Вестник_6_2021. Научный журнал
 Скачать 7.42 Mb.
|
|
Методология исследования Влияние технологических и демографических факторов на рынок труда оценивается посредством следующей эконометрической модели: Unempl Tech Aging Tech Aging X i t i t i t i t i t i , , , , , , = + + + ⋅ + β β β β β 0 1 2 3 4 tt i t i t a e + + + μ , , Unempl i,t ll — уровень зарегистрированной безработицы в регионе t i в период i времени t; Tech i,t — показатели технологического развития: доля организаций, исполь- t зующие сеть Интернет (Zemtsov et al., 2019), локальные вычисли- тельные сети (Kramin, Klimanova, 2019); количество компьютеров на 100 сотрудников; Aging i,t gg — доля населения старше трудоспособного возраста (Acemoglu, t Restrepo, 2021); xi, t — контрольные переменные; t a i — фиксированные эффекты по регионам; i μ t — фиксированные эффекты по годам; t e i,t — регрессионные ошибки. Основным источником информации является сборник «Регионы Рос- сии. Основные показатели. 2020», составленный Федеральной службой го- сударственной статистики. Исследуемый период составляет 17 лет: 2003– 2019 гг. Согласно представленным ниже диаграммам, (i) отсутствует высокая взаимосвязь между объясняющими переменными, (ii) повышается доля населения старше трудоспособного возраста (с 19,8 до 24,8%), (iii) выяв- лен рост количества компьютеров (с 17,6 до 50%), доли организаций, ис- пользующие сеть Интернет (с 45 до 91,7%) и локальные вычислительные сети по всем федеральным округам (с 46,9 до 64,3%), (iv) Северо-Кавказ- ский регион характеризуется наибольшим уровнем безработицы и пред- ставляет собой экстремальное значение 1 . В силу чего оценка эконометри- ческой модели осуществляется по 7 федеральным округам. 1 Средний уровень безработицы в Северо-Кавказском федеральном округе составляет 7,46%, по другим федеральным округам — в пределах от 0,975 до 2,38%. 195 Рис. 1. Корреляционная матрица Источник: составлено автором. Рис. 2. Динамика уровня зарегистрированной безработицы Источник: построено автором. 196 Рис. 3. Доля организаций, использующих сеть Интернет Источник: построено автором. Рис. 4. Доля организаций, использующих локальные вычислительные сети Источник: построено автором. 197 Рис. 5. Количество компьютеров на 100 сотрудников Источник: построено автором. Результаты исследования В табл. 1 приведены результаты эконометрической оценки воздейст- вия технологического развития на уровень безработицы с учетом демо- графических факторов. Таблица 1 Результаты оценки влияния технологий на уровень безработицы Уровень зарегистрированной безработицы, % Доля организаций, использующих сеть Интернет, % –0.116*** (0.037) Количество персональных компьютеров на 100 сотрудников, единиц –0.150*** (0.034) Доля организаций, использующих локальные вычислительные сети, % –0.125*** (0.035) Доля населения старше трудоспособного возраста, % –0.327*** (0.110) –0.162* (0.087) –0.633*** (0.075) Ожидаемая продолжительность жизни, лет –0.184*** (0.066) –0.239*** (0.070) –0.158*** (0.075) Реальные инвестиции на душу населения, руб., лог. –0.293 (0.256) –0.463*** (0.260) –0.261*** (0.213) 198 Окончание табл. 1 Уровень зарегистрированной безработицы, % Доля организаций, использующих сеть Интернет × Доля населения старше трудоспособного возраста 0.006*** (0.002) Количество персональных компьютеров на 100 сотрудников × Доля населения старше трудоспособного возраста 0.007*** (0.001) Доля организаций, использующих локальные вычислительные сети × Доля населения старше трудоспособного возраста 0.007*** (0.002) Количество наблюдений 119 119 119 Скорректированный коэффициент детерминации 0.428 0.435 0.382 Статистика Фишера 23.036*** 23.581*** 20.015*** Примечание: в скобках под коэффициентами объясняющих переменных приведены стандартные ошибки. Символы «*», «**», «***» обозначают статистическую значимость на 10-, 5-, 1-процентном уровнях соответственно. Символ «×» обозначает произведение. Тер- мин «лог.» обозначает логарифмические преобразование. Темным шрифтом отмечены пе- ременные взаимодействия. Источник: расчеты автора. Согласно результатам табл. 1, все три показателя технологического развития статистически значимо на 1-процентном уровне снижают уро- вень зарегистрированной безработицы. Старение населения и повыше- ние ожидаемой продолжительности жизни ассоциируются со снижением уровня зарегистрированной безработицы. Однако совместное влияние технологических и