Влияние миграции и естественного воспроизводства трудовых ресурсов на экономический рост в странах мира Текст научной статьи по специальности «Экономика и бизнес»

М. Л. Лифшиц

Влияние миграции и естественного воспроизводства трудовых ресурсов на экономический рост в странах мира

Построены модели долгосрочного экономического роста для стран мира (1970-2012). Объясняемая переменная — динамика отношения ВВП к численности возрастной группы 15-64. Исследование показывает, что влияние миграции и демографических показателей на экономический рост зависит от уровня естественного воспроизводства трудовых ресурсов в странах приема или оттока мигрантов. Также построена модель для России (1998-2013), учитывающая поквартальную динамику и цены на нефть.

ключевые слова: миграция населения; экономический рост; трудовые ресурсы; экономический прогноз; цены на нефть; возрастная структура населения; старение населения. JEL classification: C33; F22; J11; O40.

сновной задачей статьи является исследование влияния на экономический рост

уровня воспроизводства трудовых ресурсов, естественного и миграционного. По-

бочная задача — прогноз экономического роста для России при сохранении текущих

В результате миграции населения возникают как положительные, так и отрицательные эффекты для экономического развития: как для мест происхождения мигрантов, так и в местах прибытия. Их описанию посвящена обширная литература. Основные последствия миграции перечислены в докладе ООН «Преодоление барьеров: человеческая мобильность и развитие» (ООН, 2010).

Важнейшие отрицательные следствия для мест происхождения мигрантов обычно связывают с так называемой «утечкой умов», а положительные — с денежными переводами и обменом знаниями. В реальности влияние «утечки мозгов» неоднозначно. Так, П. Стрызов-ский показывает, что это явление приводит к росту иностранных инвестиций в страну происхождения образованных мигрантов, что благотворно сказывается на экономическом росте (Stryszowski, 2009). Г. И. Глущенко и В. А. Пономарев выдвигают и иллюстрируют тезис, что «утечка умов» «в дальнейшем может привести к «обогащению умов», ... если страны происхождения ориентированы на открытость и интеграцию с международной экономикой» (Глущенко, Пономарев, 2009, с. 123). Очевидно, это связано с созданием условий для высокорискового венчурного капитала, с адекватной работой соответствующих институтов.

Для стран приема основная ценность иммиграции связана, прежде всего, с омоложением возрастной структуры населения, что снижает демографическую нагрузку и делает более устойчивой пенсионную систему. В этом солидарны такие российские авторы,

1. введение. гипотезы, обоснование выбора переменных

тенденций.

как А. Г. Вишневский, Е. Т. Гайдар, Ж. А. Зайончковская, Е. В. Тюрюканова и др. (Вишнев- J ский, 2010; Гайдар, 2005; Зайончковская, Тюрюканова, 2010; Архангельский и др., 2005). 4 Глущенко и Пономарев (2009) отмечают также, что трудовая миграция по своей профессио- ^ нально-образовательной структуре дополняет трудовые ресурсы страны приема, а мигран- ^ ты привозят в страну дополнительный человеческий капитал.

Хорошо известен селективный характер миграционных процессов. Люди, склонные к миграции, более активны и деятельны, и это само по себе дает выигрыш принимающей стороне.

Е. Т. Гайдар писал, что низкая плотность населения России дает ей редкую для XXI века возможность массового привлечения мигрантов для постоянного проживания. Открытые границы и значительный приток легальных иммигрантов «предоставит России XXI века возможности, которые активно и успешно использовала Америка позапрошлого и прошлого столетий» (Гайдар, 2005, с. 452-470). Тезис, однако, не бесспорный. Так, по мнению Р. Скелдона, развитие приводит к миграции, но не всегда миграция приводит к развитию: должны быть внутренние предпосылки для развития, чтобы миграция могла ему способствовать (Skeldon, 2007). Скелдон не исключает, что в долгосрочном периоде миграция может негативно влиять на экономическое развитие вследствие нагрузки на социальную сферу и особенностей миграционной политики.

Р. Дж. Барро и Х. Сала-и-Мартин, включив миграцию в теоретические модели Солоу-Свэна (Solow, 1956; Swan, 1956) и в модель Рамсея (Ramsey, 1928), модифицированную в (Blanchard, 1985; Weil, 1989), показали, что связь нетто-миграции и экономического роста должна быть отрицательной. Чистый отток усиливает экономический рост, а чистый приток замедляет, поскольку увеличивает предложение труда и приводит к снижению эффективности использования основного капитала внутри страны. Это негативное влияние особенно существенно, если человеческий капитал мигрантов меньше, чем в среднем у местных жителей (Барро, Сала-и-Мартин, 2010, с. 490-510). Однако модели для регионов США и Японии показали положительное влияние уровня нетто-миграции на экономический рост (там же, с. 619-631). О многочисленных аналогичных результатах упоминается также в (ООН, 2010; Глущенко, Пономарев, 2009).

В теоретических моделях Барро и Сала-и-Мартин для упрощения исходили из предположения о нулевом естественном приросте. Однако предложение труда увеличивается не только в результате положительной нетто-миграции, но и при естественном приросте трудовых ресурсов. Из этого следует, что нельзя адекватно оценить влияние миграции на экономический рост, не включив в эмпирическую модель показатель естественного воспроизводства трудовых ресурсов.

Основными гипотезами, которые будут тестироваться в данной работе, являются следующие:

1) только очень высокий уровень естественного прироста трудовых ресурсов тормозит экономический рост;

2) только при очень высоком уровне естественного прироста трудовых ресурсов миграция может негативно сказываться на экономическом росте;

3) очень низкий уровень естественного прироста трудовых ресурсов также может быть тормозом для экономического роста, даже если под экономическим ростом понимать динамику отношения ВВП к численности трудовых ресурсов.

Влияние снижения доли и численности трудоспособного населения на экономический рост пока мало изучено. М. Э. Дмитриев с соавторами утверждают, что снижение числен-

ности трудоспособного населения в России замедлит среднегодовой рост ВВП на душу населения до 2020 г. на 0.8-1.0 процентных пункта (или на 10-13% за период 2008-2020), но не дают ссылок на какие-либо расчеты (Дмитриев и др., 2009, с. 125). Эконометрические модели в работах (Лифшиц, 2011; Lifshits, 2011) показали, что на рост подушевого ВВП в стареющих странах со стабильно положительным миграционным сальдо большое влияние оказывает возрастная структура населения, особенно доля людей 15-39 лет. Но в тех моделях было очень мало дополнительных переменных, что снижает ценность полученных выводов.

В представленных ниже долгосрочных моделях экономического роста (за 15 лет) в качестве уровня естественного прироста трудовых ресурсов использовано соотношение возрастных групп 0-14 и 50-64 до начала каждого 15-летнего периода. Среди протестированных показателей миграции — уровень миграционного прироста населения, доля международных мигрантов в населении, образовательный уровень мигрантов (по странам рождения) в составе населения стран ОЭСР (Организация экономического сотрудничества и развития, включающая 34 страны), сальдо личных денежных переводов. Эти показатели включены в эмпирические модели экономического роста, построенные с учетом опыта других исследователей. В частности, были использованы, скорректированы или отвергнуты переменные, описанные или протестированные в (Барро, Сала-и-Мартин, 2010; Sala-i-Martin et al., 2003) и ряде других работ. Предпочтение отдавалось тем показателям, которые имелись для наибольшего количества стран в период 1970-2011 гг.

