CC BY
50
ТРУД И ЗАНЯТОСТЬ
ОЦЕНКА ВЛИЯНИЯ ЭКОНОМИЧЕСКИХ КОЛЕБАНИЙ НА УРОВЕНЬ БЕЗРАБОТИЦЫ В РЕГИОНАХ РОССИИ НА ОСНОВЕ МОДЕЛИ ОУКЕНА1
Т.В. БЛИНОВА, доктор экономических наук, профессор. E-mail: tatianvic@mail.ru Институт аграрных проблем РАН, Саратов, Россия. ORCID: 0000-0001-6144-7314. В.А. РУСАНОВСКИЙ|. доктор экономических наук, профессор. В.А. МАРКОВ, кандидат экономических наук. E-mail: markov.saratov@mail.ru Саратовский государственный технический университет им. Ю.А. Гагарина, Саратов, Россия. ORCID: 0000-0001-6478-3823.
В статье на базе модифицированной модели Оукена оценивается влияние изменения объемов производства на динамику безработицы в России и трех региональных кластерах, различающихся уровнем безработицы и поведенческими реакциями на экономические шоки. Оценка спецификаций базовой модели Оукена на данных 2010-2020 гг. позволила выявить циклическую реакцию уровня безработицы разнородных региональных кластеров на изменение объемов выпуска.
Ключевые слова: модель Оукена, эконометрическая оценка, уровень безработицы, экономические колебания, региональные кластеры.
JEL: J64; E32; R15
DOI: 10.47711/0868-6351-184-152-163
В базовом сценарии прогноза мирового экономического развития, представленного в июньском докладе Всемирного банка [1], ожидается сокращение мирового ВВП на 5,2% в 2020 г., которое является наиболее глубоким за последние восемь десятилетий. Прогнозируемый в экономически развитых странах мира спад может составить - 7,7%, в государствах зоны евро - 9,1%, США и Японии - 6,1%, в России - 6,0%. Объемы производства и доходы на душу населения в подавляющем большинстве стран сокращаются, что ведет к росту безработицы и бедности населения, провоцируя снижение внутреннего спроса на товары и услуги. Темпы восстановления мировой экономики, по прогнозам Всемирного банка, будут умеренными - 4,2% в 2021 г., при этом восстановительный рост в еврозоне достигнет 4,5%, в США - 4,0%, в Японии - 2,5%, в России - 2,7% [1]. По оценкам экспертов, российская экономика в 2020-2021 гг. будет находиться под влиянием трех шоков, оказывающих негативное воздействие на динамику ключевых показателей социально-экономического развития [2]. Речь идет, во-первых, об экономических последствиях пандемии коронавируса, охватившей большинство стран мира, включая Россию, во-вторых, о падении цен на углеводороды на мировых рынках, в-третьих, об изменении структуры и сжатии спроса на товары и услуги под влиянием спада мировой экономики и нарушения цепочек поставок. Экономический кризис и спад мировой экономики актуализируют исследования влияния динамики объемов производства на ключевые индикаторы национального рынка труда.
Взаимосвязь между экономическим спадом и индикаторами рынка труда изучается как зарубежными, так и российскими авторами (см., напр., [3-6]). Использование эконометрических моделей позволяет оценить степень чувствительности индикато-
1 Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (грант № 20-010-00681).
ров рынков труда к циклическим колебаниям макропараметров. В большинстве работ инструментальной основой исследования выступает одна из базовых модификаций модели Оукена (Okun's model), кроме того, существуют несколько спецификаций взаимозависимости безработицы и объемов производства, подробно описанных в литературе [7]. Оукен выявил устойчивую отрицательную связь циклической безработицы (разницы фактической и естественной безработицы) с изменением величины разрыва между реальным и потенциальным ВВП [8]. Снижение спроса на товары и услуги в период экономической рецессии снижает спрос на труд, который является производным фактором, что сокращает занятость и формирует предпосылки роста безработицы. Рост циклической безработицы, в свою очередь, расширяет разрыв между реальным и потенциальным ВВП, поскольку увеличивается «недопроизводство» товаров и услуг. Существуют не только экономические, но и социальные издержки циклической безработицы: расслоение населения по доходам, повышение социальной напряженности, рост заболеваемости, преступности и т.д.
Циклические колебания выпуска в процентном отношении превышают колебания уровня безработицы, а выпуск в расчете на одного работающего в период рецессии падает вместе с падением объемов производства. В России уменьшение объемов выпуска несопоставимо выше масштабов сокращения занятости и темпов роста безработицы, что имеет свои причины. Анализ российского рынка труда, проведенный разными авторами, показывает, что при спаде спроса на труд не только уменьшается численность занятых, но и сокращаются часы работы и реальные доходы населения, прежде всего заработная плата. Исследователи подчеркивают, что, адаптируясь к негативным экономическим шокам, российский рынок труда реагирует «не столько ростом безработицы, сколько сокращением продолжительности рабочего времени и снижением реальной заработной платы» [9, с. 251].
