В тени регулирования. Неформальность на российском рынке труда - Коллектив авторов

Для сравнения, в том же 2009 г. вклад регионального фактора (на уровне федеральных округов) составил по методу Дженкинса 3,7–7,5 %, вклад образования – 3,3–7,0 %, вклад типа поселений – 3,4–6,2 %, вклад гендерного фактора – 2,2–4,3 % (табл. П8-9). Даже если рассматривать не дихотомическое деление на формальную и неформальную занятость, а оценивать влияние неформальности в более дробной классификации (4 группы занятости, выделенные в табл. П8-1), то доля неравенства, которое можно отнести на ее счет, увеличится лишь до 1,8–3,2 %. Отсюда можно сделать вывод о том, что неформальность значительно уступает по влиянию на неравенство всем другим ключевым факторам, определяющим дифференциацию заработной платы.

8.6. Регрессионный анализ вклада неформальности в неравенство: метод наименьших квадратов

Предшествующий анализ не учитывал того, что разные типы занятости могут существенно различаться по составу работников – могут различаются как средние характеристики, так и распределения этих характеристик внутри групп. Например, у формальных работников, как уже отмечалось, выше уровень образования, среди них ниже доля сельских жителей и т. д. При этом некоторые факторы могут взаимно компенсировать друг друга. Так, у неформальных работников ниже уровень образования, но выше доля мужчин, которые, как правило, имеют более высокие заработки, даже если выполняют ту же работу, что и женщины. Кроме того, в разных секторах одни и те же характеристики могут по-разному цениться и, соответственно, приносить различную отдачу. При анализе влияния различий в составе работников и различий в отдачах невозможно обойтись без регрессионного анализа.

В качестве первого шага мы оцениваем стандартную линейную регрессию методом наименьших квадратов (МНК). Она будет служить отправной точкой для последующего анализа, с ее коэффициентами мы будем сравнивать коэффициенты квантильных регрессий и регрессий для рецентрированных функций влияния (далее РФВ-регрессий) [Fipro et al., 2009; Fortin et al., 2011]. Коэффициенты при дамми-переменных, соответствующих каждому из типов неформальности, показывают размер штрафа или премии для среднего индивида из выборки, относящегося к той или иной группе неформально занятых[152]. Другими словами, коэффициенты МНК-регрессий отражают межгрупповое неравенство, но с учетом различий в характеристиках работников.

Результаты оценивания МНК-регрессий для всех лет представлены в табл. П8-10. Кроме приведенных переменных все уравнения включают пол, возраст (7 групп), дамми для брака (1 = в браке), дамми для национальности (1 = русский), образование (6 групп), тип населенного пункта (4 группы), регион (7 групп). Уравнение для месячных заработков дополнительно включает логарифм продолжительности рабочего времени. Из таблицы видно, что величина эффекта очень чувствительна к тому, какая переменная – месячные или часовые заработки – стоит в левой части уравнения. Для месячных заработков коэффициент при дамми для неформальной занятости статистически незначим, либо отрицателен (см. спецификацию 1). Для часовых заработков коэффициент устойчиво положителен. Из спецификации 2 видно, что знак коэффициента при дамми-переменной для неформальной занятости определяется главным образом коэффициентом для группы работников, не имеющих регулярной работы. Несмотря на различия в уровнях коэффициентов для месячных и часовых заработков, закономерности их изменения во времени очень сходны: в течение 2000–2010 гг. наблюдалось сокращение среднего размера выгоды от неформальной занятости.

В этом и последующих разделах мы сосредоточимся на месячных показателях заработной платы, поскольку наша задача состоит в сопоставлении уровня благосостояния формально и неформальных занятых работников. Благосостояние же работников в большей степени связано с месячными трудовыми доходами, чем с часовыми ставками заработной платы. Хотя и в этом случае мы не учитываем многие аспекты работы, например, неденежные элементы компенсационного пакета, уровень соблюдения трудового законодательства, социальную защищенность, условия труда, карьерные возможности и т. д., которые также влияют на благосостояние работников. Кроме того, нельзя исключить, что работники, особенно в неформальной занятости, сталкиваются с внешними ограничениями продолжительности рабочего времени, т. е. работают меньше, чем хотели бы при существующем уровне часовых ставок. Если такие ограничения имеют место, то месячные заработки являются более точным ориентиром для принятия решений о предложении труда.

Результаты оценивания МНК-регрессии говорят о том, что с учетом дополнительных контрольных переменных в 2000–2005 гг. принадлежность к неформальной занятости не оказывала влияния на средние месячные заработки индивидов (табл. П8-10). Только в 2000 и 2002 гг. коэффициент при переменной неформальности статистически значим, хотя лишь на 10-процентном уровне, и положителен. Это свидетельствует о том, что неформальность в среднем приносила дополнительную финансовую выгоду неформально занятым работникам по сравнению с идентичными работниками, занятыми на формальной основе. Значимый отрицательный эффект неформальности появляется в 2006 г. и сохраняется до 2010 г. Средний размер «штрафа» за неформальность в этот период составлял 5–7 %, а в 2009 г. доходил до 10 %.

При этом занятые без трудового контракта на предприятиях имели в среднем такие же заработки, как и другие занятые на предприятиях, т. е. как и формальные работники. Занятые не на предприятиях имели преимущества в 2000–2004 гг., но утратили его в последующие годы. Лишь в 2010 г. для этой группы мы вновь видим значимый положительный коэффициент, но его величина в несколько раз меньше, чем в начале 2000-х годов (6 % против 20 %). Работники с нерегулярными приработками после контроля продолжительности рабочего времени оказываются на равных с формальными работниками по условиям оплаты труда в 2000–2003 гг. В более поздние годы они стремительно теряли этот паритет. К концу 2000-х годов «штраф» за неформальность для работников без регулярной работы достиг 25–30 %.

Отрицательные отдачи от неформальности во второй половине 2000-х годов являются довольно неожиданным результатом, учитывая, что на графиках наблюдается сближение двух кривых распределения на протяжении рассматриваемого периода (см. рис. П8-3). «Недоумение» усиливается, если посмотреть на рис. П8-8, где показаны различия в средних лог-зарплатах неформально и формально занятых – на протяжении 2000-х годов произошло заметное сокращение среднего разрыва в лог-зарплатах. Однако тот же рис. П8-8 дает ключ к разгадке. На этом графике, наряду с общим разрывом, представлена его декомпозиция на эффект состава и эффект отдач по методу Оаксаки – Блайндера[153] (см. Приложение П8).