Кластерный анализ межрегиональной трудовой миграции и социально-экономического развития российской экономики
Cluster analysis of interregional labor migration and socio-economic development of the Russian economy
Авторы
Аннотация
Интеграционные процессы генерируют т.н. «спилловер-эффекты», оказывающие влияние на благосостояние населения стран, участвующих в интеграционных процессах. 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. 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. На первом этапе исследования проводилось 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 проводился анализ социально-экономического развития субъектов РФ в границах идентифицированных кластеров. 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.
Ключевые слова
внешняя трудовая миграция, спилловер-эффекты, кластерный анализ, ЕАЭС, субъекты РФ.
Финансирование
Исследование выполнено за счет гранта Российского научного фонда № 23-28-01774. Конкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами», https://rscf.ru/project/23-28-01774/
Рекомендуемая ссылка
Ткаченко Иван Константинович,Зайцев Александр Юрьевич,Майорова Марина Аркадьевна. Кластерный анализ межрегиональной трудовой миграции и социально-экономического развития российской экономики // Современные технологии управления. ISSN 2226-9339. — №4 (104). Номер статьи: 10418. Дата публикации: 11.12.2023. Режим доступа: https://sovman.ru/en/article/10418/
Authors
Abstract
Integration processes generate the so-called “spillover effects” that influence the well-being of the population of countries participating in integration processes. Spillover effects associated with interregional labor migration manifest themselves in the economy in two ways: directly influencing the dynamics of socio-economic development of the recipient and donor countries and indirectly, through changes in the quality of the labor market, the volume of output of high-tech products and the transfer of knowledge in the economy. The purpose 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. The research hypothesis is that there is a direct connection between the dynamics of external labor migration from the EAEU country to Russia and the socio-economic development of the constituent entities of the Russian Federation. Regions that have similar characteristics of the influx of labor migrants from the EAEU countries will have a similar level of socio-economic development. To test the hypothesis put forward in the work, cluster analysis was used. At the first stage of the study, the constituent entities of the Russian Federation were divided into classes, each of which corresponds to a specific group (with the same characteristics in terms of the level of influx of labor migrants from the EAEU countries and the qualifications of migrants). At the second stage of the study, an analysis of the socio-economic development of the constituent entities of the Russian Federation was carried out within the boundaries of the identified clusters. As a result of the study, the hypothesis put forward in the work was generally confirmed by data characterizing the Russian economy in the medium-term time interval. Data analysis showed that three of the four factors determining the socio-economic development of the constituent entities of the Russian Federation (quality of life of the population; labor productivity index; GRP) have statistically significant differences in averages in all the clusters we have identified. Therefore, when comparing groups of objects, we can conclude that the identified clusters differ from each other.
Keywords
external labor migration, spillover effects, cluster analysis, EAEU, constituent entities of the Russian Federation.
Project finance
The study was supported by the Russian Science Foundation grant No. 23-28-01774. Competition 2022 “Conducting fundamental scientific research and exploratory scientific research by small individual scientific groups”, https://rscf.ru/project/23-28-01774/
Suggested citation
Tkachenko Ivan Konstantinovich,Zaitsev Alexander Yurievich,Mayorova Marina Arkadyevna. Cluster analysis of interregional labor migration and socio-economic development of the Russian economy // Modern Management Technology. ISSN 2226-9339. — №4 (104). Art. # 10418. Date issued: 11.12.2023. Available at: https://sovman.ru/en/article/10418/
Введение
Евразийский экономический Союз (EAEU) в процессе своего функционирования генерирует не только статические и динамические эффекты интеграции, описанные в классической экономической литературе (Salera, 1951), 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.
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.
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.
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.
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.
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 исследования
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.
Методология исследования
- 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.
Показатели, характеризующие социально-экономическое развитие субъектов РФ:
- качество жизни населения в субъектах РФ (исследование рейтингового агентства «РИА Рейтинг»);
- 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.
- Выборка: 85 субъектов РФ; 5-летний временной интервал (2018-22 гг.).
