Статья опубликована в журнале «Креативная экономика»12 / 2007

Макроэкономическая оценка социальной нормы отдачи образования

Корицкий Алексей Владимирович, канд. экон. наук, доцент кафедры «Экономическая теория» Сибирского университета потребительской кооперации, г. Новосибирск, Россия

Translation will be available soon.

 Читать текст |  Скачать PDF | Загрузок: 21

Аннотация:
К сожалению, в российской экономической литературе очень редко встречаются работы, в которых исследуются статистические взаимосвязи уровня накопления человеческого капитала и других экономических переменных. Одним из немногих примеров такого рода исследований может служить работа Д. Нестеровой и К. Сабирьяновой. На основе данных социологических опросов с использованием уравнения Дж. Минцера ими была рассчитана норма отдачи профессионального опыта и образования работников государственных, приватизированных и коллективных предприятий. Величина внутренней нормы отдачи образования оказалась невелика – от 1 до 5%, причём статистически значимой она оказалась только для государственных и приватизированных предприятий. Ещё одним примером может служить работа И. Майбурова, в которой рассчитываются частные и общественные нормы отдачи образования в отраслевом разрезе.
Цитировать публикацию:
Корицкий А.В. Макроэкономическая оценка социальной нормы отдачи образования // Креативная экономика. – 2007. – Том 1. – № 12. – С. 72-80.

Приглашаем к сотрудничеству авторов научных статей

Публикация научных статей по экономике в журналах РИНЦ, ВАК (высокий импакт-фактор). Срок публикации - от 1 месяца.

creativeconomy.ru Москва + 7 495 648 6241


К сожалению, в российской экономической литературе очень редко встречаются работы, в которых исследуются статистические взаимосвязи уровня накопления человеческого капитала и других экономических переменных. Одним из немногих примеров такого рода исследований может служить работа Д. Нестеровой и К. Сабирьяновой. [1] На основе данных социологических опросов с использованием уравнения Дж. Минцера ими была рассчитана норма отдачи профессионального опыта и образования работников государственных, приватизированных и коллективных предприятий. Величина внутренней нормы отдачи образования оказалась невелика – от 1 до 5%, причём статистически значимой она оказалась только для государственных и приватизированных предприятий. Ещё одним примером может служить работа И. Майбурова, в которой рассчитываются частные и общественные нормы отдачи образования в отраслевом разрезе. [2]

 

Расчёты норм отдачи от образования имеют давнюю историю. Дж. Минцер (1957, 1958, 1962), У. Хансен (1963), и Г. Беккер (1964) проводили их расчёт по годовой пространственной выборке из переписей США по возрасту и срокам обучения. [3]

Г.Беккер рассчитал норму отдачи по выпускникам колледжей на основании данных переписей 1940-го и 1950-го гг. и последующих лет. Его оценки величин норм отдачи составляли 14,5% в 1939 г., 13% в 1949 г., 12,4% в 1956 г. и 14,8% в 1958 г., аналогичные оценки для выпускников высших школ (общей средней школы в российской классификации) составили 16%, 20%, 25% и 28% соответственно. [4]

Дж. Псачаропулос провёл расчёты норм отдачи от образования разных уровней в США за период с 1939 г. по 1982 г. По его данным, для среднего образования она колебалась в этом периоде от 10,7% до 18,2%, для высшего образования от 7,9% до 10,2%. [5] Аналогичные уровни норм отдачи дают результаты исследований многочисленных американских и европейских экономистов.

В последние десять-пятнадцать лет появились работы, в которых  расчёт норм отдачи образования проводится на основе макроэкономических (кросс-секционных) исследований, в которых используются данные о средних доходах и образовательных достижениях населения ряда стран, а не данных переписей или социологических опросов. Примерами таких работ могут служить расчёты Р. Холла и Ч.Джонса (1996 и 1998) и Ф. Каселли (2005). [6]

Р. Холл и Ч. Джонс использовали в своих работах аргументированную следующим образом функцию Кобба-Дугласа:

  (1)

где       означает запас физического капитала,

         является запасом аргументированного человеческим капиталом труда, используемого в     производстве,

               представляет аргументированную трудом меру продуктивности.