Из гипотезы Р. Солоу (Solow, 1956) об убывающей отдаче на капитал следует, что влияние на экономический рост исходного уровня экономического развития должно быть отрицательным. Чаще всего в моделях экономического роста использовалась переменная «ВВП на душу населения в начале периода». Дж. Сакс и А. Уорнер использовали также переменную «ВВП на душу экономически активного населения в начале периода», причем под экономически активным населением понималось население возрастной группы 15-64 (Sachs, Warner, 1997).

Особое место среди литературы, посвященной экономическому росту, занимают эмпирические исследования, связанные с так называемым «ресурсным проклятием». Начало бурной дискуссии было положено статьей (Sachs, Warner, 1995). В качестве показателя «изобилия природных ресурсов» авторы используют переменную «доля сырьевого экспорта в ВВП в начале периода» (под сырьем имеются в виду как топливные, так и не топливные природные ресурсы), которая входит в модели с отрицательным знаком. В работе (Torres et al., 2013) имеется довольно подробный обзор дискуссии о причинах данного феномена и альтернативные точки зрения. Высказывались предположения о завышении обменного курса национальной валюты, зависимости от сырьевых цен. В настоящее время большинство исследователей сходятся в том, что сущность негативного влияния «изобилия природных ресурсов» заключается в отсутствии стимулов для развития институтов и демократии, что в долгосрочном периоде и приводит к замедлению экономического роста. Однако авторы работы (Brunnschweiler, Bulte, 2006) полагают, что причину и следствие тут надо поменять местами, а именно, низкое качество институтов и отсутствие демократии как раз и приводят к тому, что сырьевой сектор развивается быстрее других. Некоторые авторы полагают, что «ресурсное проклятие» возникает в условиях низкого уровня развития человеческого капитала (Ding, Field, 2005). А два недавних исследования (Cotet, Tsui, 2010; Michaels, 2011) вообще отрицают существование «проклятия». Они указыва-

ют на положительную корреляцию между изобилием нефти и ростом населения и отме- ? чают, что природные богатства увеличивают рост ВВП в абсолютном выражении, но не ■§■ в расчете на душу населения. ^

Если внимательно рассмотреть модели Сакса и Уорнера, то выясняется, что наибольшей ^ объясняющей способностью обладает переменная «число лет, когда экономика открыта». Так, для уравнения из двух переменных — «уровень подушевого ВВП в начале периода» и «доля сырьевого экспорта в ВВП» — показатель Я равен всего лишь 0.13, а при добавлении переменной «открытость экономики» Я = 0.42. Однако под открытостью экономики Сакс и Уорнер понимают низкие экспортно-импортные пошлины. Поэтому тут существует либо обратная, либо двойная причинно-следственная связь, т. к. ухудшение экономической конъюнктуры, которое приводит к снижению экономического роста, вынуждает правительства идти на протекционистские меры. Таким образом, эту переменную нельзя считать удачной.

Барро и Сала-и-Мартин (2010) в качестве показателя открытости экономики использовали отношение суммы экспорта и импорта к ВВП, скорректированное на объем экономики. Однако эта переменная оказалась незначимой. В настоящем исследовании была протестирована переменная «отношение экспорта к ВВП, скорректированное на объем экономики», но она тоже оказалась незначимой. В качестве альтернативы показателя открытости в данной статье использована «доля прямых иностранных инвестиций в ВВП, скорректированная на объем экономики».

В качестве показателей уровня человеческого капитала Барро и Сала-и-Мартин применяют величину, обратную ожидаемой продолжительности жизни в возрасте 1 год1, а также образование верхнего уровня среди мужской части населения. Вторая переменная оказалась значимой в общей модели (для всех наблюдений), но незначимой для выборок стран с высокими и низкими средними доходами по отдельности. В данном исследовании использована переменная, обратная величине ожидаемой продолжительности жизни при рождении. Была также протестирована и отвергнута как незначимая переменная, отражающая охват детей начальным образованием (ее незначимость можно объяснить высокой корреляцией с продолжительностью жизни).

В качестве меры естественного воспроизводства населения Барро и Сала-и-Мартин используют логарифм суммарного коэффициента рождаемости за 1960, 1970 и 1980 гг. для исследования экономического роста в периоды 1965-1975, 1975-1985 и 1985-1995 гг. соответственно. Влияние переменной значимо отрицательное, т. к. при этом играют роль расходы на воспитание детей. В наших моделях в качестве показателя рождаемости использован общий коэффициент рождаемости, поскольку он лучше отражает нагрузку на экономику.

Изменения в условиях торговли Барро и Сала-и-Мартин оценивают как изменение экспортных и импортных цен (эта переменная незначима для выборки стран с высокими доходами). В данном исследовании в этом качестве использован внешнеторговый баланс.

Некоторые исследователи используют также показатели географического положения. Однако в них нет необходимости в случае использования показателя смертности — если климат препятствует эффективному ведению бизнеса, то он негативно отражается также и на продолжительности жизни.

1 Как поясняют авторы, данную переменную можно интерпретировать как вероятность умереть в течение года (правда, при нереалистичном допущении о равной вероятности смерти для всех возрастов).

Вслед за Барро и Сала-и-Мартином в настоящем исследовании использованы или протестированы переменные, отражающие уровень инфляции, удельное инвестирование и удельное правительственное потребление. Последняя переменная у упомянутых авторов имеет значимое отрицательное влияние в выборке стран с низкими доходами и незначима для выборки стран с высокими доходами. Это представляется нелогичным, поскольку в странах с низкими доходами доля правительственного потребления в ВВП, как правило, меньше, чем в странах с высокими доходами. По-видимому, в реальности значение имеет не уровень государственного потребления, а эффективность расходования средств.

Поэтому вполне логично, что многие авторы включают в модели экономического роста также и институциональные характеристики. В данном исследовании их нет по двум причинам. Во-первых, они основаны на субъективных оценках. Во-вторых, предлагаемая работа посвящена исследованию не всех дополнительных переменных, а влиянию на экономический рост воспроизводства трудовых ресурсов и показателей миграции, а дополнительные переменные включены лишь для большей объективности полученных результатов. В-третьих, в какой-то мере качество институтов отражается на других переменных, например на доле иностранных инвестиций в экономике. О факторах, не представленных в моделях, можно будет также судить по остаткам уравнений.

В качестве объясняемой переменной чаще всего используют рост подушевого ВВП. Для того чтобы снизить влияние возрастной структуры населения, в данной работе используется изменение отношения ВВП к численности возрастной группы 15-64.

Использованы данные Всемирного банка и Росстата. Сведения об уровне образования мигрантов по странам мира взяты из вышеупомянутого доклада ООН.

