ИССЛЕДОВАНИЕ СПИЛЛОВЕР-ЭФФЕКТОВ ТРУДОВОЙ МИГРАЦИИ НА ПРОСТРАНСТВЕ ЕАЭС

Исследование выполнено за счет гранта Российского научного фонда № 23-28-01774, https://rscf.ru/project/23-28-01774/

АННОТАЦИЯ

Интеграционные процессы генерируют т.н. «спилловер-эффекты», оказывающие влияние на благосостояние населения стран, участвующих в интеграционных процессах. Цель исследования – оценить влияние внешней трудовой миграции из стран Евразийского экономического Союза на социально-экономическое развитие российской экономики. Гипотеза исследования – между динамикой внешней трудовой миграции из стране ЕАЭС в Россию и социально-экономическим развитием субъектов РФ существует прямая связь. Регионы, которые имеют сходные характеристики притока трудовых мигрантов из стран ЕАЭС, будут иметь сходный уровень социально-экономического развития. Для проверки выдвинутой в работе гипотезы использовался кластерный анализ. В результате проведенного исследования, выдвинутая в работе гипотеза в целом получила подтверждение по данным, характеризующим экономику России в среднесрочном временном интервале. Анализ данных показал, что три из четырех факторов, определяющих социально-экономическое развитие субъектов РФ (качество жизни населения; индекс производительности труда; ВРП) имеют статистически значимые различия средних во всех выделенных нами кластерах. Следовательно, при сравнении групп объектов, можно сделать вывод о том, что идентифицированные кластеры отличаются друг от друга.

ABSTRACT

Integration processes generate the so-called "spillover effects" that affect the welfare of the population of the countries involved in integration processes. The aim of the study is to assess the impact of external labor migration from the countries of the Eurasian Economic Union on the socio-economic development of the Russian economy. Hypothesis of the study – there is a direct relationship between the dynamics of external labor migration from the EAEU countries to Russia and the socio-economic development of the RF subjects. Regions that have similar characteristics of the inflow of labor migrants from the EAEU countries will have a similar level of socio-economic development. Cluster analysis was used to test the hypothesis put forward in the paper. As a result of the study, the hypothesis put forward in the paper was generally confirmed by the data characterizing the Russian economy in the medium-term time interval. The data analysis showed that three of the four factors determining the socio-economic development of the RF subjects (quality of life; labor productivity index; GRP) have statistically significant differences in the average in all the clusters we have selected. Consequently, when comparing groups of subjects, we can conclude that the identified clusters differ from each other.

Ключевые слова: внешняя трудовая миграция, спилловер-эффекты, кластерный анализ, ЕАЭС, субъекты РФ.

Keywords: external labor migration, spillover effects, cluster analysis, EAEU, constituent entities of the Russian Federation.

Введение

Евразийский экономический Союз (ЕАЭС) в процессе своего функционирования генерирует не только статические и динамические эффекты интеграции, описанные в классической экономической литературе [1], но и порождает т.н. спилловер-эффекты или «эффекты перетока». Подобно воде в сообщающихся сосудах экономические процессы и явления перетекают из одной экономики интеграционного объединения в другую, оказывая влияние на благосостояние жителей этих стран. В контексте функционирования единого экономического пространства (в рамках интеграционного объединения) можно говорить об абсолютной мобильности между странами-участницами трех экономических ресурсов: капитала, технологий и рабочей силы. При этом перемещение этих ресурсов между странами будет генерировать свои собственные, уникальные спилловер-эффекты.

Так, например, спилловер-эффекты, связанные с межрегиональной трудовой миграцией, проявляются в экономике двояко: непосредственно влияя на динамику социально-экономического развития страны-реципиента и страны-донора и опосредованно, через изменение качества рынка труда, объемы выпуска наукоемкой продукции и трансфер знаний в экономике.

Тематика спилловер-эффектов внешней трудовой миграции находит свое отражение в незначительном количестве экономических исследований:

Laut, Pranizty, Sugiharti (2023) изучая влияние перетока человеческого капитала на производительность труда в Индонезии, приходят к выводу о том, что чем выше уровень образования, тем выше производительность труда, а наличие высокообразованной рабочей силы может обеспечить перелив знаний в окружающую среду. В то же время переток человеческого капитала за счет миграции не оказывает влияния на производительность труда [2].

