Důležitá role vzdělávání v ekonomickém rozvoji je uznávána již dlouhou dobu. Tato role se projevuje na různých úrovních. Na jedné straně vzdělání ovlivňuje budoucí příjem člověka. Existuje mnoho studií, které ukazují pozitivní vliv vzdělání na plat člověka. Na druhé straně na společenské úrovni vzdělanější pracovní síla zvyšuje produktivitu lidského kapitálu. Zlepšení celkové úrovně vzdělání má navíc pro společnost zjevné obrovské přínosy, a to nejen kvůli zlepšení kvality pracovní síly, ale také proto, že existují další pozitivní efekty – v oblasti zdraví, výživy a životního prostředí. Vzdělaní občané jsou navíc efektivnějšími účastníky demokratické občanské společnosti.
Jedním z klíčových vědeckých problémů je studium vlivu úrovně vzdělání na tempo ekonomického růstu. Moderní ekonomie nabízí mnoho teorií a modelů propojujících vzdělávání s ekonomickým růstem. Přímý vliv vzdělání na ekonomický růst se odráží ve zlepšování lidského kapitálu. Nepřímý dopad se však může projevit ve zlepšení jiných ukazatelů. Například dopad vzdělávání na mikro a makro úrovni lze popsat následujícím diagramem (obrázek 1).
Hlavním ekonomickým nástrojem státu pro regulaci procesů v oblasti školství jsou rozpočtové výdaje. Na dlouhou dobu Panovala neshoda ohledně efektivity výdajů na vzdělávání. Některé studie klasifikují výdaje na vzdělávání jako neproduktivní, to znamená, že nemají dopad na produktivitu a tím pádem i na ekonomický růst. Mnoho studií zase ukázalo, že vztah mezi vládními výdaji na vzdělávání a výsledky vzdělávání je slabý. Kvalita vzdělání přitom silně souvisí s takovými ukazateli, jako je příjem na hlavu, věkové rozložení populace atd. Konečně někteří vědci klasifikují výdaje na vzdělání jako produktivní. Následně bylo toto hledisko potvrzeno v mnoha pracích a přijato i Světovou bankou při stanovování ukazatelů výsledků sociálního rozvoje a dnes již prakticky není zpochybňováno.
Obrázek 1 – Vliv vzdělání na mikro a makro úrovni na ekonomický růst
V neoklasické ekonomii je vzdělání považováno za investici, která může generovat proud budoucích příjmů. Efektivita investic do vzdělání se tedy posuzuje porovnáním nákladů na vzdělání s příjmy, které následně přinesou. Je důležité pochopit, že při posuzování nákladů na vzdělávání je nutné vzít v úvahu nejen přímé náklady, ale také „ušlé přínosy“, které jsou vyjádřeny v možném výdělku jednotlivce, který by mohl získat, kdyby měl šel do práce místo učení. V souvislosti se vzděláním by náklady obětované příležitosti byly příjmy, které jsou ztraceny v důsledku rozhodnutí pokračovat ve studiu.
Vhodným měřítkem ekonomického dopadu vzdělávání je tedy čistá současná hodnota (NPV). Při pokusu o praktický výpočet tohoto ukazatele však nastávají potíže například s určením diskontní sazby.
Alternativním nástrojem pro hodnocení investic do vzdělání je míra návratnosti investic do vzdělání (RORE). Analogicky jej lze považovat za vnitřní výnosové procento, tedy míru, při které se současná hodnota budoucích příjmů rovná současné hodnotě jejich nákladů. Tento přístup je však obtížné aplikovat na vzdělávání, protože náklady na vzdělávání nejsou vždy přímo kvantifikovatelné. Proto lze RORE odhadnout pomocí regresních rovnic. J. Mintser například navrhl následující model závislosti mzdy na úrovni vzdělání:
kde lnW i – přirozený logaritmus plat i-té osoby;
S i – počet let vzdělání;
X i – roky praktické činnosti;
ε i – náhodná odchylka.