В разделе 2 дана характеристика переменных и выборок, представлены полученные модели. Интерпретация этих моделей приведена в разделе 3. Прогнозным оценкам: как будут меняться переменные и модели, какой экономический рост можно ожидать в Китае и России за период 2012-2026 гг. посвящен раздел 4. В разделе 5 в целях получения альтернативного экономического прогноза дана дополнительная модель для России с поквартальной динамикой и ценами на нефть. Основные выводы работы собраны в заключительном разделе 6.

2. переменные, модели, выборки

Перечень всех использованных переменных приведен в табл. 1.

Таблица 1. Переменные, использованные при построении моделей экономического роста

Переменная Определение и методика расчета Гипотеза о влиянии

Объясняемая переменная

AGDP1564 Рост отношения ВВП к численности возрастной группы 15-64 за период, %, постоянные цены по всем периодам. Всего 29 пересекающихся периодов продолжительностью 15 лет: 1970-1984, 1971-1985, ..., 1998-2012

Продолжение табл. 1

Переменная Определение и методика расчета Гипотеза о влиянии

Независимые переменные

Демографические и миграционные показатели

Ch/(50-64) Отношение численности детей 0-14 лет к численности Отрицательное при высоких

возрастной группы 50-64 за 2 года до начала периода значениях, неопределенное при низких

NM% Нетто-миграция (net migration) за период, Положительное

к численности населения в начале периода, % или нейтральное

P(15-64)% Доля возрастной группы 15-64 в населении, в среднем Положительное

за период или нейтральное

P(15-39)% Доля возрастной группы 15-39 в населении, в среднем Положительное для стран

за период с низким уровнем СЫ(50-64)

IMS% Доля в населении международных мигрантов (international migrant stock, % of population) в начале периода, % Неопределенное

IELIM Индекс уровня образования международных мигрантов в 28 странах ОЭСР по странам рождения2 Неопределенное

NPR% Чистые денежные переводы (разность между полученными и выплаченными средствами), % от ВВП; если значение в данных Всемирного Банка отсутствует, оно принято за 0 Неопределенное

1/LEB% Величина, обратная ожидаемой продолжительности жизни при рождении (в годах), в начале периода, умноженная на 100 Отрицательное

CBR Общий коэффициент рождаемости (birth rate, crude, per 1000 people), в среднем за первые 5 лет периода Отрицательное

Дополнительные переменные

lnGDP1564 Натуральный логарифм отношения ВВП к численности возрастной группы 15-64 в постоянных ценах (constant 2005 international $), по паритету покупательной способности (ППС), в начале периода Отрицательное

AFDI Прямые иностранные инвестиции, % от ВВП, чистый приток, в среднем за период, скорректированные на объем экономики3 Положительное

ID Дефлятор ВВП (inflation, GDP deflator), среднегодовое значение за период, % Отрицательное

GFCF% Валовое накопление основного капитала (gross fixed capital formation) в течение 5 лет до начала периода, от ВВП, среднегодовое значение, % Положительное

QGFCF Квадрат предыдущей переменной Отрицательное

2 Рассчитан по данным доклада Программы развития ООН (ООН, 2010): доля мигрантов каждого из трех образовательных уровней умножается соответственно на 1, 2 или 3, затем все суммируется. Для каждой страны показатель является константой, т. е. не зависит от периода.

3 Рассчитаны как остатки уравнения FDI = а + Ь • lnGDP + е (данные имеются для 159 стран).

№ 31 (3) 2013 ПРИКЛАДНАЯ ЭКОНОМЕТРИКА APPLIED ECONOMETRICS

Окончание табл. 1

Переменная Определение и методика расчета Гипотеза о влиянии

EBGS% CCG% Внешнеторговый баланс продуктов и услуг (external balance on goods and services) в среднем за период, % от ВВП Требования к центральному правительству (claims on central government), кредиты минус депозиты, % от ВНП в начале периода Положительное Отрицательное

Вспомогательные переменные

lnGDP FDI% Натуральный логарифм от объема экономики в среднем за период, постоянные цены, с учетом ППС Прямые иностранные инвестиции (foreign direct investment, net inflows), % от ВВП, чистый приток, в среднем за период

Примечание. Для того чтобы был яснее источник данных, приводятся английские названия в тех случаях, когда соответствующий показатель из базы данных Всемирного банка используется без существенных изменений.

Частотное распределение всех 3 915 значений объясняемой переменной, которые можно рассчитать по данным Всемирного банка (всего 171 страна), показано на рис. 1. Медианное значение — 17.65%. Более четверти всех значений — отрицательные. Самые высокие 11 значений (более 600%) относятся к Экваториальной Гвинее, где восстановительный рост после социалистического эксперимента и политических потрясений совпал с началом добычи нефти. Поскольку переменная, характеризующая природное богатство, отсутствует (несомненно, она вошла бы в уравнение со знаком плюс), то эти 11 значений были исключены из рассмотрения, чтобы не искажалась общая картина. Удалены также и следующие 7 наибольших и 8 наименьших значений, поскольку они связаны с тяжелой гражданской войной и восстановлением после нее (Либерия, Босния и Герцеговина). Из оставшихся значений самое низкое принадлежит Грузии (74.7% в 1980-1994), а самое высокое — Азербайджану (313.3% в 1996-2010). Некоторые наблюдения впоследствии выпали из рассмотрения из-за недостатка данных.

« 1200

Значение объясняемой переменной, %

Рис. 1. Частотное распределение всех имеющихся значений объясняемой переменной

Все имеющиеся наблюдения разделены на группы в соответствии со значениями двух переменных: текущего сальдо миграции (КМ% > 0 или NM% < 0) и соотношения численности поколений СЫ(50-64), которое используется как показатель уровня естественного воспроизводства трудовых ресурсов (ЕВТР).

Таблица 2. Параметры моделей для всех наблюдений (А) и для выборок (В, С, D, Е) ^

с различными ограничениями на переменные Э

--Л

Ограничения .

Нет Ch/(50-64) < 3.4 Ch/(50-64) > 2.7 NM% > 0 NM% < 0

Модель A Модель B Модель C Модель D Модель E

Constant 305 9**** 611.0**** 371 9**** 185 4**** 304 5****

(27.87) (42.55) (14.81) (26.47) (39.93)

Ch/(50-64) —2 03**** — — 3 43**** —2.12** —4 92****

(0.56) (0.71) (0.89) (0.93)

AFDI 3.52**** 3 io**** 3.10**** 4.24**** 3.13****

(0.19) (0.32) (0.22) (0.27) (0.26)

lnGDP1564 _29 87**** —56 19**** — 27.92**** — 19.05**** —34 49****

(0.94) (1.97) (1.09) (1.65) (1.25)

P(15-64)% 1.01*** — — — 2.30****

(0.32) (0.52)

P(15-39)% — 0.826** — 1.45**** —

(0.334) (0.31)

1/LEB% —27 97**** - 64.86*** — 21.39**** —1.21 — 57.33****

(3.70) (16.77) (4.04) (4.81) (6.01)

ID —0 019**** - 0.108**** — 0.019**** —0.020**** — 0.018****

(0.0022) (0.0122) (0.0024) (0.0042) (0.0026)

