Коллектив авторов - В тени регулирования. Неформальность на российском рынке труда
Достаточно сходную структуру потоков выявили Леманн и Пиньятти на данных по Украине. Исходя из нее, они делают вывод о серьезной сегментированности украинского рынка труда. Следует отметить, что в российском случае многие из выявленных ими эффектов зафиксировать не удается[136]. Это позволяет предположить, что если на российском рынке труда и наблюдается сегментация по признаку формальность/неформальность, то, по-видимому, намного менее выраженная, чем на украинском.
Динамическая мультиномиальная логит-модель. Матрицы перехода отражают интенсивность и доминирующую направленность потоков, но не учитывают влияние индивидуальных характеристик работников на участие в тех или иных перемещениях. Очевидно, что сами потоки могут сильно различаться по составу участников. Например, в одну сторону движутся молодые и более образованные, а в противоположную – пожилые и менее образованные. Кроме того, мы можем ожидать определенную зависимость текущего положения работника от его состояния в предшествующем периоде. В связи с этим возникает вопрос о том, а существует ли такая инерция, проявляющаяся в зависимости от прошлого, если мы контролируем основные наблюдаемые характеристики?
Индивид, выбирая соответствующее состояние на рынке труда, ожидает, что полезность от пребывания в нем будет выше, чем от альтернативных состояний. Принимаемое решение зависит от индивидуальных характеристик работника и ожидаемого выигрыша. При определенных допущениях этот выбор можно представить с помощью динамической мультиномиальной логит-модели (D-MNL), в которой значения зависимой переменной соответствуют статусам на рынке труда (J). «Динамичность» придается включением переменных, соответствующих предшествующим состояниям.
Модель выглядит следующим образом[137]:
Наша зависимая переменная наряду с пятью видами занятости (обсуждавшимися выше) допускает также состояния безработицы и неактивности. Все вместе они дают нам семь различных исходов (вектор S). Регрессорами служат основные индивидуальные характеристики респондентов (X), а также дихотомические переменные для статусов занятости в предшествующем периоде (вектор Z). Нас интересуют, прежде всего, коэффициенты β и γ. Мы проводим такие расчеты отдельно для мужчин и для женщин, предполагая, что гендерные модели мобильности могут различаться.
Коэффициенты D-MNL модели трудны для интерпретации из-за нелинейности эффектов, а потому для большей наглядности результатов мы переходим от их оценок к симуляциям условных вероятностей перехода, основанным на этих расчетах. Для этого мы фиксируем определенные значения лагированных (соответствующих предшествующим периодам) статусов для всех индивидов и, используя полученные коэффициенты, рассчитываем вероятность каждого состояния в настоящем периоде. Эта процедура повторяется для каждого лагированного статуса.
В табл. 7.2 представлены расчеты, основанные на симуляциях. В ее строках даны вероятности перехода из состояния (обозначены в левом столбце таблицы) в году (t – 1) в соответствующее состояние в год t. Верхняя панель таблицы относится к мужчинам, нижняя – к женщинам.
Какую «историю» нам рассказывают эти таблицы?[138]
Фактически они представляют собой еще одну версию матриц вероятностей переходов, но на этот раз с учетом внутренней неоднородности выделенных групп по наблюдаемым характеристикам. Согласно им, потоки на российском рынке труда оказываются еще более интенсивными, чем в том случае, когда мы не контролируем индивидуальные характеристики[139]. Так, практически все оценки в диагональных ячейках наших матриц оказываются меньше, чем в тех же ячейках в «сырых» матрицах, и эта разница достигает 5–15 п.п. Особенно сильно возрастает подвижность у предпринимателей (как формальных, так и неформальных) и у нерегулярных работников. Единственная группа, которая оказывается менее мобильной при таком способе оценивания, – это неактивные. С точки зрения направленности потоков табл. 7.2 также полностью подтверждает ту картину, которая обсуждалось выше.
Во-первых, мы обнаруживаем, что любой тип занятости в предыдущем периоде снижает риск незанятости в следующем периоде и для мужчин, и для женщин. Для экономически неактивных мужчин вероятность оказаться без работы через год составляет почти 60 %, у женщин она еще выше – около 74 %. Если неактивные мужчины все же устраиваются на работу, то в половине случаев это оказывается формальной занятостью, а в половине – неформальной. У женщин это соотношение чуть «лучше» – неформалами становятся лишь в 40 % случаях (около 11 % от всех исходов). Мобильность безработных в занятость больше смещена в пользу формальной занятости по найму. Для всех незанятых мужчин попадание в сегмент нерегулярной работы – это весьма реальная альтернатива, на долю которой приходится 13 % всех исходов.
Во-вторых, предшествующий предпринимательский (как формальный, так и неформальный) опыт увеличивает вероятность самозанятости в будущем. Что касается формального предпринимательства, оно воспроизводится с вероятностью 35–40 %, а еще в 19 % случаев оно поставляет кадры в неформальное предпринимательство. Другими словами, оно воспроизводит само себя и в меньшей степени (в четверти случаях) пополняет формальную занятость по найму. Неформальные предприниматели с большой вероятностью самовоспроизводятся. Они также активно передают кадры в неформальную наемную и нерегулярную занятость (15 и 12 % у мужчин и 11 и 5 % у женщин).
В-третьих, формально занятые по найму относительно стабильны в своем секторе. В 84–87 % (у мужчин и у женщин соответственно) случаев они остаются в том же статусе. С неформальными наемными дело обстоит сложнее. Их статус воспроизводится с вероятностью в 40 %, а с вероятностью в 34 % они формализуются, оставаясь при этом работать по найму. Что касается женщин (работающих неформально по найму), то в 14 % случаях они покидают рынок труда.
Наконец, мы видим, что единственный статус занятости, оказывающий существенное положительное влияние на шансы оказаться на нерегулярной работе, – это сама нерегулярная работа. В общем случае такие работники относительно слабо связаны с рынком труда и значительная часть исходящего отсюда потока уходит в состояние экономической неактивности.
Таблица 7.2. Матрица предсказанных вероятностей переходов, построенная на основе симуляции, %
Примечания. Симуляции основаны на оценках D-MNL-модели. Число наблюдений составляет 36,692 и 41,230 для мужчин и женщин соответственно.