При большом числе научных публикаций, посвященных различным аспектам взаимосвязи «выпуск - безработица», недостаточно подробно исследованы поведенческие реакции неоднородных региональных рынков труда на экономические колебания. Настоящее исследование расширяет подходы, представленные в литературе, учитывая уникальное многообразие регионов России и высокую гетерогенность российского рынка труда.
Цель исследования - оценить влияние изменения объемов выпуска на динамику уровня безработицы в трех группах регионов России, различающихся как уровнем безработицы, так и поведенческими реакциями на шоки.
В исследовании использованы официальные данные Федеральной службы государственной статистики [10] и данные Министерства экономического развития РФ [11]. Выборка состоит из 79 субъектов РФ2. Исследуемый период: 2010 г. - 1 кв. 2020 г., используются квартальные данные5. Рассматривается изменение национального рынка труда после экономического шока глобальной рецессии (2008-2009 гг.) и до наступления нового кризиса, вызванного последствиями эпидемии COVID-19. Темпы изменения валового внутреннего продукта и валового регионального продукта определяются на основе годовых и квартальных индексов физического объема производства. Оценка региональных уровней безработицы основана на методологии Международной организации труда (МОТ), а валового регионального продукта - на системе национальных счетов (СНС). Доля регионов, включенных в выборку, составляет в ВВП России 99%, а в численности безработных, учитываемых по методоло-
2 В состав выборки не включены Севастополь и Республика Крым из-за отсутствия данных до 2014 г., Чеченская республика. Ненецкий, Ханты-Мансийский, Ямало-Ненецкий автономные округа рассмотрены в составе соответствующих субъектов РФ.
3 Единая межведомственная информационная статистическая система Росстата. URL: https://www.fedstat.ru /indicator/43062#
гии МОТ, превышает 96%4. Для группировки регионов предлагается специально составленный алгоритм кластерного анализа, который позволяет учесть межрегиональные различия, гетерогенную структуру и неоднородность поведенческих реакций региональных рынков труда.
Модификации модели Оукена. Известно, что А. Оукен предложил несколько вариантов исследования взаимосвязи выпуска и безработицы, рассматривая как прямую, так и обратную зависимости. В современной научной литературе обсуждаются и используются разные модификации модели Оукена, одну из которых обозначают как «версия разрыва» (gap version), другую называют «разностной», отражающей отношение между «первыми разностями» (first differences). Рассматриваются динамические модели, а также модификации с запаздывающими переменными или взятыми в логарифмической форме. В «разрывной» модификации модели фактический ВВП сравнивается с потенциальным (output gap), а фактическая безработица с ее естественным или целевым уровнем. Оценка «разрыва выпуска» (output gap) неоднократно проводилась для экономики России с применением фильтров Калмана, Ходрика-Прескотта и др. [12; 13]. Определенную сложность представляет измерение естественного уровня безработицы, важного для оценки модели Оукена в «версии разрыва». Существующие в литературе подходы к анализу и оценке естественного уровня безработицы рассмотрены в российской и зарубежной литературе [14-16]. В составе инструментов измерения естественного уровня безработицы авторы чаще всего использовали кривую Филипса (Phillips curve), кривую Бевериджа (Beveridge curve), а также различные фильтры. Сразу же следует оговориться, что взаимосвязь между ростом (спадом) производства и отклонением фактической безработицы от ее естественного уровня опосредована влиянием множества других факторов, отражающих особенности развития страны и ее регионов.
Другая модификация модели Оукена, отражающая отношение «first differences», предполагает оценку регрессии между приростом уровня безработицы и темпом прироста выпуска. В модификации, которую мы будем использовать для решения поставленных задач, переменные взяты в логарифмической форме, что дает определенные преимущества, так как позволяет избежать искажений, вызванных отклонениями региональных значений уровня безработицы и темпа роста производства от нормального закона распределения совокупности регионов [17]. На основе модифицированной модели Оукена [Okun, 1962] оцениваются наличие и сила чувствительности рынка труда к бизнес-циклу [18; 19]. Модель имеет вид:
dUu = аг- + e>idGu + e, (1)
где dUu - абсолютное изменение уровня безработицы в регионе i в период t; Pi - коэффициент Оукена, который в модели имеет отрицательное значение, отражая рост безработицы при спаде производства и сокращение - при экономическом росте; dGit -темп прироста производства в регионе i в период t, в процентах; a - параметр, отражающий специфику региона i и подлежащий оценке; е - случайная переменная.
