В тени регулирования

В то же время эффект отдач в течение рассматриваемого периода поменял знак – это хорошо видно на рис. П8-8 и отражается в коэффициенте при переменной неформальности в МНК-регрессии. В первые годы периода коэффициент статистически незначим, но не исключено, что при большем объеме выборки мы могли бы иметь значимую положительную премию на неформальность в первой половине 2000-х годов (в 2000–2003 гг. выборка РМЭЗ была в 1,5–2 раза меньше, чем в последние годы).

Падение премии от занятости в неформальном секторе происходило в основном из-за снижения дополнительной выгоды от каждого дополнительного часа работы. Это падение часовых ставок невозможно объяснить внутри модели (другими учтенными наблюдаемыми характеристиками). Оно может быть связано, во-первых, с изменением институциональных условий – например, введением плоской шкалы подоходного налога с 2001 г., снижением ставок единого социального налога в 2005 г. Все эти изменения существенно снизили преимущества неформального найма для работодателей во второй половине 2000-х годов. Во-вторых, возможно, в 2000-е годы происходило усиление сортировки между формальной и неформальной занятостью по ненаблюдаемым характеристикам. Сокращение спроса на труд в формальном секторе могло привести к «выдавливанию» работников с плохими характеристиками. В-третьих, по мере экономического развития работодатели в формальном секторе могли совершенствовать методы скрининга потенциальных работников, например, лучше оценивать качество образования или какие-то психологические характеристики кандидатов на занимаемые должности. Тогда улучшение состава по наблюдаемым характеристикам могло сопровождаться более интенсивным отсевом в неформальную занятость работников с более низкими показателями по другим характеристикам (ненаблюдаемым в нашей базе данных, но наблюдаемым и учитываемым работодателями). Однако все эти гипотезы нуждаются в дополнительных исследованиях.

8.7. Регрессионный анализ вклада неформальности в неравенство: анализ различий на разных участках распределения

В этом разделе мы оцениваем квантильные регрессии и регрессии для рецентрированных функций влияния (РФВ-регрессии)[154]. Оба метода позволяют определить различия в отдачах от неформальности на разных участках распределения, которые игнорируются при оценивании МНК-регрессии. В квантильных регрессиях и РФВ-регрессиях неоднородность эффекта по шкале распределения является центральным вопросом, однако каждый из методов имеет свою специфику. Квантильные регрессии лучше известны экономистам, они уже давно стали частью стандартного инструментария прикладного эконометрического анализа. РФВ-регрессии были предложены сравнительно недавно и ранее, насколько нам известно, не использовались в работах, написанных на русском языке. Поэтому полезно подробнее остановиться на различиях между этими методами.

В нашем случае коэффициенты квантильной регрессии показывают, насколько отличаются соответствующие квантили условного распределения заработной платы у работников, занятых неформально, по сравнению с работниками с теми же наблюдаемыми характеристиками, но занятыми формально. Сопоставление коэффициентов для разных квантилей позволяет судить о неравенстве внутри группы неформально занятых с учетом различий в характеристиках работников.

Однако сравнение коэффициентов при переменной неформальности, строго говоря, не дает возможности говорить о том, как изменяются премии/штрафы за неформальность по шкале распределения. Это происходит из-за того, что сравнения производятся для работников с одинаковыми прочими характеристиками – в результате речь идет о квантилях условного (conditional) распределения, которые не совпадают с квантилями обычного (безусловного) распределения. Поэтому стандартная квантильная регрессия также называется условной квантильной регрессией (conditional quantile regression). Например, если какая-то переменная (скажем, высшее образование) имеет в стандартной квантильной регрессии положительную премию, увеличивающуюся от квантиля к квантилю, то это не означает, что высшее образование имеет более сильное влияние на заработные платы всех высокооплачиваемых работников по сравнению со всеми низкооплачиваемыми. Это означает, что высшее образование имеет более сильное влияние на заработные платы работников, получающих более высокие заработные платы с учетом всех остальных характеристик (X). С интуитивной точки зрения это непрозрачная логическая конструкция: сложно понять, как транслируются премии из условного распределения, зависящего от других переменных X, в премии для обычного безусловного распределения, не зависящего от других переменных. Мы не можем сказать, как повлияет изменение переменной X на т-й квантиль распределения зависимой переменной Y, но можем говорить только о влиянии на условный т-й квантиль, величина которого зависит от спецификации модели.