CC BY
110А. Л. Лукьянова
Использование безусловных квантильных регрессий при оценке влияния неформальности
на неравенство1
В работе на данных РМЭЗ-ВШЭ за 2000-2010 гг. изучается влияние неформальной занятости на общий уровень неравенства заработков на российском рынке труда. В исследовании используется метод декомпозиции квантильных регрессий, основанный на свойствахрецентрированных функций влияния. Результаты подтверждают, что неформальность увеличивает поляризацию заработков, «растягивая» распределение в обе стороны. Этот эффект мал, но статистически значим. Изменения в структуре и отдачах от неформальности не оказывали существенного воздействия и на снижение общего уровня неравенства в заработках в 2000-2010 гг., за исключением группы работников без постоянной работы.
Ключевые слова: неформальная занятость; неравенство заработных плат; квантильная регрессия; декомпозиция. JEL classification: C21; D63; J31; J42.
1. введение
Литература по дифференциации заработков в странах с переходной экономикой в большей степени связана с тематикой человеческого капитала и развития частного сектора. Эти факторы, безусловно, играют ведущую роль, но не исчерпывают список детерминант неравенства. Во многих из этих стран доля неформальной экономики выросла с начала переходного периода, и неформальность могла стать одним из новых важных источников неравенства заработков. Более того, через заработные платы неформальность могла иметь серьезное влияние на неравенство доходов и бедность, поскольку именно заработная плата является основным источником доходов для большинства населения. В работе (Rosser et al., 2000) для выборки из 16 стран с переходной экономикой было показано наличие такой связи: неравенство доходов выше в переходных экономиках с обширным неформальным сектором. Krstic, Sanfey (2011) подтвердили, что в течение 2000-х годов неформальность стала значимым фактором неравенства в Сербии: в 2007 году принадлежность к неформальному сектору объясняла около 5% общей вариации заработков и по влиянию на неравенство уступала только одному фактору — образованию. Более высокий уровень неравенства среди неформально занятых в 2000-е годы наблюдался также в Боснии и Герцеговине (Krstic, Sanfey, 2007).
1 Автор выражает признательность за советы, идеи и комментарии В. Гимпельсону и Р. Капелюшникову. Работа выполнена в рамках проекта «Неформальность на российском рынке труда», поддержанного Программой фундаментальных исследований НИУ ВШЭ.
Исследования влияния неформальности на неравенство в России приходят к неоднозначным выводам. В работе (Лукьянова, 2013) отмечалось, что неформальность оказывает значимое, но сравнительно небольшое влияние на распределение заработков, и по воздействию на неравенство существенно уступает другим факторам (полу, образованию, региональным и поселенческим различиям). Однако в этой работе не были учтены различия в составе занятых по индивидуальным характеристикам и характеристикам рабочих мест. Гимпельсон и Капелюшников (2012) анализировали разрывы в заработных платах между формально и неформально занятыми на разных участках шкалы распределения с учетом индивидуальных различий и пришли к выводу о том, что потери от неформальности составляют 15-20% от месячных заработков формальных работников. Учитывая, что неформальная занятость составляет около четверти всей занятости, столь значительный разрыв в заработках неизбежно должен выводить неформальность в число ключевых факторов неравенства. Впрочем, Гимпельсон и Капелюшников рассматривают только 2009 год, когда в анкету РМЭЗ-ВШЭ2 был включен специальный модуль по неформальности. Возможно, именно в 2009 году на структуре заработков наиболее остро сказывались последствия экономического кризиса.
В данной работе рассматривается влияние неформальности на неравенство в течение достаточно длительного промежутка времени — с 2000 по 2010 гг., с использованием данных обследования РМЭЗ-ВШЭ, оценивается величина премии/штрафа за неформальность на разных участках шкалы распределения и проводится декомпозиция различий в уровне заработной платы между формально и неформально занятыми. Общая методология работы близка к методологии, используемой в работе (Гимпельсон, Капелюшников, 2012). Особенностью настоящей работы является использование безусловных квантильных регрессий, которые обладают важными преимуществами. Во-первых, с их помощью можно получить более точную — по сравнению с другими методами декомпозиции, например (Machado, Mata, 2005) — оценку вклада отдельных характеристик. Во-вторых, метод Firpo, Fortin, Lemieux (2009, 2011), разработанный для безусловных квантильных регрессий, позволяет подвергать декомпозиции не только сами заработные платы, но и коэффициенты неравенства.
С самых общих позиций влияние неформальности на общий уровень неравенства заработков формируется за счет:
(1) различий в средних заработках между формально и неформально занятыми — межгрупповое неравенство;
(2) различий в неравенстве внутри групп — внутригрупповое неравенство;
(3) общих масштабов неформальной занятости (доли неформальных работников).
Часть различий в (1) и (2) связана с объективными факторами: формально и неформально
занятые различаются по своим наблюдаемым характеристикам, в первую очередь, по запасам человеческого капитала, а также по характеристикам рабочих мест с точки зрения условий труда, продолжительности рабочего времени, размеров предприятий и т. п. Распределение этих характеристик внутри секторов также имеет свои особенности внутри каждого типа занятости, что накладывает отпечаток на неравенство. Методы декомпозиции неравенства, основанные на квантильных регрессиях, позволяют выяснить, какая часть неравенства может
2 «Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ (RLMS-HSE)», проводимый Национальным исследовательским университетом — Высшей школой экономики и ЗАО «Демоскоп» при участии Центра народонаселения Университета Северной Каролины в Чапел Хилле и Института социологии РАН. http://wwwxpc.unc.edu/projects/rlms и http://www.hse.ru/rlms.
быть отнесена на эти объективные различия в характеристиках работников и рабочих мест |
на различных участках шкалы распределения заработных плат. Кроме того, с помощью де- о=
а
композиций можно проследить изменение неравенства во времени и посмотреть, какой вклад ^ в изменение общего уровня неравенства вносили изменения в доле занятых в неформальном ^ секторе и отдачах от неформальности. Именно эти задачи решаются в данной работе.
Работа структурирована следующим образом. В разделе 2 обсуждаются методологические вопросы. Представлен метод декомпозиции, предложенный в работах Firpo, Fortin, Lemieux, который является обобщением широко известного метода Oaxaca-Blinder. В разделе 3 описываются данные, ограничения выборки и ключевые переменные, используемые в настоящем исследовании. Там же приводятся ключевые факты, касающиеся динамики неравенства в формальной и неформальной занятости. В разделах 4 и 5 продолжается изучение вклада неформальности в неравенство с использованием регрессионных методов декомпозиции. В разделе 6 изучается влияние неформальности на сокращение неравенства в течение 2000-2010 гг. Анализу различий в уровне неравенства внутри групп формально и неформально занятых посвящен раздел 7. Наконец, в заключительном разделе содержатся основные выводы исследования.
2. методология декомпозиции различий в заработной плате
Обозначим через Yi фактическую заработную плату (в логарифмах) 7-го индивида на основной работе. Теоретически любой индивид может работать по своему основному месту работы либо на формальной, либо на неформальной основе. Тогда пусть Y71 — это заработная плата 7-го индивида в случае формальной занятости, а Yi0 — его заработная плата в случае неформальной занятости. Если учитывается только основное место работы, то в каждый момент времени конкретный работающий индивид может находиться только в одном из двух состояний: занят формально либо неформально. Поэтому фактическая заработная плата может быть записана следующим образом:
Y = Y Dt +Y,(1-Dt ), (1)
где D i — фиктивная переменная для формальной занятости, т. е. D{ = 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 условные математические ожидания:
m = E[Y | X, D = 1] = Xb (формальная занятость), m0 = E[Y | X, D = 0] = Xb0 (неформальная занятость),
где b0 и b — 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 (Blinder, 1973; Oaxaca, 1973). Независимо друг от друга Oaxaca и Blinder предло-
жили разделить различия в средних между двумя группами (A£ = m — m0) на две составляющие. Первая составляющая отражает различия в составе групп по наблюдаемым характеристикам — «эффект состава» (composition effect — AX). Вторая составляющая связана с различиями в отдачах от характеристик — «эффект коэффициентов» или «эффект отдач» (wage structure effect — A£ )3. Эти два эффекта легко увидеть, если в формуле для разности средних (A O = m — m0 = E[ X | D = 1] b — E[ X | D = 0] b0) добавить и вычесть выражение, равное гипотетической средней заработной плате неформальных работников при условии, что отдачи от характеристик равны отдачам, наблюдающимся в сегменте формальной занятости (E[X | D = 0]b1), а затем перегруппировать слагаемые:
A'=H-fi0=E[X\D = 1] А - Е[Х | D = 0 ]¡30 + (Е[Х \ D = 0] Д - Е[Х | D = 0] Д) = = E[X\D = 0](fr-po) + (E[X\D = l]-E[X\D = 0])fr=A$+A$.
