DOI: 10.29141/2658-5081-2023-24-4-4 EDN: UDXDWY JEL classification: J21, J23, J68, O11, O21
М. Е. Коновалова Самарский государственный экономический университет, г. Самара, РФ О. В. Плюснина Ухтинский государственный технический университет, Республика Коми, г. Ухта, РФ
Е. В. Федотова Калужский филиал Российского государственного аграрного университета -Московской сельскохозяйственной академии им . К . А . Тимирязева, г. Калуга, РФ
Гибкость рынка труда как фактор восстановления экономики после пандемии COVID-19
Аннотация. Пандемия СОУГО-19 привела к общему экономическому спаду в большинстве стран мира. В значительной мере его причины лежат в сфере рынка труда. Введенные ограничительные меры привели к тому, что многие работники вынуждены были оставаться дома, а часть из них и вовсе лишилась работы. Скорость экономического оживления в разных странах варьировалась по мере снятия карантинных ограничений. Одним из определяющих факторов восстановительного процесса является степень гибкости рынка труда и его способность адаптироваться к меняющимся экономическим условиям. Статья посвящена изучению взаимосвязи гибкости рынка труда и скорости восстановления темпов роста ВВП в период ослабления пандемии и отмены карантинных мер. Методологической базой исследования послужили положения теории экономики труда. Методы включали множественный и логистический регрессионный анализ. Информационную базу составляют данные Всемирного Банка и статистической службы Европейского союза, включающие показатели для оценки гибкости рынка труда и ВВП стран мира за 2020-2021 гг. В результате установлена обратная взаимосвязь между скоростью восстановления темпов роста ВВП в постковидный период и долей частичной занятости в экономике. Однако, учитывая, что показатель частичной занятости отражает не только гибкость рынка труда, но и во многом является следствием общего спада производства и безработицы, можно связать медленные темпы восстановления с большей слабостью экономики. Таким образом, полученные результаты недостаточны для опровержения гипотезы о том, что большая гибкость рынка труда приводит к ускоренному восстановлению экономики стран. В то же время доказано, что страны Восточной Европы в целом быстрее оправились от последствий кризиса СОУГО-19, чем другие страны ЕС. Исследование вносит вклад в понимание процессов трансформации рынка труда под влиянием пандемии, а также выступает источником информации для разработки и внедрения политики в сфере регулирования рынков труда.
Ключевые слова: рынок труда; гибкость рынка труда; частичная занятость; ВВП; пандемия; Европейский союз .
Для цитирования: Konovalova M. Ye., Plyusnina O. V., Fedotova E. V. (2023). Labour market flexibility as a factor in economic recovery after the COVID-19 pandemic. Journal of New Economy, vol. 24, no. 4, pp. 64-81. DOI: 10.29141/2658-5081-2023-24-4-4. EDN: UDXDWY. Информация о статье: поступила 13 июня 2023 г.; доработана 20 июля 2023 г.; одобрена 1 сентября 2023 г.
Maria Ye. Konovalova Samara State University of Economics, Samara, Russia Oksana V. Plyusnina Ukhta State Technical University, Ukhta, the Komi Republic, Russia Elena V. Fedotova Kaluga branch of the Russian State Agrarian University - Moscow
Timiryazev Agricultural Academy, Kaluga, Russia
Labour market flexibility as a factor in economic recovery after the COVID-19 pandemic
Abstract. The COVID-19 pandemic has largely undermined most economies in the world. To a significant extent the reasons behind this economic nosedive are rooted in the sphere of labour market. The imposed restriction measures made many workers stay at home, and part of them even lost their jobs. The speed of economic recovery in different countries varied depending on how quarantine restrictions were eased. One crucial factor in this process is labour market flexibility and its ability to adapt to changing economic conditions. The purpose of the paper is to explore the relationship between the labour market flexibility and the speed of GDP recovery when the pandemic was waning and the quarantine restrictions were being removed. Methodologically, the study relies on labour economics. The methods are multivariate and logistic regression analysis. The data for the study is sourced from the World Bank and Eurostat and comprises statistics for assessing labour market flexibility and GDP in various countries for 2020-2021. The findings indicate a reverse relationship between the speed of GDP growth recovery during the post-COVID period and the share of part-time employment. Yet taking into account that part-time employment is not only an indicator of the labour market flexibility, but also reflects a general slowdown in production and unemployment, we can attach low speed of recovery to a greater weakness of an economy. The obtained results are insufficient to reject the hypothesis that a more flexible labour market accelerates the recovery of a national economy. At the same time, the study demonstrates that the West European countries generally got over the consequences of the COVID-19 crisis faster than other EU countries. The research contributes to understanding the transformation processes in the labour market under the pandemic as well as provides support for labour market policy development and implementation.
Keywords: labour market; labour market flexibility; part-time employment; GDP; pandemic; the European Union.
For citation: Konovalova M. Ye., Plyusnina O. V., Fedotova E. V. (2023). Labour market flexibility as a factor in economic recovery after the COVID-19 pandemic. Journal of New Economy, vol. 24, no. 4, pp. 64-81. DOI: 10.29141/2658-5081-2023-24-4-4. EDN: UDXDWY. Article info: received June 13, 2023; received in revised form July 20, 2023; accepted September 1, 2023
Введение
Пандемия COVID-19 вызвала значительные негативные последствия для экономики как развитых, так и развивающихся стран. В результате введения ограничительных мер на передвижение в связи с пандемией множество людей вынуждены были оставаться дома и изменить свои привычные уклады трудовой деятельности, подстроиться под новые обстоятельства или отвергнуть их. Вследствие этого произошло резкое падение рынка труда и общий спад производства товаров и услуг [Karpunina et al., 2022; Gukasyan
et al., 2022]. Таким образом, причины возникших экономических проблем следует искать в первую очередь в трудовой сфере.
Отмечается, что развитые страны реагировали на пандемию активнее и внесли более строгие ограничения на рынок труда и другие аспекты жизни по сравнению с неразвитыми странами [Giri, Rana, 2020; Tadesse, Muluye, 2020; Шеремет, 2020; Levin et al., 2022]. Это можно объяснить их большей готовностью и ресурсными возможностями для борьбы с пандемией. Благодаря своей экономической стабильности и ресурсам развитые страны смогли быстрее справиться с последствиями пандемии и начать процесс восстановления, принимая для этого соответствующие меры. В сфере рынка труда такие меры включают возможности перевода части сотрудников на удаленный режим, изменение форм занятости, а также социальное обеспечение работающего населения в периоды простаивания предприятий [Gukasyan et al., 2022; Polujanova et al., 2023].
Гибкость рынка труда определяется его способностью адаптироваться к изменяющимся условиям и подстраиваться под новые требования. Гибкость может проявляться в процессе найма и увольнения работников, в организации рабочего времени и в развитии вариативных форм занятости [Kossek, Thompson, Lautsch, 2015; Sienkiewicz, 2016].
Целью исследования является изучение влияния гибкости рынка труда на скорость восстановления темпов роста ВВП в период смягчения или отмены ограничительных мер, введенных в связи с пандемией COVID-19. Восстановление темпов роста ВВП является важнейшим индикатором посткризисного экономического выздоровления.
Восстановление экономики зависит также от того, какой сектор преобладает в экономической жизни страны. Сектор услуг пострадал в наибольшей степени [Lu et al., 2021]. Это связано со множеством причин, главной из которых является введение социальной дистанции в период пандемии, что ограничило возможности предоставления множества услуг. Ограничение полетов и передвижения также нанесло сильный удар по туристическому бизнесу. Перечисленные ограничения сохранялись в некоторых странах длительное время, что отрицательно повлияло на восстановление сектора. Таким образом, одна из задач исследования состоит в том, чтобы выяснить, сталкивались ли страны с более высокой долей занятых в сфере обслуживания с большими трудностями в процессе восстановления экономики.