Vzhledem k tomu, že proporcionální nárůst příjmů způsobený dalšími roky vzdělávání je po celý život konstantní, lze koeficient β 1 interpretovat jako míru návratnosti investic do vzdělání. Model také zahrnuje kvadratický termín (pracovní zkušenosti), který zohledňuje školení na pracovišti.
Prezentovaný model byl široce studován v různých pracích. V důsledku toho byly pro většinu zemí světa vypočteny míry návratnosti vzdělání. Údaje potvrzují nižší míru návratnosti ve vyspělejších zemích a vyšší míru v rozvojových zemích. Průměrná míra návratnosti je 7 se standardní odchylkou 2,2. Například míra návratnosti pro Spojené státy byla odhadnuta na 12.
Ve výše uvedeném modelu se jako faktor používá počet let vzdělání. Předpokládá se tedy, že rok školní docházky vyprodukuje stejné množství znalostí a dovedností bez ohledu na vzdělávací systém. To samozřejmě není pravda. Zanedbání kvalitativních charakteristik vzdělávání je nevýhodou výše uvedeného modelu.
Hlavním omezením modelu je však to, že nezohledňuje společenskou návratnost investic do vzdělání. Sociální nebo veřejná návratnost může být vyšší, pokud zvýšení dosaženého vzdělání povede k technologickému pokroku nebo pozitivním sociálním efektům, jako je snížení kriminality, nezaměstnanost atd. Na druhé straně může být společenská návratnost investic do vzdělání nižší, je-li vzdělání pouze atributem statusu nebo když je míra návratnosti fyzického kapitálu vyšší než míra návratnosti lidského kapitálu. V tomto případě může zvyšování vzdělání vést k plýtvání zdroji a snížení sociálních dopadů. Chcete-li to dokázat, zvažte následující příklad.
Předpokládejme, že osoba s určitým stupněm vzdělání se rozhodne získat další vzdělání, aby získala nárok na vyšší příjem. V tomto případě budou ostatní účastníci trhu práce nuceni udělat totéž, aby zůstali v relativně o nic horší pozici. V důsledku toho máme hru s nulovým součtem, to znamená, že v dlouhodobém horizontu se za stejných okolností příjmy těchto účastníků trhu nezmění a nároky zaměstnavatelů na pracovní sílu se zvýší. Vzhledem k tomu, že všichni pracovníci vstupují do určitého druhu závodu o vzdělání, nazývá se tento jev „vzdělávací spirála“. Společnost však z takové „rasy“ těží, protože lidský kapitál se zlepšuje a produktivita práce se zvyšuje. V uvažovaném příkladu můžeme hovořit o absenci kompenzace nákladů na vzdělávání pro jednotlivce a přítomnosti sociální kompenzace.
Navíc je možná situace, kdy není vytvořena poptávka po vzdělání ekonomické potřeby, ale touhou jednotlivců zlepšit své sociální postavení. V tomto případě se výsledky vzdělávání zpravidla v ekonomice nevyužívají (a jsou lhostejné k produktivitě práce). Tato situace vede ke zbytečnému plýtvání zdroji. Výsledkem je nedostatečná individuální a celospolečenská návratnost investic do vzdělání.
Je příznačné, že poslední příklad, přestože byl popsán v zahraniční literaturu, je velmi podobný tomu, co se dnes děje v Rusku. Rozšířené „absolvování“ za účelem získání určitého statusu vede k devalvaci vzdělání směrem k vyššímu vzdělání. Je přitom zřejmé, že „pseudokandidáti“ a „pseudolékaři“ nebudou ve společnosti dlouhodobě dostávat výrazné výhody oproti ostatním občanům, neboť vedle postavení je zde ještě jeden důležitý faktor, který zatím nemůže být v takových modelech zohledněny – osobní schopnosti jednotlivce. A proto, dokud touha po postavení převáží nad touhou realizovat své schopnosti, situace se pravděpodobně nezmění.
Literatura:
1. Barro, R.J., 1991, Ekonomický růst v průřezu zeměmi, Quarterly Journal of Economics 106, 407-444.
2. Chu, Ke-young a další. (1995). Neproduktivní veřejné výdaje: Pragmatický přístup k analýze politiky, řada brožur MMF, č. 48 (Washington: Mezinárodní měnový fond).