демографических факторов повышает уровень без- работицы. Преимущество применения моделей на панельных данных по срав- нению с пространственной выборкой выражается в устранении эндоген- ности. Разрешение проблемы эндогенности вследствие пропуска суще- ственной переменной осуществляется посредством добавления фикси- рованных эффектов, которые отражают специфические характеристики федеральных округов. С другой стороны, возможно наличие эндогенно- сти вследствие обратной причинно-следственной связи. Однако Д. Адже- моглу и П. Рестрепо выявили, что именно старение населения является стимулом к большему внедрению технологий автоматизации, приведших к снижению занятости трудоспособного населения (Acemoglu, Restrepo, 2021). Также исследователи ОЭСР полагают, что старение населения ассо- циируется с сокращением численности квалифицированных работников, что обусловливает внедрение технологий автоматизации в целях повы- 199 шения конкурентоспособности компаний (OECD, 2019). Стимулы к по- вышению региональной конкурентоспособности в оцениваемых моделях учитывались добавлением инвестиций на душу населения в реальном вы- ражении. Для точной идентификации направления причинно-следствен- ной связи возможно применение метода инструментальных переменных, что представляет собой тему для дальнейших исследований. Полученные результаты согласуются с тем, что (i) старение населения стимулирует замещение труда (Abeliansky et al., 2020; Acemoglu, Restrepo, 2021); (ii) имеют место компенсационные эффекты: технологии одно- временно могут как повышать, так и сокращать занятость (Acemoglu, Restrepo, 2019). Заключение С развитием цифровых технологий повышается уровень жизни насе- ления. Одновременно повышается обеспокоенность относительно сохра- нения рабочих мест вследствие трудовых способностей технологических изобретений. Наряду с технологическим развитием значимыми факторами изменения конъюнктуры рынка труда являются демографические пока- затели. В данной работе показано, что с учетом старения населения вне- дрение технологических разработок в организациях ассоциируется с по- вышением уровня безработицы в федеральном округе. Предложенный подход на основе учета совместного воздействия техно- логических и демографических факторов на уровень безработицы может применяться при внедрении регуляторных мер в отношении рынка труда. В контексте взаимосвязи технологий и рынка труда помимо повышения доли населения старше трудоспособного возраста важными демографи- ческими показателями являются миграционные потоки, региональные различия доли мужчин и женщин, выявление значимости которых пред- ставляет собой перспективное направление дальнейших исследований. Список литературы Бобылев, С. Н., Тикунов, В. С., & Черешня, О. Ю. (2018). Уровень развития циф- ровой экономики в регионах России. Вестник Московского университета. Серия 5. Гео- графия, 5, 27–35. Земцов, С. П. (2018). Смогут ли роботы заменить людей? Оценка рисков автомати- зации в регионах России. Инновационная экономика, 4(234), 49–55. Калабихина, И. Е. (2019). Демографические размышления о цифровой экономи- ке. Вестник Московского университета. Серия 6. Экономика, 6, 47–166. 6 6 Капелюшников, Р. И. (2018). Влияние четвертой промышленной революции на рынок труда, Аист на крыше. Демографический журнал, 6(6), 32–36. 6 6 Abraham, K., & Kearney, M. (2020). Explaining the Decline in the US Employment-to- Population Ratio: A Review of the Evidence. Journal of Economic Literature, 58(3), 585–643. 8 8 https://doi.org/10.1257/jel.20191480 200 Abeliansky, A., Algur, E., Bloom, D., & Prettner, K. (2020). The Future of Work: Challenges for Job Creation Due to Global Demographic Change and Automation. IZA Discussion Paper, 12962. Acemoglu, D., & Autor, D. (2011). Skills, Tasks and Technologies: Implications for Employment and Earnings, In: Handbook of Labor Economics, 12 (4b), 1043–1171. DOI:10.1016/S0169-7218(11)02410-5 Acemoglu, D., & Restrepo, P. (2021). Demographics and Automation. The Review of Economic Studies , 1–44. DOI: 10.1093/restud/rdab031 Acemoglu, D., & Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. The Journal of Economic Perspectives, 33 (2), 3–30. DOI: 10.1257/jep.33.2.3 Autor, D., & Dorn, D. (2009). This Job is “Getting Old”: Measuring Changes in Job Opportunities using Occupational Age Structure. American Economic Review: Papers & Proceedings, 99 (2), 45–51. 