где
При расчете межгруппового неравенства фактические заработки работников заменяются средними по подгруппе
В разложении по методу Дженкинса вклады отдельных переменных всегда получаются достаточно низкими, но в случае с неформальностью мы имеем чрезвычайно низкие величины – в год максимального влияния неформальности на неравенство (2009 г.) доля межгруппового неравенства за счет этого фактора не превышала 1,5 % (табл. П8-8).
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.