3. Flug, Karnit, Antonio Spilimbergo a Erik Wachtenheim (1998). Investice do vzdělání: Záleží na ekonomické volatilitě a úvěrových omezeních? Journal of Development Economics, Vol. 55 (duben), str. 465-481.
4. Grier, K. a Tullock G., 1989, Empirická analýza mezinárodního ekonomického růstu, 1951-1980, Journal of Monetary Economics 24, 259-276.
5. Kormendi, R.C. a P.G. Meguire, 1985, Makroekonomické determinanty růstu: Cross-country evidence, Journal of Monetary Economics 16, 141-164.
6. Krueger, A. a M. Lindahl, 2001. Vzdělávání pro růst: Proč a pro koho? Journal of Economic Literature, 39: 1101-1136.
7. Landau, Daniel (1986). Vláda a hospodářský růst v méně rozvinutých zemích: Empirická studie pro roky 1960-80. Ekonomický rozvoj a kulturní změna, sv. 35, č. 1 (říjen), str. 35-75.
8. Mincer, J. (1974): Školení, zkušenosti a výdělky, New York: NBER Press.
9. Mingat, Alain a Jee-Peng Tan (1992). Vzdělávání v Asii: Srovnávací studie nákladů a financování (Washington: Světová banka).
10. Mingat, Alain a Jee-Peng Tan (1998). Mechanika pokroku ve vzdělávání: Důkazy z mezistátních dat. Pracovní dokument pro výzkum politiky č. 2015 (Washington: Světová banka).
11. Noss, Andrew (1991). Vzdělávání a přizpůsobení: Přehled literatury. PRE Working Paper WPS 701 (Washington: Světová banka).
12. Psacharapoulos G. 1985. Návraty ke vzdělávání: Další mezinárodní aktualizace a důsledky. Journal of Human Resources, 20(4).
13. Psacharapoulos G. a H.A. Patrinos, 2002. Návraty k investicím do vzdělávání: Další aktualizace. Pracovní dokument pro výzkum politiky Světové banky, č. 2881.
14. Psacharapoulos, G. 1994. Návraty k investicím do vzdělávání: Globální aktualizace. World Development, 22(9):1325-1343.
15. Summers, R. a A. Heston, 1988, Nový soubor mezinárodních srovnání skutečných produktových a cenových hladin: Odhady pro 130 zemí, Přehled příjmů a bohatství 34, 1-25.
16. Tanzi, Vito a Ke-young Chu, eds. (1998). Distribuce příjmů a vysoce kvalitní růst (Cambridge: MIT Press).
V kontextu přechodu na inovativní ekonomiku je lidský faktor jedním ze zásadních. Nové znalosti, dovednosti a schopnosti se získávají a formují participací obyvatel na vzdělávací proces a realizují se v pracovních činnostech. Tento proces pro zaměstnavatele je doprovázen získáním konkurenčních výhod a zisků a pro zaměstnance - zvýšením výdělku. Kromě ekonomického efektu vzdělání je třeba si uvědomit, že vysoce kvalifikovaná pracovní síla se úspěšně adaptuje na technologické, institucionální a společenské změny, aktivně se zapojuje do rozvoje nových znalostí a dovedností, rychle reaguje na vědeckotechnický pokrok a začíná se implementovat je do své každodenní praxe 1.
Vzdělání tvoří „jádro“ lidského kapitálu a zvýšení jeho úrovně je ve většině případů doprovázeno zvýšením produktivity pracovníků. Když se za tržních podmínek cena práce rovná mezní produktivitě jednotlivců, vyšší úroveň vzdělání vede ke zvýšení jejich příjmu, ostatní věci jsou stejné 2.
Studium vlivu vzdělání a odborné přípravy na odměňování zaměstnanců je jedním ze současných trendů tuzemské vědy.
