы воспринимать в качестве личного «богатства» или частной собственно сти только «материальные блага» (например, месторождения золота, нефти, газа и т. п.). Они психологически не готовы рассматривать в каче стве «личного» имущества интеллектуальные и другие нематериальные ак тивы фирм, которые им принадлежат. Поэтому есть серьзная опасность дальнейшего нарастающего отставания экономики России от экономик других стран, как развитых, так и развивающихся. Причиной этого является тот факт, что решающее значение в развитии современных экономик при обрели новые факторы – интеллектуальные ресурсы общества, то есть зна ния, производственный опыт, предпринимательские способности, вс то, что называется невесомым (нематериальным) богатством 283.

На основе проведнного анализа можно предположить, что инве стиции в образование в России далеки от насыщения, хотя для обосно вания такого вывода следует оценить величину затрат на образование по его видам и уровням обучения, и расчты параметров производственной функции проводить с использованием стоимостных оценок человече Андриссен Д., Тиссен Р. Невесомое богатство. Определите стоимость вашей компании в экономике нематериальных активов. М.: Олимп-Бизнес, 2004.

ского капитала. К сожалению, российская статистика не обеспечивает полными исходными данными такого рода расчты. Существуют только крайне отрывочные сведения о стоимости платных услуг образования по его видам и регионам, практически отсутствуют статистические дан ные о бюджетных расходах на образование по его видам и регионам, которые позволили бы рассчитать расходы на обучение на одного уча щегося или студента в региональном разрезе. В то же время на сайтах статистических ведомств многих стран такие сведения общедоступны (например, в США и Канаде), а на сайте статистического ведомства Ве ликобритании приведены даже данные о результатах экзаменационного тестирования по уровням обучения и нормы внутренней отдачи затрат на образование по специальностям. Между тем, объективная оценка от дачи затрат на образование по видам обучения, уровням образования, специальностям, регионам и т. п. объективно необходима для совер шенствования управления процессами формирования и использования человеческого капитала в России.

Тем не менее, приведнные результаты расчтов регрессионных уравнений свидетельствуют о высокой экономической значимости вклада образования в формирование доходов населения и существен ной недооценке этого вклада со стороны российского правительства и общественности, о чм свидетельствует несопоставимо низкая доля расходов на образование в ВВП (в последние годы около 3,5–4,0%). В начале 90-х годов доля затрат на образование от ВНП составляла: во Франции – 7,1%, Японии – 6,3, США – 6,1, ФРГ – 4,5%, в России же только 2,7%, что даже по доле в ВВП, в 2–3 раза меньше, чем в разви тых странах284. Если оценивать абсолютные размеры затрат на одного учащегося, то разрыв достигает многих десятков раз. Можно ли в та ких условиях всерьз говорить о переходе к «инновационному типу развития», о наступлении эры «экономики знаний», как говорится, «дай бог» последние знания не растерять.

Можно констатировать, что эмпирическая проверка модифици рованной (расширенной) производственной функции Кобба-Дугласа на материалах российской региональной статистики, подтверждает гипотезу о наличии статистически значимого влияния дифференциа ции уровней накопления человеческого капитала в регионах, изме Добрынин А.И., Дятлов С.А., Цыренова Е.Д. Человеческий капитал в транзитивной эко номике. М.: Наука, 1999. С. 107–108.

ренного в таких показателях, как «средний уровень образования» од ного занятого на уровни доходов населения регионов России.

3.3. Оценка параметров расширенной агрегированной функции Кобба-Дугласа с использованием фиктивных переменных В России к регионам с повышенным уровнем накопленного челове ческого капитала относятся наиболее плотно населнные и урбанизиро ванные регионы, и в первую очередь мегаполисы Москва и Санкт Петербург. Действительно в них, а также городах-мил-лионерах, сосредо точены научно-исследовательские, конструкторские и проектные органи зации, вузы и передовые наукомкие производства. В научно-технических центрах наиболее интенсивно производятся, накапливаются и применяют ся новые знания, и, как можно предположить, данные явления должны проявляться в более высокой производительности всех факторов произ водства и более высоких доходах населения, по сравнению с менее насе лнными и менее урбанизированными регионами. Как отмечает Р. Лукас, урбанизация может являться наиболее наглядным примером экстерналь ных эффектов человеческого капитала285.



Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 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.