Метод Oaxaca-Blinder позволяет детализировать эффекты состава и 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:
Am= E[X | D = 0](bi —bo), A^m= (E[X | D = 1] — E[X | D = 0])ft. (3)
Описанный выше метод Oaxaca-Blinder 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 эмпирических работ для решения этой задачи использовался метод, предложенный в работе (Machado, Mata, 2005). Метод Machado-Mata основан на декомпозиции условных квантильных регрессий. Однако этот метод позволяет точно выделить лишь совокупные эффекты состава и отдач, выделить вклады отдельных факторов при помощи этого метода можно только приблизительно. Для детального разложения на отдельные факторы авторы предлагают использовать сложную расчетную процедуру, основанную на имитационном моделировании. При этом результаты декомпозиции зависят от того, в каком порядке рассматриваются эффекты различных переменных. Поэтому использование метода Machado-Mata для детальной декомпозиции вызывает вопросы (Fipro et al., 2011).
Более простой и точный подход для декомпозиции различных параметров распределения был предложен в работах (Fipro et al., 2009; 2011). Этот метод может использоваться для декомпозиции медианы, любых квантилей, дисперсии и коэффициента Джини. Основная идея состоит в том, чтобы в уравнении линейной регрессии, оцениваемом при декомпозиции, заменить Y так называемой рецентрированной функцией влияния RIF(Y,n), где v — некоторый параметр распределения. Функции влияния IF (Y, n) широко используются статистиками для измерения робастности различных параметров распределения к присутствию выбросов (Hampel, 1974). Рецентрированная функция влияния (РФВ) рассчитывается как сумма соответствующего параметра распределения и функции влияния. Например, для дисперсии (о2) функция влияния выглядит следующим образом: IF (Y, о2) = (Y — m)2 — о2. Соответственно, РФВ для дисперсии равна: RIF(Y, о2) = о2 + [(Y — m)2 — о2] = (Y — m)2. Для т-го
3 В декомпозиции Оахаса-В1^ег эффект состава соответствует «объясненной части», а эффект отдач — «необъясненной части».
квантиля функция влияния равна Ш(У;qr,ЕУ) = (т —1(У < qr}) / /У (дг), где I{•} — индика- | торная функция, характеризующая соблюдение соответствующего условия; /У ) — функ- Ц ция плотности распределения переменной У в точке qr. Функция плотности распределения в точке qт рассчитывается по имеющимся данным методом ядерных функций. РФВ для т-го квантиля равна ШЕ(У; qr, Е) = qг+ (т —1{У < qr}) / /у (qr). ч
РФВ обладают одним очень полезным свойством: математическое ожидание этой функции равно значению соответствующего параметра распределения. Используя это свойство, можно моделировать математическое ожидание как линейную функцию от набора переменных, влияющих на заработную плату:
Е[ Я1Е (У, п)| X ] = X /+£. (4)
Коэффициенты этой функции (уп) оцениваются методом наименьших квадратов. Такая регрессия получила название РФВ-регрессии.
Далее, по аналогии с методом Oaxaca-BHnder, различия в соответствующих параметрах распределения можно разложить на две составляющих — эффект отдач и эффект состава:
д; = Е[Х | В = 0]( у? — у?), АХ = (Е[ X \В = 1] — Е[Х | В = 0]) у?. (5)
На основе этого метода, используя декомпозицию Oaxaca-Blinder, можно выделить и точное влияние каждой отдельной переменной. Сходным образом можно разложить изменения в уровне неравенства во времени. В этом случае В = 0 для начального момента времени и В = 1 для конечного момента времени.
3. Описание данных
Настоящее исследование базируется на данных РМЭЗ-ВШЭ за период с 2000 по 2010 гг. (кроме 2001 года, когда не задавался вопрос о наличии трудового контракта по основному месту работы). Учитывается только основная работа респондентов, а для тех, у кого ее нет, — различные приработки. Выборка ограничена наблюдениями, для которых имеются полные данные по возрасту, образованию, заработкам и отработанному времени. Без этих переменных невозможен эконометрический анализ, хотя ограничение выборки и может привести к некоторому занижению уровня неформальной занятости, т. к. неформально занятые чаще затрудняются с ответом на вопросы о заработках и отработанном времени. В качестве референтного периода наблюдения для заработков и рабочего времени берутся последние 30 дней — в такой форме вопросы о заработках и отработанном времени задавались как тем, кто имеет основную работу, так и тем, кто ее не имеет. Для устранения искажающего влияния статистических выбросов исключаются респонденты, у которых месячные или часовые заработки более чем в 10 раз превышают значение 99-го квантиля распределения этих переменных для соответствующего года.
В силу особенностей анкеты, используемое определение неформальной занятости отличается от принятого Росстатом. В настоящей работе к неформально занятым относятся:
(1) занятые не на предприятиях;
(2) те, кто трудится на предприятиях или в организациях, но без трудовой книжки или трудового контракта;
(3) работники без постоянной работы4.
4 Подробнее о выделении групп см. Лукьянова (2013).
Это определение включает в состав неформальных работников как занятых по найму, так и самозанятых.
Подавляющее большинство российских работников занято на формальной основе, хотя доля занятых неформально оставалась достаточно стабильной несмотря на экономический рост. На протяжении 2000-2010 гг. она держалась на уровне около 20%, за исключением 2008 года, когда произошло снижении доли неформальной занятости до 17.2% (табл. 1). Однако внутри группы неформально занятых происходили существенные изменения: сокращалась доля тех, кто не имеет постоянной работы, одновременно увеличивались доли занятых без трудового контракта и работающих не на предприятиях.
Таблица 1. Динамика формальной и неформальной занятости, в % от общей численности занятых
2000 2002 2003 2004 2005 2006 2007 2008 2009 2010
Формальная занятость 80.3 80.7 80.1 78.6 79.8 79.7 81.0 82.8 79.2 81.4
Неформальная занятость 19.7 19.3 19.9 21.4 20.1 20.3 19.0 17.2 20.8 18.6
В том числе:
Занятые без контракта на 3.1 3.7 4.7 5.1 5.5 5.9 4.9 5.3 6.2 5.7
предприятиях
Занятые не на предприятиях 6.8 6.1 5.8 7.4 6.6 6.4 7.9 6.8 7.7 8.1
Работники без постоянной работы 9.9 9.4 9.4 8.9 8.1 7.9 6.3 5.2 7.0 4.8
Число наблюдений 3522 4433 4606 4885 4686 5788 5705 5853 5780 8798
В таблице П1 в Приложении представлены основные характеристики занятых на формальной и неформальной основе. Работники, занятые неформально, оказываются в среднем моложе, чем занятые формально. Среди них выше доля мужчин, сельских жителей, представителей нерусских национальностей. Занятые неформально имеют более низкий уровень образования, и в 2000-2010 гг. они заметно отставали по темпам увеличения запасов человеческого капитала.
2--
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
^^В 95% ДИ 95% ДИ - Формальная занятость -----Неформальная занятость
Рис. 1. Дисперсия лог-зарплат: месячные заработки (доверительные интервалы построены методом бутстрэпа (Л^=500) и скорректированы с учетом смещения)
Данные РМЭЗ говорят о том, что в 2000-2010 гг. произошло значительное снижение неравенства заработков (рис. 1). Дисперсия лог-зарплат по всей выборке сократилась для месячных заработков — с 1.1 до 0.6. В отличие от предыдущих макрошоков (1992 и 1998 годов), кризис 2008 года не вызвал заметного роста неравенства даже на концах распределения. В течение всего периода дифференциация заработков была значительно выше в сегменте неформальной занятости. В 2000-2010 гг. неравенство снижалось как среди формально занятых, так и среди неформальных работников. Для формальной занятости дисперсия лог-зарплат сократилась с 0.91 до 0.49. Для неформальной занятости дисперсия лог-зарплат снизилась с 1.83 до 1.04. Таким образом, только к концу периода неравенство заработков среди неформально занятых приблизилось к тому уровню, который формально занятые имели в самом начале периода.
В верхней части рис. 2 показаны графики функций плотности распределения месячных заработков формально и неформально занятых в начале и конце периода (2000 и 2010 гг.). Графики демонстрируют, что основные различия между формально и неформально занятыми сосредоточены на левом конце распределений, т. е. среди низкооплачиваемых работников. У неформальных работников левый хвост распределения заработков гораздо длиннее, чем у формально занятых. Это означает, что на протяжении всего периода риски оказаться в нижних децилях распределения у неформально занятых были значительно выше, чем у занятых на формальной основе. В то же время правые хвосты распределений достаточно близки, то есть в верхних децилях распределений формально и неформально занятые представлены достаточно пропорционально.