GFCF% 1.51**** 2.17*** 1 52**** 0.538**** 1.85****

(0.28) (0.83) (0.30) (0.13) (0.33)

QGFCF% - 0.016*** -0.026 — 0.017*** — — 0.021***

(0.0064) (0.016) (0.0058) (0.0062)

EBGS% 0.468**** 0.039 0.624**** 0.513 0.256**

(0.076) (0.146) (0.087) (0.105) (0.113)

NM% 0.160** 0.217 0.362**** —0.035 0.372***

(0.070) (0.198) (0.079) (0.101) (0.139)

IMS% -0.0014 0.213** —0.141 — 0.265*** 0.895****

(0.076) (0.101) (0.096) (0.090) (0.174)

IELIM -0.753 19.21**** — 5.53** —0.012 —9 10***

(2.136) (3.71) (2.64) (3.45) (2.92)

NPR% 0.258* - 3.20**** 0.488*** 0.424 0.037

(0.140) (0.473) (0.156) (0.305) (0.182)

CCG% - 0.127**** -0.084 — 0.112**** —0.048 —0.122****

(0.023) (0.055) (0.026) (0.036) (0.031)

CBR - 1 22**** — 1 54**** — 1 72**** — 1 40**** 0.0056

(0.219) (0.257) (0.154) (0.191) (0.370)

Adjusted R2 0.512 0.681 0.511 0.462 0.576

Число 3035 939 2216 1349 1688

наблюдений

Число стран 155 63 110 86 117

Примечания. *, **, ***, **** — значимость на уровне 10, 5, 1 и 0.1% соответственно. В скобках — стандартные ошибки.

В таблице 2 показаны параметры моделей для всех наблюдений (А), а также для выборок с низким (В) и высоким (С) уровнем ЕВТР и с положительным (О) или отрицательным (Е) миграционным сальдо, а в табл. 3 — при различных сочетаниях ограничений для переменных NM% и Ш(50-64).

Обратим внимание, что за 1970-2012 гг. в некоторых странах в разные периоды времени наблюдались как высокие, так и низкие значения ЕВТР, а также как положительное, так и отрицательное миграционное сальдо. Поэтому, например, число стран в выборках О и Е в сумме больше общего числа стран. Некоторые наблюдения с нулевой нетто-миграцией включены в выборки и с положительным, и с отрицательным миграционным сальдо.

В ряде случаев некоторые переменные исключены из модели. Например, если знак при коэффициенте противоречит теоретическим предположениям или из-за большой корреляции с другими переменными. Так, переменные EBGS% и GFCF% опущены в тех случаях, если при их включении в модель они являются значимыми со знаком минус: возможно, это лишь следствие случайной особенности выборок. При выборе между переменными Р(15-64)% и Р(15-39)% одним из основных критериев была величина Я2, для выборки ВО даны оба варианта.

В таблице 4 отражены средние значения и стандартные отклонения переменных в различных выборках. Нетрудно заметить, что самый высокий экономический рост наблюдался в выборках В, ВЕ и ВО с низким уровнем ЕВТР, для которых характерны высокая доля трудоспособного населения, низкая рождаемость и высокая продолжительность жизни, а также, как правило, меньший уровень инфляции и более высокий уровень иностранных инвестиций.

3. интерпретация результатов

3.1. Демографические и миграционные показатели

Сформулированные в разделе 1 гипотезы в основном подтвердились.

Несмотря на то что объясняемая переменная выбрана с таким расчетом, чтобы она меньше зависела от возрастной структуры населения, эта зависимость все равно остается довольно высокой.

В работе использовано несколько демографических показателей, которые находятся друг с другом в корреляционной связи, поэтому не все они могут быть включены в каждую из построенных моделей для отдельных выборок. Например, в выборках для стран с высоким уровнем ЕВТР (С, CD и СЕ) существует тесная корреляционная связь между рождаемостью и долей трудоспособного населения, поэтому в соответствующих моделях значима лишь одна из этих двух переменных. Вполне предсказуемо, что в таких выборках, для которых характерен наиболее высокий уровень рождаемости, отрицательное влияние этого явления также наиболее велико (по сравнению с выборками с низким уровнем ЕВТР), как и положительное влияние доли трудоспособного населения.

Достаточно очевидно, что высокий уровень ЕВТР приводит к низкому росту эффективности использования трудовых ресурсов, поэтому переменная СЫ(50-64), как правило, входит с отрицательным коэффициентом в соответствующие модели и имеет отрицательную корреляцию связь с объясняемой переменной (- 0.368, - 0.309 и - 0.400 для выборок С, CD и СЕ соответственно).

Таблица 3. Параметры моделей для пересечений выборок В и О, В и Е, С и О, С и Е ^

(при сочетании соответствующих ограничений) Э

Ограничения

NM% > 0, NM% > 0, NM% < 0, NM% > 0, NM% < 0,

Ch/(50-64) < 3.4 Ch/(50-64) < 3.4 Ch/(50-64) < 3.4 Ch/(50-64) > 2.7 Ch/(50-64) > 2.7

Модель BDI Модель BD2 Модель BE Модель CD Модель CE

Constant 499 з**** 416 8**** 783 0**** 252 7**** 337.0****

(60.3) (39.4) (110.3) (23.3) (45.3)

Ch/(50-64) 2.995 — — —0.294 — 6.06****

(2.45) (1.113) (1.024)

AFDI 216**** 2.27**** 6 13**** 6.04**** 3.08****

(0.29) (0.253) (0.788) (0.435) (0.257)

lnGDP1564 — 39 6**** — 36 2**** —64 4**** — 20.6**** — 32.9****

(2.79) (2.53) (3.74) (2.00) (1.28)

P(15-64)% -0.019 — — — 1.80***

(0.552) (0.589)

P(15-39)% — 1.15**** 2.27*** — —

(0.281) (0.872)

1/LEB% - 53.6**** —47 5**** — 189.7**** — — 54.3****

(12.96) (12.65) (57.80) (6.13)

ID - 0.091**** —0.083**** — 0.124**** — 0.019**** — 0.018****

(0.011) (0.011) (0.030) (0.0058) (0.0026)

GFCF% — — 2.08**** 0 724**** 1.59****

(0.364) (0.1811) (0.320)

QGFCF% — — — — — 0.020***

(0.0061)

EBGS% 0 489**** 0 474**** — 0.733**** 0.333***

(0.128) (0.122) (0.149) (0.111)

NM% 0.034 — 1.83*** 0.288** 0.367**

(0.194) (0.66) (0.120) (0.143)

IMS% 0.250*** 0.196** 1.39*** —0.412*** 0.809****

(0.097) (0.076) (0.456) (0.135) (0.204)

IELIM 11.02**** 9.51*** 18.43* 3.18 — 11.25****

(3.16) (3.05) (10.72) (7.22) (2.96)

NPR% 1.041* 1.074* — 2.91**** 0.384 0.254

(0.619) (0.605) (0.843) (0.374) (0.180)

CCG% - 0.102**** — 0.063 — 0.080 — 0.076 —0 104****

(0.047) (0.045) (0.194) (0.050) (0.030)

CBR - 1.054** —0.876**** — 0.784 — 1 92**** — 0.200

(0.454) (0.228) (0.726) (0.210) (0.408)

Adjusted R1 0.520 0.531 0.780 0.489 0.568

Число 696 696 243 715 1503

наблюдений

Число стран 39 39 34 55 93

Примечания. *, **, ***, **** — значимость на уровне 10, 5, 1 и 0.1% соответственно. В скобках — стандартные ошибки.