- 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 исследования
Методика кластерного анализа и общий ход исследования описаны выше. 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
| Субъект РФ | Расстояние |
| Амурская область | 2,366607 |
| Забайкальский край | 2,666472 |
| Иркутская область | 1,077691 |
| Краснодарский край | 1,311403 |
| Мурманская область | 0,620748 |
| Нижегородская область | 0,878766 |
| Новосибирская область | 1,22506 |
| Омская область | 1,443619 |
| Приморский край | 2,479644 |
| Республика Саха (Якутия) | 1,517483 |
| Республика Татарстан | 0,903628 |
| Самарская область | 0,830057 |
| Сахалинская область | 1,139229 |
| Свердловская область | 1,314885 |
| Тульская область | 1,598079 |
| Хабаровский край | 0,733061 |
| Челябинская область | 0,889006 |
Источник: составлено авторами
Таблица 2 – Элементы кластера номер 2 (приток трудовых мигрантов из стран ЕАЭС и квалификация мигрантов) и расстояния до центра кластера
| Субъект РФ | Расстояние |
| Алтайский край | 0,099012 |
| Архангельская область | 0,098943 |
| Астраханская область | 0,223641 |
| Белгородская область | 0,252928 |
| Брянская область | 0,179752 |
| Владимирская область | 0,172428 |
| Волгоградская область | 0,526072 |
| Вологодская область | 0,135863 |
| Воронежская область | 0,163672 |
| Еврейская автономная область | 0,134433 |
| Ивановская область | 1,376461 |
| Кабардино-Балкарская Республика | 0,533976 |
| Калининградская область | 0,252217 |
| Калужская область | 0,41701 |
| Камчатский край | 0,252829 |
| Карачаево-Черкесская Республика | 0,248116 |
| Кемеровская область | 0,220707 |
| Кировская область | 0,427687 |
| Костромская область | 0,294004 |
| Красноярский край | 0,358126 |
| Курганская область | 1,043038 |
| Курская область | 0,220291 |
| Липецкая область | 0,118773 |
| Магаданская область | 0,136752 |
| Ненецкий АО | 0,136293 |
| Новгородская область | 0,259683 |
| Оренбургская область | 0,20023 |
| Орловская область | 0,151544 |
| Пензенская область | 0,183612 |
| Пермский край | 0,173997 |
| Псковская область | 0,267316 |
| Республика Адыгея | 0,324824 |
| Республика Алтай | 0,178964 |
| Республика Башкортостан | 0,187707 |
| Республика Бурятия | 0,337576 |
| Республика Дагестан | 0,288477 |
| Республика Ингушетия | 0,234593 |
| Республика Калмыкия | 0,258625 |
| Республика Карелия | 0,258733 |
| Республика Коми | 0,186775 |
| Республика Крым | 0,186619 |
| Республика Марий-Эл | 0,208 |
| Республика Мордовия | 0,238302 |
| Республика Северная Осетия-Алания | 0,22605 |
| Республика Тыва | 0,202938 |
| Республика Хакасия | 0,553079 |
| Ростовская область | 0,211219 |
| Рязанская область | 0,638992 |
| Саратовская область | 0,388456 |
| Севастополь | 0,138928 |
| Смоленская область | 0,201985 |
| Ставропольский край | 0,08253 |
| Тамбовская область | 0,265521 |
| Тверская область | 0,167847 |
| Томская область | 0,637929 |
| Тюменская область | 0,146092 |
| Удмуртская Республика | 0,65731 |
| Ульяновская область | 0,174892 |
| Ханты-Мансийский АО – Югра | 0,228119 |
| Чеченская Республика | 0,81719 |
| Чувашская Республика – Чувашия | 0,257631 |
| Чукотский АО | 0,237999 |
| Ямало-Ненецкий АО | 0,261265 |
| Ярославская область | 0,751736 |
Источник: составлено авторами
Таблица 3 – Элементы кластера номер 3 (приток трудовых мигрантов из стран ЕАЭС и квалификация мигрантов) и расстояния до центра кластера
| Субъект РФ | Расстояние |
| Москва | 3,566607 |
| Московская область | 0,835773 |
| Санкт-Петербург и Ленинградская область | 0,741191 |
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.
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.
Читайте также
Библиографический список
- Salera, V. (1951). The Customs Union Issue . Jacob Viner. Journal of Political Economy, 59(1), 84–84. https://doi.org/10.1086/257042
- 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
- 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
- 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
- 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
- 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
References
- Salera, V. (1951). The Customs Union Issue . Jacob Viner. Journal of Political Economy, 59(1), 84–84. https://doi.org/10.1086/257042
- 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
- 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
- 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
- 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
- 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