В контексте исследуемой темы важно определить особенности рынка труда восточноевропейских стран, входящих в ЕС [Hausermann, Kurer, Schwander, 2016; Shevchuk, Strebkov, Tyulyupo, 2021а]. Одна из особенностей этих стран в том, что у них довольно дешевая рабочая сила при достаточно высоких показателях человеческого капитала. Образованные и квалифицированные работники могут внести важный вклад в исследования и разработки, технологический прогресс и создание новых идей. Эти исследования, идеи и инновационные проекты часто реализуются в высокоразвитых странах Западной Европы, где имеется соответствующая научная и технологическая инфраструктура.
Несмотря на более низкий уровень благосостояния в сравнении с западными странами, страны Восточной Европы в целом отличаются более гибким рынком труда [Shevchuk, Strebkov, Tyulyupo, 2022b]. Соответственно, можно ожидать, что эти страны быстрее оправились от кризиса пандемии, чем остальные страны ЕС.
Теоретические подходы к изучению гибкости рынка труда
В современном мире интенсивно развиваются вариативные формы занятости, основанные на гибких формах рабочих отношений. Компании все чаще отдают предпочтение независимым подрядчикам и фрилансерам вместо постоянных сотрудников. Возможность удаленного осуществления рабочих функций позволяет компаниям нанимать
подходящих квалифицированных сотрудников по всему миру. При этом специалисты на фрилансе расширяют свои возможности для поиска проектов, которые они могут реализовать согласно их квалификации [Rani, Furrer, 2021].
Важную роль в развитии гибких форм занятости сыграли информационные и коммуникационные технологии, которые коренным образом преобразовали сферу труда [Cherry, 2020]. Разнообразные цифровые платформы являются пространством для взаимодействия работников и работодателей. Они используются как для поиска постоянной работы, так и для размещения краткосрочных проектов [Codagnone, Karatzogianni, Matthews, 2018; Vallas, Schor, 2020].
Терминологический ряд, применяемый для характеристики платформ организации гибких форм занятости весьма разнообразен: «freelance online marketplaces», «online labour platforms» [Kassi, Lehdonvirta, 2018], «crowdwork platforms» [Howcroft, Bergvall-Káre-born, 2019].
Среди основных причин выбора работниками такой гибкой формы трудовых отношений, как фриланс, выделяют: лучшее соотношение между карьерой и жизненными целями, гибкое рабочее расписание, свобода. Можно отметить, что вопросы материального обеспечения для фрилансеров отступают на второй план [Reynolds, 2018].
Внимание привлекают также факторы, влияющие на гибкие формы трудовых отношений. Одним из таких факторов является безработица, ее усиление способствует росту активности фрилансеров в отдельных странах и регионах [Lobel, 2020]. На развитие фриланса как гибкой формы трудовых отношений сказывается рост количества самозанятых [Baitenizov et al., 2019]. Имеются существенные различия в активности городского и сельского населения как во фрилансе, так и в онлайн-трудовой деятельности [Braesemann, Lehdonvirta, Kassi, 2022].
Пандемия COVID-19 привела к серьезным последствиям для мирового рынка труда и изменению экономической активности.
Исследователи рассматривают различные аспекты этих последствий, включая потерю рабочих мест, снижение потребительского спроса, ухудшение экономической активности и рост безработицы [Blustein et al., 2020; Karpunina et al., 2022; Fraymovich et al., 2022].
Они также анализируют меры поддержки рынка труда и стимулирования экономики, принимаемые правительствами для смягчения негативных последствий падения рынка труда [Eichhorst et al., 2020; Mentuh, Shevchuk, 2020].
Существует обширное количество исследований, посвященных изучению сущности и влияния гибкости рынка труда на экономическую динамику. Некоторые исследователи фокусируются на анализе влияния гибкости трудовых контрактов и форм занятости на рост занятости и производительность труда [Craigwell, 2006; Sienkiewicz, 2016; Nazarova et al., 2022].
Часть исследователей подтверждают положительное влияние гибкости рынка труда на инновации и предпринимательскую деятельность [Martínez-Sánchez et al., 2019].
Другие исследователи обращают внимание на влияние гибкости рабочего времени на баланс между работой и личной жизнью [Kossek, Thompson, Lautsch, 2015; Attieh, 2022; Arutyunova et al., 2022].
Ряд исследователей указывают на ускоренную трансформацию рынка труда в сторону более гибких форм занятости в период пандемии COVID-19 с целью адаптации к условиям ограниченного передвижения [Emmett et al., 2020; Gavin, Poorhosseinzadeh, Arrowsmith, 2022; Okunkova et al., 2023].
В период пандемии значительную часть рабочей силы перевели на удаленный формат работы, а многие сокращенные работники стали независимыми онлайн-работниками (фрилансерами) [Карпунина, Моисеев, Карпунин, 2022].
После окончания пандемии многие из работодателей предпочли хотя бы частично сохранить изменения, внесенные в рабочий процесс, так как новый формат работы представляется им более удобным и эффективным [Marbun, 2023; Yang, Kim, Hong, 2023].
Материалы и методы
Первые две гипотезы направлены на выявление связи между гибкостью рынка труда и процессами экономического развития.
Гипотеза 1: чем выше значение таких показателей гибкости рынка труда, как «изменение типов трудовых контрактов» и «доля частичной занятости», тем быстрее происходит восстановление темпов роста ВВП после пандемии COVID-19.
Развитию социальных и экономических институтов неизбежно сопутствует и развитие трудовой сферы, которая, в свою очередь, также благотворно влияет и на различные экономические показатели. Таким образом, процессы развития экономики в целом и трудовой сферы в частности неразрывно связаны между собой.
Гипотеза 2: существует положительная связь между уровнем ВВП на душу населения и значением показателей гибкости рынка труда, таких как «доля частичной занятости», «изменение типов трудовых контрактов» и «работники посреднических агентств».
Соотношение численности занятых в промышленности и в секторе услуг также рассматривается в качестве значимого фактора, влияющего на скорость восстановления экономики, так как в периоды нестабильности население склонно увеличивать расходы на базовые потребности, включая расходы на продовольствие и жилье. Сферы туризма и развлечений, как правило, сталкиваются с существенным оттоком клиентов и терпят наибольший экономический урон. Соответственно, и процесс восстановления в этих отраслях может сталкиваться с большими трудностями. Исходя из этого сформулирована следующая гипотеза:
Гипотеза 3: в странах с более высокой долей занятости населения в сфере услуг, восстановление экономики происходит медленнее, чем в странах, где преобладает занятость в сферах промышленности или сельского хозяйства.
В работе отмечается, что страны Восточной Европы в целом обладают более гибким рынком труда, несмотря на то, что по большинству экономических показателей они уступают другим странам ЕС. Из этого сформулирована следующая гипотеза:
Гипотеза 4: в странах Восточной Европы, входящих в ЕС, постковидная экономика восстанавливается более быстрыми темпами, чем в остальных странах ЕС.
Для получения ответа на вопрос, заключенного в гипотезе 1, будет проведен множественный регрессионный анализ, в котором в качестве предикторов выступают два показателя: переходы работников между типами контрактов и доля частично занятых в общем числе работающего населения.
Зависимой переменной выступает показатель прироста ВВП по странам ЕС с 2020 по 2021 гг. Это объясняется тем, что наибольшую просадку в ходе пандемии COVID-19 мировая экономика претерпела в 2020 г. [Ogaboh Agba, Ocheni, Agba, 2020]. Темпы прироста показателей ВВП к 2021 г. демонстрируют скорость восстановления экономик этих стран.
Формула (1) множественной регрессии с двумя предикторами выглядит следующим образом:
Y = ß0 + ßX + ß2X2 + £ , (1)
где Y - зависимая переменная (результат, который мы пытаемся предсказать); Хг и X2 -два предиктора (независимые переменные), которые используются для предсказания
значения Y; ß0, ßj и ß2 - коэффициенты регрессии для каждого предиктора; г представляет случайную ошибку или нерегулярность, которая не объясняется моделью.