При этом авторы принимают, что труд является однородным внутри страны и что каждая единица труда имеет продолжительность подготовки с лет обучения (школьного и прочего). Труд, аргументированный человеческим капиталом, задаётся функцией:

         (2)

В данной спецификации функция отражает эффективность единицы труда с р лет образования по отношению к единице труда без образования (). Производная является нормой отдачи образования, оценённой с помощью функции регрессии заработной платы Дж. Минцера.

Из этого следует, что дополнительный год обучения увеличивает производительность работника пропорционально [7].

В формуле (3) используется линейная версия функции, а коэффициент имеет значение нормы отдачи дополнительного года образования.

В нашем случае будет использоваться несколько иная производственная функция, комбинация производственной функции Кобба-Дугласа и уравнения Дж. Минцера, с использованием переменных в расчёте на одного занятого в экономике региона:

      (3)

где       y – средний доход одного занятого в экономике региона;

k – средняя фондовооружённость труда одного занятого;

h – средняя продолжительность обучения одного занятого в экономике региона.

Последний показатель рассчитан на основе данных ежегодных единовременных обследований Роскомстата о распределении занятого населения по уровням образования. Он определяется как средневзвешенная величина числа лет обучения одного занятого, в качестве весов использовались доли занятых с соответствующим уровнем образования.

Сроки обучения по уровням образования были приняты следующими: высшее образование – 16 лет, незаконченное высшее – 14 лет, среднее специальное – 13 лет, профессионально-техническое – 12 лет, среднее общее – 11 лет, незаконченное среднее 9 лет, начальное и ниже 4 года.

Аналогичный показатель был использован И. Майбуровым. [8]

Для учёта специфических особенностей российских регионов, которые могут существенно различаться по своим характеристикам, введём дополнительно три фиктивные переменные.

Производственная функция с использованием фиктивных переменных имеет следующий вид:

    (4)

Где:

- фиктивная переменная, характеризующая особенности северных регионов России, принимающая значение 1 – если регион северный (в качестве “северных” регионов взяты: Мурманская, Магаданская и Камчатская области, республики Коми и Саха (Якутия), Коми-Пермякский, Ямало-Ненецкий, Ханты-Мансийский, Ненецкий, Таймырский (Долгано-Ненецкий), Эвенкийский, Чукотский и Корякский автономные округа), и 0 для всех прочих;

- фиктивная переменная, характеризующая особенности экономики городов-мегаполисов (для Москвы и Санкт-Петербурга она равна 1, и 0 – для всех прочих);

- фиктивная переменная, характеризующие особенности экономики регионов, включающих крупные индустриальные и научные центры – города миллионеры (регионы, включающие Ростов-на-Дону, Уфу, Пермь, Нижний Новгород, Казань, Самара, Волгоград, Челябинск, Екатеринбург, Омск, Новосибирск имеют её равной 1, и 0 для всех прочих)

Соответствующее уравнение регрессии имеет вид:

          (5)

Причины выделения “северных” регионов очевидны – доходы занятого в их экономике населения значительно выше, чем в других регионах из-за суровых природно-климатических условий и соответствующих компенсационных надбавок (“северных” коэффициентов).

Вторая и третья фиктивные переменные должны уловить эффект экстерналий человеческого капитала в условиях городских агломераций. Мегаполисы Москва и Санкт-Петербург существенно отличаются от всех прочих регионов России как крупнейшие центры науки, культуры, образования, финансов, торговли и прочих передовых отраслей современной рыночной экономики. Эффекты внешней экономии от масштаба производства и “расплёскивания” знаний должны проявляться в них наиболее ярко.

В регионах, включающих города-миллионеры, данные эффекты, как можно ожидать, также должны проявляться, но слабее, чем в мегаполисах, из-за существенно меньшей ёмкости рынков и наличия сырьевых отраслей (сельского хозяйства и пр.), характеризующихся отрицательными эффектами масштаба производства.

Такая форма производственной функции обеспечивает сочетание степенной функциональной связи фондовооружённости труда с денежными доходами одного занятого в экономике региона и экспоненциальную связь с теми же доходами показателя, характеризующего величину человеческого капитала (средней продолжительности обучения как в известной формуле Дж.Минцера). Последняя форма связи позволяет рассчитать норму отдачи образования, с тем отличием, что в агрегированной функции рассчитывается социальная норма отдачи, в то время как Дж.Минцер и многие другие экономисты рассчитывали частную норму отдачи образования, используя данные переписей населения в США и величины индивидуальных доходов и уровней образования отдельных людей.