Модифицированная модель Оукена оценивалась для выборки, включающей 79 регионов РФ, на квартальных и годовых данных. Панельная регрессия уточняет параметры силы воздействия экономических шоков на безработицу в региональном разрезе:
dUu = aR + WGu + e, (2)
где: dUit - изменение уровня безработицы региона i в период t; рг- коэффициент Оукена, для i-й территории; Ri - дамми переменная, отражающая региональные различия уровня безработицы; dGit - темп прироста производства в процентах [19].
4 По данным Росстата: https://fedstat.ru/indicator/33414 в выборку не включено 145,9 тыс. чел. из 3465 тыс. безработных в России за 2019 г.
В панельной выборке единицами наблюдения являются регионы. Панельные регрессии построены на основе логарифмированных переменных прироста выпуска и уровня безработицы. Модификации с использованием логарифмов уровня безработицы и темпа прироста выпуска широко применяются в научных исследованиях [3; 17].
ln(Uit) = а + pzn(Gtt) + е, (3)
где: Uit - уровень безработицы в регионе i в году t; Git - темп роста (индекс производства) в регионе i в году t. Оценка параметров модели (3) выполнена с помощью метода наименьших квадратов OLS.
Кластеризация регионов. Уровень безработицы на российском рынке труда характеризуется высокой межрегиональной дифференциацией, которая сокращается в период спада и увеличивается вместе с началом экономического роста [20-22]. С целью формирования относительно однородных групп выполнен кластерный анализ регионов России, включенных в выборку, по уровню безработицы5.
Иерархическая кластеризация пошагово объединила регионы, сходные по квартальной динамике уровня безработицы в 2010-2019 гг. Отметим, что квартальные данные дают возможность получения кластеров (клубов) регионов РФ, сходных по параметрам цикличности уровня безработицы. Использование метода K-средних, широко применяемого в методологии кластерного анализа, позволило минимизировать различия внутри кластеров и максимизировать изменчивость между кластерами; евклидовы расстояния, описывающие качество кластеризации, представлены в Приложении (таблица). В результате иерархической кластеризации регионов РФ по уровню и динамике квартальных показателей безработицы за 2010-2019 гг. сформированы три группы регионов или три клуба (табл. 1).
Таблица 1
Состав региональных кластеров (клубов) РФ, 2010-2019 гг.
Клуб Число регионов Состав регионов
1 9 Республики: Кабардино-Балкарская, Карачаево-Черкесская, Алтай, Дагестан, Ингушетия, Калмыкия, Тыва, Северная Осетия-Алания. Забайкальский край.
2 33 Республики: Адыгея, Башкортостан, Бурятия, Карелия, Коми, Марий Эл, Саха (Якутия), Хакасия, Чувашия. Области: Архангельская, Астраханская, Волгоградская, Вологодская, Иркутская, Калининградская, Омская, Кемеровская, Кировская, Курганская, Мурманская, Новосибирская, Орловская, Псковская, Ростовская, Сахалинская, Свердловская, Смоленская, Томская, Челябинская. Края: Алтайский, Пермский, Приморский. Еврейская АО.
3 37 Москва, Санкт-Петербург. Республики: Татарстан, Мордовия, Удмуртия. Области: Амурская, Белгородская, Брянская, Владимирская, Воронежская, Ивановская, Калужская, Костромская, Курская, Ленинградская, Липецкая, Магаданская, Московская, Нижегородская, Новгородская, Оренбургская, Пензенская, Рязанская, Самарская, Саратовская, Тамбовская, Тверская, Тульская, Тюменская, Ульяновская, Ярославская. Края: Камчатский, Краснодарский, Красноярский, Ставропольский, Хабаровский. Чукотский АО.
Источник: расчеты авторов по данным [10].
Выделенные кластеры (клубы) различаются не только уровнем безработицы, но и мерой неоднородности состава, связанной с отклонениями региональных значений уровня безработицы от среднего по кластеру (табл. 2).
Как видно из данных табл. 2, относительно однородным является второй клуб. Здесь отмечены наименьшие значения коэффициента вариации: 4-10%, причем в последние пять лет этот показатель не меняется (5%). Наиболее неоднородным по
5 При расчете расстояния между кластерами использовался метод Уорда, целевой функцией выступала сумма квадратов расстояний между элементами и «центром тяжести» кластера с применением евклидовой метрики.
составу является первый клуб, где значения коэффициента вариации достигают 30-32%. Среди регионов третьего клуба коэффициент вариации также высокий, но диапазон его изменения по годам шире, чем в других клубах (19-30%).
Таблица 2
Коэффициент вариации региональных значений уровня безработицы внутри клубов, 2011-2019 гг., %
Год 1 клуб 2 клуб 3 клуб
2011 30 10 19
2012 32 9 21
2013 32 4 27
2014 31 7 28
2015 30 5 30
2016 30 5 25
2017 31 5 25
2018 31 5 26
2019 31 5 26
Источник: расчеты авторов по данным [10].