о
0
3
1 «i
2000
2010
о
2
4
6 8 Log(Wage)
10
12
2
4
6
8 10 Log(Wage)
12
14
— Формальная занятость — Неформальная занятость 2000
— Формальная занятость — Неформальная занятость 2010
0
2
4
10
12
6 8 Ьо§(Ша§е)
— Формальная занятость--Без трудового контракта
—- Не на предприятиях Без постоянной работы
2
4
6
12
14
8 10 Ьо§(Ша§е)
— Формальная занятость — Без трудового контракта -•- Не на предприятиях Без постоянной работы
Рис. 2. Распределение лог-зарплат в формальной и неформальной занятости:
месячные заработки
В 2000 году распределения заработков в разных типах неформальной занятости существенно различались между собой (нижняя часть рис. 2). Так, распределение заработков работников, занятых без трудового контракта, и тех, кто занят не на предприятиях, больше похоже на распределение заработков формальных работников, чем на кривую для работников, не имеющих постоянной работы. По окончании периода три первых распределения стали заметно ближе между собой — графики практически сливаются на рисунке для 2010 года. Распределение заработков работников без постоянной работы также сузилось, но по-прежнему находится в стороне от трех других кривых.
4. Регрессионный анализ вклада неформальности в неравенство: МНК
Дескриптивный анализ неравенства заработков не учитывает того, что разные типы занятости могут существенно различаться по составу работников: различаются как средние характеристики, так и распределение характеристик внутри групп. При описании выборки уже указывалось на некоторые различия: в формальной занятости выше уровень образования, ниже доля сельских жителей и т. д. При этом некоторые факторы могут взаимно компенсировать друг друга. Например, в неформальной занятости ниже уровень образования, но выше доля мужчин, которые, как правило, имеют более высокие заработки, даже если выполняют ту же работу, что и женщины. Кроме того, одни те же характеристики могут по-разному цениться и, соответственно, приносить различную отдачу в разных типах занятости. При анализе влияния различий в составе работников и различий в отдачах невозможно обойтись без регрессионного анализа.
В этом и последующих разделах предметом исследования являются месячные ставки заработной платы. Подобный подход отличается от преобладающего в западной литературе по экономике труда, для которой ключевым вопросом является формирование цены труда. Однако наша задача скорее состоит в сопоставлении уровня благосостояния формально и неформальных занятых работников. Благосостояние работников в большей степени связано с месячными трудовыми доходами, чем с часовыми ставками заработной платы. Хотя и в этом случае не учитываются многие аспекты работы, например, неденежные элементы компенсационного пакета, уровень соблюдения трудового законодательства, социальная защищенность, карьерные возможности и т. д., которые также позитивно влияют на благосостояние работников. Кроме того, нельзя исключить, что работники, особенно в неформальной занятости, сталкиваются с внешними ограничениями продолжительности рабочего времени, т. е. работают меньше, чем хотели бы при существующем уровне часовых ставок. Если такие ограничения имеют место, то месячные заработки являются более точным ориентиром для принятия решений о предложении труда.
В качестве первого шага оценивалась стандартная линейная регрессия методом наименьших квадратов. Она служит отправной точкой для последующего анализа, с ее коэффициентами будут сравниваться коэффициенты квантильных регрессий и регрессий для рецентрированных функций влияния (см. следующий раздел). Коэффициенты при фиктивных переменных, соответствующих каждому из типов неформальности, показывают размер премии или штрафа (дополнительной зарплатной выгоды или «недоплаты» в зависимости от знака коэффициента) для среднего индивида из выборки, в том случае если он работает в одном из типов неформальной занятости. Другими словами, коэффициенты
МНК-регрессий отражают межгрупповое неравенство, но с учетом различий в характери- | стиках работников. Ц
Результаты оценивания МНК-регрессий для всех лет представлены в табл. 2. Кроме приведенных переменных все уравнения включают пол, возраст (7 групп), образование (6 групп), тип ^ населенного пункта (4 группы), регион (7 групп), фиктивные переменные для брака (1 в браке) и национальности (1 для русских), продолжительность рабочего времени (1п). Результаты оценивания МНК-регрессии с учетом дополнительных контрольных переменных говорят о том, что в 2000-2005 гг. принадлежность к неформальной занятости не оказывала влияния на средние месячные заработки индивидов. Лишь в 2000 и 2002 годах коэффициент при переменной неформальности статистически значим, хотя лишь на 10%-ном уровне, и положителен. Положительный коэффициент свидетельствует о том, что неформальность в среднем приносила дополнительную финансовую выгоду неформально занятым работникам по сравнению с идентичными работниками, занятыми на формальной основе. Значимый отрицательный эффект неформальности появляется в 2006 году и сохраняется до 2010 года. Средний размер «штрафа» за неформальность в этот период составлял 5-7%, а в 2009 году доходил до 10%.
При этом занятые на предприятиях без трудового контракта в среднем имели такие же заработки, как и формальные работники предприятий. Занятые не на предприятиях имели преимущества в 2000-2004 гг., но утратили его в последующие годы. Лишь в 2010 г. для этой группы вновь появился значимый положительный коэффициент, но его величина в несколько раз меньше, чем в начале 2000-х гг. (6% против 20%). Работники, не имеющие постоянной работы, после контроля продолжительности рабочего времени оказывались на равных с формальными работниками по условиям оплаты труда в 2000-2003 гг. Но в более поздние годы они стремительно теряли этот паритет. К концу 2000-х годов «штраф» за неформальность для работников без постоянной работы достиг 25-30%.
5. регрессионный анализ вклада неформальности в неравенство: анализ различий на разных участках распределения
В этом разделе оцениваются квантильные регрессии и регрессии для рецентрированных функций влияния (РФВ-регрессии). 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 известно, не использовались в литературе, опубликованной на русском языке. Поэтому будет полезным подробнее остановиться на различиях между этими методами.
Коэффициенты квантильных регрессий при переменной неформальности показывают, насколько отличаются соответствующие квантили условного распределения заработной платы у работников, занятых неформально, по сравнению с работниками с теми же наблюдаемыми характеристиками, но занятыми на формальной основе. Поэтому сопоставление коэффициентов для разных квантилей позволяет судить о неравенстве внутри группы неформально занятых с учетом различий в характеристиках работников.
Таблица 2. Результаты оценивания МНК-регрессии: месячные заработки
2000 2002 2003 2004 2005
Спецификация 1
Неформальная занятость 0.076* 0.065* 0.044 0.022 -0.046
(0.042) (0.034) (0.035) (0.030) (0.030)
Спецификация 2
Занятые без контракта 0.043 0.074 -0.006 0.010 -0.032
на предприятиях (0.085) (0.058) (0.057) (0.047) (0.048)
Занятые не на 0.244*** 0.182*** 0.141*** 0.165*** 0.059
предприятиях (0.060) (0.047) (0.051) (0.040) (0.044)
Работники без -0.088 -0.065 -0.014 - 0.171*** - 0.201***
постоянной работы (0.072) (0.061) (0.063) (0.063) (0.055)
2006 2007 2008 2009 2010
Спецификация 1
Неформальная занятость - 0.063** - 0.073*** - 0.054** - 0.110*** - 0.050***
(0.026) (0.025) (0.026) (0.024) (0.019)
Спецификация 2
Занятые без контракта -0.045 -0.029 - 0.063* - 0.069* - 0.053*
на предприятиях (0.039) (0.041) (0.037) (0.037) (0.030)
Занятые не на 0.018 0.047 0.044 -0.020 0.060**
предприятиях (0.037) (0.034) (0.038) (0.032) (0.025)
Работники без - 0.189*** - 0.365*** - 0.237*** - 0.300*** - 0.328***
постоянной работы (0.054) (0.057) (0.059) (0.053) (0.049)
Примечание. ***, **, * — коэффициент значим на 1, 5 и 10%-ном уровне соответственно. В скобках — робаст-ные стандартные ошибки.
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 сравнения работников с одинаковыми другими 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 (Х). С интуитивной точки зрения это непрозрачная логическая конструкция: сложно понять, как соотносятся премии из условного распределения, зависящего от других переменных Х, с позициями индивидов в обычном безусловном распределении, не зависящем от других переменных. На основе условной квантиль-ной регрессии невозможно сделать выводы о том, как повлияет изменение переменной Х
на т-й квантиль распределения зависимой переменной Y, можно говорить только о влиянии | на условный т-й квантиль, величина которого зависит от спецификации модели. Ц
•О
Для целей изучения неравенства в идеале хотелось бы знать, какое влияние на заработки имеет та или иная переменная по шкале обычного безусловного распределения заработных плат. Именно этот ответ дает РФВ-регрессия. Ее иногда называют безусловной ч квантильнойрегрессией (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, подробнее см. (Fipro et al., 2007; 2009). Они дают ответ на вопрос, на какую величину изменится соответствующий квантиль безусловного распределения заработной платы 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.
