В тени регулирования. Неформальность на российском рынке труда - Коллектив авторов
Шрифт:
Интервал:
Закладка:
Эффект состава «объективен» и связан с различиями в структуре формально и неформально занятых при условии равной отдачи от одинаковых характеристик в этих группах. Более низкие заработки занятых на неформальной основе в значительной степени связаны с причинами структурного характера – они менее образованы, работают меньшее количество часов в течение месяца, среди них больше тех, кто проживает на селе, в поселках городского типа, малых городах и бедных регионах. В сумме эти обстоятельства перевешивают тот факт, что среди неформально занятых преобладают мужчины, обладающие более высокими заработками, чем женщины. Значительная часть общего разрыва – от 70 до 116 % в разные годы – объясняется различиями в составе групп по наблюдаемым характеристикам, а оставшаяся часть – различиями в отдачах от характеристик (необъясненная часть). К необъясненной части относятся также различия в константах.
Рисунок П8-8 показывает, что в течение рассматриваемого периода происходило сокращение различий между формально и неформально занятыми по наблюдаемым характеристикам. По отдельным характеристикам происходило «разбегание», но оно с избытком компенсировалось сближением по другим. Это сближение начинается с 2004 г. Таким образом, неформальная занятость – в целом – не становится уделом работников с низким уровнем человеческого капитала. Наоборот, в течение 2000-х годов неформальные работники все в меньшей степени отличались от работников, занятых на формальной основе. Именно усиление сходства по составу групп явилось основной причиной сближения кривых распределения на рис. П8-3.
В то же время эффект отдач в течение рассматриваемого периода поменял знак – это хорошо видно на рис. П8-8 и отражается в коэффициенте при переменной неформальности в МНК-регрессии. В первые годы периода коэффициент статистически незначим, но не исключено, что при большем объеме выборки мы могли бы иметь значимую положительную премию на неформальность в первой половине 2000-х годов (в 2000–2003 гг. выборка РМЭЗ была в 1,5–2 раза меньше, чем в последние годы).
Падение премии от занятости в неформальном секторе происходило в основном из-за снижения дополнительной выгоды от каждого дополнительного часа работы. Это падение часовых ставок невозможно объяснить внутри модели (другими учтенными наблюдаемыми характеристиками). Оно может быть связано, во-первых, с изменением институциональных условий – например, введением плоской шкалы подоходного налога с 2001 г., снижением ставок единого социального налога в 2005 г. Все эти изменения существенно снизили преимущества неформального найма для работодателей во второй половине 2000-х годов. Во-вторых, возможно, в 2000-е годы происходило усиление сортировки между формальной и неформальной занятостью по ненаблюдаемым характеристикам. Сокращение спроса на труд в формальном секторе могло привести к «выдавливанию» работников с плохими характеристиками. В-третьих, по мере экономического развития работодатели в формальном секторе могли совершенствовать методы скрининга потенциальных работников, например, лучше оценивать качество образования или какие-то психологические характеристики кандидатов на занимаемые должности. Тогда улучшение состава по наблюдаемым характеристикам могло сопровождаться более интенсивным отсевом в неформальную занятость работников с более низкими показателями по другим характеристикам (ненаблюдаемым в нашей базе данных, но наблюдаемым и учитываемым работодателями). Однако все эти гипотезы нуждаются в дополнительных исследованиях.
8.7. Регрессионный анализ вклада неформальности в неравенство: анализ различий на разных участках распределения
В этом разделе мы оцениваем квантильные регрессии и регрессии для рецентрированных функций влияния (РФВ-регрессии)[154]. Оба метода позволяют определить различия в отдачах от неформальности на разных участках распределения, которые игнорируются при оценивании МНК-регрессии. В квантильных регрессиях и РФВ-регрессиях неоднородность эффекта по шкале распределения является центральным вопросом, однако каждый из методов имеет свою специфику. Квантильные регрессии лучше известны экономистам, они уже давно стали частью стандартного инструментария прикладного эконометрического анализа. РФВ-регрессии были предложены сравнительно недавно и ранее, насколько нам известно, не использовались в работах, написанных на русском языке. Поэтому полезно подробнее остановиться на различиях между этими методами.
В нашем случае коэффициенты квантильной регрессии показывают, насколько отличаются соответствующие квантили условного распределения заработной платы у работников, занятых неформально, по сравнению с работниками с теми же наблюдаемыми характеристиками, но занятыми формально. Сопоставление коэффициентов для разных квантилей позволяет судить о неравенстве внутри группы неформально занятых с учетом различий в характеристиках работников.
Однако сравнение коэффициентов при переменной неформальности, строго говоря, не дает возможности говорить о том, как изменяются премии/штрафы за неформальность по шкале распределения. Это происходит из-за того, что сравнения производятся для работников с одинаковыми прочими характеристиками – в результате речь идет о квантилях условного (conditional) распределения, которые не совпадают с квантилями обычного (безусловного) распределения. Поэтому стандартная квантильная регрессия также называется условной квантильной регрессией (conditional quantile regression). Например, если какая-то переменная (скажем, высшее образование) имеет в стандартной квантильной регрессии положительную премию, увеличивающуюся от квантиля к квантилю, то это не означает, что высшее образование имеет более сильное влияние на заработные платы всех высокооплачиваемых работников по сравнению со всеми низкооплачиваемыми. Это означает, что высшее образование имеет более сильное влияние на заработные платы работников, получающих более высокие заработные платы с учетом всех остальных характеристик (X). С интуитивной точки зрения это непрозрачная логическая конструкция: сложно понять, как транслируются премии из условного распределения, зависящего от других переменных X, в премии для обычного безусловного распределения, не зависящего от других переменных. Мы не можем сказать, как повлияет изменение переменной X на т-й квантиль распределения зависимой переменной Y, но можем говорить только о влиянии на условный т-й квантиль, величина которого зависит от спецификации модели.
Для целей изучения неравенства в идеале хотелось бы знать, какой эффект на заработки имеет та или переменная по шкале обычного безусловного распределения заработных плат. Именно этот ответ дает РФВ-регрессия. Ее иногда называют безусловной квантильной регрессией (unconditional quantile regression). Коэффициенты РФВ-регрессий учитывают различия в отдачах от неформальности для групп с разными значениями наблюдаемых характеристик для каждого рассматриваемого квантиля. Коэффициент РФВ-регрессии представляет собой средневзвешенное значение отдач от неформальности для разных групп, где веса отражают представленность разных групп на конкретном участке распределения. При этом эффект неформальности «вычленяется» из влияния других наблюдаемых характеристик, что отличает РФВ-регрессию от простого сравнения соответствующих квантилей распределения. Таким образом, РФВ-регрессии учитывают не только внутри-, но и межгрупповое неравенство (см. подробнее: [Fipro et al., 2009]). Они дают ответ на вопрос, на какую величину изменится заработная плата в соответствующем квантиле безусловного распределения при изменении доли занятых на неформальной основе на один процент. Поэтому если исследование касается изучения неравенства, РФВ-регрессия имеет явные преимущества с точки зрения интерпретации перед стандартной квантильной регрессией.