Иную картину представляет поквартальная динамика средних по каждому кластеру уровней безработицы за 2010-2020 гг., которая представлена на рисунке.
Рисунок. Среднекластерные значения уровня безработицы, 2010-2020 гг. (квартальные данные): -club 1, -■- club 2, -□- club 3
Источник: расчеты авторов по данным [10].
Данные рисунка показывают разную глубину реакции среднекластерных уровней безработицы на экономические шоки. Для первого клуба характерны наиболее высокие значения и амплитуда колебаний уровня безработицы, включая первый квартал 2020 г. В третьем клубе они наиболее низкие. Промежуточное положение занимают регионы второго клуба, где амплитуда колебаний и уровень безработицы выше, чем в третьем клубе, но ниже, чем в первом.
Спецификации модели. В нашем исследовании коэффициенты Оукена были разграничены на общие, когда оценка выполняется для национальной экономики в целом, и специальные, рассчитанные для отдельных кластеров или регионов. В статье оцениваются как общие, так и специальные коэффициенты Оукена. С этой
целью для каждого кластера (клуба) регионов построена панельная регрессия с фиксированными эффектами. В результате оценки, выполненной методом наименьших квадратов (ОЬБ) с использованием квартальных данных для периода 2010-2020 гг., получены следующие модели.
Клуб 1: ¡пи = - 0,068* ¡пО + 2,874 Клуб 2: 1пи = - 0,043* ¡пО + 2,113 Клуб 3: ¡пи = - 0,062*1п0 + 1,195 Анализ клубных спецификаций модели показывает, что среднесрочный коэффициент Оукена значим по критерию Стьюдента, модели состоятельны, а фиксированные эффекты регионов оказывают влияние на зависимость между безработицей и экономическими колебаниями. Регионы кластера с максимальной высокой безработицей (клуб 1) имеют наиболее высокий коэффициент Оукена (-0,068). Модель объясняет около 80% колебаний уровня безработицы (Я2 = 0,791). В третьем кластере (клубе 3), отличающемся низким уровнем безработицы, коэффициент регрессии между экономической динамикой и колебаниями уровня безработицы ниже, чем в первом клубе (-0,062), как и коэффициент детерминации (Я2 = 0,611). Наиболее низкие значения коэффициента Оукена (-0,043) получены для второго клуба с низким коэффициентом детерминации (Я2 = 0,481).
Таблица 3
Коэффициент Оукена: сравнение клубных параметров, 2010-2020 гг.
Кластер (клуб) Средний уровень безработицы и, % Средний темп роста производства О, % Коэффициент регрессии р*
1 14,52 102,10 -0,068
2 6,96 100,92 -0,043
3 4,66 100,99 -0,062
РФ 6,74 101,07 -0,050
* Значения коэффициента Оукена для спецификаций модели с логарифмами переменных.
Источник: расчеты авторов по данным [10].
Как показали расчеты, значения коэффициента Оукена, который измеряет циклический отклик, для всех трех кластеров и России в целом имеют отрицательные знаки, что соответствует теоретическим предпосылкам модели и рабочим гипотезам исследования. Из данных табл. 3 видно, что за 2010-2020 гг. в среднем по выборке, включающей 79 регионов, при уровне безработицы 6,74% и среднегодовом приросте производства в 1,07% коэффициент Оукена составляет -0,050. Каждый кластер (клуб) отличается как уровнем безработицы, так и темпами роста (спада) производства. Разные значения специальных коэффициентов Оукена во многом объясняются существенными различиями в структуре экономик и рынков труда регионов, входящих в клубы. Необходимо также учитывать неравномерность и условия социально-экономического и демографического развития регионов России. Важную роль играет характер экономических шоков, влияющих на взаимодействие «выпуск-безработица» в разные периоды.
Межрегиональные различия затрагивают не только уровни безработицы, но и поведенческие реакции индикаторов рынка труда на экономические шоки. Регионы первого кластера с относительно высоким уровнем безработицы демонстрировали более сильную реакцию на спад и запаздывающую на восстановительный рост, что объясняется структурой региональной экономики с низкой долей локомотивных отраслей, обеспечивающих растущий спрос на рабочую силу. Большая часть регионов первого кластера отличается высокой долей молодежи в структуре населения, а молодые люди, не имеющие опыта работы, чувствительны к циклическому спаду
и входят в группу риска на рынке труда, так как в условиях кризиса их увольняют в первую очередь, а нанимают в последнюю. Фактором риска для регионов первого кластера выступает также превышающая среднероссийские значения доля сельского населения, среди которого безработица выше, чем в городах. Скорее всего, реальные масштабы безработицы в регионах этой группы больше, чем статистически измеренные, если учитывать скрытую незанятость. С другой стороны, здесь высока доля неформального сектора, который сдерживает рост фактической безработицы. Важно понимать, что «существование скрытой безработицы, производства и занятости населения в теневом секторе ведет к искажениям в исследуемой зависимости динамики ВВП и уровня безработицы» [7, с. 484]. Высокие квартальные колебания уровня безработицы внутри года характерны для регионов первого кластера, как наиболее гетерогенного.