Таблица 4. Средние значения переменных и их стандартные отклонения (в скобках) в различных выборках

Переменные Выборки

A B C D E BD BE CD CE

AGDP1564 22.45 42.13 17.43 21.58 23.12 32.86 68.68 13.34 19.35

(41.19) (42.24) (43.37) (36.16) (44.78) (24.17) (65.44) (44.94) (42.45)

Ch/(50-64) 4.68 1.78 5.81 3.87 5.32 1.67 2.11 5.93 5.76

(2.21) (0.64) (1.36) (2.48) (1.72) (0.58) (0.69) (1.55) (1.26)

FDI% 2.55 2.81 2.50 2.61 2.49 2.74 3.01 2.64 2.44

(3.15) (3.01) (3.28) (3.05) (3.23) (2.91) (3.27) (3.24) (3.30)

AFDI -0.28 0.57 -0.56 0.09 -0.58 0.65 0.36 -0.31 -0.68

(3.10) (2.97) (3.19) (3.01) (3.14) (2.81) (3.38) (3.19) (3.18)

lnGDP1564 8.97 9.99 8.56 9.56 8.50 10.25 9.25 8.92 8.38

(1.14) (0.68) (1.02) (1.16) (0.88) (0.40) (0.77) (1.25) (0.84)

P(15-64)% 58.97 66.25 56.23 61.26 57.14 66.22 66.33 56.70 56.00

(6.57) (2.74) (5.41) (6.81) (5.75) (2.72) (2.79) (6.25) (4.95)

P(15-39)% 39.27 38.08 39.89 38.95 39.51 37.72 39.11 40.31 39.69

(3.21) (3.10) (3.15) (3.77) (2.67) (2.97) (3.23) (4.05) (2.60)

1/LEB% 1.65 1.37 1.76 1.56 1.72 1.35 1.42 1.76 1.76

(0.34) (0.07) (0.33) (0.34) (0.32) (0.07) (0.05) (0.37) (0.31)

ID 54.6 23.6 65.5 32.2 72.5 18.2 39.3 44.2 75.5

(238.5) (72.8) (274.3) (178.6) (275.8) (68.7) (81.6) (235.3) (290.4)

GFCF% 21.34 23.59 20.61 22.45 20.44 24.00 22.42 21.33 20.55

(7.15) (5.47) (7.66) (6.56) (7.47) (4.92) (6.66) (7.88) (7.52)

EBGS% -4.86 -0.72 -6.32 -0.41 -8.42 0.51 -4.24 -0.97 -8.87

(13.18) (8.10) (14.50) (10.26) (14.14) (7.57) (8.53) (12.60) (14.64)

NM% 0.08 3.20 -1.03 7.02 -5.48 5.72 -4.01 8.64 -5.63

(11.49) (7.19) (12.64) (12.92) (5.89) (6.14) (4.68) (16.81) (5.97)

IMS% 6.35 8.76 5.68 10.08 3.36 9.74 5.94 11.44 2.93

(10.05) (10.07) (10.51) (13.34) (4.39) (10.96) (6.13) (16.18) (3.86)

IELIM 1.96 1.97 1.96 2.04 1.90 1.98 1.95 2.10 1.89

(0.26) (0.25) (0.26) (0.23) (0.26) (0.26) (0.23) (0.17) (0.26)

NPR% 1.59 0.74 1.92 0.05 2.82 0.24 2.16 -0.19 2.91

(6.33) (2.36) (7.26) (3.20) (7.77) (1.39) (3.64) (4.18) (8.14)

CCG% 10.72 13.26 9.81 10.72 10.71 14.61 9.39 7.75 10.78

(23.93) (16.27) (26.58) (23.24) (24.46) (17.07) (13.00) (28.62) (25.49)

CBR 29.82 14.66 35.69 25.67 33.14 14.47 15.21 36.18 35.47

(12.83) (4.28) (9.64) (13.52) (1121) (4.37) (3.96) (9.97) (9.48)

В выборках с низким уровнем естественного воспроизводства трудовых ресурсов (B, BD и BE) ситуация менее очевидна. С одной стороны, в этих выборках существует положительная корреляция Ch/(50-64) с объясняемой переменной (0.286, 0.211 и 0.216). Но в моделях фактор либо незначим (BD1), либо не может быть включен в модель из-за слишком высокой корреляционной связи с долей молодежи в населении (0.706, 0.628 и 0.836 в выборках B, BD и BE соответственно). Таким образом, пока имеется лишь косвенное подтверждение

гипотезы, что очень низкий уровень естественного прироста трудовых ресурсов (по срав- ^ нению со средним для выборки В) также может быть тормозом для роста отношения ВВП ■§. к численности трудовых ресурсов. Это нуждается в дополнительном исследовании. ^

В выборках с низким уровнем ЕВТР, где доля молодежи в населении также относитель- ^ но низка, фактор Р(15-39)% оказывает большее положительное влияние на экономическое развитие, чем доля всего трудоспособного населения, что соответствует полученным ранее результатам (Лифшиц, 2011; Lifshits, 2011). Отчасти это может быть связано с низкой вариацией переменной Р(15-64)% в выборках В, ВО и ВЕ. Объяснение положительной роли высокой доли молодежи в населении дал А. Г. Вишневский, связывая ее с научно-техническим прогрессом. Молодежь быстрее осваивает новые знания и технологии, за счет молодежи идет пополнение трудовых ресурсов работниками новых перспективных специальностей (Вишневский, 2010, с. 103-104).

Исследование подтвердило также, что влияние миграции на экономическое развитие зависит от уровня ЕВТР.

Влияние текущей миграции (КМ%) во всех моделях либо положительно, либо незначимо. Однако надо иметь в виду, что причинно-следственная связь здесь может быть двойной, поскольку миграция сама зависит от экономического развития. Можно также предположить, что NM% оказывает косвенное положительное влияние в группе стран с низким уровнем ЕВТР и положительным миграционным сальдо, способствуя увеличению доли молодежи в населении.

Долгосрочное влияние миграции, т. е. доли международных мигрантов в населении (IMS%), как правило, также положительно или незначимо. Исключение — только выборка СО с положительным NM% и высоким уровнем ЕВТР. С одной стороны, это аргумент в пользу гипотезы, что только в странах с высоким уровнем ЕВТР миграция может оказывать негативное влияние на экономическое развитие. Но, с другой стороны, это может быть и случайной особенностью данной выборки, где имеются наблюдения с высокими значениями объясняемой переменной по странам с незначительной долей международных мигрантов в населении (менее 1%) в периоды возвращения беженцев после политических потрясений (например, Либерия и Ангола).

