В тени регулирования. Неформальность на российском рынке труда - Коллектив авторов

Неформальная занятость по найму, напротив, на всем протяжении 2000-х годов не могла служить более доходной альтернативой формальной занятости по найму. В первой половине 2000-х годов неформально занятые по найму еще получали сопоставимые заработные платы. Во второй половине 2000-х годов относительные заработки низкооплачиваемых работников, неформально занятых по найму, заметно снижаются. В то же время заработки высокооплачиваемых наемных работников оставались сопоставимыми с заработками занятых на формальной основе. Эти тенденции могут указывать на поляризацию внутри группы неформальных наемных работников: в ее нижнем сегменте концентрируются плохие рабочие места, заполняемые работниками, которые были отвергнуты формальным сектором.

Неформальность в российских условиях, скорее всего, является реакцией бизнеса на высокий уровень налогов, неэффективность государственных институтов и чрезмерное регулирование. Поэтому неформальная экономическая деятельность может являться полезной для экономики, особенно в тех случаях, когда она не вытесняет формальную, а создает новые рынки и новые рабочие места. При этом с точки зрения неравенства доходов «цена», которую российская экономика в последнее десятилетие платила за неформальность, была невелика.

Приложение П8. Декомпозиция различий в заработной плате

Обозначим через Yi фактическую заработную плату i-го индивида на основной работе (в логарифмах). Теоретически любой индивид может работать по своему основному месту работы либо на формальной, либо на неформальной основе. Тогда пусть Yi 1 – это заработная плата i-го индивида в случае формальной занятости, а Yi0 – его заработная плата в случае неформальной занятости. В каждый момент времени конкретный индивид может находиться только в одном из двух состояний: либо он занят формально, либо он занят неформально. Поэтому фактическая заработная плата может быть записана следующим образом:

Yi = Yi 1 ⋅ Di + Yi0 · (1 – Di), (П8-1)

где Di – дамми-переменная для формальной занятости, т. е. Di = 1, если индивид занят на формальной основе и Di = 0, если индивид работает неформально.

Далее предположим, что имеется некоторый вектор переменных X, который включает в себя факторы, влияющие на уровень заработной платы. Тогда для заработной платы в каждом виде занятости можно рассчитать условное математическое ожидание:

• формальная занятость: μ 1 = E(Y | X, D = 1) = X β1,

• неформальная занятость: μ0 = E[Y | X, D= 0] = Xβ0,

где β0 и β1 – векторы коэффициентов, которые оцениваются методом наименьших квадратов (МНК).

Декомпозиция позволяет понять, от каких факторов зависят различия в заработных платах между двумя группами. Методология подобной декомпозиции впервые была описана в работах Оаксаки и Блайндера [Blinder, 1973; Oaxaca, 1973]. Независимо друг от друга Оаксака и Блайндер предложили разделить различия в средних между двумя группами (ΔμO = μ1 – μ0) на две составляющих. Первая составляющая отражает различия в составе групп по наблюдаемым характеристикам – «эффект состава» (composition effect – ΔμX). Вторая составляющая связана с различиями в отдачах от характеристик – «эффект коэффициентов» или «эффект отдач» (wage structure effect – ΔμS)[159]. Оба эффекта легко показать алгебраически. Для этого в формулу разности средних следует добавить и вычесть из нее выражение, равное гипотетической средней заработной плате работников, занятых неформально, при условии, что отдачи от характеристик равны отдачам, наблюдающимся в сегменте формальной занятости (E[X | D = 0]β1); а затем перегруппировать слагаемые:

Кроме того, метод Оаксаки – Блайндера позволяет детализировать эффект состава и эффект отдач и выделить вклад каждой отдельной характеристики (объясняющей переменной X в уравнении). Эффект состава и эффект отдач могут быть выражены через отдельные характеристики следующим образом:

В разделе 8.7 в качестве основного методологического подхода мы используем метод, предложенный Фипро, Фортин и Лемье [Fipro et al., 2009; Fortin et al., 2011]. Этот метод является обобщением получившего широкое распространение метода Оаксаки – Блайндера [Blinder, 1973; Oaxaca, 1973]. Он позволяет выделить влияние разных факторов на изменение неравенства во времени, а также влияние разных факторов на различия в заработных платах между двумя группами на разных участках шкалы распределения. В этом разделе мы кратко опишем метод Фипро, Фортин и Лемье и его отличия от других регрессионных методов декомпозиции.

Описанный выше метод Оаксаки – Блайндера подходит только для декомпозиции различий в средних значениях и напрямую не годится для декомпозиции различий на других участках шкалы распределения. Для таких декомпозиций нужно использовать более сложную методологию. В ряде работ для решения этой задачи использовался метод, предложенный Мачадо и Мата [Machado, Mata, 2005]. Он основан на построении и дальнейшей декомпозиции условных квантильных регрессий. Однако метод Мачадо – Мата позволяет выделить точно лишь совокупные эффекты состава и отдач. Для более детального разложения на отдельные факторы Мачадо и Мата предлагают использовать сложную расчетную процедуру, основанную на симуляциях. Кроме того, результаты декомпозиции зависят от того, в каком порядке рассматриваются эффекты различных переменных. Поэтому использование метода Мачадо – Мата для детальной декомпозиции вызывает вопросы [Fortin et al., 2011].

Более простой и точный подход для декомпозиции различных параметров распределения был предложен Фипро, Фортин и Лемье [Fipro et al., 2009; Fortin et al., 2011]. Данный метод может использоваться для декомпозиции медианы, любых квантилей, дисперсии и коэффициента Джини.

Основная идея метода Фипро, Фортин и Лемье состоит в том, чтобы в уравнении линейной регрессии, оцениваемом при декомпозиции, заменить Y так называемой рецентрированной функцией влияния – RIF(Y,v), где v – это некоторый параметр распределения. Функции влияния – IF(Y,v) – широко используются статистиками для измерения робастности различных параметров распределения к присутствию в данных аутлайеров [Hampel, 1974]. Рецентрированная функция влияния (РФВ) рассчитывается как сумма соответствующего параметра распределения и функции влияния. Например, для дисперсии (σ2) функция влияния равна IF(Y,σ2) = (Y-μ)2-σ2, а РФВ выглядит следующим образом: RIF(Y,σ2) = σ2+ [(Y-μ)2-σ2] = (Y-μ)2. Для τ-го квантиля функция влияния равна IF(Y;qt,FY) = (τ-I(Y<qτ))/fY(qT), где I {.}– индикаторная функция, показывающая соблюдается ли условие, находящееся под знаком этой функции; fY (qτ) – функция плотности распределения переменной Y в точке qτ. Функция плотности распределения в точке qτ рассчитывается по имеющимся данным методом ядерных функций. РФВ для τ-го квантиля равна RIF(Y; qτ, FY) = qτ + (τ– I{Y< q})/ fY(qτ).