Регионы третьего кластера с относительно низким уровнем безработицы быстрее адаптировались как к ситуации кризиса, так и восстановительного роста. Безработица повышалась в период спада, сокращалась на стадии экономического роста, сохраняясь на сравнительно невысоком уровне. Наиболее низкий уровень безработицы в периоды кризисов сохранялся в Москве и Санкт-Петербурге, что объясняется более высокой диверсификацией экономики, структуры занятости и источников доходов населения, а также наличием отраслей, формирующих растущий спрос на рабочую силу.
Второй кластер является наиболее однородным, а реакция на циклические экономические шоки близка к среднероссийской, так же как и значение коэффициента Оукена.
Для преодоления высоких межрегиональных контрастов на российском рынке труда выбор приоритетов развития и инвестирования должен исходить из задач, во-первых, обеспечения экономического роста в кратко- и среднесрочной перспективе, во-вторых, формирования «полюсов роста», усиливающих межрегиональный обмен вследствие создания современных производств, в-третьих, учета особенностей развития конкретных территорий [23, с. 7]. Результаты проведенного исследования свидетельствуют, что на уровне региональных кластеров (клубов) проявляются разные реакции циклической безработицы на экономические шоки в стране. Кроме макроэкономических шоков необходимо учитывать влияние секторальных шоков.
Проведенное исследование показало отрицательную связь изменений валового регионального продукта с динамикой уровня безработицы, что подтверждает положения Оукена. Спад или рост выпуска объясняют лишь небольшую часть, а именно, «циклический компонент» изменения уровня безработицы. Модельные расчеты позволили выявить разную степень чувствительности уровня безработицы к циклическим шокам, что объясняется институциональными, социальными, экономическими, демографическими особенностями развития регионов России. Значения коэффициентов Оукена для трех разнородных кластеров (клубов), рассчитанные по квартальным данным временных рядов в 2010-2020 гг. отражают особенности поведения локальных рынков труда, где предприятия в период кризиса минимизируют издержки, как уже отмечалось, за счет сокращения реальной заработной платы и времени работы, а не массового увольнения персонала. Полученные нами результаты согласуются с выводами других авторов, подтверждающих, что «адаптация к падению производства лишь в небольшой степени происходит за счет роста безработицы» [24, с. 205].
Оценка взаимосвязи «выпуск-безработица», отражающей зависимость рынка труда от колебаний экономики, особенно актуальна в условиях современного «коро-накризиса». Нисходящая экономическая динамика в январе-мае 2020 г. показывает, что пандемия СОУШ-19 в неодинаковой степени повлияла на разные сегменты экономики, затронув одни виды экономической деятельности в большей степени, чем
другие. На тех региональных рынках труда, где сосредоточены наиболее «пострадавшие» виды экономической деятельности, в большей степени увеличилась безработица. Сокращение персонала произошло в секторе услуг, на транспорте, в строительстве, торговле, учреждениях культуры и др. Из-за обвала туристической индустрии пострадали гостиницы, рестораны. В результате резкого сокращения спроса на авиационные перевозки и услуги железнодорожного транспорта пропорционально сократился спрос на топливо. Вместе с тем, судя по котировкам акций, как отмечают эксперты, химическая и нефтехимическая промышленность пострадали в меньшей степени. Известно, что после введения ряда социальных ограничений и перехода многих предприятий на удаленный режим работы, резко вырос спрос на услуги доставки продуктов, увеличились продажи средств дезинфекции и индивидуальной защиты, лекарственных препаратов и продовольствия. Спад занятости и сокращение штатов в значительной степени затронули предприятия малого и среднего бизнеса.
Анализ динамики физического объема выпуска по базовым видам экономической деятельности свидетельствует, что в апреле 2020 г. он достиг 88,8% по сравнению с мартом, в мае по сравнению с апрелем - 97,4% [11]. Рост числа безработных, по предварительным данным Росстата, в апреле составил 123% к марту 2020 г., в мае - 105% к апрелю 2020 г. Если же сравнивать с соответствующим периодом 2019 г., рост безработицы составил 120,6% в апреле, 132,7% в мае (табл. 4).
Таблица 4
Численность безработных в возрасте 15 лет и старше, январь-май 2020 г.