Однако главное достоинство РФВ-регрессий состоит в том, что их можно использовать для декомпозиции различий между группами методом Oaxaca-Blinder. Стандартная кван-тильная регрессия имеет ограниченную полезность с точки зрения декомпозиции. С ее помощью можно довольно точно оценить общий эффект состава и общий эффект отдач, но дальнейшая детализация вклада отдельных характеристик весьма затруднительна. Например, широко известный метод Machado-Mata, предложенный для декомпозиции квантиль-ной регрессии, основан на имитационном моделировании альтернативных распределений зависимых переменных и многократных перерасчетах получающихся распределений зависимой переменной. Такой подход дает весьма приблизительный результат и очень сложен с вычислительной точки зрения. Декомпозиция РФВ-регрессий, благодаря своим статистическим свойствам, не сталкивается с подобными трудностями.
Кроме того, зависимыми переменными при декомпозиции могут быть не только квантили распределения заработной платы, но другие показатели неравенства — коэффициент Джини, децильные коэффициенты, дисперсия логарифмов и т. д. Поэтому сразу после опубликования первых работ по РФВ-регрессиям этот метод стал активно использоваться в исследованиях неравенства.
Процедура декомпозиции с использованием РФВ-регрессий проводится в два шага. На первом шаге оцениваются РФВ-регрессии для соответствующих показателей неравенства отдельно по формально и неформально занятым, затем для расчетных значений РФВ проводится декомпозиция различий по методу Oaxaca-Blinder5. Данная декомпозиция позволяет выделить эффект от различий в составе занятых и эффект от различий в отдачах от характеристик. В качестве базовых при декомпозиции использовались коэффициенты для формально занятых. Категории «Возраст», «Образование», «Регион», «Тип населен-
5 В расчетах использовались пользовательские программы для статистического пакета Stata — rifreg.ado и oaxaca.ado. Перевзвешивание не производилось.
ного пункта» представляют собой суммарный эффект соответствующих фиктивных переменных, нормализованный по методу Yun (2005). Нормализация категориальных переменных необходима для того, чтобы результаты декомпозиции не зависели от выбора базовой группы.
В таблице П2 в Приложении представлены коэффициенты РФВ-регрессии и стандартной квантильной регрессии для трех квантилей распределения (первый и девятый децили, медиана). Более детальные результаты для 19 квантилей — с 5-го по 95-й — для всех четных годов рассматриваемого периода представлены на рис. 3. Горизонтальные линии на графиках соответствуют оценкам, полученным по МНК.
Сравнение РФВ-регрессии и стандартной квантильной регрессии может приводить к интересным выводам. Коэффициенты в квантильной регрессии и РФВ-регрессии для одних и тех же квантилей не совпадают по величине и значимости, а в некоторых случаях даже имеют разные знаки. Что касается переменной неформальной занятости, то в результатах оценивания РФВ-регрессии больше значимых коэффициентов, и они в основном больше по своей абсолютной величине. Это сравнение подчеркивает, что РФВ-регрессия для квантилей не является аналогом квантильной регрессии. На рисунке 3 хорошо видно, что в первой половине 2000-х годов между двумя графиками есть существенные отличия, но постепенно эти различия сглаживаются за исключением самых нижних децилей распределения. На рисунках можно также заметить, что кривая для РФВ-регрессии имеет более крутой наклон, чем кривая для квантильной регрессии, особенно в начале 2000-х годов. Другими словами, РФВ-регрессия указывает на более серьезные различия в отдаче от неформальности для низко- и высокооплачиваемых работников, а следовательно, говорит о более высокой неоднородности сегмента неформальной занятости. В изменениях коэффициентов квантильной регрессии по шкале распределения в 2000 году сложно выявить какую-либо логику. Коэффициенты РФВ-регрессии указывают на отрицательный эффект неформальности для самых нижних квантилей, который сходит на ноль примерно в 15-м квантиле, затем меняет знак и увеличивается вплоть до 35-го квантиля и далее колеблется вокруг отметки в 15%.
Различия между графиками квантильной регрессии и РФВ-регрессии происходят из-за того, что в РФВ-регрессии собственно эффект от неформальности «накладывается» на неравномерное присутствие «неформалов» на разных участках распределения. Более высокая концентрация неформально занятых в нижних децилях усиливает негативное влияние неформальности на заработки в этой части шкалы распределения.
Реальная картина влияния неформальности на заработки оказывается гораздо более сложной, чем та, которую рисует МНК-регрессия. Различия в заработках между формально и неформально занятыми наиболее велики для работников с низкими заработками и сокращаются по мере движения по шкале распределения, а затем вновь увеличиваются, но уже с другим знаком. Для низкооплачиваемых работников (первый дециль) принадлежность к неформальной занятости оборачивалась значительными штрафами на протяжении всего периода за исключением 2000 и 2005 гг. Оценка размеров штрафа неустойчива и сильно колеблется от года к году без какого-либо выраженного тренда, но в среднем на уровне первого дециля неформально занятые работники получали примерно на 15-20% меньше, чем работники, занятые на формальной основе. «Наихудшими» годами для низкооплачиваемых работников были 2002 и 2008 гг., когда штраф за неформальность достигал 25-30%.
2000
2002
О
0
3
1 «i
2004
2006
2008
2010
5 10/Е5-20-25-1 55 60 65 70 75 80 85 90 95
♦ РФВ-регрессия —□— Квантильная регрессия ----МНК
Рис. 3. Коэффициенты при фиктивной переменной для неформальной занятости в РФВ-регрессии и квантильной регрессии для различных квантилей распределения
В средней части распределения различия в заработках между формально и неформально занятыми являются статистически значимыми и положительными для 2000-2003 гг. и значимо отрицательными для 2010 года. Для остальных лет коэффициенты при переменной неформальности неотличимы от нуля. Это означает, что для медианного работника неформальная занятость на протяжении 2000-х годов теряла свою зарплатную привлекательность.
В 2000-2002 гг. такой работник получал дополнительную «премию» в размере 13-14%, в два последующих года премия упала до 6-7%, а затем стала нулевой.
Снижение относительных заработков было заметно и в верхней части распределения. В начале 2000-х годов занятость в неформальном секторе приносила высокооплачиваемым работникам дополнительный доход в размере 25-30%. К середине 2000-х годов эта выгода сходит на нет — коэффициенты РФВ-регрессии для 2005 г. статистически не значимы. К концу периода премии восстанавливаются, но все равно не превышают 10-15%.
Падение премии от работы в неформальном секторе в основном происходило 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 года, снижением ставок единого социального налога в 2005 году. 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 расслоения 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.
Коэффициенты РФВ-регрессии для квантилей можно интерпретировать, пересчитав их в эффекты неформальности на децильные коэффициенты для лог-зарплат. Это разность коэффициентов при переменной неформальности в РФВ-регрессиях для соответствующих децилей распределения заработных плат. Например, в 2000 году увеличение уровня неформальной занятости на 10 процентных пунктов (п. п.) привело бы к увеличению разности между логарифмами медианы и первого дециля (50-10) на 0.025 и разности между логарифмами девятого дециля и медианы (90-50) на 0.0116. Это небольшая величина, учитывая, что в 2000 году аналогичный «лог-разрыв» между медианой и первым децилем составлял 1.386, а лог-разрыв между девятым децилем и медианой — 1.204. Увеличение уровня неформальной занятости на 10 п.п. привело бы к росту этих показателей неравенства на 1-2%.
Подобные эффекты можно рассчитать для каждого года. Они довольно сильно разнятся по величине для разных лет, особенно в нижней части распределения. Чтобы получить количественную оценку, можно усреднить эффекты за весь период. Тогда получаем, что в 2000-е годы увеличение уровня неформальной занятости на 10 п.п. привело бы к увеличению лог-разрыва между медианой и первым децилем в среднем на 0.022, а разрыва между девятым децилем и медианой на 0.015. Все значения эффектов положительны. Это означает, что следствием неформальности является увеличение дифференциации заработков как
6 Эти значения получены умножением изменения в уровне неформальной занятости (0.1) на разность между эффектами неформальности для пятого и первого децилей (0.128 - (- 0.117) = 0.245) и на разность между девятым и пятым децилями (0.236 - 0.128 = 0.108).