Jedním z nástrojů pro zjišťování vztahu mezi vzděláním a úrovní příjmu mohou být produkční funkce, pomocí kterých se odhaluje vztah mezi velikostí vyráběného produktu a použitými výrobními faktory (např. Cobb-Douglasova funkce, funkce e-shopu). kterou využívají k řešení vědeckých problémů domácí i zahraniční vědci). Zároveň se ve výzkumu setkáváme s úpravami původního modelu z důvodu zahrnutí dalších parametrů a podmínek. Za výrobní faktory se tedy nepovažují pouze proměnné zdrojů, ale také parametry vládní regulace (úrokové sazby, daňové zatížení atd.) 3 . Cobb-Douglasova funkce se také používá k prognóze zaměstnanosti (ke stanovení požadované úrovně zaměstnanosti v závislosti na objemu produkce) 4 ak analýze vlivu úrovně vzdělání na individuální výkon zaměstnanců (příjmy) 5 .
V tomto ohledu je účelem tohoto článku analyzovat vztah mezi úrovní vzdělání a mzdami (příjmy) obyvatel na krajské úrovni na základě statistických údajů Státního výboru pro statistiku (průměrné měsíční akruální mzdy obyvatel regionu, náklady na dlouhodobý majetek, podíl pracovníků s různou úrovní vzdělání). Analýza zahrnovala několik po sobě jdoucích fází: v první byl proveden výběr modelu a proměnných. Ve druhé fázi byly studovány teritoriální charakteristiky parametrů zahrnutých v modelu. Třetí se týkal výpočtu koeficientů regresní rovnice v kontextu regionů Ruské federace. Poslední fáze představovala interpretaci výsledků výzkumu.
Použitou metodou byla regresní analýza založená na rozšířené Cobb-Douglasově funkci 6 . Její použití má jak výhody, vyjádřené v platnosti ekonomické teorie 7, v jednoduchosti funkční závislosti, tak obtíže spojené s volbou typu a parametrů rovnice 8.
Zároveň je třeba poznamenat, že použití Cobb-Douglasovy funkce je jakýmsi kompromisem mezi složitostí matematických závislostí a možností jejich využití v praxi a omezeními funkce (absence technologického pokroku jako jednu z proměnných) lze překonat pomocí modifikací jeho klasické formy 9 . Naznačené výhody metody umožnily její využití k dosažení cíle studie.
Na rozdíl od stávající klasické podoby Cobb-Douglasovy funkce, která popisuje vztah mezi vyráběným produktem a takovými výrobními faktory, jako je práce a kapitál, byla v této práci použita její modifikace, která je dána jak účelem studie, tak možností transformace původní funkce. Za závisle proměnnou byly uvažovány průměrné měsíční akruální mzdy obyvatel kraje, náklady na stálý výrobní majetek kraje, podíl zaměstnanců s vyšším a neukončeným vysokoškolským vzděláním na celkovém počtu zaměstnaných v kraji, podíl na celkovém počtu zaměstnaných v kraji. u zaměstnanců se středním odborným a základním odborným vzděláním byl podíl zaměstnanců se středním odborným vzděláním považován za nezávislé proměnné všeobecné a nedokončené střední vzdělání.
Průměrná měsíční akruální mzda byla použita jako závislá proměnná, protože na jedné straně charakterizuje cenu pracovních zdrojů v závislosti na množství a kvalitě vynaložené práce a tím určuje podíl zaměstnance na výrobě, na straně druhé využití; tato proměnná je obecně přijímána v modelech popisujících vztah mezi úrovní vzdělání, délkou služby pracovníků a odměnou za práci.
Zároveň byl dodatečně studován vztah mezi průměrným příjmem na hlavu populace a výše uvedenými nezávislými proměnnými za účelem ověření výsledků získaných v prvním modelu. Předpokládalo se, že výsledky analýzy vztahu mezi parametry zařazenými do druhého modelu, kde jako závislá proměnná slouží peněžní příjem obyvatel na hlavu, budou srovnatelné se závěry, které by byly získány jako výsledek analýza prvního modelu. Tento předpoklad je z pohledu autora dán tím, že příjmy a mzdy jsou korelovány jako „celá část“, neboť struktura příjmů podle zdroje příjmů zahrnuje příjmy z podnikatelské činnosti, mzdy, sociální dávky, popř. příjmy z majetku. Odměna je hlavním zdrojem tvorby peněžních příjmů obyvatelstva: v roce 2009 ve struktuře příjmů obyvatelstva činila odměna za práci v Ruské federaci jako celku více než 40%, v regionu Vologda - 52 % 10.