Общая численность безработных Численность зарегистрированных безработных
Месяц к тому же к предыду- к тому же к предыду-
тыс. чел. периоду щему тыс. чел. периоду щему
2019 г., % периоду, % 2019 г., % периоду, %
Январь 3482 95,0 100,3 700 95,4 101,2
Февраль 3425 93,7 98,4 730 91,4 104,3
Март 3485 99,1 101,8 727 88,8 99,6
Апрель 4286 120,6 123,0 1311 160,5 180,4
Май 4513* 132,7 105,3 2143 280 163,5
* Предвар ительные итоги.
Источник: составлено авторами по данным Минэкономразвития [11].
Регистрируемая безработица в мае 2020 г. по сравнению с 2019 г. увеличилась в 2,8 раза.
Национальные рынки труда в большинстве стран, включая Россию, отреагировали на замедление роста, а затем и сокращение производства, не только спадом занятости и повышением уровня безработицы, но и уменьшением рабочего времени, снижением уровня оплаты труда, отменой выплат премий. Так, по данным Минэкономразвития в период пандемии COVID-19 и спада производства реальная заработная плата в марте-апреле 2020 г. сократилась на 6,3%, уровень занятости понизился с 59,4% (март 2020 г.) до 58,4% в апреле и 58,3% в мае 2020 г. Уровень безработицы увеличился с 4,7% (март) до 5,8% (апрель) и 6,1% (май), а численность безработных выросла с 3,5 млн. чел. в марте до 4,5 млн. в мае 2020 г. [11]. Необходимо учитывать, что режим дистанционной работы многие предприятия собираются сохранить и после выхода из пандемии. В настоящее время усиливается диджитализация экономики, расширяются объемы электронной коммерции, on-line продаж и других операций, увеличились вложения компаний в искусственный интеллект, внедрение которого становится одним из приоритетных направлений инвестирования.
Рынок труда и структуру занятости населения в ближайшей перспективе затронут фундаментальные изменения. Важно понимать, что выход из пандемии означает не возврат к прежней модели экономики, а переход к концептуально другой, где рынок труда будет основан на гибких формах занятости и механизмах подстройки к циклическим экономическим колебаниям, а также на новой структуре спроса на труд. Оценка региональных значений коэффициента Оукена в период экономической рецессии и восстановительного роста требует статистических данных за 2020-2021 гг. и проведения исследований с учетом социально-экономических последствий «пандемического кризиса» и изменения модели развития экономики. В период циклической экономической рецессии следует ожидать значительного роста безработицы, поскольку модель Оукена предполагает более сильную реакцию уровня безработицы на спад, чем на восстановительный рост.
* * *
Пандемия коронавируса оказала значительное влияние на российскую экономику, экспертами прогнозируется глубокий спад производства, повышение уровня безработицы в 2020 г. и медленный восстановительный рост в 2021 г. Политика поддержки занятости в период экономической рецессии должна учитывать высокие межрегиональные различия на российском рынке труда. В статье выявлены особенности поведенческих реакций региональных рынков труда с разным уровнем безработицы на экономические колебания. Проведенное исследование позволило сделать нижеследующие выводы.
Во-первых, рассчитанные для трех региональных кластеров значения коэффициента Оукена имеют отрицательный знак, что подтверждает теоретические предпосылки и рабочие гипотезы исследования. Вместе с тем взаимодействие спада (роста) производства с изменением уровня безработицы в механизме подстройки к экономическим шокам опосредовано специфическими институциональными, социальными, экономическими, демографическими особенностями развития локальных рынков труда регионов России, которые влияют на степень их восприимчивости к изменениям объемов производства.
Во-вторых, получена статистически значимая оценка влияния темпов роста и спада производства на изменение уровня безработицы. Оценки коэффициентов Оукена для России в целом и трех кластеров (клубов) в отдельности показали, что региональные рынки труда имеют разную степень чувствительности к спаду и росту производства, а также устойчиво высокие (первый клуб) и низкие (третий клуб) уровни безработицы в 2010-2020 гг.
В-третьих, выявлены различия в поведенческих реакциях параметров рынка труда на экономические шоки в регионах России. Регионы первого кластера, с высоким уровнем безработицы, отличает более глубокая реакция на спад и запаздывающая на восстановительный рост. Регионы третьего кластера с низким уровнем безработицы быстрее адаптировались как к ситуации кризиса, так и восстановительного роста. Второй кластер является наиболее однородным, а реакция на циклические экономические шоки сходна со среднероссийской.
В-четвертых, расчеты показали, что значения коэффициентов Оукена в разрезе кластеров (клубов), как и для России в целом, оказались сравнительно низкими. Это означает, что российский рынок труда имеет сложный механизм подстройки к циклическим экономическим колебаниям. Рост или сокращение безработицы является лишь одним, но не единственным, каналом адаптации к шокам. В свою очередь изменение
уровня безработицы происходит под воздействием не только спада или роста производства, но и других факторов, влияние которых модель Оукена учитывает косвенно.