На влияние трудовой миграции указывает переменная NPR%. В выборке ВЕ стран с отрицательным миграционным сальдо и низким уровнем ЕВТР коэффициент у данной переменной отрицателен. Отсюда можно было бы сделать вывод, что приток денежных средств замедляет экономическое развитие. Но все же более вероятно, что такое влияние оказывает отток молодежи на заработки в другие страны, если в стране исхода молодежи остается слишком мало.

Переменная, характеризующая уровень образования международных мигрантов (IELIM), значимо отрицательна только в выборках с отрицательным миграционным сальдо и/или высоким уровнем ЕВТР (С, Е и СЕ). Из этого следует, что чем ниже общий уровень образования населения, тем существеннее для экономического развития страны отрицательное влияние отъезда высокообразованных мигрантов. А на экономике стран с высоким уровнем образования населения обмен трудовыми ресурсами сказывается положительно.

Отметим также высокое влияние на экономическое развитие ожидаемой продолжительности жизни в большинстве моделей (А, В, С, Е, ВО, ВЕ и СЕ). Как уже говорилось выше, это отражает влияние не только развития человеческого капитала, но и вообще условий жиз-

ни и деятельности, в том числе климатических. А если предположить, что качество институтов также может оказывать влияние на уровень смертности, то эта переменная отчасти компенсирует отсутствие в моделях институциональных показателей.

3.2. Другие переменные

Влияние переменных lnGDP1564, 1/ЬЕВ%, ГО и GFCF%, аналогичных тем, которые использовались ранее другими исследователями, было, как правило, таким же, как у других авторов. Неизменно высока значимость переменных lnGDP1564 и ГО. В выборках с низким уровнем ЕВТР наблюдается также существенная отрицательная корреляция lnGDP1564 с объясняемой переменной: -0.658, -0.439 и -0.711 для выборок В, BD и ВЕ соответственно. Таким образом, отсутствие абсолютной сходимости (т. е. отсутствие существенной отрицательной корреляции между начальным уровнем экономического развития и экономическим ростом), которое отмечали Барро и Сала-и-Мартин (2010), характерно только для выборок, где преобладают страны с высоким уровнем ЕВТР. Что касается инфляции, то, как и в моделях упомянутых авторов, ее отрицательное влияние ощутимо сказывается на экономическом росте только при значениях этой переменной выше 30%.

Влияние удельного инвестирования GFCF% оказалось значимо положительным во всех выборках, кроме ВО. Возможно, это связано с тем, что в выборке ВО преобладают про-мышленно развитые страны с хорошей инфраструктурой, либо это случайная особенность данной небольшой группы стран, где значения показателя GFCF% самые высокие, а их вариация самая низкая. С другой стороны, исследование позволяет предполагать убывающую предельную полезность данного фактора: в ряд моделей квадрат этой переменной входит со значимым отрицательным коэффициентом.

Переменная AFDI (доля прямых иностранных инвестиций в ВВП, скорректированная на объем экономики), использованная в качестве меры открытости экономики, показала очень высокую положительную значимость во всех моделях без исключения. Положительная значимость переменной «баланс внешней торговли» (EBGS%) также довольно устойчива. Удачной можно считать и переменную CCG%, характеризующую государственный долг, влияние которой значимо отрицательно во многих моделях.

4. что дальше?

Каким образом будет меняться экономический рост в отдельных странах в соответствии с построенными моделями, и как будут меняться сами модели?

Прежде всего, обратим внимание, что низкий уровень естественного воспроизводства трудоспособного населения пока встречался в наблюдениях относительного небольшого числа стран (58 из 151), поскольку рассматривалось соотношение возрастных групп 0-14 и 50-64 в начале периода. Однако ситуация с трудовыми ресурсами в мире за последние 15 лет стремительно меняется (рис. 2). С 2004 г. неравенство СЫ(50-64) < 3.4 справедливо уже для большинства стран мира, а с 2012 г. — для 120 стран из 194. Таким образом, исследование влияния низкого уровня ЕВТР на экономический рост с каждым годом становится все актуальнее.

Рис. 2. Соотношение численности людей в возрасте 0-14 и 50-64 у 10%-ных групп населения мира4 (построено по данным Health Nutrition and Population Statistics, World Bank (2012))

На рисунках 3 и 4 приведены доля трудоспособного населения (15-64) и доля молодежи (15-39) в России, Китае, странах ЕС и во всем мире. Расчеты сделаны по данным Всемирного банка и Росстата (до 2011 г.), а далее — по неизменным показателям родившихся, смертности и миграции. По мере снижения значений этих показателей в странах с низким уровнем ЕВТР влияние данных факторов на экономический рост станет яснее.

Еще один путь изменений в моделях может быть связан с изменением экономической конъюнктуры. Рисунок 5 показывает, что в течение 30-40 лет она в целом улучшалась, а в последние два десятилетия экономический рост достиг самых высоких значений за полвека. Одновременно увеличивалась доля возрастной группы 15-64 в мировом населении и доля иностранных инвестиций в странах мира. Может ли столь высокий экономический рост сохраняться длительное время? Существуют разные мнения на этот счет. Если экономическая конъюнктура в ближайшее десятилетие ухудшится, несмотря на то что доли трудоспособного населения и иностранных инвестиций будут оставаться на высоком уровне, то и влияние этих переменных в моделях может скорректироваться.

ЕС Мир Россия Китай

Рис. 3. Доля возрастной группы 15-64 в населении мира, России, Китая и ЕС, %

4 В каждый период времени в группе 1 — страны с наибольшим уровнем исследуемого показателя, а в группе 10 — с наименьшим. Каждая группа составляет ровно 10% населения мира в указанный год. Состав групп меняется.

ЕС ' Мир 1 Россия 1 Китай

(N(Ncn m

1Л I

сосослсл

<N<N<N<N<N<N <N<N<N<N<N<N<N <N<N<N<N<N<N<N

Рис. 4. Доля возрастной группы 15-39 в населении мира, России, Китая и ЕС, %

35 30 25 20 15 10 5 0 -5

r^r^r^oooooooooo о^ о^ о^ & о^

-Н со Ш Г- & ^

О О О О О —I

о о о о о о

CN CN CN CN CN CN

ЧОЧОЧОЧОЧОГ-Г-Г-Г-Г-ОООООООООО^^^^

Рис. 5. Рост мирового ВВП по отношению к численности трудовых ресурсов (15-64),

% за 15 лет, постоянные цены Источник: Всемирный банк.

Для прогнозных оценок в отдельных странах можно использовать те модели, которые дают наименьшие остатки для данной страны в последние периоды. Например, для Китая это модель ВЕ. Отсюда становится ясен рецепт китайского экономического чуда: довольно высокий уровень развития человеческого капитала и низкая смертность при низком начальном уровне подушевых доходов в сочетании со значительным объемом иностранных инвестиций, высоким удельным инвестированием до начала периода, низкой инфляцией, низкой рождаемостью и очень высокой долей трудоспособного населения. Эта же модель является лучшей для 14 последних наблюдений по Южной Корее и 11 наблюдений по Японии в период 1976-2001 гг. Разница только в том, что в Китае уровень иностранных инвестиций гораздо выше, чем был в Южной Корее и Японии.