в верхней, так и в нижней части распределения. В течение всего периода с 2000 по 2010 гг. | неформальность усиливала неравенство как среди низкооплачиваемых, так и среди высоко- Ц
•О
оплачиваемых работников. Другими словами, неформальность ведет к «растягиванию» распределения в обе стороны. При этом «растягивающий» эффект действовал сильнее в ниж- ^ ней части распределения, но и для этой части распределения воздействие неформальности ч все же снизилось во второй половине 2000-х годов. В верхней части распределения «растягивающий» эффект, хотя и оставался меньше по величине, но отличался стабильностью во времени — его величина практически не менялась на протяжении 2000-х годов.
В таблице П2 в Приложении показано влияние неформальности и на другие показатели неравенства — коэффициент Джини и дисперсию лог-зарплат. Во все годы неформальность имела значимое положительное влияние на оба показателя. При этом для средней части распределения (коэффициент Джини наиболее чувствителен к различиям в средней части распределения) это влияние оставалось достаточно стабильным во времени. Влияние на дисперсию заработков несколько снизилось к концу периода, но оставалось очень сильным, что подтверждает выводы, сделанные при анализе влияния неформальности на различные децили распределения. Таким образом, разные способы измерения и показатели неравенства, обладающие различной чувствительностью, дают один и тот же результат — неформальность усиливает неравенство в заработках. Соответственно, рост неформальности, при прочих равных, должен вести к увеличению дифференциации заработных плат.
Полученные результаты хорошо согласуются с теорией двухъярусного неформального сектора (Fields, 1990). Эта теория предполагает, что в неформальном секторе существует два типа рабочих мест — высокооплачиваемые («верхний ярус») и низкооплачиваемые («нижний ярус»). Рабочие места в верхнем ярусе занимаются работниками добровольно, они являются селективными (в том смысле, что требуют наличия капитала и/или специальных навыков) и чаще всего связаны с самозанятостью. Наоборот, рабочие места в нижнем ярусе открыты для всех желающих, поскольку не требуют каких-либо особых навыков. На них сосредоточены работники, которым не удалось найти работу в формальном секторе. Это традиционный неформальный сектор в модели сегментированного рынка труда7. Распределение заработков работников неформального сектора есть, по существу, пересечение двух отдельных распределений, соответствующих двум разным типам рабочих мест внутри неформального сектора.
В таблице 3 сделана попытка связать «ярусы» в теории (Fields, 1990) с разными типами неформальной занятости. С точки зрения месячных заработков низкооплачиваемые рабочие места чаще всего связаны с непостоянной неформальной занятостью, а высокооплачиваемые рабочие места — с занятостью вне корпоративного сектора. При этом за 2000-2010 гг. не изменилась только относительная позиция работников, занятых без трудового контракта на предприятиях. Их заработки по всей шкале распределения не отличались от заработков формально занятых. Занятые вне предприятий ухудшили свое положение — это касается как медианных работников, так и высокооплачиваемых. Медианный работник, занятый не на предприятии, имел в 2000 году дополнительную выгоду порядка 25-30%, ко второй половине 2000-х годов эта выгода снижается до нуля. Для высокооплачиваемых работников, занятых не на предприятиях, зарплатное преимущество сократилось с 40% до 20%. Но наиболее драматично развивались события для работников без постоянной работы — на про-
7 Подробнее о теориях сегментированного и мультисекторного рынка труда см. (Капелюшников, 2012).
Таблица 3. Влияние неформальности на неравенство: детализация эффекта по подгруппам
Группа, год РФВ-регрессия Квантильная регрессия
Джини Дисперсия 10 50 90 10 50 90
лог-з/п
Занятые без контракта на предприятиях
2000 -0.000 0.017 -0.030 0.154 0.194 -0.150 -0.061 0.107
(0.006) (0.172) (0.124) (0.117) (0.172) (0.138) (0.078) (0.136)
2005 0.004 0.071 -0.056 0.004 0.106 -0.109 -0.019 0.008
(0.003) (0.097) (0.083) (0.050) (0.110) (0.091) (0.056) (0.080)
2010 0.004 0.089* - 0.090* -0.066 0.045 - 0.135*** -0.030 0.025
(0.002) (0.054) (0.053) (0.045) (0.054) (0.048) (0.030) (0.042)
Занятые не на предприятиях
2000 0.002 0.193 0.074 0.249*** 0.331*** 0.302*** 0.200*** 0.312***
(0.004) (0.119) (0.058) (0.083) (0.129) (0.098) (0.055) (0.097)
2005 0.004 0.110 0.048 0.036 0.205* -0.045 0.015 0.156**
(0.003) (0.088) (0.069) (0.046) (0.106) (0.083) (0.050) (0.073)
2010 0.005** 0145*** -0.020 0.025 0.170*** -0.055 0.053** 0.120***
(0.001) (0.045) (0.043) (0.037) (0.047) (0.041) (0.026) (0.037)
Работники без постоянной работы
2000 0.022*** 0.586*** - 0.363*** -0.013 0.154 - 0.268*** - 0.176*** 0.156
(0.005) (0.123) (0.116) (0.087) (0.103) (0.087) (0.057) (0.108)
2005 0.013*** 0.344*** - 0.194* -0.067 -0.067 -0.076 - 0.203*** -0.095
(0.003) (0.099) (0.111) (0.051) (0.094) (0.087) (0.057) (0.089)
2010 0.030*** 0.883*** - 0.586*** - 0.230*** 0.165*** - 0.504*** - 0.324*** -0.077
(0.002) (0.069) (0.099) (0.052) (0.060) (0.059) (0.039) (0.058)
Примечание. ***, **, * — коэффициент значим на 1, 5 и 10%-ном уровне соответственно. В скобках — стандартные ошибки.
тяжении периода произошла заметная поляризация заработков внутри этой группы. К концу периода заработки низкооплачиваемых представителей этой группы — на уровне 10-го квантиля — были почти вдвое ниже, чем у формально занятых (по сравнению с 30%-ным отставанием в 2000 году). Фактически происходит маргинализация низкооплачиваемых работников без постоянной работы. Высокооплачиваемые представители этого типа занятости имели заработки, заметно превышавшие доходы от формальной занятости (в 2000 году преимущество не было статистически значимым).
Детализация неформальности подтверждает, что ключевую роль в растягивании неравенства играет группа работников без постоянной работы. Причем, с учетом различий по наблюдаемым характеристикам, этот эффект только усиливался во времени. В 2000 году увеличение доли работников без постоянной работы на 10 п.п. привело бы к увеличению дисперсии лог-зарплат на 5%, в 2010 году — к увеличению уже на 15%. Однако в реальности доля этих работников снижалась, поэтому и эффект работал в другую сторону, т. е. «подстегивал» снижение неравенства. К концу периода усилилось влияние на неравенство группы занятых не на предприятиях. В 2010 году соответствующий коэффициент в РФВ-регрессии для коэффициента Джини и дисперсии лог-зарплат становится значимым. Хотя величина
эффекта для группы занятых не на предприятиях существенно меньше, чем для группы ра- |
ботников без постоянной работы, но в отличие от последних доля занятых не на предпри- Ц
ятиях постоянно росла на протяжении периода. При этом в начале и середине периода рост £ доли занятых вне предприятий не оказывал влияния на коэффициент Джини и дисперсию
лог-зарплат, к концу периода этот рост перестал быть нейтральным, а стал фактором уве- ч личения неравенства.
6. декомпозиция изменений в общем уровне неравенства во времени:
вклад неформальности
До сих пор рассматривалось влияние неформальности на уровень неравенства в конкретный момент, теперь перейдем к изменениям во времени. Попытаемся ответить на вопрос, повлияли ли изменения в уровне неформальной занятости на изменения в уровне неравенства, произошедшие с 2000 по 2010 гг. Для этого была проведена декомпозиция изменений в четырех показателях неравенства для лог-зарплат по методу ^рго et а1., 2009) — см. табл. 4. В качестве базовых при декомпозиции использовались коэффициенты 2000 года. Сначала представим результаты для дихотомической группировки, затем сравним формально занятых с отдельными подгруппами неформально занятых.
Эффект состава показывает, насколько изменилось неравенство за счет изменения наблюдаемых характеристик индивидов. Отрицательные величины означают, что изменения по данной характеристике способствовали снижению неравенства между 2000 и 2010 гг., положительные коэффициенты имеют те характеристики, которые способствовали росту неравенства в тот же период. Можно видеть, что эффект состава для переменной неформальной занятости является статистически незначимым для всех показателей неравенства — изменения в уровне неформальной занятости с 2000 по 2010 гг. не оказали влияния на неравенства. Заметим, что в нашей выборке изменение в доле неформально занятых за этот период составило всего 1.1 п.п. (табл. 1), поэтому отсутствие эффекта от столь небольшого изменения не является неожиданным.