Далее проверим вторую гипотезу. Для этого страны ЕС разделены на две условно равные группы (14 и 13 стран) по уровню ВВП на душу населения1. К первой группе (с большим уровнем ВВП на душу населения) относятся следующие страны: Австрия, Бельгия, Кипр, Дания, Финляндия, Франция, Германия, Ирландия, Италия, Люксембург, Мальта, Нидерланды, Испания, Швеция. Ко второй группе относятся остальные страны ЕС. Для этого страны Европейского союза разделены на две категории: экономически развитые и развивающиеся, в соответствии с определением Мирового банка2. Для этой задачи применим логистический регрессионный анализ о зависимости принадлежности страны к категории развитых от показателей гибкости рынка труда. В анализе в качестве предикторов определены следующие три показателя: переходы работников между типами контрактов; доля частично занятых в общем числе занятых; и временные работники посреднических агентств. Формула (2) выглядит следующим образом:
log(odds) = ß0 + ßX + ß2X2 + ß3X3 , (2)
где log(odds) - логарифм отношения шансов (log-odds) для зависимой переменной; Xj, X2 и X3 - три предиктора (независимые переменные), которые используются для предсказания значений log-odds; ß0, ßj, ß2 и ß3 - коэффициенты регрессии для каждого предиктора. В логистической регрессии используется логистическая функция для преобразования линейной комбинации предикторов в вероятность.
Для проверки гипотезы о том, что страны с более высокой долей занятых в сфере услуг медленнее оправляются от последствий пандемии, разделим страны ЕС на условно равные группы (14 и 13 стран). В первой группе страны с более высокой долей занятых в сфере услуг, а во второй - остальные страны ЕС. Далее проведем дисперсионный анализ между группами по показателю прироста ВВП с 2020 по 2021 гг. Анализ предполагает выявление F-статистики, которая высчитывается отношением межгрупповой дисперсии к внутригрупповой дисперсии.
Для проверки четвертой гипотезы проведем аналогичный анализ, в котором в первой группе состоят страны Восточной Европы, состоящие в ЕС, а во второй - прочие страны Европейского союза. В первую группу входят: Чешская Республика, Эстония, Словакия, Словения, Болгария, Хорватия, Венгрия, Латвия, Литва, Польша и Румыния.
Статья подготовлена на основе статистических данных Всемирного Банка и статистической службы ЕС (Eurostat).
Результаты исследования
Гибкость рынка труда играет значительную роль в скорости восстановления экономики после кризиса. При высокой гибкости рынка процесс восстановления ускоряется по нескольким причинам:
1) работодатели могут лучше адаптировать свои бизнес-модели, изменять объемы производства благодаря возможности регулировать численность работников;
2) присутствует более эффективное перераспределение трудовых ресурсов между отраслями, что особенно важно в периоды кризиса и нестабильности. К примеру,
1 World Bank. GDP per capita. https://data.worldbank.org/indicator/NY.GDP.PCAP.CD?most_recent_value_ desc=true.
2 World Bank. Global Economic Prospects. https://openknowledge.worldbank.org/server/api/core/bitstreams/ fe01a687.
в такие периоды спрос на рабочую силу в секторе производства значительно выше, чем в сферах туризма и развлечений;
3) сокращается период безработицы, так как работодатели могут создавать новые рабочие места в ответ на рост спроса на товары и услуги. Это создает благоприятные условия для трудоустройства тех, кто лишился работы, либо хочет сменить ее;
4) увеличивается инвестиционная привлекательность экономики, поскольку гибкий рынок снижает риски банкротства предприятий, так как работодатели могут эффективно регулировать расходы на персонал.
Для измерения гибкости рынка труда в исследовании использованы три показателя, представленных статистической службой Eurostat1:
Labour transitions by type of contract (изменение типов трудовых контрактов) - показатель отражает частоту изменения типов трудовых договоров между работниками и работодателями, включая полную и частичную занятость, временные трудовые договоры.
Part-time employment as a percentage of the total employment (частично занятые в процентах от общего числа занятых) - высокая доля частично занятых работников свидетельствует о способности адаптироваться к изменяющимся потребностям рынка.
Temporary employment agency workers (временные работники посреднических агентств) - индикатор учитывает численность временных работников, нанимаемых через агентства по трудоустройству. Чем выше их численность, тем быстрее реагирует рынок на изменения спроса на трудовые ресурсы.
Использование этих трех показателей позволит более полно и всесторонне оценить уровень гибкости рынка труда в различных странах и его влияние на скорость восстановления экономики после пандемии COVID-19.
Для проведения исследования проанализированы данные по странам ЕС. Помимо наличия более полных и точных статистических данных в сфере труда по этим странам, выделим также ряд причин, обусловивших выбор стран ЕС для анализа.
Различия в уровне экономического развития: в ЕС входят как страны с высоким уровнем развития, такие как Германия, Франция, Бельгия, Дания, так и страны с меньшим уровнем развития, располагающиеся преимущественно на Юго-Востоке Европы (Греция, Болгария, Румыния, Хорватия).
Разнообразие экономических моделей: страны ЕС имеют разные экономические модели, включая социально ориентированные, рыночные и комбинированные [Hay, 2004]. Это позволяет рассмотреть влияние гибкости рынка труда в различных контекстах и сравнить результаты.
Различия в законодательстве о труде: в странах ЕС существуют различные нормы и правила в отношении трудовых отношений и защиты работников. Например, некоторые страны имеют более жесткое законодательство, регулирующее увольнения и гибкость рабочего времени, включая такие страны, как Франция, Германия, Бельгия, в то время как другие страны обладают более гибкими правилами [Deakin et al., 2014].
Уровень развития социальных программ: страны ЕС имеют различные социальные программы, такие как системы социального обеспечения, пособия по безработице и поддержка для работников, потерявших работу. Разница в этих программах может оказать влияние на способность работников адаптироваться к изменениям на рынке труда и на общий процесс восстановления экономики [Гладков, 2018].
1 Составлено по: Eurostat. Labour transitions by type of contract. https://ec.europa.eu/eurostat/databrowser/
product/page/ILC_LVHL32_custom_6188421; Eurostat. Part-time employment as percentage of the total
employment for young people by sex, age and country of birth. https://ec.europa.eu/eurostat/databrowser/product/
page/YTH_EMPL_060_custom_6188696; Eurostat. Temporary employment agency workers. https://ec.europa.
eu/eurostat/databrowser/product/page/LFSA_QOE_4A6R2_custom_6188933.
Уровень цифровизации и инноваций: более развитые в этом отношении страны ЕС могут продолжать продвигать и применять новые цифровые технологии и инновации во время экономического спада [Кикта е! а1., 2022]. Это положительно сказывается на возможностях перевода работников некоторых профессий на удаленный режим работы, а также на подготовке новых специалистов посредством технологий дистанционного обучения.
В табл. 1 представлены данные по 27 странам ЕС по показателям, измеряющим гибкость рынка труда, показатели ВВП за 2020 и 2021 гг., а также указанием на то, являются ли страны экономически развитыми.