Ampofo, Cheng, Doko Tchatoka (2022) исследуя влияние добычи нефти на эффективность рынка труда Ганы, показали, что добыча нефти в этой стране генерирует негативный спилловер-эффект на занятость населения и не оказывает существенного влияния на средний доход. Более того, нефтяной бум в Гане оказал негативное влияние в целом на благосостояние населения, поскольку усилил неравенство для людей, проживающих вблизи районов добычи [3].

Moshiri & Bakhshi Moghaddam (2018) описывают влияние спилловер-эффектов от ценовых шоков на рынке нефти на благосостояние стран экспортеров нефти, в частности Канады. Авторы отмечают, что спилловер эффекты ценовых шоков распространяются через международную торговлю и миграцию рабочей силы [4].

Carson A., Carson, D. & Lundström (2021) в своей работе определяют степень влияния спилловер-эффектов миграции рабочей силы с университетской квалификацией между городами и внутренними районами на малонаселенном севере Австралии и Швеции. Авторы приходят к выводу о том, что спилловер эффекты миграции рабочей силы могут быть ограничены территориальной удаленностью агломераций [5].

Jiang, Zhang, Xiong & Wang (2016) отмечают, что между экономически схожими провинциями Китая наблюдается положительный спилловер-эффект трудовой миграции. При этом в слаборазвитых провинциях может наблюдаться низкий или даже отрицательный спилловер-эффект миграции. Положительные спилловер-эффекты миграции авторы связывают с расширением рынка, а также industrial reallocation. Отрицательные – с мобильностью и перетоком ресурсов из слаборазвитых регионов в развитые [6].

Карпунина (2021) отмечает, что инвестиции в развитие цифровой экономики генерируют т.н. спилловер-эффекты, оказывающие влияние в том числе и на рынок труда: начиная с поляризации рабочих мест и вытеснением с рынка труда специалистов низкой и средней квалификации и заканчивая качественной трансформацией человеческого капитала [10].

Россия как крупнейшая экономика Евразийского экономического Союза (ЕАЭС) с одной стороны генерирует экономические импульсы/«шоки» для остальных стран-участниц экономического объединения, а с другой – является центром притяжения абсолютно мобильных ресурсов из менее развитых экономик. Это актуализирует задачу оценки влияния спилловер-эффектов на благосостояние жителей стран-членов ЕАЭС.

В данном исследовании мы с помощью кластерного анализа проанализируем наличие связи между динамикой внешней трудовой миграции из стран ЕАЭС в Россию и рядом факторов, определяющих социально-экономическое развитие субъектов Российской Федерации. Такая постановка исследовательской задачи позволит в дальнейшем оценить влияние спилловер-эффектов трудовой миграции на благосостояние населения в странах ЕАЭС, что будет способствовать приращению научного знания.

Цель исследования – оценить влияние внешней трудовой миграции из стран Евразийского экономического Союза на социально-экономическое развитие российской экономики.

Ход исследования: на первом этапе исследования проводится разбиение субъектов РФ на классы, каждый из которых соответствует определенной группе (с одинаковой характеристикой по уровню притока трудовых мигрантов из стран ЕАЭС и квалификацией мигрантов); на втором этапе исследования проводится анализ социально-экономического развития субъектов РФ в границах идентифицированных кластеров.

Методы

Гипотеза исследования – между динамикой внешней трудовой миграции из стран ЕАЭС в Россию и социально-экономическим развитием субъектов РФ существует прямая связь. Регионы, которые имеют сходные характеристики притока трудовых мигрантов из стран ЕАЭС, будут иметь сходный уровень социально-экономического развития.

Методология исследования

1. Используемые показатели:

Показатели, характеризующие динамику внешней трудовой миграции из стран ЕАЭС в Россию:

- число квалифицированных специалистов из стран ЕАЭС (в тыс. чел) по данным Росстата;

- число высококвалифицированных специалистов из стран ЕАЭС (в тыс. чел) по данным Росстата;

- общее число выданных разрешений на работу гражданам из государств-членов ЕАЭС в России (в тыс. чел) по данным Росстата;

- общее число выданных разрешений на работу иностранным гражданам в России (в тыс. чел) по данным Росстата [8].