Полученные результаты могут быть использованы при выработке мер контрциклической экономической политики, учитывающей современные вызовы на рынке труда. Дальнейшие исследования будут направлены на изучение нелинейной асимметричной взаимосвязи «выпуск-безработица» в условиях спада и восстановительного экономического роста в России.
Литература / References
1. Global Economic Prospects. June 2020. Washington, DC: World Bank. DOI: 10.1596/978-1-4648-1553-9.
2. Ведев А.Л., Дробышевский С.М., Кнобель А.Ю., Соколов И.А., Трунин П.В. Сценарии развития экономической ситуации в России в 2020-2021 гг. и вызовы экономической политики // Экономическое развитие России. Т. 27. № 5. С. 4-23. [Vedev A.L., Drobyshevsky S.M., Knobel A.Yu., Sokolov I.A., Trunin P.V. Scenarios for the development of the economic situation in Russia in 2020-2021 and challenges for economic policy // Russian Economic development. Vol. 27. № 5. Pp. 4-23.] (in Russ).
3. Cazes S., Verick Sh., Hussami F.A. Why did unemployment respond so differently to the global financial crisis across countries? Insights from Okun's law // IZA Journal of Labor Policy. 2013. № 2(1). Pp. 1-18.
4. Dixon, R., Lim G.C., Van Ours J.C. Revisiting the Okun relationship // Applied Economics. 2017. № 49(28). Pp. 2749-2765.
5. Evans A. Okun coefficients and participation coefficients by age and gender // IZA Journal of Labor Economics. 2018. № 7 (5). Pp. 1-22. doi.org/10.1186/s40172-018-0065-8.
6. Maitah M., Toth D. and Kuzmenko E. Exploring the Relationship between Economic Growth and Employment in the Czech Republic and Belgium //Review of European Studies. 2015. № 7(11). Pp. 115-124.
7. Ахундова О.В., Коровкин А.Г., Королев И.Б. Взаимосвязь динамики ВВП и безработицы: теоретический и практический аспект /Научные труды ИНП РАН. 2005. С. 471-497. [Akhundova O.V., Korovkin A.G., Korolev I.B. The relationship between the dynamics of GDP and unemployment: theoretical and practical aspects // Scientific Articles — Institute of Economic Forecasting Russian Academy of Sciences, 2005. Pp. 471497.] (in Russ).
8. Okun A.M. Potential GNP: Its measurement and its significance. Proceedings of the Business and Economic // Statistics Section. American Statistical Association. 1962. Pp. 98-103.
9. Гимпельсон В.Е., Капелюшников Р.И. Российская модель рынка труда: испытание кризисом //Журнал новой экономической ассоциации. 2015. № 2(26). С. 249-253. [Gimpelson V.Ye, Kapeliushnikov R.I. The Russian Labour Market Model: Trial by Recession // Journal of the New Economic Association. 2015. Vol. 2. № 26. Pp. 249-253.] (in Russ).
10. Росстат: Федеральная служба государственной статистики. Офиц. сайт. Режим доступа: http: // www.gks.ru [Rosstat: Federal State Statistics Service. Available at: http: //www.gks.ru]
11. Министерство экономического развития Российской Федерации. Картина деловой активности за май 2020 года. [Электронный ресурс]. Режим доступа: https://www.economy.gov.ru/material/file/ 0a16c1bc10412bb6dcabfc834301154b/200618_.pdf [Ministry of Economic Development of the Russian Federation. Business activity in May 2020. Available at: https://www.economy.gov.ru/material/file/ 0a16c1bc10412bb6dcabfc834301154b/ 200618_.pdf] (in Russ).
12. Зубарев А.В., Трунин П.В. Анализ динамики российской экономики с помощью показателя «разрыв выпуска» //Проблемы прогнозирования. 2017. № 2 (161). С. 10-17. [Zubarev A. V., Trunin P. V. The analysis of the dynamics of the Russian economy using the output gap indicator. Studies on Russian Economic Development, 2017, vol. 2, no. 161, pp. 10-17.] (in Russ).
13. Синельников-Мурылев С., Дробышевский С., Казакова М. Декомпозиция темпов роста ВВП России в 1999-2014 годах // Экономическая политика. 2014. № 5. С. 7-37. [Sinelnikov-Murylev S., Drobyshevsky S., Kazakova M. Decomposition of Russian GDP Growth Rates in 1999-2014 // Economic Policy. 2014. Vol. 5. Pp. 7-37.] (inRuss).
14. Ball L., Mankiw N.G. The NAIRU in theory and practice // The Journal of Economic Perspectives. 2002. № 16(4). Pp. 115-136.
15. Ахундова О.В., Коровкин А.Г. Опыт оценки естественного уровня безработицы в экономике России. Научные труды Институт народнохозяйственного прогнозирования РАН. М.: МАКС Пресс, 2006. C. 488-508.