Таблица 1. Показатели гибкости рынка труда и ВВП по странам ЕС Table 1. Labour market flexibility and GDP in the EU member states
Страна ВВП на душу населения (долл.) ВВП в 2020 г. (млн долл.) ВВП в 2021 г. (млн долл.) Прирост ВВП, % Переходы работников между типами контрактов, % Частичная занятость, % Работники посреднических агентств, %
Австрия 53 638 435 225 480 368 10,4 1,0 23,4 2,1
Бельгия 51 268 525 212 594 104 13,1 0,4 23,9 1,9
Болгария 12 222 70 240 84 056 19,7 0,5 3,2 0,2
Хорватия 17 748 57 472 68 955 20,0 1,2 4,6 0,9
Кипр 31 552 25 008 28 408 13,6 0,4 13,3 2,0
Чехия 26 823 245 975 281 778 14,6 0,4 7,2 1,2
Дания 68 008 355 222 398 303 12,1 1,7 45,8 0,6
Эстония 27 944 31 370 37 191 18,6 1,5 17,9 0,5
Финляндия 53 490 271 892 297 302 9,3 0,9 28,5 1,6
Франция 43 659 2 639 009 2 957 880 12,1 0,7 17,0 2,4
Германия 51 204 3 889 669 4 259 935 9,5 0,2 24,1 5,5
Греция 20 193 188 926 214 874 13,7 1,3 18,4 0,3
Венгрия 18 772 157 182 181 848 15,7 0,6 5,2 0,3
Ирландия 100 172 425 852 504 183 18,4 1,1 27,7 2,5
Италия 35 770 1 896 755 2 107 703 11,1 1,8 23,8 0,9
Латвия 21 080 34 602 39 854 15,2 2,2 12,9 1,9
Литва 23 713 56 847 66 445 16,9 0,6 8,9 2,1
Люксембург 133 590 73 993 85 506 15,6 0,6 15,1 1,2
Мальта 34 218 14 933 17 364 16,3 0,6 11,4 7,6
Нидерланды 57 708 909 793 1 012 847 11,3 1,4 64,0 3,0
Польша 18 000 599 449 679 445 13,3 1,1 7,3 0,5
Португалия 24 598 229 032 253 663 10,8 2,0 12,0 1,4
Румыния 14 927 251 362 284 088 13,0 1,6 7,6 0,4
Словакия 21 782 106 697 116 527 9,2 0,4 11,2 4,5
Словения 29 291 53 707 61 749 15,0 1,8 15,6 3,5
Испания 30 104 1 276 963 1 427 381 11,8 0,7 25,0 3,5
Швеция 61 143 547 054 635 664 16,2 1,9 34,5 1,1
CocraBneHO no: World Bank. Global Economic Prospects. https://openknowledge.worldbank.org/ server/api/core/bitstreams/fe01a687; Eurostat. Labour transitions by type of contract. https://ec.europa. eu/eurostat/databrowser/product/page/ILC_LVHL32_custom_6188421; Eurostat. Part-time employment as percentage of the total employment for young people by sex, age and country of birth. https:// ec.europa.eu/eurostat/databrowser/product/page/YTH_EMPL_060_custom_6188696; Eurostat. Temporary employment agency workers. https://ec.europa.eu/eurostat/databrowser/product/page/LFSA_ QOE_4A6R2_custom_6188933.
Используя эти данные, проведен множественный регрессионный анализ, результаты которого представлены в табл. 2.
Таблица 2. Коэффициенты множественной регрессии индикаторов гибкости рынка труда на показатель скорости восстановления экономики стран ЕС Table 2. Coefficients of the multiple regression model of the dependence of the economic recovery speed
in the EU on labour market flexibility
Предикторы Коэффициент Станд. ошибка z-значение ¿»-значение
(Константа) 14,90376 1,32597 11,240 4,78e-11
Переход по типам контрактов 0,79565 1,03361 0,770 0,4489
Частичная занятость -0,09550 0,04523 -2,111 0,0453
Примечание. Модель множественной регрессии оценивалась с использованием программы RStudio.
Интерпретируя результаты анализа, можно сделать следующие выводы.
«Константа» (14,90376) имеет положительное значение (р < 0,001), что указывает на наличие большого влияния на показатель скорости восстановления экономики независимо от других предикторов. Это может свидетельствовать о наличии других факторов, не учтенных в модели, которые влияют на этот показатель.
«Переход по типам контрактов» (0,79565) не достигает статистической значимости (р = 0,4489), и означает, что эта переменная не имеет значимого влияния на скорость восстановления экономики. Это может указывать на то, что изменения в типах контрактов не являются существенными факторами, влияющими на восстановление экономики.
«Частичная занятость» (-0,09550) имеет отрицательный коэффициент, это указывает на то, что увеличение доли частичной занятости связано с уменьшением скорости восстановления экономики. Эта переменная является статистически значимой (р = 0,0453), что подтверждает большую роль этого влияния. И может говорить о необходимости рассмотрения полной занятости как фактора, способствующего более быстрому восстановлению экономики.
Графически зависимость показателя «частичная занятость» и роста ВВП изображена на рисунке ниже. На рисунке видно наличие взаимозависимости между показателями, однако, она не имеет линейный характер, что указывает на важность принятия во внимание наличия множества иных факторов, влияющих на экономический рост.
70
60 50 40
30 «
¡г
s 20
н
о
£ 10
л н о о
н «
« as
со
•
•
• :--1 . ■ • • •
• • • • • • t • 7-- • • '
12
15
Рост ВВП, °/
18
Регрессионная связь между показателями частичной занятости и ростом ВВП Regression relationship between part-time employment and GDP growth
Коэффициенты логистической регрессионной модели зависимости показателя ВВП на душу населения среди стран ЕС от индикаторов гибкости рынка труда представим в табл.3.
Таблица 3. Коэффициенты логистической регрессии индикаторов гибкости рынка
труда на показатель ВВП на душу населения среди стран ЕС Table 3. Coefficients of the logistic regression model of the dependence of GDP per capita in the EU on labour market flexibility
Предикторы Коэффициент Станд. ошибка z-значение ¿»-значение
(Константа) -0,211 0,198 1,066 0,2973
Переход по типам контрактов -0,273 0,134 -2,038 0,0532
Частичная занятость 0,3274 0,006 4,778 8,1e-05
Работники посреднических агентств 0,027 0,044 1,093 0,2857
Примечание. Модель логистической регрессии оценивалась с использованием программы RStudio.
Интерпретируем полученные результаты логистической регрессии (табл. 3). Оценка коэффициента «Частичная занятость» (0,3274) указывает на изменение лог-шанса зависимой переменной при изменении этого предиктора на одну единицу, а также на положительную связь между частичной занятостью и вероятностью того, что страна является развитой. р-значение (8,1е-05) находится ниже пятипроцентного барьера, следовательно, зависимость присутствует.
Предикторы «Переход по типам контрактов» и «Работники посреднических агентств» не показали статистически значимых результатов, поскольку их р-значения больше 0,05 %, хотя значение первого из этих предикторов составило 0,0532, приблизившись к этому пятипроцентному барьеру. Таким образом, на основе представленной выборки нет достаточных доказательств, чтобы подтвердить, что эти предикторы значимо влияют на зависимую переменную.
Следующей задачей является сравнение скорости восстановления экономики стран с высокой и низкой долями занятых в секторе услуг. В разделе «Введение» упомянуты некоторые причины, по которым высокая доля занятых в сфере услуг приводит к замедлению восстановления экономики после пандемии. Раскроем их более подробно.
Во-первых, большинство услуг требуют непосредственного контакта между людьми, например, в сфере туризма, гостиничного бизнеса, ресторанного дела и развлечений. Во время пандемии СОУГО-19 были введены множество ограничений, включая необходимость держать социальную дистанцию, что сильно сказалось на возможности предоставления услуг. Ограничения на проведение мероприятий, посещение общественных мест и закрытие предприятий привели к существенному сокращению спроса на услуги и затруднили их восстановление.
Во-вторых, присутствует эффект ограничения на международную мобильность: многие услуги, такие как туризм и гостиничный бизнес, зависят от международных путешествий и туристического спроса. Во время пандемии международные перелеты были ограничены, границы закрыты, введены карантинные меры. Это сильно сказалось на возможности людей путешествовать и также привело к значительному снижению спроса на услуги в этом секторе.
В-третьих, в сфере услуг имеется тесная зависимость от потребительских расходов и доверия потребителей. В период экономической неопределенности, такой как пандемия, потребители склонны сокращать свои расходы на некритические услуги, чтобы
сосредоточиться на базовых потребностях. Это также затрудняет восстановление сектора услуг. Возобновление полноценного функционирования промышленных и сельскохозяйственных предприятий становится приоритетным, соответственно, возвращение работников этих предприятий на рабочие места происходит быстрыми темпами.