Вообще суммарный эффект изменений в составе занятых значим только для нижней части распределения. Для верхней части распределения суммарный эффект состава незначим — изменения по отдельным характеристикам погашали друг друга. Суммарный эффект состава значим и для обобщающих показателей неравенства — коэффициента Джини и дисперсии, но это происходило за счет значимых изменений в нижней части распределения. Из изменений в структуре занятости сильнее всего снижению общей дифференциации заработков способствовало снижение вариации в продолжительности рабочего времени. Особенно сильно выравнивающий эффект от рабочего времени проявился среди работников с низкими заработками.
Основную роль в сокращении всех показателей неравенства в период между 2000 и 2010 гг. играли изменения в отдачах от характеристик. Изменения в отдачах от неформальности имели некоторое влияние на изменения в уровне неравенства в нижней части распределения — эффект отдачи от неформальности значим только для децильного коэффициента 50-10 на 10%-ном уровне. Другими словами, изменения в отдачах от неформальности способствовали снижению неравенства заработков лишь среди низкооплачиваемых работников.
Таблица 4. Декомпозиция изменений в уровне неравенства (лог-зарплаты), 2000-2010 гг.
50-10 90-50 Джини Дисперсия
Значение показателя, 2010 0.918* 0.905* 0.0453* 0.595*
(0.014) (0.014) (0.0004) (0.014)
Значение показателя, 2000 1.374* 1.173* 0.0831* 1.117*
(0.027) (0.029) (0.0012) (0.033)
Изменение (2000-2010) - 0.456* - 0.268* - 0.0378* - 0.522*
(0.030) (0.032) (0.0013) (0.035)
Эффект состава - 0.041* -0.004 - 0.0030* - 0.098*
(0.009) (0.007) (0.0005) (0.015)
Эффект отдач - 0.415* - 0.263* - 0.0348* -0.424*
(0.030) (0.033) (0.0012) (0.033)
Эффект состава
Пол -0.001 0.001 0.0000 0.000
(0.003) (0.002) (0.0000) (0.001)
Семейное положение -0.001 -0.002 0.0000 -0.001
(0.002) (0.002) (0.0001) (0.002)
Национально сть 0.000 0.000 0.0000 0.000
(0.000) (0.001) (0.0000) (0.000)
Возраст 0.000 -0.001 -0.0001 -0.005
(0.003) (0.003) (0.0001) (0.003)
Рабочее время - 0.041* - 0.013* - 0.0030* - 0.094*
(0.006) (0.003) (0.0004) (0.013)
Тип населенного пункта - 0.007* 0.008* 0.0002* 0.002
(0.002) (0.002) (0.0001) (0.001)
Образование 0.008* -0.004 0.0001 -0.001
(0.003) (0.003) (0.0001) (0.003)
Регион 0.001 0.010* 0.0002* 0.004
(0.003) (0.003) (0.0001) (0.002)
Неформальная занятость -0.001 -0.002 0.0001 -0.003
(0.001) (0.001) (0.0001) (0.002)
Эффект отдач
Пол (мужской) - 0.084* -0.028 -0.0013 -0.062
(0.030) (0.032) (0.0012) (0.032)
Семейное положение (брак) 0.056 0.083 0.0053* 0.112*
(0.042) (0.046) (0.0017) (0.046)
Национальность (русский) -0.130 -0.046 -0.0019 -0.078
(0.076) (0.083) (0.0030) (0.082)
Возраст -0.010 0.021 0.0074* 0.158*
(0.050) (0.054) (0.0020) (0.054)
Рабочее время - 0.720* 0.190 0.0346* -0.054
(0.227) (0.245) (0.0087) (0.242)
Тип населенного пункта 0.034 0.014 0.0027* 0.062*
(0.026) (0.028) (0.0010) (0.028)
Окончание табл. 4
50-10 90-50 Джини Дисперсия
Образование 0.000 0.011 0.0024* 0.045*
(0.021) (0.023) (0.0008) (0.023)
Регион 0.057* 0.063* 0.0033* 0.087*
(0.015) (0.017) (0.0006) (0.017)
Неформальная занятость -0.029 0.014 0.0000 -0.010
(0.016) (0.017) (0.0006) (0.017)
Константа 0.411 -0.585 - 0.0871* - 0.685*
(0.251) (0.271) (0.0097) (0.268)
Примечание. * — коэффициент значим на уровне 5%. В скобках — стандартные ошибки.
Таким образом, все изменения, происходившие в сфере неформальной занятости с 2000 по 2010 гг., имели крайне незначительное влияние на изменение общего уровня неравенства заработных плат. Значительное сокращение дифференциации заработков, наблюдавшееся в этот период, происходило за счет других причин. Важно отметить, что изменения в сфере неформальной занятости не имели и обратного влияния, т. е. они не противодействовали выравнивающим факторам и не вели к усилению неравенства. Вклад неформальности в снижение неравенства ограничивался небольшим выравнивающим эффектом в нижней части распределения за счет снижения разрыва в отдачах между низкооплачиваемыми и медианными работниками.
Как мы уже неоднократно видели, общий эффект от неформальности может маскировать важные изменения внутри этой пестрой группы работников. Таблица 5 показывает, что снижение доли работников без постоянной работы имело значимое влияние на снижение неравенства в 2000-е гг. Сокращение доли этой группы в общей численности занятых с 10 до 5% отразилось на всех показателях неравенства. В зависимости от показателя неравенства от 4 до 8% снижения неравенства может быть отнесено на счет снижения доли работников без постоянной занятости. Этот эффект отчасти нивелировался противоположным эффектом от роста доли занятых в других типах неформальной занятости — для отдельных показателей неравенства есть значимые положительные коэффициенты при занятости без контракта и занятости не на предприятиях. Изменения в отдачах играли меньшую роль с точки зрения влияния на неравенство. Значимым оказался только один коэффициент — при фиктивной переменной для работников без постоянной работы в декомпозиции дисперсии логарифмированных заработных плат.
Таблица 5. Декомпозиция изменений в уровне неравенства (лог-зарплаты), 2000-2010 гг.: детализация по подгруппам
50-10 90-50 Джини Дисперсия
Значение показателя, 2010 0.918* 0.905* 0.045* 0.595*
(0.014) (0.014) (0.0004) (0.014)
Значение показателя, 2000 1.374* 1.173* 0.083* 1.117*
(0.027) (0.029) (0.0012) (0.033)
Изменение (2000-2010) - 0.456* - 0.268* - 0.038* - 0.522*
(0.030) (0.032) (0.0013) (0.035)
Эффект состава - 0.051* -0.013 - 0.004* - 0.121*
(0.010) (0.008) (0.0005) (0.016)
Продолжение табл. 5
50-10 90-50 Джини Дисперсия
Эффект отдач - 0.405* - 0.255* - 0.034* - 0.401*
(0.030) (0.033) (0.0011) (0.033)
Эффект состава
Пол -0.001 0.001 0.0000 0.000
(0.003) (0.002) (0.0000) (0.001)
Семейное положение -0.001 -0.002 -0.0001 -0.001
(0.002) (0.002) (0.0001) (0.002)
Национально сть 0.000 0.000 0.0000 0.000
(0.000) (0.001) (0.0000) (0.000)
Возраст 0.001 -0.001 -0.0001 -0.004
(0.003) (0.003) (0.0001) (0.003)
Рабочее время - 0.035* - 0.009* - 0.0025* -0.081
(0.006) (0.003) (0.0004) (0.011)
Тип населенного пункта - 0.007* 0.008* 0.0002* 0.001
(0.002) (0.002) (0.0001) (0.001)
Образование 0.008* -0.004 -0.0001 -0.001
(0.003) (0.003) (0.0001) (0.003)
Регион 0.001 0.010* 0.0002* 0.004
(0.003) (0.003) (0.0001) (0.002)
Занятые без контракта на предприятиях 0.001 0.003 0.0001* 0.002
(0.001) (0.002) (0.0000) (0.001)
Занятые не на предприятиях 0.001 0.002 0.0001* 0.002*
(0.001) (0.001) (0.0000) (0.001)
Работники без постоянной работы - 0.018* - 0.020* - 0.0015* - 0.044*
(0.004) (0.005) (0.0002) (0.006)
Эффект отдач
Пол - 0.086* -0.029 -0.0014 - 0.065*
(0.030) (0.032) (0.0011) (0.032)
Семейное положение 0.055 0.083* 0.0051* 0.110*
(0.042) (0.046) (0.0017) (0.046)
Национальность -0.133 -0.048 -0.0024 -0.089
(0.076) (0.083) (0.0030) (0.082)
Возраст -0.012 0.020 0.0071* 0.154*
(0.050) (0.054) (0.0020) (0.054)
Рабочее время - 0.572* 0.344 0.0414* 0.270
(0.258) (0.278) (0.0099) (0.274)
Тип населенного пункта 0.032 0.013 0.0024* 0.057*
(0.026) (0.028) (0.0010) (0.028)
Образование 0.000 0.012 0.0024* 0.047*
(0.021) (0.023) (0.0008) (0.023)
Регион 0.057* 0.062* 0.0033* 0.086*
(0.015) (0.017) (0.0006) (0.017)
Занятые без контракта на предприятиях -0.005 0.002 0.0001 0.002
(0.005) (0.006) (0.0002) (0.006)
Окончание табл. 5
50-10 90-50 Джини Дисперсия
Занятые не на предприятиях -0.009 0.004 0.0002 -0.003
(0.008) (0.009) (0.0005) (0.009)
Работники без постоянной работы 0.001 0.022 0.0008 0.029*
(0.013) (0.014) (0.0109) (0.014)
Константа 0.266 - 0.741* - 0.0931* - 0.999*
(0.285) (0.307) (0.0) (0.303)
Примечание. * — коэффициент значим на уровне 5%. В скобках — стандартные ошибки.