Согласно модели ВЕ, за 2012-2026 гг. AGDP1564 в Китае будет меньше, чем за период 1997-2011 гг., на 61 процентный пункт (п.п.), если действие учтенных и не учтенных в модели факторов останется прежним. В пересчете на душу населения экономический рост составит примерно 6.62% в год, а в абсолютном выражении 6.81% в год.

Для России сделать выбор сложнее, т. к. имеется всего 4 наблюдения, по которым есть данные, причем значительную часть последнего периода 1997-2011 гг. занимает восстановительный рост. Следовательно, остаток непременно должен быть положительным. Ориентируясь на показатель Я , предпочтительнее выбрать модель В. Если использовать в модели такие же средние за период, как последние имеющиеся данные (кроме Р(15-39)%), то AGDP1564 за период 2012-2026 гг. будет меньше, чем в 1997-2011 гг., на 33.5 п.п. и составит 48.1%, а в пересчете на душу населения — 1.99% в год (по модели ВВ2 — 2.38%). Однако действие

не учтенных в модели факторов не сможет остаться без изменения, ведь восстановительный ^

рост в России уже позади. Поэтому в действительности экономический рост, скорее всего, ■§■

будет еще меньше. Для более адекватного прогноза нужна дополнительная модель, которая ^

учитывала бы тенденции последних лет. ?

5. Дополнительная модель для россии с поквартальной динамикой и ценами на нефть (1999-2013)

Объясняемая переменная — ДGDP1864Qr — отношение ВВП за 1-й квартал года ^ к численности населения в возрасте 18-64, % к аналогичному кварталу прошлого года (АКПГ). Модели построены как для всех 57 наблюдений за период I квартал 1999 г. — I квартал 2013 г. (модель I), так и для периода с I квартала 2003 г. по I квартал 2013 г. (модель II, 41 наблюдение).

Было протестировано множество переменных, аналогичных использованным в моделях для стран мира, но значимыми из них оказались немногие (см. табл. 5).

Таблица 5. Модели экономического роста в России

Модель I Модель II

Constant 15 78**** 11.51****

(2.56) (2.49)

APBrentS 0 099**** 0.091****

(0.015) (0.011)

AGDPW% 1.129**** 1.115****

(0.212) (0.158)

FDI% 0.814** 1.419****

(0.324) (0.330)

Ch36% - 4.98**** - 4.17****

(0.841) (0.667)

AP1864% - 3.41**** - 4.17****

(0.788) (0.696)

Adjusted R1 0.832 0.931

Число наблюдений 57 41

Примечания. *, **, ***, **** — значимость на уровне 10, 5, 1 и 0.1% соответственно. В скобках — стандартные ошибки.

В этой таблице:

APBrent$ — рост цены на нефть марки Brent по сравнению с АКПГ, $ за баррель;

AGDPW% — мировой экономический рост в текущем году, %;

Ch36% — доля в населении детей, родившихся за последние 36 месяцев, включая последний месяц текущего квартала, без учета детской смертности, %;

AP1864% — рост численности трудовых ресурсов (возрастной группы 18-64), % к АКПГ.

Цены на нефть, мировая экономическая динамика и иностранные инвестиции оказывали большое влияние на экономический рост в России. Столь сильная зависимость от внешних условий говорит о слабости внутренних источников роста и делает экономику страны слишком уязвимой. Усиление роли иностранных инвестиций происходит на фоне сниже-

ния их доли в экономике России (с 2009 г.). Если в 2008 г. Россия по доле иностранных инвестиций занимала 96-е место из 188 стран, то в 2011 г. — уже лишь 100-е из 183. Таким образом, происходит снижение инвестиционной привлекательности России, что может стать существенным тормозом экономического роста. В моделях также значимы и демографические факторы.

По мере того, как будет появляться больше наблюдений, картина будет меняться. Например, сейчас наблюдается высокая корреляционная связь между переменными ^36% и lnGDP1864 (0.892 и 0.768 в выборках I и II), поэтому влияние последней при ее включении в модель будет искажено из-за мультиколлинеарности. Но в текущем году вслед за снижением численности женщин репродуктивных возрастов начала снижаться рождаемость (за январь—июнь 2013 г. число родившихся на 0.3% меньше, чем годом ранее), поэтому в перспективе корреляция между упомянутыми выше переменными станет меньше и влияние каждой из них уточнится. Пока неясно также, останется ли влияние переменной ДР1864% столь же высоким в период снижения численности возрастной группы 18-64, каким оно было в период ее роста.

Для прогноза цен на нефть (см. рис. 6) можно использовать уравнение Ферхюльста. В самом деле, верхняя граница цены определяется платежеспособным спросом, а потребность в энергоносителях растет вместе с ростом мировой экономики. Но чем выше цены на нефть, тем становится выгоднее использовать альтернативные источники энергии, и это приводит к замедлению роста цен. Насколько можно судить по графику, большие колебания цен на нефть в ближайшие годы маловероятны, поэтому существенного влияния на экономический рост в России предстоящая динамика цен на нефть оказать уже не сможет. Следовательно, в перспективе на первый план могут выйти другие факторы, пока недооцененные.

^о\о\о\оооооооооооооооооооооооооооооооооо

- Цены на нефть Brent - - - - Тренд и прогноз

Рис. 6. Квартальные цены на нефть Brent и прогноз

По прогнозу ООН (2012) рост мировой экономики составит 2.4 и 3.2% в 2013 и 2014 гг. соответственно. Если при этом динамика цен на нефть будет такой же, как на рис. 6, рождаемость — как с июня 2012 г. по май 2013 г., а доля иностранных инвестиций в ВВП — как в 2012 г., то наиболее вероятное среднее значение AGDP1864Qr будет лежать в диапазоне 2.33-3.00 (в 2013 г.) и 3.40-4.31 (в 2014 г.). Сравним с прогнозом МВФ для России: 2.5 и 3.3 в 2013 и 2014 гг. соответственно (IMF, 2013). Дальнейший мировой экономический рост можно примерно оценить по некоторым параметрам модели B для стран мира, поскольку мир уже вступил в эпоху низкого уровня ЕВТР. Соответственно, будет происходить и замедление экономического роста в России.

6. Заключение ?

э ■fr

В качестве показателя долгосрочного экономического роста в исследовании использо- ^ вана динамика отношения ВВП к численности трудовых ресурсов. Такой выбор сделан по ^ той причине, что этот показатель меньше всего зависит от возрастной структуры населения и других демографических особенностей страны. Однако исследование показало, что такая зависимость все равно остается существенной.

Сформулированные во введении гипотезы в основном подтвердились.

Один из важнейших выводов исследования — влияние нетто-миграции на экономический рост страны в большой мере зависит от уровня естественного воспроизводства трудовых ресурсов (ЕВТР). Понимание этого важно для выработки миграционной политики.