Сравним прирост ВВП с 2020 по 2021 гг. по двум группам стран ЕС, в первую из которых входят страны с более высокой долей занятых в сфере услуг. К ней относятся следующие страны: Австрия, Бельгия, Кипр, Дания, Финляндия, Франция, Германия, Ирландия, Люксембург, Мальта, Нидерланды, Испания, Швеция и Греция. Во второй группе остальные 13 стран ЕС. Средний показатель прироста в первой группе составляет 13,1 %, а во второй группе 14,6 %. Выясним, являются ли эти различия статистически значимыми, применив дисперсионный анализ. Результаты анализа представлены в табл. 4.
Таблица 4. Дисперсионный анализ прироста ВВП в странах ЕС: влияние доли занятых в секторе услуг Table 4. Analysis of variance of GDP growth in the EU countries: The impact of the share of the employed in the service sector
Источник вариации Число степеней свободы Сумма квадратов Среднекв. отклонение F-статистика ¿-значение
Группа 1 20,73 20,734 2,216 0,149
Остатки 25 233,87 9,355 - -
По результатам анализа р-значение составляет 0,149, что недостаточно для подтверждения гипотезы.
Приведем несколько факторов, свидетельствующих о высокой гибкости рынка труда в странах Восточной Европы.
В большинстве из этих стран выработаны низкие барьеры для предпринимательства. Действуют упрощенные процедуры для регистрации бизнеса и предпринимательской деятельности. Это может способствовать появлению большего числа малых и средних предприятий, а также самозанятых рабочих, что создает больше возможностей для гибкой занятости.
В странах Восточной Европы наблюдается значительное количество онлайн-работ-ников, предоставляющих услуги удаленно через онлайн-платформы [^епНе'шег, 2016]. Такой формат работы может привлекать как местных специалистов, так и иностранных работодателей.
В большинстве странах Восточной Европы высокая конкуренция на рынке труда стимулирует работодателей предлагать более гибкие условия работы, чтобы привлечь и удержать талантливых работников [ва^осг1, 2017].
Итак, средний показатель прироста ВВП по этим странам составил 15,56 %, тогда как по остальным странам ЕС показатель составляет 12,83 %. Это согласуется с нашей гипотезой, однако, для подтверждения также применим дисперсионный анализ, результаты которого представлены в табл. 5.
По итогам анализа р-значение составило 0,0226, что ниже порогового пятипроцентного значения. Из этого заключаем: подтвердилась гипотеза о том, что в странах Восточной Европы, входящих в ЕС, темпы восстановления ВВП при ослаблении пандемии СОУГО-19 выше, чем в других странах Европейского союза. Эту закономерность можно объяснить, главным образом, особенностями рынка труда этих стран, который отличается гибкостью и адаптивностью к изменяющимся экономическим условиям.
Таблица 5. Дисперсионный анализ прироста ВВП в восточноевропейских и остальных странах ЕС Table 5. Analysis of variance of GDP growth in the Eastern Bloc countries and the rest EU member states
Источник вариации Число степеней свободы Сумма квадратов Среднекв. отклонение F-статистика ¿-значение
Группа 1 48,67 48,67 5,908 0,0226
Остатки 25 205,94 8,24 - -
Из исследованных индикаторов гибкости рынка труда значимое влияние на экономические процессы оказывает лишь показатель доли частичной занятости. Вероятно, это объясняется тем, что работники посреднических трудовых агентств составляют лишь небольшую долю в числе занятых. Доля переходов между типами контрактов в период пандемии также слабовыраженная и сосредоточена в узком диапазоне от 0,2 % до 2,2 % по странам ЕС.
Заключение
Установлена обратная зависимость величины доли частичной занятости от темпов экономического роста, выраженного в приросте ВВП с 2020 по 2021 гг. Это входит в противоречие с первой гипотезой, связанной с предположением о том, что чем более гибок рынок труда, тем быстрее происходит восстановление экономики после пандемии СОУГО-19. Однако выявление описанной взаимосвязи не является достаточным основанием для опровержения первой гипотезы, так как высокая доля частичной занятости может быть вызвана не только целенаправленными мерами по повышению адаптивности трудового рынка, но и отсутствием востребованности дополнительной рабочей силы на предприятиях в период падения потребительского спроса. Для получения ответа на этот вопрос требуется проведение дополнительных исследований, учитывающих показатели гибкости рынка труда и за иные года или периоды времени, так как в периоды нестабильности эти показатели могут претерпевать наибольшие изменения как следствие роста безработицы.
Вторая гипотеза, связанная с предположением о том, что развитые страны отличаются более гибким рынком труда по сравнению с неразвитыми странами, нашла подтверждение в результате исследования. Доказано, что развитые страны обладают качественными системами социального обеспечения и защиты работников, что, с одной стороны, обеспечивает дополнительный уровень защиты для работников и позволяет им безопасно искать новые варианты занятости, соответствующие их индивидуальным потребностям и предпочтениям. С другой стороны, позволяет работодателям быстрее реагировать на изменения спроса на рабочую силу, что запускает антикризисный механизм в периоды экономической нестабильности.
В рамках обоснования третьей гипотезы, выполнено сравнение скорости восстановления экономик стран с высокой и низкой долями занятых в секторе услуг. Выявлено, что в ЕС страны с более высокой долей занятых в сфере услуг медленнее оправляются от последствий кризиса, однако, статистически значимых доказательств это явление не получило. Для их приобретения требуется провести аналогичное исследование, охватывающее большее количество стран, чтобы получить более точные и статистически значимые результаты.
Восточноевропейские страны быстрее оправились от кризиса, вызванного пандемией СОУГО-19, чем другие страны ЕС, что связано в первую очередь с особенностями рынка
труда в этих странах. Таким образом, изучение их трудового рынка в контексте гибкости и других параметров может быть полезным с точки зрения обобщения их опыта и применения его к другим странам. Это позволит повысить адаптивность к кризисным явлениям.
Полученные результаты могут использоваться в качестве методической базы для реализации государственной политики, направленной на создание более гибкого рынка труда, обеспечивающего возможности быстрого восстановления экономики после пандемий и других кризисных явлений.
Следует обратить внимание, что полученные результаты в первую очередь актуальны в отношении кризисов, вызванных пандемией, чем для более традиционных кризисов, движимых циклическим развитием экономики. Причина состоит в том, что пандемия ведет ко множеству ограничительных мер относительно возможностей собрания и передвижения людей. Это наносит значительный ущерб рынку труда, тогда как при прочих кризисах спад на трудовом рынке является в большей степени следствием происходящих событий в экономике, чем их причиной. Однако в связи с увеличивающейся угрозой возникновения и распространения новых смертоносных вирусов во всем мире, исследование является актуальным и значимым.
Источники
Гладков Н. И. (2018). Стратегическое управление в условиях неопределенности и высокой турбулентности // Экономика и бизнес: теория и практика. № 6. С. 47-49.
Карпунина Е. К., Моисеев С. С., Карпунин К. Д. (2022). Трансформация рынка труда в период пандемии: новые риски экономической безопасности // Друкеровский вестник. № 1 (45). С. 156-165.
Шеремет А. Н. (2020). Пандемия неравенства. Социально-экономические аспекты и последствия COVID-19 // Медицина. Социология. Философия. Прикладные исследования. № 4. С. 136141. https://doi.org/10.24411/2686-9365-2020-00004.
Arutyunova A. E., Khanseviarov R. I., Okunkova E. A., Alieva P. R., Makareva E. A. (2022). Youth, work and skills: A map of the transformation of the workforce and employment. Studies in Big Data, vol. 110, pp. 149-160.
Attieh H. (2022). The effect of new normal leadership and workplace flexibility on employee burnout and work-life balance during COVID-19 era. Thesis of the dissertation. Lebanese American University. https://doi.org/10.26756/th.2022.397.
Baitenizov D. T., Dubina I. N., Campbell D. F., Carayannis E. G., Azatbek T. A. (2019). Freelance as a creative mode of self-employment in a new economy (a literature review). Journal of the Knowledge Economy, vol. 10, no. 1, pp. 1-17. https://doi.org/10.1007/s13132-018-0574-5.
Blustein D. L., Duffy R., Ferreira J. A., Cohen-Scali V., Cinamon R. G., Allan B. A. (2020). Unemployment in the time of COVID-19: A research agenda. Journal of Vocational Behavior, vol. 119, 103436. https://doi.org/10.1016/j.jvb.2020.103436.