7. неравенство заработков внутри групп формально и неформально занятых: эффект состава или эффект отдач
На рисунках 1 и 2 видно, что внутригрупповое неравенство значительно выше среди занятых на неформальной основе. В предыдущих разделах неявно предполагалось, что наблюдаемые характеристики одинаково влияют на неравенство во всех группах занятых. Скорее всего, это очень сильное предположение, и оно нуждается в проверке. Кроме того, в этом разделе делается попытка разобраться, в какой мере различия во внутригрупповом неравенстве связаны с различиями в составе групп по индивидуальным характеристикам, характеристикам человеческого капитала и другим наблюдаемым характеристикам.
Для ответа на этот вопрос проведем декомпозицию внутригрупповых показателей неравенства с использованием РФВ-регрессий. В данном случае декомпозиция позволяет выделить эффект от изменений в составе занятых и эффект от изменения отдач от характеристик. Кроме того, можно выявить конкретные факторы, стоящие за изменениями уровня неравенства в этот период. К сожалению, этот метод декомпозиции применим для сравнения между собой только двух групп. Поэтому можно сравнивать только формальную и неформальную занятость в целом без выделения отдельных подгрупп внутри неформальной занятости. Чтобы не перегружать табл. 6, в ней приводятся результаты только для трех лет — 2000, 2005 и 2010 гг. Для каждого года показаны значения соответствующих показателей неравенства для формально и неформально занятых, разница между ними, общий эффект состава и общий эффект отдач, а также детализация эффекта состава по тем наблюдаемым переменным, которые были включены в расчеты.
Общий результат состоит в том, что объективные различия в характеристиках не играют решающей роли в объяснении различий в уровне внутригруппового неравенства между формальными и неформальными работниками. Более того, за последнее десятилетие роль этого фактора заметно снизилась. Например, в 2010 году на счет различий в характеристиках можно было отнести всего 2% разницы в лог-разрывах между медианой и первым децилем, при том, что в 2000 году эта доля составляла 19%. Тенденция к сокращению вклада эффекта состава наблюдалась по всем показателям неравенства. Это означает, что на всех участках распределения формальные и неформальные работники все больше сближались по своим производительным характеристикам. В первую очередь, это происходило из-за снижения дифференциации в продолжительности рабочего времени среди неформально занятых.
Главная причина такого выравнивания продолжительности рабочего времени — это сокращение доли работников без постоянной работы (Лукьянова, 2013). Поэтому этот резуль-
Таблица 6. Декомпозиция различий в уровне внутригруппового неравенства
50-10 90-50 Джини Дисперсия лог-зарплат
2000 2005 2010 2000 2005 2010 2000 2005 2010 2000 2005 2010
Значение показателя: 2.165* 1.837* 1.393* 1.343* 1.034* 0.994* 0.112* 0.077* 0.060* 1.828* 1.300* 1.017*
неформальная занятость (1) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.053)
Значение показателя: 1.234* 1.071* 0.884* 1.161* 0.887* 0.837* 0.075* 0.052* 0.041* 0.914* 0.646* 0.480*
формальная занятость (2) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.009)
Изменение показателя 0.931* 0.766* 0.509* 0.182* 0.147 0.157* 0.036* 0.025* 0.019* 0.914* 0.654* 0.538*
(3) = (1)-(2) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.0) (0.054)
Эффект состава 0.181* 0.309* 0.011 0.098 0.020 0.013 0.013* 0.008* 0.005* 0.228* 0.152* 0.099*
(0.072) (0.053) (0.017) (0.57) (0.044) (0.020) (0.002) (0.001) (0.001) (0.050) (0.033) (0.014)
Эффект отдач 0.750* 0.456* 0.498* 0.084 0.126 0.144* 0.023* 0.016* 0.014* 0.686* 0.502* 0.439*
(0.179) (0.121) (0.144) (0.085) (0.088) (0.038) (0.004) (0.003) (0.001) (0.116) (0.083) (0.052)
Эффект состава, в % от (3) 19 40 2 54 14 8 35 33 25 25 23 18
Эффект отдач, в % от (3) 81 60 98 46 86 92 65 67 75 75 77 82
Эффект состава, в % от (3)
Пол 4* 0 6* -6 3 -13* 1 0 -1 2* 1 0
Семейное положение 2 -2 -1* 14 -11 -3 2 -1 -1* 2 -2 -1*
Национально сть 0 0 0 1 0 2 0 1 0 0 1 0
Возраст 1 6* 0 18 17 -5 5* 4* 0 3 4 0
Рабочее время 8 21* 9* 21 24 19* 20* 19* 22* 15* 14* 17*
Тип населенного пункта 2 5* -2* 2 7 у* 2 6* 2* 1 5* 1*
Образование у* 8* -5* 0 -20* 5 6* 5* 4* 3* 2 2
Регион -3 1 -5* 4 -6 -5 -1 1 -1 -1 -1 -1*
Примечание. * — коэффициент значим на 5%-ном уровне. В скобках — стандартные ошибки. Для величин, выраженных в процентах, стандартные ошибки не показаны.
тат можно считать вполне ожидаемым. Остальные характеристики либо не влияют на не- | равенство, либо в значительной степени взаимно компенсируются, поэтому выявить в них Ц какой-либо тренд довольно сложно.
Еще один вывод из табл. 6 состоит в том, что различия в уровне неравенства связаны, ^ прежде всего, с различиями в механизмах зарплатообразования в формальной и неформаль- ч ной занятости — одни и те же характеристики имеют разные отдачи в формальной и неформальной занятости и по-разному влияют на заработную плату. В первую очередь это касается ненаблюдаемых характеристик.
8. Заключение
В работе на данных РМЭЗ-ВШЭ за 2000-2010 гг. изучалось влияние неформальной занятости на общий уровень неравенства заработков на российском рынке труда с использованием декомпозиции квантильных регрессий. На протяжении всего периода неравенство месячных заработков было существенно выше среди неформальных работников, чем среди формально занятых. В течение 2000-2010 гг. уровень неравенства заметно снизился и в формальной, и в неформальной занятости.
Исследование подтверждает, что неформальность в целом имеет крайне неоднородный эффект. Более того, он имеет разный знак для нижней и верхней части распределения. Для низкооплачиваемых работников неформальный статус оборачивается существенными потерями в заработках. Для медианного работника неформальность была выгодна (с финансовой точки зрения) в начале 2000-х годов, но уже с середины 2000-х годов эти дополнительные преимущества исчезают. Высокооплачиваемые работники получают максимальную выгоду от неформальной занятости, но и для них на протяжении 2000-х размеры выгоды сократились. Таким образом, неформальность способствует поляризации заработков, «растягивая» распределение в обе стороны. Количественно этот эффект не велик, хотя и статистически значим. По оценкам на начало 2000-х годов увеличение уровня неформальной занятости на 10% привело бы к росту показателей неравенства на 1-2%. Эти расчеты говорят в пользу выводов о небольшом влиянии неформальности на неравенство. Отрицательные отдачи от неформальности затрагивают достаточно ограниченную группу неформальных работников — эта группа продолжала сокращаться и маргинализироваться в 2000-2010 гг. Эффект поляризации заработков в 2000-2010 гг. снижался за счет сокращения выгод от неформальности в верхней части распределения. Поэтому неформальность сохранила ограниченное воздействие на неравенство заработков.