Parametry zahrnuté v modelu byly studovány na územním základě (ve všech regionech Ruské federace) za období 2000–2009. a byly použity při výpočtech ve srovnatelném ocenění (v cenách roku 2009).
Analýza ukázala, že soubor regionů země je heterogenní z hlediska průměrných měsíčních akruálních mezd. Nejvyšší hodnota po celou dobu studie byl zaznamenán v Jamalsko-něneckém autonomním okruhu, nejmenším v Dagestánské republice (tabulka 1).
Pokles diferenciace regionů Ruské federace z hlediska průměrných měsíčních mezd byl zjištěn z 10násobku v roce 2000 na 5násobek v roce 2009. Ve sledovaném období byl region Vologda na celorepublikové průměrné úrovni a v roce 2009 byl zaznamenán pokles diferenciace regionů Ruské federace z hlediska průměrné měsíční mzdy. oproti roku 2000 si polepšilo, když se posunulo ze 45. na 27. místo (v řadě seřazeno v sestupném pořadí charakteristik).
Ruské regiony se lišily i z hlediska průměrného příjmu obyvatel na hlavu. Diferenciace jednotlivých subjektů Ruské federace podle tohoto ukazatele byla výrazná, ale klesla z 18násobku v roce 2000 na 8násobek v roce 2009 (tabulka 2).
Lídrem z hlediska průměrného příjmu na hlavu byla až do roku 2007 Moskva, poté měla trvale nízkou pozici po celou dobu studie Ingušská republika; Od roku 2003 si region Vologda zhoršil svou pozici vůči celorepublikovému průměru.
Regiony Ruské federace se nejvýrazněji lišily v nákladech na stálá výrobní aktiva (v roce 2000 - více než 300krát), přičemž do roku 2009 se diferenciace nesnížila, ale naopak vzrostla (v roce 2009 regiony Ruská federace se v tomto ukazateli lišila více než 400krát) (tabulka 3).
Přitom u řady ukazatelů (podíl zaměstnanců s vyšším a neukončeným vysokoškolským vzděláním, podíl zaměstnanců se středním odborným a základním odborným vzděláním) byla diferenciace mezi subjekty Ruské federace minimální. Kraje se tak v roce 2000 lišily čtyřnásobně v podílu zaměstnaných osob s vyšším a neukončeným vysokoškolským vzděláním (tabulka 4), v roce 2009 trojnásobně a podílem zaměstnanců se středním odborným a základním vzděláním. odborné vzdělání - 2, resp. 3násobně.
stůl 1
Diferenciace regionů Ruské federace podle výše průměrných měsíčních akruálních mezd*,
v cenách roku 2009 (pořadí na základě údajů z roku 2009)
| 2000 | 2005 | 2007 | 2008 | 2009 | |
|---|---|---|---|---|---|
| Regiony Ruské federace s nejvyšší průměrnou měsíční mzdou, rub. | |||||
| 2587 | 16322 | 28698 | 37080 | 46481 | |
| Čukotský autonomní okruh | 1404 | 13133 | 22287 | 29749 | 42534 |
| 2476 | 14128 | 24440 | 30640 | 38387 | |
| Ťumeňská oblast | 2006 | 12068 | 21661 | 27975 | 34773 |
| Moskva | 931 | 8822 | 17385 | 24778 | 33358 |
| Regiony Ruské federace s nejnižší průměrnou měsíční mzdou, rub. | |||||
| Kalmycká republika | 344 | 2588 | 4979 | 7298 | 10849 |
| 356 | 2754 | 5505 | 7386 | 10832 | |
| Kabardino-Balkarská republika | 330 | 2648 | 5030 | 7067 | 10777 |
| Karačajsko-čerkesská republika | 319 | 2623 | 5218 | 7443 | 10477 |
| Dagestánská republika | 273 | 2052 | 3843 | 5866 | 9125 |
| Max/Min, časy | 10 | 8 | 8 | 6 | 5 |
*dále byly výpočty maximálních a minimálních hodnot ukazatele pro regiony Ruské federace provedeny s přihlédnutím k údajům v autonomních okrugech a také ve městech federálního významu (Moskva, Petrohrad)
tabulka 2
Diferenciace regionů Ruské federace podle průměrného příjmu obyvatel na hlavu, v cenách roku 2009.