Braesemann F., Lehdonvirta V., Kassi O. (2022). ICTs and the urban-rural divide: Can online labour platforms bridge the gap? Information, Communication & Society, vol. 25, no. 1, pp. 34-54. https://doi.or g/10.1080/1369118X.2020.1761857.
Cherry M. A. (2020). Back to the future: A continuity of dialogue on work and technology at the ILO. International Labour Review, vol. 159, no. 1, pp. 1-23. https://doi.org/10.1111/ilr.12156.
Codagnone C., Karatzogianni A., Matthews J. (2018). Platform economics: Rhetoric and reality in the "sharing economy". Emerald Group Publishing. 205 p. https://doi.org/10.1108/9781787438095.
Craigwell R. (2006). Foreign direct investment and employment in the English and Dutch-speaking Caribbean. ILO Subregional Office for the Caribbean. 57 p.
Deakin S., Malmberg J., Sarkar P. (2014). How do labour laws affect unemployment and the labour share of national income? The experience of six OECD countries, 1970-2010. International Labour Review, vol. 153, no. 1, pp. 1-27. https://doi.org/10.1111/j.1564-913X.2014.00195.x.
Eichhorst W., Marx P., Rinne U. (2020). Manoeuvring through the crisis: Labour market and social policies during the COVID-19 pandemic. Intereconomics, vol. 55, no. 6, pp. 375-380.
Emmett J., Schrah G., Schrimper M., Wood A. (2020). COVID-19 and the employee experience: How leaders can seize the moment. McKinsey&Company. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/covid-19-and-the-employee-experience-how-leaders-can-seize-the-moment#/.
Fraymovich D. Y., Konovalova M. E., Roshchektaeva U. Y., Karpunina E. K., Avagyan G. L. (2022). Designing mechanisms for ensuring the economic security of regions: Countering the challenges of instability. Popkova E. G., Polukhin A. A., Ragulina J. V. (eds.) Towards an increased security: Green innovations, intellectual property protection and information security. Lecture Notes in Networks and Systems, vol. 372. Springer, Cham. https://doi.org/10.1007/978-3-030-93155-1_63.
Galgoczi B. (2017). Why Central and Eastern Europe needs a pay rise (ETUI Research Paper - Working paper 2017.01). ETUI. 30 p. http://dx.doi.org/10.2139/ssrn.2965393.
Gavin M., Poorhosseinzadeh M., Arrowsmith J. (2022). The transformation of work and employment relations: COVID-19 and beyond. Labour and Industry, vol. 32, no. 1, pp. 1-9. https://doi.org/10.1080/1 0301763.2022.2038353.
Giri A. K., Rana D. R. (2020). Charting the challenges behind the testing of COVID-19 in developing countries: Nepal as a case study. Biosafety and Health, vol. 2, no. 2, pp. 53-56. https://doi.org/10.1016/;). bsheal.2020.05.002.
Gukasyan Z. O., Tavbulatova Z. K., Aksenova Z. A., Gasanova N. M., Karpunina E. K. (2022). Strategies for adapting companies to the turbulence caused by the COVID-19 pandemic. Advances in Science, Technology & Innovation (pp. 639-645). Springer, Cham.
Hausermann S., Kurer T., Schwander H. (2016). Sharing the risk? Households, labor market vulnerability, and social policy preferences in Western Europe. The Journal of Politics, vol. 78, no. 4, pp. 10451060. https://doi.org/10.1086/686972.
Hay C. (2004). Common trajectories, variable paces, divergent outcomes? Models of European capitalism under conditions of complex economic interdependence. Review of International Political Economy, vol. 11, no. 2, pp. 231-262.
Howcroft D., Bergvall-Kareborn B. (2019). A typology of crowdwork platforms. Work, Employment and Society, vol. 33, no. 1, pp. 21-38. https://doi.org/10.1177/0950017018760136.
Karpunina E. K., Moskovtceva L. V., Zabelina O. V., Zubareva N. N., Tsykora A. V. (2022). Socioeconomic impact of the COVID-19 pandemic on OECD countries. In: Popkova E. G., Andronova I. V. (eds.) Current problems of the world economy and international trade (Research in economic anthropology (vol. 42, pp. 103-114.). Emerald Publishing Limited, Bingley. https://doi.org/10.1108/S0190-128120220000042011.
Kassi O., Lehdonvirta V. (2018). Online labour index: Measuring the online gig economy for policy and research. Technological Forecasting and Social Change, vol. 137, pp. 241-248. https://doi.org/10.1016/;'. techfore.2018.07.056.
Kossek E. E., Thompson R. J., Lautsch B. A. (2015). Balanced workplace flexibility: Avoiding the traps. California Management Review, vol. 57, no. 4, pp. 5-25. https://doi.org/10.1525/cmr.2015.57.4.5.
Kukina E. E., Fomenko N. M., Alekhina O. F., Smirnova E. V., Pecherskaya O. A. (2022). Long-term effects of COVID-19: How the pandemic highlighted the global digital divide. Ostrovskaya V. N., Bogo-viz A. V. (eds.) Big data in the GovTech system. Studies in big data (vol. 110, pp. 137-148). Springer, Cham. https://doi.org/10.1007/978-3-031-04903-3_17.
Levin A. T., Owusu-Boaitey N., Pugh S., Fosdick B. K., Zwi A. B., Malani A., ... Meyerowitz-Katz G. (2022). Assessing the burden of COVID-19 in developing countries: systematic review, meta-analysis and public policy implications. BMJ Global Health, vol. 7, no. 5, e008477. https://doi.org/10.1136/bm-jgh-2022-008477.
Lobel O. (2020). We are all gig workers now: Online platforms, freelancers & the battles over employment status & rights during the Covid-19 pandemic. San Diego Law Review, vol. 57, no. 4. https://dx.doi. org/10.2139/ssrn.3725090.
Lu L., Peng J., Wu J., Lu Y. (2021). Perceived impact of the Covid-19 crisis on SMEs in different industry sectors: Evidence from Sichuan, China. International Journal of Disaster Risk Reduction, vol. 55, 102085. https://doi.org/10.1016/) .ijdrr.2021.102085.
Marbun I. A. N. A. (2023). The embracing workplace flexibility: Will virtual meeting technology remain successful during post Covid-19 pandemic? Jurnal Studi Komunikasi, vol. 7, no. 1, pp. 249-268. https://doi.org/10.25139/jsk.v7i1.5033.
Martínez-Sánchez Á., Vela-Jimenez M. J., Abella-Garces S., Gorgemans S. (2019). Flexibility and innovation: Moderator effects of cooperation and dynamism. Personnel Review, vol. 48, no. 6, pp. 15481564. https://doi.org/10.1108/PR-12-2017-0397.
Mentuh N., Shevchuk O. (2020). Tax benefits as an element of supporting economic entities in the COVID-19 fighting period: Comparative and legal aspects. Analizy i Studia CASP, vol. 9, no. 1, pp. 21-31.
Nazarova I. G., Galieva G. F., Sazanova E. V., Chernenko E. M., Karpunina E. K. (2022). Labor market and employment problems: analysis of long-term dynamics and prospects of development in Russian regions. In: Popkova E. G. Imitation market modeling in digital economy: Game theoretic approaches. Lecture Notes in Networks and Systems (vol. 368, pp. 711-722). Springer. https://doi.org/10.1007/978-3-030-93244-2_77.
Ogaboh Agba A. M., Ocheni S. I., Agba M. S. (2020). COVID-19 and the world of work dynamics: A critical review. Journal of Educational and Social Research, vol. 10, no. 5, 119. https://doi.org/10.36941/ jesr-2020-0093.
Okunkova E. A., Kosorukova I. V., Lazareva T. G, Korolyuk E. V., Bogomolova A. V. (2023). Global gig economy: Prospects and key growth threats for developing countries. International Journal of Work Innovation, vol. 3, no. 4, pp. 403-417. https://doi.org/10.1504/IJWI.2023.128862.