В целом динамика неформальности не оказывала существенного воздействия и на изменение общего уровня неравенства в заработках — ключевую роль играли другие факторы. Единственной группой внутри неформальной занятости, которая имела нетривиальное воздействие на общий уровень неравенства, были работники без постоянной работы. Сокращение доли этой группы в общей численности занятых с 10 до 5% отразилось на всех показателях неравенства. В зависимости от показателя неравенства от 4 до 8% снижения неравенства может быть отнесено на счет снижения доли работников без постоянной занятости. Однако этот выравнивающий эффект был в значительной степени ослаблен за счет роста доли работников без трудовых контрактов и занятых вне предприятий, а также за счет поляризации заработков внутри самой группы работников без постоянной работы.
В результате общий эффект неформальности на динамику общего уровня неравенства оказался незначимым.
Объективные различия в характеристиках не играют решающей роли в объяснении различий в уровне внутригруппового неравенства между формальными и неформальными работниками. Более того, за последнее десятилетие роль этого фактора заметно снизилась. Например, в 2010 году на счет различий в характеристиках можно было отнести всего 2% разницы в лог-разрывах между медианой и первым децилем, тогда как в 2000 году эта доля составляла 19%. Тенденция к сокращению вклада различий в наблюдаемых характеристиках просматривалась по всем показателям неравенства. Это означает, что на всех участках зарплатной шкалы формальные и неформальные работники все больше сближались по своим производительным характеристикам. В первую очередь, это происходило из-за снижения неравенства в продолжительности рабочего времени среди неформально занятых.
Список литературы
Гимпельсон В. Е., Капелюшников Р. И. (2012). Нормально ли быть неформальным? Препринт НИУ ВШЭ WP3/2012/09.
Капелюшников Р. И. (2012). Неформальная занятость в России: что говорят альтернативные определения? Препринт НИУ ВШЭ WP3/2012/04.
Лукьянова А. Л. (2013). Неравенство заработков: фактор неформальности (2000-2010 гг.). Экономический журнал ВШЭ, 18 (2), 212-238.
Blinder A. (1973). Wage discrimination: Reduced form and structural estimates. Journal of Human Resources, 8 (4), 436-455.
Fields G. (1990). Labour market modeling and the urban informal sector: Theory and evidence. In: D. Turnham, B. Salomé, A. Schwarz (eds.). The Informal Sector Revisited, Paris, OECD.
Firpo S., Fortin N., Lemieux T. (2009). Unconditional quantile regressions. Econometrica, 77 (3), 953-973.
Fortin N., Lemieux T., Firpo S. (2011). Decomposition methods. In: O. Ashenfelter and D. Card (eds.). Handbook of Labor Economics, Vol. 4A. Amsterdam: North-Holland.
Hampel F. (1974). The influence curve and its role in robust estimation. Journal of the American Statistical Association, 69 (436), 383-393.
Krstic G., Sanfey P. (2007). Mobility, poverty and well-being among the informally employed in Bosnia and Herzegovina. Economic Systems, 31 (3), 311-335.
Krstic G., Sanfey P. (2011). Earnings inequality and the informal economy: Evidence from Serbia. Economics of Transition, 19 (1), 179-199.
Machado J., Mata J. (2005). Counterfactual decomposition of changes in wage distributions using quantile regression. Journal of Applied Econometrics, 20 (4), 445-465.
Oaxaca R. (1973). Male-female wage differentials in urban labor markets. International Economic Review, 14 (3), 693-709.
Rosser J., Rosser M., Ahmed E. (2000). Income inequality and the informal economy in transition economies. Journal of Comparative Economics, 28 (1), 156-171.
Yun M.-S. (2005). A simple solution to the identification problem in detailed wage decompositions. Economic Inquiry, 43 (4), 766-772.
Приложение
Таблица П1. Описание подвыборок
2000 2002 2003 2004 2005 2006 2007 2008 2009 2010
Занятые формально
Средний возраст, лет 39.8 39.7 39.8 39.8 39.9 40.2 40.1 40.0 40.6 40.4
Доля работников моложе 30 лет, % 24.5 25.1 24.8 24.3 23.9 23.4 24.3 25.0 23.8 23.8
Доля женщин, % 54.7 54.6 55.2 55.3 55.0 55.6 55.7 54.5 53.7 54.8
Доля состоящих в браке, % 68.0 63.7 62.3 62.1 62.3 59.6 60.0 59.5 58.3 59.0
Доля русских, % 86.9 86.4 86.5 86.1 87.0 87.0 87.0 85.2 87.1 88.3
Доля сельских жителей, % 19.1 18.0 19.0 18.3 19.6 20.5 20.8 20.6 20.7 22.3
Доля работников с высшим образованием, % 24.6 26.0 25.9 26.6 27.1 27.6 28.0 29.0 30.1 32.1
Отработанное время за последние 30 дней (медиана), часов 168 168 168 168 168 170 176 176 176 170
Заработки за последние 30 дней (медиана), руб. 1265 2800 3300 4000 5000 6500 8000 10 000 10 000 12 000
Занятые неформально
Средний возраст, лет 36.0 35.7 35.8 36.0 36.2 36.4 36.9 37.3 37.8 37.3
Доля работников моложе 30 лет, % 37.0 39.1 38.4 37.4 37.5 37.3 36.8 34.1 31.7 34.2
Доля женщин, % 45.3 45.4 44.8 44.7 45.0 44.4 44.3 45.5 46.3 43.2
Доля состоящих в браке, % 49.5 46.6 42.2 46.0 46.4 43.4 44.2 41.4 44.9 46.8
Доля русских, % 83.5 79.5 80.3 81.2 78.5 80.2 82.7 79.1 82.4 81.9
Доля сельских жителей, % 23.2 26.1 31.3 25.7 29.4 27.0 29.7 26.9 28.0 28.3
Доля работников с высшим образованием, % 11.7 12.0 11.0 11.7 10.5 10.7 11.4 12.4 12.7 14.4
Отработанное время за последние 30 дней (медиана), часов 150 150 144 151 160 168 172 168 160 176
Заработки за последние 30 дней (медиана), руб. 1000 2000 2500 3000 4000 5000 6000 8000 7125 10 000
Таблица П2. Влияние неформальности на неравенство: спецификации с фиктивной переменной для неформальности
Год РФВ-регрессия Квантильная регрессия МНК
Джини Дисперсия 10 50 90 10 50 90
лог-ЗП квантиль квантиль квантиль квантиль квантиль квантиль
2000 0.010*** 0.316*** - 0.117* 0.128** 0.236*** -0.003 -0.006 0194*** 0.076*
(0.003) (0.081) (0.060) (0.056) (0.076) (0.062) (0.042) (0.064) (0.042)
2002 0.009*** 0.270*** - 0.271*** 0.100** 0.279*** 0.056 0.055 0.158*** 0.065*
(0.002) (0.069) (0.100) (0.042) (0.067) (0.054) (0.037) (0.054) (0.034)
2003 0.009*** 0.282*** - 0.236** 0.061** 0.259*** -0.080 0.004 0.183*** 0.044
(0.002) (0.062) (0.115) (0.030) (0.069) (0.062) (0.035) (0.053) (0.035)
2004 0.010*** 0.311*** - 0.235*** 0.049* 0.209*** -0.040 0.035 0.150*** 0.022
(0.002) (0.062) (0.074) (0.032) (0.041) (0.050) (0.033) (0.046) (0.030)
2005 0.007*** 0.167*** -0.056 -0.004 0.093 -0.070 -0.058 0.032 -0.046
(0.002) (0.059) (0.052) (0.030) (0.066) (0.051) (0.036) (0.049) (0.030)
2006 0.011*** 0.301*** - 0.169*** - 0.059* 0 154*** - 0.219*** - 0.069** 0.137*** - 0.063**
(0.002) (0.047) (0.042) (0.030) (0.035) (0.047) (0.025) (0.040) (0.026)
2007 0.010*** 0.281*** - 0.193*** -0.037 0.062* - 0.190*** - 0.062*** 0.070 - 0.073***
(0.001) (0.040) (0.066) (0.030) (0.032) (0.041) (0.024) (0.041) (0.025)
2008 0.011*** 0.298*** - 0.346*** 0.018 0.130*** - 0 144*** -0.030 0.065 - 0.054**
(0.001) (0.042) (0.066) (0.023) (0.044) (0.043) (0.029) (0.040) (0.026)
2009 0.011*** 0.272*** - 0.228*** -0.022 0.086** - 0.238*** - 0.069*** 0.043 - 0.111***
(0.001) (0.043) (0.036) (0.021) (0.038) (0.037) (0.026) (0.033) (0.024)
2010 0.009*** 0.265*** - 0.149*** - 0.053** 0.128*** - 0 174*** -0.025 0.071*** - 0.050***
(0.001) (0.033) (0.035) (0.027) (0.033) (0.032) (0.020) (0.027) (0.019)
Примечание. ***, **, * — коэффициент значим на 1, 5 и 10%-ном уровне соответственно. В скобках — стандартные ошибки.