9 http://www.aeaweb.org/articles.php?doi=10.1257/aer.99.2.45 Autor, D. (2015). Why Are There Still So Many Jobs? The History and Future of Workplace Automation, The Journal of Economic Perspectives, 29 (3), 3–30. DOI: 10.1257/jep.29.3.3 9 Balatsky, E. V. (2019). Global challenges of the Fourth Industrial Revolution. Terra Economicus, 17 (2), 6–22. DOI: 10.23683/2073-6606-2019-17-2-6-22 7 7 Balliester, T., & Elsheikhi, A. (2018). The Future of Work: A Literature Review. International Labour Office Research Department Working Paper , 29. Berger, T., & Frey, C. (2016). Digitalization, Jobs, and Convergence in Europe: Strategies for Closing the Skills Gap. Report for the European Commission, 2-51. Bloom, D., McKenna, M., & Prettner, K. (2020). Demography, Unemployment, Automation and Digitalization: Implications for the Creation of (Decent) Jobs, 2010–2030. IZA Discussion Paper , 11739. Chuah, L., Loayza, N., & Schmillen, A. (2018). The Future of Work: Race with — Not Against — the Machine. World Bank Group Research & Policy Briefs, 16. Dorn, D. (2015). The Rise of the Machines: How Computers Have Changed Work. UBS Center Public Paper , 4. Seidl da Fonseca, R. (2017) The Future of Employment: Evaluating the Impact of STI Foresight Exercises. Foresight and STI Governance, 11 (4), 9–22. DOI: 10.17323/1995- 459X.2016.4.9.22. Fossen, F., & Sorgner, A. (2019). New Digital Technologies and Heterogenous Employment and Wage Dynamics in the United States: Evidence from Individual-Level Data. IZA Institute Discussion Paper, 12242. Fritsch M., & Wyrwich, M. (2019) Regional Emergence of Start-Ups in Information Technologies: The Role of Knowledge, Skills and Opportunities. Foresight and STI Governance, 13 (2), 62–71. DOI: 10.17323/2500-2597.2019.2.62.71 3 Giuntella, O., & Wang, T. (2019). Is an Army of Robots Marching on Chinese Jobs? IZA Institute of Labor Economics Discussion Paper , 12281. Humlum, A. (2019). Robot Adoption and Labor Market Dynamics. Princeton University Job Market Placement Kapeliushnikov, R. (2019). The Phantom of Technological Unemployment. The Russian Journal of Economics, 5, 88–116. https://doi.org/10.32609/j.ruje.5.35507 Kergroach, S. (2017) Industry 4.0: New Challenges and Opportunities for the Labour Market. Foresight and STI Governance, 11(4),6–8. DOI: 10.17323/2500-2597.2017.4.6.8 Kramin, T. V., & Klimanova, A. R. (2019). Development of digital infrastructure in the Russian regions. Terra Economicus, 17 (2), 60–76. DOI: 10.23683/20736606-2019-17-2- 60-76 McGuiness, S., Pouliakas, K., & Redmond, P. (2019). Skill-Displacing Technological Change and Its Impact on Jobs: Challenging Technological Alarmist? IZA Discussion Paper, 12541. OECD. (2018). Job Creation and Local Economic Development: Preparing for the Future of Work, OECD Publishing. OECD. (2019). Employment Outlook: The Future of Work, OECD Ilibrary. Pouliakas, K. (2018). Determinants of Automation Risk in the EU Labour Market: A Skills-Needs Approach. IZA Discussion Paper, 11829. Schmidpeter, B., & Winter-Ebmer, R. (2020). How Do Automation and Off shorability Infl uence Unemployment Duration and Subsequent Job Quality? IZA Discussion Paper, 11736 Walwei, U. (2017). Digitalization and Structural Labour Market Problems: The Case of Germany. International Labour Office Research Paper, 17. Zator, M. (2019). Digitalization and Automation: Firm Investment and Labor Outcomes. Northwestern University Kellogg School of Management Job Market Paper. Zemtsov, S., Barinova, V., & Semenova, V. (2019). The Risks of Digitalization and the Adaptation of Regional Labor Markets in Russia. Foresight and STI Governance, 13 (2), 84– 96. DOI: 10.17323/2500-2597.2019.2.84.96 References Bobylev, S. N., Tikunov, V. S., & Chereshnya, O. Yu. (2018). The level of digital economy development in the regions of Russia. Vestnik Moskovskogo universiteta. Seriya 5, Geografiya, 5, 27–35. Kalabikhina, I. E. (2019). Demographic Refl ections on the Digital Economy. Moscow University Economics Bulletin, 6, 147–166. Kapeliushnikov, R. I. (2018). Impact of the fourth industrial revolution on the labor market. Stork on the roof. Demographic journal, 6 (6), 32–36. Zemtsov, S. (2018). Can robots replace humans? Automation Risk Assessment in Russian Regions. Innovative Economy, 4 (234), 49–55. 202 ВЕСТН. МОСК. УН-ТА. СЕР. 6. ЭКОНОМИКА. 