Попытаемся проверить наличие статистических связей между переменными данного регрессионного уравнения на основе статистических данных о средних доходах одного занятого в экономике регионов России населения, среднем уровне образования занятых, фондовооружённости труда занятых и прочих статистических данных за период 2000-2005 гг.

Результаты расчёта параметров регрессионного уравнения (5) приведены в табл. 1. Можно отметить явную тенденцию к росту константы А, что определённо характеризует повышение продуктивности экономики России в рассматриваемый период (то есть рост общей факторной продуктивности). Наблюдается также тенденция к снижению эластичности изменения дохода на одного занятого по фондовооружённости труда (коэффициента), хотя данная тенденция неустойчива и колебания величины коэффициента по годам довольно велики. 

Величина коэффициента , характеризующего в данном случае социальную норму отдачи образования, варьируется (коэфф. B) от 18 до 33%, что показывает, на сколько процентов повышаются средние доходы занятых в экономике региона при повышении уровня образования на 1%.

Статистически значимы и коэффициенты при фиктивных переменных. Особенно сильная связь с величиной средних доходов одного занятого в экономике региона у фиктивных переменных ”северные регионы” и “мегаполисы”, величина коэффициентов а1 (Beta) колеблются по годам от 0,26 до 0,44, B ‑ от 0,24 до 0,51, коэффициентов а2 (Beta) от 0,17 до 0,33, и B ‑ 0,24 до 0,72.

Если для северных регионов причиной повышенных средних доходов является, по-видимому, заработная плата с “северными” коэффициентами (и другими компенсационными выплатами за суровые природно-климатические условия), то для мегаполисов естественной причиной может являться только повышенная производительность труда (и других факторов производства), связанная с реализацией эффектов масштаба производства, образовательными экстерналиями и “расплёскиванием” знаний.

Таблица 1

Результаты расчёта регрессионного уравнения по формуле (5) по регионам России за 2000-2005 гг. (уровень доходов на 1 занятого - уровень образования)

Показатели

регрессии

2000 г.

2001 г.

2002 г.

2003 г.

2004 г.

2005 г.

Константа lnA

Станд.ошибка

2,706*

(0,866)

3,207*

(1,026)

2,522*

(0,872)

3,571*

(1,009)

3,564*

(1,155)

5,125*

(1,172)

Коэфф. (Beta)

Станд.ошибка

B

Станд.ошибка

0,556*

(0,074)

0,573*

(0,077)

0,481*

(0.065)

0.234*

(0,088)

0,451*

(0,062)

0,350*

(0,048)

0,535*

(0,069)

0,412*

(0,053)

0,546*

(0,067)

0,427*

(0,053)

0,449*

(0,074)

0,309*

(0,051)

Коэфф. (Beta)

Станд.ошибка

B

Станд.ошибка

0,180*

(0,074)

0,187*

(0,079)

0,188*

(0,070)

0,234*

(0,088)

0,299*

(0,065)

0,333*

(0,072)

0,193*

(0,069)

0,236*

(0,084)

0,173*

(0,069)

0,238*

(0,096)

0,145**

(0,072)

0,185**

(0,093)

Коэфф. а1 (север) Beta

Станд.ошибка

B

Станд.ошибка

0,267*

(0,068)

0,312*

(0,079)

0,444*

(0,062)

0,514*

(0,072)

0,393*

(0,060)

0,421*

(0,065)

0,252*

(0,067)

0,248*

(0,066)

0,325*

(0,066)

0,345*

(0,069)

0,368*

(0,075)

0,355*

(0,072)

Коэфф. а2 (Beta)

Станд.ошибка

B

Станд.ошибка

0,261*

(0,070)

0,724*

(0,196)

0,178*

(0,067)

0,492*

(0,185)

0,178*

(0,063)

0,455*

(0,160)

0,335*

(0,067)

0,831*

(0,165)

0,246*

(0,067)

0,622*

(0,169)

0,283*

(0,071)

0,687*

(0,174)

Коэфф. а3 (Beta)

Станд.ошибка

B

Станд.ошибка

0,109**

(0,058)

0,142**

(0,076)

0,121**

(0,056)

0,156**

(0,072)

0,125**

(0,055)

0,149**

(0,066)

0,174*

(0,058)

0,187*

(0,063)

0,246*

(0,057)

0,181*

(0,065)

0,192*

(0,059)

0,219*

(0,068)

Коэфф. детерминации

F

P – уровень

Количество регионов

0,7307

44,494

0,0000

88

0,7503

49,268

0,0000

88

0,7587

51,583

0,0000

88

0,738

45,595

0,0000

87

0,746

47,911

0,0000

88

0,728

43,324

0,0000

87

  • *) Параметр имеет 1% значимость.
  • **) Параметр имеет 5% значимость.
  • ***) Параметр имеет 10% значимость.
  • Числа в скобках означают стандартную ошибку оценки.