16. Blanchard O. Should we reject the Natural Rate Hypothesis? // Journal of Economic Perspectives. 2018. № 32(1). Pp. 97-120.
17. O'Higgins N. This Time It's Different? Youth Labour Markets during «The Great Recession» // Comparative Economic Studies. 2012. № 54. Pp. 395-412. doi:10.1057/ces.2012.15.
18. Boulhol H. and Sicari P. Labour Market Performance by Age Groups: A Focus on France // OECD Economics Department Working Papers. 2013. № 1027.
19. Hutengs O., Stadtmann G. Age- and Gender-Specific Unemployment in Scandinavian Countries: An Analysis based on Okun's Law // Comparative Economic Studies. 2014. № 56(4). Pp. 567-580.
20. Молодежный рынок труда: оценка и моделирование межрегиональных различий. М.: Университетская книга, 2016. 178 с. [Youth Labor Market: Assessment and Modeling of Interregional Differences. M.: University book, 2016. 178p.] (in Russ).
21. Blinova T., Markov V., Rusanovskiy V. Empirical Study of Spatial Differentiation of Youth Unemployment in Russia //Acta Oeconomica. 2016. № 66 (3). Pp. 507-526.
22. Blinova T.V., Markov V.A., Rusanovskiy V.A. Interregional Differences of the Youth Unemployment in Russia: Models of Convergence // Ponte J. 2017. № 73(8). Pp. 202-216.
23. Ивантер В.В., Говтвань О.Дж., Гусев М.С., Ксенофонтов М.Ю., Кувалин Д.Б., Моисеев А.К., Порфирьев Б.Н., Семикашев В.В., Узяков М.Н., Широв А.А. Система мер по восстановлению экономического роста в России // Проблемы прогнозирования. 2018. № 1. С. 3-9. [Ivanter V.V., Govtvan' O.Dzh., Gusev M.S., Ksenofontov M.Yu., Kuvalin D.B., Moiseev A.K., Porfiryev B.N., Semikashev V.V., Uzyakov M.N. and A.A. Shi-rov. System of Measures to Recovery of Economic Growth in Russia // Studies on Russian Economic Development. 2018. Vol. 1. Pp. 3-9.] (inRuss) DOI: 10.1134/S1075700718010057
24. Гурвич Е.Т., Вакуленко Е.С. Исследования российского рынка труда и экономическая политика // Журнал Новой экономической ассоциации. 2018. № 1(37). С. 203-212. [Gurvich E.T., Vakulenko E.S. Studies of Russian Labor Market and Economic Policy // Journal of the New Economic Association. 2018. Vol.1. № 37. Рр. 203-212.] (in Russ).
Приложение Таблица
Евклидовы расстояния между кластерами
Кластер (клуб) club 1 club 2 club 3
club 1 0,00
club 2 4,93 0,00
club 3 7,22 2,32 0,00
Источник: рассчитано авторами по данным Росстата [10].
Статья поступила 11.05.2020. Статья принята к публикации 12.08.2020
Для цитирования: Блинова Т.В., Русановский В.А., Марков В.А. Оценка влияния
экономических колебаний на уровень безработицы в регионах России на основе модели Оукена // Проблемы прогнозирования. 2021. № 1. С. 152-163. БО!: 10.47711/0868-6351-184-152-163
Summary
ESTIMATING THE IMPACT OF ECONOMIC FLUCTUATIONS ON UNEMPLOYMENT IN RUSSIAN REGIONS BASED ON THE OKUN MODEL
T.V. BLINOVA, Doct. Sci. (Econ.), Professor, Institute of Agrarian Problems of the Russian Academy of Sciences, Saratov, Russia. ORCID: 0000-0001-6144-7314. V.A. RUSANOVSKIIl, Doct. Sci. (Econ.), Professor.
V.A. MARKOV, Cand. Sci. (Econ.), Yuri Gagarin State Technical University of Saratov, Saratov, Russia. ORCID: 0000-0001-6478-3823.
Abstract: Based on the modified Okun's model, the article evaluates the impact of changes in production volumes on the dynamics of unemployment in Russia and three regional clusters differing in the unemployment rate and behavioral responses to economic shocks. Assessing the specifications of the basic Okun model on the data of 2010-2020 made it possible to identify a cyclical reaction of the unemployment rate in heterogeneous regional clusters to changes in output volumes.
Keywords: Okun's model, econometric assessment, unemployment rate, economic fluctuations, regional clusters
Received 11.05.2020. Accepted 12.08.2020
For citation: T.V. Blinova, |V.A. Rusanovskij, V.A. Markov. Estimating the Impact of Eco-
nomic Fluctuations on Unemployment in Russian Regions Based on the Okun Model // Studies on Russian Economic Development. 2021. Vol. 32. № 1. Pp. 103-110. DOI: 10.1134/S1075700721010032