2021. № 6 ЭКОНОМИЧЕСКАЯ ТЕОРИЯ С. И. Насырова 1 Институт развития образования Республики Башкортостан, Башкирский государственный университет (Уфа, Россия) УДК: 330.34 ЭВОЛЮЦИОННЫЕ АСПЕКТЫ ЭКОНОМИКИ, ОРИЕНТИРОВАННОЙ НА ЧЕЛОВЕКА, В КАТЕГОРИАЛЬНО-СИСТЕМНОЙ МЕТОДОЛОГИИ Объект исследования — человеко-ориентированная экономика. Цель исследова- ния — разработка модели развития экономики, ориентированной на человека, через ее постепенное усложнение. Гипотеза исследования предполагает, что разработка иерархии объективно необходимых потребностей человека даст основание для иден- тификации структуры новой экономической системы с целевыми установками, ори- ентированными на постепенное развитие каждого хозяйствующего субъекта и эконо- мики в целом. Применены следующие методы исследования: контент-анализ, метод «Конечный информационный поток». Получены следующие результаты исследования: 1) произведена идентификация и познание качественных характеристик экономики, ориентированной на человека, на основе метода «Конечный информационный поток» с помощью параметров «логический уровень», «логический предел» и «трансформируе- мость»; 2) сформулированы логические уровни развития человеко-центричной эконо- мики на основе выделения потребностей человека, исходя из его природы (ЛУ-1 — по- требности организма как биологического существа, ЛУ-2 — потребности в матери- альных товарах, ЛУ-3 — потребности в услугах, ЛУ-4 — потребности в социальном взаимодействии, ЛУ-5 — потребности в информации, ЛУ-6 — потребности в цифро- вых продуктах, ЛУ-7 — потребности в идеях, ЛУ-8 — потребности в новых знаниях); 3) определено наличие многообразных структур в рамках экономики, ориентирован- ной на человека, на основе таких параметров, как логический предел и трансфор- мируемость; 4) представлена человеко-ориентированная экономика как постепенно усложняющийся объект. Практическая и теоретическая значимость исследования заключается в том, что результаты осмысления человеко-центричной экономики по- средством метода «Конечный информационный поток» служат основой для дальней- ших изысканий с целью построения научно обоснованной теории изучаемого феномена. Ключевые слова: человеко-центричная экономика, потребности человека, ко- нечный информационный поток, логический уровень, логический предел, транс- формируемость, развитие, эволюция. 1 Насырова Светлана Ирековна — к.э.н., проректор по научной и инновационной работе, Институт развития образования Республики Башкортостан; доцент, Башкирский государственный университет; e-mail: svitland1@rambler.ru, ORCID: 0000-0002-4101-755X. 203 Цитировать статью: Насырова, С. И. (2021). Эволюционные аспекты экономики, ори- ентированной на человека, в категориально-системной методологии. Вестник Московского университета. Серия 6. Экономика, (6), 202–223. https://doi.org/10.38050/013001052021610. S. I. Nasyrova Institute of Education Development of the Republic of Bashkortostan, Bashkir State University (Ufa, Russia) JEL: O1, P00 EVOLUTIONARY ASPECTS OF THE HUMAN-ORIENTED ECONOMY IN THE CATEGORICAL-SYSTEM METHODOLOGY The object of the research is human-oriented economy. The purpose of the study is to develop a model for the development of human-centered economy through its gradual complication. The author puts forward a hypothesis that the development of an hierarchy of objectively necessary human needs will provide a basis for identifying the structure of a new economic system with targets focused on gradual development of each economic entity and the economy as a whole. The study applies the methods of content analysis and the «Final information flow» method. The author first performs identification and cognition of qualitative characteristics of human-oriented economy based on the «Finite information flow» method using such parameters as logical level, logical limit and transformability. He then formulates the logical levels of human-centered economy development on the basis of human needs allocation, determines the presence of diverse structures within the framework of a human- centered economy, and presents human-oriented economy as a object gradually becoming more complex. The practical and theoretical findings of the study prove that the comprehension of human-centered economy through «Final information flow» method may serve as a basis for further research aimed at building a scientifically grounded theory of the phenomenon under study. |