Чистый отток населения приводит к ускорению экономического роста только в странах с высоким уровнем ЕВТР, а в странах с низким уровнем ЕВТР преобладает негативное влияние отрицательной нетто-миграции. Напротив, не получено существенных подтверждений того, что в странах с положительным миграционным сальдо и низким уровнем ЕВТР нетто-миграция может оказывать негативное влияние на экономический рост (даже в долгосрочном периоде). Однако есть основания полагать, что трудовая миграция в таких странах оказывает большее положительное влияние, чем переселение на постоянное место жительства. Заметим также, что в таких странах денежные переводы трудовых мигрантов на родину не оказывают негативного влияния на экономический рост.

Наибольшие преимущества от миграционного обмена получают принимающие страны, где уровень образования населения наиболее высок. А страны с отрицательной нетто-ми-грацией и высоким уровнем ЕВТР теряют темпы экономического роста из-за оттока высокообразованных людей. Заметим, что в населении таких регионов доля людей с высшим образованием, как правило, меньше, чем среди тех, кто покидает страну (OECD, 2008).

Высокий уровень ЕВТР тормозит экономический рост, однако существует вероятность того, что слишком низкий уровень ЕВТР также может стать тормозом для экономического роста. Но это последнее утверждение нуждается в дополнительных исследованиях, для которых должно быть накоплено больше эмпирических данных.

Построенные модели в целом приводят к выводу, что период исключительно высокого мирового экономического роста, который был характерен для последних 20 лет, подходит к концу. Но это коснется только стран с низким уровнем ЕВТР и снижающейся долей трудоспособного населения и молодежи. Напротив, в тех странах с высоким уровнем ЕВТР, где наблюдается его снижение, можно ожидать ускорения экономического роста. Поэтому XXI век будет временем интенсивного выравнивания уровней экономического развития стран мира.

Из дополнительных выводов отметим большое положительное значение для экономического роста такого показателя открытости экономики, как доля иностранных инвестиций в ВВП, а также отрицательное влияние государственного долга и убывание отдачи от удельного валового накопления основного капитала.

Список литературы

Архангельский В. Н., Иванова А. Е., Кузнецов В. Н., Рыбаковский Л. Л., Рязанцев С. В. (2005).

Стратегия демографического развития России. М.: ЦСП.

Барро Р. Дж., Сала-и-Мартин Х. (2010). Экономический рост. М.: БИНОМ. Лаборатория знаний.

Вишневский А. Г. (1970). Экономические последствия старения трудоспособного населения. Демографические тетради. Вып. II—III. Киев.

Вишневский А. Г. (2010). Сбережение народа или депопуляция России? Доклад наXIМеждународной научной конференции по проблемам развития экономики и общества. Москва, 6-8 апреля 2010 г. М.: Издательский дом ГУ ВШЭ.

Гайдар Е. Т. (2005). Долгое время. Россия в мире: очерки экономической истории. М.: Дело.

Глущенко Г. И., Пономарев В. А. (2009). Миграция и развитие. М.: ЗАО «Издательство Экономика».

Дмитриев М. Э., Малева Т. М., Синявская О. В. (2009). Демографические вызовы и экономический рост. Россия перед лицом демографических вызовов. Доклад о развитии человеческого потенциала в Российской Федерации, 2008. М.: ПРООН. http://www.undp.ru/documents/NHDR_2008_Rus.pdf.

Зайончковская Ж. А., Тюрюканова Е. В. (2010). Миграция и демографический кризис в России. Под ред. Ж. А. Зайончковской и Е. В. Тюрюкановой. М.: МАКС Пресс.

Лифшиц М. Л. (2011). Экономико-демографическая роль миграции в глобальном мире и перспективы России. Международная миграция населения: вызовы глобализации. Научная серия «Международная миграция населения: Россия и современный мир». Выпуск 24. М., МГУ им. М. В. Ломоносова. 53-62.

ООН (2010). Преодоление барьеров: человеческая мобильность и развитие. Доклад о развитии человека 2009. http://www.un.org/ru/development/hdr/2009/hdr_2009_complete.pdf.

ООН (2012). Мировое экономическое положение и перспективы в 2013 году. http://www.un.org/ en/development/desa/policy/wesp/wesp_current/2013wesp_pr_global_ru.pdf.

Blanchard O. (1985). Debt, deficits, and finite horizons. Journal of Political Economy, 93, April, 223-247.

Brunnschweiler C. N., Bulte E. H. (2006). The resource curse revisited and revised: A tale of paradoxes and red herrings. CER-ETH Economics working paper series 06/61. Center of Economic Research (CER-ETH). ETH, Zurich.

Cotet A., Tsui K. (2010). Resource curse or Malthusian trap? Evidence from oil discoveries and extractions. Ball University Economic Paper N 201001.

Ding N., Field B. C. (2005). Natural resource abundance and economic growth. Land Economics, 81 (4), 496-502.

IMF (2013). World economic outlook. July. http://www.imf.org/external/pubs/ft/weo/2013/update/02/.

Lifshits M. (2011). Migration in the global world: Economical and demographical roles and prospects for Russia. International Migration of Population: Challenges of Globalization. Scientific Series «International Migration of Population: Russia and the Contemporary World», 24, 24-33.

OECD (2008). A profile of immigrant populations in the 21st century: Data from OECD countries. http://www.econ.tuwien.ac.at/hanappi/AgeSo/SecReps/0ECD_Profile_of_Migration_2008.pdf.

Ramsey F. (1928). A mathematical theory of saving. Economic Journal, 38, December, 543-559.

Sachs J., Warner A. (1995). Natural resource abundance and economic growth. NBER Working Paper No. 5398.

Sachs J., Warner A. (1997). Fundamental sources of long-run growth. The American Economic Review, 87 (2), 184-187.

Sala-i-Martin X., Doppelhofer G., Miller R. (2004). Determinants of long-term growth: A Bayesian averaging of classical estimates (BACE) approach. The American Economic Review, 94 (4), 813-835.

Skeldon R. (2007). Social and economic dimensions of migration: discussions of migration and devel- g. opment. — In: Migration and development: Collection ofpapers of session chairs and key speakers of the | International Conference «Migration and Development», Moscow, 13-15 September 2007. Scientific Se- ^ ries «International Migration of Population: Russia and the Contemporary World», Vol. 20. M. SP Mysl', d BL Print, 204-217. ¡5

Solow R. (1956). A contribution to the theory of economic growth. Quarterly Journal of Economics, 70 (1), 65-94.

Swan T. (1956). Economic growth and capital accumulation. Economic Record, 32 (November), 334-361.

Stryszowski P. K. (2009). Essays on growth and migration. Open Access publications from Tilburg University urn:nbn: nl:ui: 12-3 710 372, Tilburg University. http://arno.uvt.nl/show.cgi?fid=97119.

Torres N., Afonso O., Soares I. (2013). A survey of literature on the resource curse: Critical analysis of the main explanations, empirical tests and resource proxies. CEF.UP Working Papers 1302, Universidade do Porto.

Weil Ph. (1989). Overlapping families of infinitely lived agents. Journal of Public Economics, 38, 183-198.