Polujanova N. V., Yashin S. N., Sazanova E. V., Ponomarev S. V., Konovalova M. E., Galieva G. F. (2023). Assessment of changes in the online labour market in the context of the COVID-19 pandemic: Comparison of the dynamics of rural and urban participation. International Journal of Work Innovation, vol. 3, no. 4, pp. 367-381. https://doi.org/10.1504/IJWI.2023.128859.
Rani U., Furrer M. (2021). Digital labour platforms and new forms of flexible work in developing countries: Algorithmic management of work and workers. Competition & Change, vol. 25, no. 2, pp. 212-236. https://doi.org/10.1177/1024529420905187.
Shevchuk A., Strebkov D., Tyulyupo A. (2021a). Always on across time zones: Invisible schedules in the online gig economy. New Technology, Work and Employment, vol. 36, no. 1, pp. 94-113. https://doi. org/10.1111/ntwe.12191.
Shevchuk A., Strebkov D., Tyulyupo A. (2021b). The geography of the digital freelance economy in Russia and beyond. In: Will-Zocholl M., Roth-Ebner C. (eds.) Topologies of digital work. Dynamics of virtual work (pp. 19-50). Palgrave Macmillan, Cham. https://doi.org/10.1007/978-3-030-80327-8_2.
Sienkiewicz E. (2016). Employment flexibility in Poland: Manifestation of flexicurity policies or labour market imbalances? Romanian Journal of Labour and Social Studies (RJLSS), vol. 1, no.1, pp. 98-118.
Tadesse S., Muluye W. (2020). The impact of COVID-19 pandemic on education system in developing countries: A review. Open Journal of Social Sciences, vol. 8, no. 10, pp. 159-170. https://doi.org/10.4236/ jss.2020.810011.
Vallas S., Schor J. B. (2020). What do platforms do? Understanding the gig economy. Annual Review of Sociology, vol. 46, pp. 273-294. https://doi.org/10.1146/annurev-soc-121919-054857.
Yang E., Kim Y., Hong S. (2023). Does working from home work? Experience of working from home and the value of hybrid workplace post-COVID-19. Journal of Corporate Real Estate, vol. 25, no. 1, pp. 50-76. https://doi.org/10.1108/JCRE-04-2021-0015.
Информация об авторах Коновалова Мария Евгеньевна - доктор экономических наук, профессор кафедры экономической теории. Самарский государственный экономический университет, г. Самара, РФ. E-mail: mkonova.l@mail.ru
Плюснина Оксана Владимировна - кандидат экономических наук, доцент, доцент кафедры экономики и управления. Ухтинский государственный технический университет, г. Ухта, Республика Коми, РФ. E-mail: oxana.p07@mail.ru
Федотова Елена Владимировна - кандидат экономических наук, доцент, доцент кафедры информационных технологий, учета и экономической безопасности. Калужский филиал Российского государственного аграрного университета - Московской сельскохозяйственной академии им. К. А. Тимирязева, г. Калуга, РФ. E-mail: elenaf1972@yandex.ru
■ ■ ■
References
Gladkov N. I. (2018). Strategic management in conditions of uncertainty and high turbulence. Ekono-mika i biznes: teoriya i praktika = Economics and Business: Theory and Practice, no. 6, pp. 47-49. (In Russ.)
Karpunina E. K., Moiseev S. S., Karpunin K. D. (2022). Transformation of the labor market during the pandemic: New economic security risks. Drukerovskiy vestnik = Druckers Bulletin, no. 1 (45), pp. 156-165. (In Russ.)
Sheremet A. N. (2020). Pandemic of inequality. Socio-economic aspects and consequences of COV-ID-19. Meditsina. Sotsiologiya. Filosofiya. Prikladnye issledovaniya = Medicine. Sociology. Philosophy. Applied research, no. 4, pp. 136-141. https://doi.org/10.24411/2686-9365-2020-00004. (In Russ.)
Arutyunova A. E., Khanseviarov R. I., Okunkova E. A., Alieva P. R., Makareva E. A. (2022). Youth, work and skills: A map of the transformation of the workforce and employment. Studies in Big Data, vol. 110, pp. 149-160.
Attieh H. (2022). The effect of new normal leadership and workplace flexibility on employee burnout and work-life balance during COVID-19 era. Thesis of the dissertation. Lebanese American University. https://doi.org/10.26756/th.2022.397.
Baitenizov D. T., Dubina I. N., Campbell D. F., Carayannis E. G., Azatbek T. A. (2019). Freelance as a creative mode of self-employment in a new economy (a literature review). Journal of the Knowledge Economy, vol. 10, no. 1, pp. 1-17. https://doi.org/10.1007/s13132-018-0574-5.
Blustein D. L., Duffy R., Ferreira J. A., Cohen-Scali V., Cinamon R. G., Allan B. A. (2020). Unemployment in the time of COVID-19: A research agenda. Journal of Vocational Behavior, vol. 119, 103436. https://doi.org/10.1016/j.jvb.2020.103436.
Braesemann F., Lehdonvirta V., Kassi O. (2022). ICTs and the urban-rural divide: Can online labour platforms bridge the gap? Information, Communication & Society, vol. 25, no. 1, pp. 34-54. https://doi.or g/10.1080/1369118X.2020.1761857.
Cherry M. A. (2020). Back to the future: A continuity of dialogue on work and technology at the ILO. International Labour Review, vol. 159, no. 1, pp. 1-23. https://doi.org/10.1111/ilr.12156.
Codagnone C., Karatzogianni A., Matthews J. (2018). Platform economics: Rhetoric and reality in the "sharing economy". Emerald Group Publishing. 205 p. https://doi.org/10.1108/9781787438095.
Craigwell R. (2006). Foreign direct investment and employment in the English and Dutch-speaking Caribbean. ILO Subregional Office for the Caribbean. 57 p.
Deakin S., Malmberg J., Sarkar P. (2014). How do labour laws affect unemployment and the labour share of national income? The experience of six OECD countries, 1970-2010. International Labour Review, vol. 153, no. 1, pp. 1-27. https://doi.org/10.1111/j.1564-913X.2014.00195.x.
Eichhorst W., Marx P., Rinne U. (2020). Manoeuvring through the crisis: Labour market and social policies during the COVID-19 pandemic. Intereconomics, vol. 55, no. 6, pp. 375-380.
Emmett J., Schrah G., Schrimper M., Wood A. (2020). COVID-19 and the employee experience: How leaders can seize the moment. McKinsey&Company. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/covid-19-and-the-employee-experience-how-leaders-can-seize-the-moment#/.
Fraymovich D. Y., Konovalova M. E., Roshchektaeva U. Y., Karpunina E. K., Avagyan G. L. (2022). Designing mechanisms for ensuring the economic security of regions: Countering the challenges of instability. Popkova E. G., Polukhin A. A., Ragulina J. V. (eds.) Towards an increased security: Green innovations, intellectual property protection and information security. Lecture Notes in Networks and Systems, vol. 372. Springer, Cham. https://doi.org/10.1007/978-3-030-93155-1_63.
Galgoczi B. (2017). Why Central and Eastern Europe needs a pay rise (ETUI Research Paper - Working paper 2017.01). ETUI. 30 p. http://dx.doi.org/10.2139/ssrn.2965393.
Gavin M., Poorhosseinzadeh M., Arrowsmith J. (2022). The transformation of work and employment relations: COVID-19 and beyond. Labour and Industry, vol. 32, no. 1, pp. 1-9. https://doi.org/10.1080A 0301763.2022.2038353.
Giri A. K., Rana D. R. (2020). Charting the challenges behind the testing of COVID-19 in developing countries: Nepal as a case study. Biosafety and Health, vol. 2, no. 2, pp. 53-56. https://doi.org/10.1016/). bsheal.2020.05.002.
Gukasyan Z. O., Tavbulatova Z. K., Aksenova Z. A., Gasanova N. M., Karpunina E. K. (2022). Strategies for adapting companies to the turbulence caused by the COVID-19 pandemic. Advances in Science, Technology & Innovation (pp. 639-645). Springer, Cham.