Показатели, характеризующие социально-экономическое развитие субъектов РФ:

- качество жизни населения в субъектах РФ (исследование рейтингового агентства «РИА Рейтинг») [9];

- индекс производительности труда по данным Росстата;

- среднемесячная номинальная начисленная заработная плата работников в целом по субъектам РФ (в тыс. руб.) по данным Росстата;

- Валовой региональный продукт (в млрд руб.) по данным Росстата.

3. Выборка: 85 субъектов РФ; 5-летний временной интервал (2018-22 гг.).

4. Методы исследования: для проверки выдвинутой гипотезы используется кластерный анализ. В общем случае кластерный анализ предназначен для объединения некоторых объектов в классы (кластеры) таким образом, чтобы в один класс попадали максимально схожие, а объекты различных классов максимально отличались друг от друга. Количественный показатель сходства рассчитывается заданным способом на основании данных, характеризующих объекты. В данном случае целью кластерного анализа является разбиение субъектов РФ на классы, каждый из которых соответствует определенной группе (с одинаковой характеристикой по уровню притока трудовых мигрантов из стран ЕАЭС и квалификацией мигрантов). Необходимо учитывать, что все кластерные алгоритмы нуждаются в оценках расстояний между кластерами или объектами, для чего необходимо задать масштаб измерений. Поскольку различные измерения используют абсолютно различные типы шкал, данные необходимо стандартизовать так что каждая переменная будет иметь среднее 0 и стандартное отклонение 1. 

Результаты

Методика кластерного анализа и общий ход исследования описаны в нашей предыдущей работе [7]. Здесь мы ограничимся результатами, полученными в ходе первого этапа исследования, а именно, приведем 3 выделенных кластера со схожими характеристиками по уровню притока трудовых мигрантов из стран ЕАЭС и квалификацией мигрантов (см. табл. 1-3).

Таблица 1.

Элементы кластера номер 1 (приток трудовых мигрантов из стран ЕАЭС и квалификация мигрантов) и расстояния до центра кластера

Источник: составлено авторами

Таблица 2.

Элементы кластера номер 2 (приток трудовых мигрантов из стран ЕАЭС и квалификация мигрантов) и расстояния до центра кластера

Источник: составлено авторами

Таблица 3.

Элементы кластера номер 3 (приток трудовых мигрантов из стран ЕАЭС и квалификация мигрантов) и расстояния до центра кластера

Источник: составлено авторами

На втором этапе исследования проведем анализ социально-экономического развития субъектов РФ в границах идентифицированных кластеров. В начале оценим среднее значение четырех факторов, определяющих социально-экономическое развитие субъектов РФ в каждом выделенном кластере (качество жизни населения; индекс производительности труда; среднемесячная номинальная начисленная заработная плата работников в целом по субъектам РФ; ВРП) и проанализируем – существуют ли различия в этих факторах в каждом обособленном кластере?

Для решения этой задачи используем t-критерий для независимых выборок. Группирующая переменная «clusters» разбивает данные на группы. Выборки по кластерам будут сравниваться относительно среднего их оценок по каждой шкале. Если два фактора имеют статистически значимые различия, то их средние значения также будут различаться. В таком случае говорят, что объекты в группе имеют различную «центральность».

Таблица 4.

Результаты анализа сравнения факторов, определяющих социально-экономическое развитие субъектов РФ по идентифицированным кластерам

Источник: составлено авторами

Самым быстрым способом изучения таблицы 4 является просмотр пятого столбца (содержащего р-уровни) и определение того, какие из р-значений меньше установленного уровня значимости 0,05. Как мы видим, для большинства зависимых переменных средние по двум группам различны.

Графиком по умолчанию для полученных в результате исследования данных является диаграмма размаха (см. рис.1).