Действительно, в Москве и Санкт-Петербурге наиболее интенсивно должны протекать процессы производства и диффузии новых знаний и технологий и, в наибольшей степени, по сравнению с другими регионами России, проявляться эффекты экономии на масштабе производства (см. табл. 1, коэфф. a2).

Аналогичные явления должны наблюдаться и в экономике регионов, в которых находятся города-миллионеры. Но их масштабы скромнее, что проявляется в меньших по величине коэфф. а3, которые колеблются от 0,1 до 0,24 (для Beta), и от 0,14 до 0,21 (для B), обнаруживая явную тенденцию к росту по годам.

Можно предположить, что в рассматриваемый период восстановление экономики активнее всего шло в плотно населённых регионах, включающих города-миллионники, что сказалось на росте доходов населения этих регионов и проявилось в росте коэфф. а3. Как отмечает Р. Лукас, урбанизация может являться наиболее наглядным примером экстернальных эффектов человеческого капитала. [9] 

Следует отметить, что расчёты нормы отдачи образования в кросс-секционных или других макро расчётах дают величины социальной нормы отдачи значительно превышающие расчёты частных норм отдачи на микроуровне.

Например, Г. Дженкинс, в своих расчётах по статистическим данным Великобритании, пользуясь аналогичной моделью, получила оценки общей отдачи высшей образовательной квалификации (высшее и послевузовское образование) на уровне 70-86%, в то время как для промежуточной образовательной квалификации (колледж) около 38-50%. [10]

Данный результат поддерживает предположение, что образование создаёт позитивные экстерналии, то есть даёт выгоды не только владельцам человеческого капитала, но и всем окружающим их людям, в том числе предпринимателям. Действительно, если рассматривать условия в России, то заработная плата здесь составляет менее половины всех доходов населения регионов, а уровень заработной платы в регионах не обнаруживает статистически значимой связи с уровнем образования занятых в их экономике.

Следовательно, статистически значимую положительную связь уровня доходов занятых со средним уровнем их образования можно объяснить только наличием значительной положительной связи уровня образования и прочих доходов: доходов предпринимателей, от собственности и пр. (включая скрытую заработную плату). 

Окончание следует


Издание научных монографий от 15 т.р.!

Издайте свою монографию в хорошем качестве всего за 15 т.р.!
В базовую стоимость входит корректура текста, ISBN, DOI, УДК, ББК, обязательные экземпляры, загрузка в РИНЦ, 10 авторских экземпляров с доставкой по России.

creativeconomy.ru Москва + 7 495 648 6241



Источники:
1. Нестерова Д., Сабирьянова К. Инвестиции в человеческий капитал в переходный период в России.// Российская программа экономических исследований. 1999, № 4.
2. Майбуров И. Эффективность инвестирования в человеческий капитал в США и России. Мировая экономика и международные отношения, 2004, № 4.
3. Берндт Э.Р. Практика эконометрики: классика и современность. М.: ЮНИТИ, 2005, с. 199.
4. Hall R. E., Jones Ch. I. Why do some countries produce so much more output per worker than others? NBER Working Paper Series, Working Paper 6564, May 1998; Caselli F, Accounting for Cross - Country Income Differences, CEP Discussion Paper N 667, January 2005.
5. Bils M., Klenov P., Does Schooling Cause Growth or the Other Way Around?, 1996. University of Chicago GSB mimeo.
6. Майбуров И. Эффективность инвестирования в человеческий капитал в США и России. МЭиМО, 2004, N 4.
7. Lucas R.E. (1988) «On the mechanics of economic development». Journal of Monetary Economics. 22. 3-42.
8. Jenkins H., Education and Production in the United Kingdom. Nuffild College, Oxford, Economic Disscussion Paper N101.