Hausermann S., Kurer T., Schwander H. (2016). Sharing the risk? Households, labor market vulnerability, and social policy preferences in Western Europe. The Journal of Politics, vol. 78, no. 4, pp. 10451060. https://doi.org/10.1086/686972.
Hay C. (2004). Common trajectories, variable paces, divergent outcomes? Models of European capitalism under conditions of complex economic interdependence. Review of International Political Economy, vol. 11, no. 2, pp. 231-262.
Howcroft D., Bergvall-Kareborn B. (2019). A typology of crowdwork platforms. Work, Employment and Society, vol. 33, no. 1, pp. 21-38. https://doi.org/10.1177/0950017018760136.
Karpunina E. K., Moskovtceva L. V., Zabelina O. V., Zubareva N. N., Tsykora A. V. (2022). Socioeconomic impact of the COVID-19 pandemic on OECD countries. In: Popkova E. G., Andronova I. V. (eds.) Current problems of the world economy and international trade (Research in economic anthropology (vol. 42, pp. 103-114.). Emerald Publishing Limited, Bingley. https://doi.org/10.1108/S0190-128120220000042011.
Kassi O., Lehdonvirta V. (2018). Online labour index: Measuring the online gig economy for policy and research. Technological Forecasting and Social Change, vol. 137, pp. 241-248. https://doi.org/10.1016/)'. techfore.2018.07.056.
Kossek E. E., Thompson R. J., Lautsch B. A. (2015). Balanced workplace flexibility: Avoiding the traps. California Management Review, vol. 57, no. 4, pp. 5-25. https://doi.org/10.1525/cmr.2015.57.4.5.
Kukina E. E., Fomenko N. M., Alekhina O. F., Smirnova E. V., Pecherskaya O. A. (2022). Long-term effects of COVID-19: How the pandemic highlighted the global digital divide. Ostrovskaya V. N., Bogo-viz A. V. (eds.) Big data in the GovTech system. Studies in big data (vol. 110, pp. 137-148). Springer, Cham. https://doi.org/10.1007/978-3-031-04903-3_17.
Levin A. T., Owusu-Boaitey N., Pugh S., Fosdick B. K., Zwi A. B., Malani A., ... Meyerowitz-Katz G. (2022). Assessing the burden of COVID-19 in developing countries: systematic review, meta-analysis and public policy implications. BMJ Global Health, vol. 7, no. 5, e008477. https://doi.org/10.1136/bm-jgh-2022-008477.
Lobel O. (2020). We are all gig workers now: Online platforms, freelancers & the battles over employment status & rights during the Covid-19 pandemic. San Diego Law Review, vol. 57, no. 4. https://dx.doi. org/10.2139/ssrn.3725090.
Lu L., Peng J., Wu J., Lu Y. (2021). Perceived impact of the Covid-19 crisis on SMEs in different industry sectors: Evidence from Sichuan, China. International Journal of Disaster Risk Reduction, vol. 55, 102085. https://doi.org/10.1016/jj .ijdrr.2021.102085.
Marbun I. A. N. A. (2023). The embracing workplace flexibility: Will virtual meeting technology remain successful during post Covid-19 pandemic? Jurnal Studi Komunikasi, vol. 7, no. 1, pp. 249-268. https://doi.org/10.25139/jsk.v7i1.5033.
Martínez-Sánchez Á., Vela-Jimenez M. J., Abella-Garces S., Gorgemans S. (2019). Flexibility and innovation: Moderator effects of cooperation and dynamism. Personnel Review, vol. 48, no. 6, pp. 15481564. https://doi.org/10.1108/PR-12-2017-0397.
Mentuh N., Shevchuk O. (2020). Tax benefits as an element of supporting economic entities in the COVID-19 fighting period: Comparative and legal aspects. Analizy i Studia CASP, vol. 9, no. 1, pp. 21-31.
Nazarova I. G., Galieva G. F., Sazanova E. V., Chernenko E. M., Karpunina E. K. (2022). Labor market and employment problems: analysis of long-term dynamics and prospects of development in Russian regions. In: Popkova E. G. Imitation market modeling in digital economy: Game theoretic approaches. Lecture Notes in Networks and Systems (vol. 368, pp. 711-722). Springer. https://doi.org/10.1007/978-3-030-93244-2_77.
Ogaboh Agba A. M., Ocheni S. I., Agba M. S. (2020). COVID-19 and the world of work dynamics: A critical review. Journal of Educational and Social Research, vol. 10, no. 5, 119. https://doi.org/10.36941/ jesr-2020-0093.
Okunkova E. A., Kosorukova I. V., Lazareva T. G, Korolyuk E. V., Bogomolova A. V. (2023). Global gig economy: Prospects and key growth threats for developing countries. International Journal of Work Innovation, vol. 3, no. 4, pp. 403-417. https://doi.org/10.1504/IJWI.2023.128862.
Polujanova N. V., Yashin S. N., Sazanova E. V., Ponomarev S. V., Konovalova M. E., Galieva G. F. (2023). Assessment of changes in the online labour market in the context of the COVID-19 pandemic: Comparison of the dynamics of rural and urban participation. International Journal of Work Innovation, vol. 3, no. 4, pp. 367-381. https://doi.org/10.1504/IJWI.2023.128859.
Rani U., Furrer M. (2021). Digital labour platforms and new forms of flexible work in developing countries: Algorithmic management of work and workers. Competition & Change, vol. 25, no. 2, pp. 212-236. https://doi.org/10.1177/1024529420905187.
Shevchuk A., Strebkov D., Tyulyupo A. (2021a). Always on across time zones: Invisible schedules in the online gig economy. New Technology, Work and Employment, vol. 36, no. 1, pp. 94-113. https://doi. org/10.1111/ntwe.12191.
Shevchuk A., Strebkov D., Tyulyupo A. (2021b). The geography of the digital freelance economy in Russia and beyond. In: Will-Zocholl M., Roth-Ebner C. (eds.) Topologies of digital work. Dynamics of virtual work (pp. 19-50). Palgrave Macmillan, Cham. https://doi.org/10.1007/978-3-030-80327-8_2.
Sienkiewicz L. (2016). Employment flexibility in Poland: Manifestation of flexicurity policies or labour market imbalances? Romanian Journal of Labour and Social Studies (RJLSS), vol. 1, no.1, pp. 98-118.
Tadesse S., Muluye W. (2020). The impact of COVID-19 pandemic on education system in developing countries: A review. Open Journal of Social Sciences, vol. 8, no. 10, pp. 159-170. https://doi.org/10.4236/ jss.2020.810011.
Vallas S., Schor J. B. (2020). What do platforms do? Understanding the gig economy. Annual Review of Sociology, vol. 46, pp. 273-294. https://doi.org/10.1146/annurev-soc-121919-054857.
Yang E., Kim Y., Hong S. (2023). Does working from home work? Experience of working from home and the value of hybrid workplace post-COVID-19. Journal of Corporate Real Estate, vol. 25, no. 1, pp. 50-76. https://doi.org/10.1108/JCRE-04-2021-0015.
Information about the authors
Maria Ye. Konovalova, Dr. Sc. (Econ.), Prof. of Economic Theory Dept. Samara State University of Economics, Samara, Russia. E-mail: mkonova.l@mail.ru
Oksana V. Plyusnina, Cand. Sc. (Econ.), Associate Prof., Associate Prof. of Economics and Management Dept. Ukhta State Technical University, Ukhta, the Komi Republic, Russia. E-mail: oxana.p07@mail.ru Elena V. Fedotova, Cand. Sc. (Econ.), Associate Prof., Associate Prof. of Information Technologies, Accounting and Economic Security Dept. Kaluga branch of the Russian State Agrarian University - Moscow Timiryazev Agricultural Academy, Kaluga, Russia. E-mail: elenaf1972@yandex.ru
© Коновалова М. Е., Плюснина О. В., Федотова Е. В., 2023