Рисунок 1. Диаграмма размаха

Источник: составлено авторами

Заключение

Анализ данных показал, что три из четырех факторов, определяющих социально-экономическое развитие субъектов РФ (качество жизни населения; индекс производительности труда; ВРП) имеют статистически значимые различия средних во всех выделенных нами кластерах. Следовательно, при сравнении групп объектов, можно сделать вывод о том, что идентифицированные кластеры отличаются друг от друга. В таком случае говорят, что объекты в группе имеют различную “центральность”. Однако, стоит помнить, что к полученным статистическим выводам следует относится осторожно, поскольку результат всегда зависит от объема выборки (в нашем исследовании получилось, что третий кластер имеет всего 3 элемента).

Таким образом, выдвинутая в работе гипотеза в целом получила подтверждение по данным, характеризующим экономику России в среднесрочном временном интервале.

Ограничения исследования:

- недостаточная выборка данных и слишком короткий интервал исследования;

- выбросы данных, искажающие общую картину под влиянием пандемии коронавируса и последующего локдауна в 2019 и 2020 годах;

- сильная дифференциация по уровню притока трудовых мигрантов из стран ЕАЭС и квалификацией мигрантов в отдельные субъекты РФ (что также приводит к проблеме выброса данных);

- возможно, применение кластерного анализа для решения поставленной в исследовании задачи было не оптимальным (происходит апробация и поиск адекватной исследовательским задачам методики исследования).

Надеемся, что полученные в результате исследования данные, решаемые задачи, активизируют новую волну прикладных исследований воздействия внешней трудовой миграции на социально-экономическое развитие субъектов РФ.

ФИНАНСИРОВАНИЕ

Исследование выполнено за счет гранта Российского научного фонда № 23-28-01774

АВТОРСКИЙ ВКЛАД

Шкиотов С.В. – Conceptualization, Project administration, Writing – review

Маркин М.И. – Formal Analysis, Writing – original draft

Майорова М.А. – Validation, Data curation, Editing

Список литературы:

1. Salera, V. (1951). The Customs Union Issue . Jacob Viner. Journal of Political Economy, 59(1), 84–84. https://doi.org/10.1086/257042
2. Laut, L. T., Pranizty, T. P. I., & Sugiharti, R. R. (2023). Does human capital spillover affect labor productivity? Journal of Socioeconomics and Development, 6(1), 36. https://doi.org/10.31328/jsed.v6i1.3759
3. Ampofo, A., Cheng, T. C., & Doko Tchatoka, F. (2022). Oil extraction and spillover effects into local labour market: Evidence from Ghana. Energy Economics, 106. https://doi.org/10.1016/j.eneco.2021.105699
4. Moshiri, S., & Bakhshi Moghaddam, M. (2018). The effects of oil price shocks in a federation; The case of interregional trade and labour migration. Energy Economics, 75, 206–221. https://doi.org/10.1016/j.eneco.2018.08.012
5. Carson, D. A., Carson, D. B., & Lundström, L. (2021). Northern cities and urban–rural migration of university-qualified labour in Australia and Sweden: Spillovers, sponges, or disconnected city–hinterland geographies? Geographical Research, 59(3), 424–438. https://doi.org/10.1111/1745-5871.12476
6. Jiang, X., Zhang, L., Xiong, C., & Wang, R. (2016). Transportation and Regional Economic Development: Analysis of Spatial Spillovers in China Provincial Regions. Networks and Spatial Economics, 16(3), 769–790. https://doi.org/10.1007/s11067-015-9298-2
7. Семенова П.А., Шкиотов С.В., Маркин М.И. Кластерный анализ цифрового неравенства и качества жизни населения в субъектах РФ // Теоретическая экономика. – 2023. – №2. – С.98-108
8. Федеральная служба государственной статистики. Регионы России. Социально-экономические показатели. [Электронный ресурс]. - Режим доступа: URL: https://rosstat.gov.ru/folder/210/document/13204.?print=1 (дата обращения: 01.11.2023)
9. Рейтинг российских регионов по качеству жизни – 2021. [Электронный ресурс]. - Режим доступа: URL: https://riarating.ru/infografika/20220215/630216951.html (дата обращения: 01.11.2023)
10. Карпунина Е.К. Цифровая экономика и ее спилловер-эффекты // Россия: тенденции и перспективы развития. – 2021. [Электронный ресурс]. - Режим доступа: URL: https://cyberleninka.ru/article/n/tsifrovaya-ekonomika-i-ee-spillover-effekty (дата обращения: 01.11.2023)