Коллектив авторов - В тени регулирования. Неформальность на российском рынке труда
*0 баллов – полностью неформальные отношения; 10 баллов – полностью формальные отношения.
Представленные оценки свидетельствуют о том, что смена статуса «формального» работника на статус «неформального» работника сопровождается резким усилением деформализации трудовых отношений практически по всем направлениям. Отсюда мы заключаем, что используемый нами подход достаточно эффективно разграничивает состояния формальной и неформальной занятости на российском рынке труда.
4.4. Методология
Мы начинаем наш анализ с простого дескриптивного описания основных групп неформально занятых (построения профилей неформальности) и обсуждения факторов, влияющих на вероятность попадания в неформальную занятость. Затем мы переходим к более детальному эконометрическому анализу влияния неформальности в обоих ее главных проявлениях (неформальной самозанятости и неформальной работы по найму) на заработки.
Чтобы оценить влияние индивидуальных характеристик на вероятность того, что индивид окажется в неформальном секторе, мы оцениваем стандартную мультиномиальную логит-регрессию [Wooldridge, 2001]. В нашем случае зависимая переменная – статус работников, во-первых, с точки зрения того, являются они «неформалами» или «формалами», и, во-вторых, с точки зрения того, являются они наемными работниками или самозанятыми (yi принимает целочисленные значения от единицы до четырех). Вектор независимых переменных включает «стандартный» набор социально-демографических и поселенческих характеристик (пол, возраст, образование, состояние в браке, наличие детей, вид деятельности, город/село, регион и некоторые другие).
В силу того, что оцениваемые коэффициенты β плохо поддаются прямой интерпретации в качестве меры влияния, на их основе мы рассчитываем средние частные эффекты (average partial effects, APE) или условные вероятности для четырех альтернативных состояний на рынке труда. Эти оценки (APE) показывают, насколько в среднем меняется вероятность того или иного исхода (того или иного значения зависимой переменной) при изменении независимой переменной на единицу при условии, что все остальные независимые переменные зафиксированы на уровне средних значений по выборке. Некоторые характеристики рабочих мест, включенные в уравнение в качестве независимых переменных, потенциально эндогенны, а потому мы не интерпретируем полученные результаты в терминах причинности (например, выбор вида деятельности может предполагать одновременный выбор статуса формальности/неформальности).
Наше исследование заработков начинается с простого визуального анализа распределений по заработной плате для различных групп работников. Затем мы оцениваем расширенное уравнение минцеровского типа для каждой из четырех выделенных нами групп. Однако оценки, получаемые с помощью МНК, отражают влияние неформальности лишь на среднюю величину заработков и не учитывают того, что их соотношение между формальными и неформальными работниками может сильно варьироваться вдоль распределения по заработной плате. Для анализа такого рода эффектов мы используем технику квантильной регрессии [Koenker, Bassett, 1978; Buchinsky, 1998]. В отличие от МНК она дает оценки не только для середины распределения, но и для различных его сегментов (квантилей). Такой подход позволяет избежать ошибочных заключений, когда более способные работники неформального сектора сравниваются с менее способными работниками формального сектора, или наоборот (как это фактически происходит при использовании МНК).
Модель квантильной регрессии можно представить в следующем виде:
lnYθi = Xi βθ + uθi,
где Qθ(lnYi/Xi) = βθ Xi, Qθ обозначает условный квантиль θ переменной lnYi при условии контроля вектора переменных Х. Набор Х повторяет тот, что использовался нами при оценивании уравнения заработной платы с помощью МНК.
Интерпретация коэффициентов βθ в целом схожа с интерпретацией коэффициентов β в обычной линейной регрессии, но имеет свои ограничения, что требует определенной осторожности. Если в последней величина β характеризует предельное изменение зависимой переменной при единичном изменении x, то в случае квантильной регрессии при единичном изменении x респондент не обязательно останется в том же условном квантиле θ, в котором он был до этого (см. подробнее: [Buchinsky, 1998]).
Квантильная регрессия позволяет нам оценить величину межсекторного разрыва для каждого из условных квантилей распределения по заработной плате, однако ничего не говорит о том, какими факторами она определяется. Является ли этот разрыв результатом концентрации у неформалов определенных характеристик, обуславливающих иную производительность (эффект состава), или это итог того, как одни и те же производительные характеристики по-разному оцениваются в разных сегментах рынка труда (эффект отдач)?
Если верна первая гипотеза, то нет оснований трактовать разрыв как проявление сегментации. Тогда сближение характеристик между работниками, принадлежащими к разным секторам, сократило бы различия в их заработных платах. Вторая гипотеза предполагает, что сегментация все же существует и дело не в том, что одни «лучше» других по своим характеристикам, а в том, что по разные стороны разделяющей их стены «цены» оказываются разными и они не спешат выравниваться. Опять же отметим, что у низко– и высокооплачиваемых работников относительная значимость эффекта состава и эффекта отдач может быть разной.
В поисках ответов на эти вопросы мы используем методологию разложения величины безусловного разрыва на две составляющие, одна из которых является вкладом характеристик, а другая интерпретируется как результат рыночной оценки (и называется вкладом коэффициентов)[64]. Широко известна и уже стала стандартным инструментом экономистов декомпозиция Оаксаки – Блайндера (названная так по именам экономистов, предложивших ее), основанная на регрессии для средних значений распределений [Blinder, 1973; Oaxaca, 1973]. Но если эти различия варьируются вдоль распределения по заработной плате, то мы не увидим соответствующей вариации в их составляющих.
В данной главе используется идея декомпозиции применительно к случаю квантильной регрессии. Соответствующая методология была впервые предложена в работе [Melly, 2005] и получила дальнейшее развитие в исследованиях [Chernozhukov et al., 2012][65]. С ее помощью мы получаем разложение на эффект характеристик и эффект коэффициентов для каждого выбранного квантиля распределения[66].