| 2000 | 2005 | 2007 | 2008 | 2009 | |
|---|---|---|---|---|---|
| Regiony Ruské federace s nejvyšším příjmem na obyvatele v rublech. | |||||
| Něnecký autonomní okruh | 830 | 12993 | 28164 | 38892 | 48752 |
| Moskva | 2306 | 15263 | 26118 | 27742 | 41891 |
| Čukotský autonomní okruh | 1168 | 11408 | 20119 | 24953 | 35079 |
| Chanty-Mansijský autonomní okruh | 1932 | 11145 | 20558 | 26922 | 32263 |
| Sachalinská oblast | 783 | 7117 | 14415 | 19610 | 27577 |
| Regiony Ruské federace s nejnižším příjmem na obyvatele v rublech. | |||||
| Čuvašská republika | 321 | 2445 | 4899 | 7079 | 9405 |
| Ivanovská oblast | 288 | 2009 | 3977 | 6700 | 9343 |
| Republika Mari El | 315 | 2061 | 4347 | 6346 | 9210 |
| Kalmycká republika | 276 | 1396 | 3131 | 4540 | 7097 |
| Ingušská republika | 128 | 1307 | 2787 | 4273 | 6400 |
| Max/Min, časy | 18 | 12 | 10 | 9 | 8 |
Tabulka 3
Diferenciace regionů Ruské federace podle nákladů na dlouhodobý majetek, v cenách roku 2009.
(pořadí na základě údajů z roku 2009)
| 2000 | 2005 | 2007 | 2008 | 2009 | |
|---|---|---|---|---|---|
| Regiony Ruské federace s nejvyšší hodnotou stálých aktiv | |||||
| Moskva | 416597 | 3270014 | 6996401 | 12065253 | 15605926 |
| Ťumeňská oblast | 404012 | 3288113 | 5748892 | 7727589 | 10315779 |
| Chanty-Mansijský autonomní okruh | 252186 | 1796932 | 3038926 | 3974029 | 5423503 |
| Jamalsko-něnecký autonomní okruh | 86264 | 1237973 | 2148630 | 3142065 | 4002082 |
| moskevský region | 184700 | 1041045 | 2087704 | 2790497 | 3938800 |
| Regiony Ruské federace s nejnižšími náklady na dlouhodobý majetek | |||||
| Židovská autonomní oblast | 6220 | 30143 | 66684 | 81014 | 97290 |
| Čukotský autonomní okruh | 4665 | 16682 | 24470 | 36922 | 63044 |
| Altajská republika | 4453 | 13279 | 26296 | 32416 | 44595 |
| Ingušská republika | 1252 | 13338 | 28155 | 29683 | 40638 |
| Tyva republika | 5081 | 12042 | 20364 | 25582 | 36142 |
| Max/Min, časy | 333 | 273 | 344 | 472 | 432 |
Tabulka 4
Diferenciace regionů Ruské federace podle podílu zaměstnanců s vyšším a nedokončeným vysokoškolským vzděláním na celkovém počtu zaměstnanců (pořadí podle údajů roku 2009)
| 2000 | 2005 | 2007 | 2008 | 2009 | |
|---|---|---|---|---|---|
| Regiony Ruské federace s největším podílem zaměstnaných osob s vyšším a neukončeným vysokoškolským vzděláním | |||||
| Moskva | 47,2 | 45,3 | 47,2 | 51,9 | 48,2 |
| Ingušská republika | 26,3 | 29,2 | 48,6 | 46,0 | 46,2 |
| Petrohrad | 41,4 | 41,5 | 38,7 | 43,0 | 40,2 |
| moskevský region | 30,4 | 28,6 | 30,6 | 36,3 | 35,6 |
| Republika Severní Osetie Alania | 30,2 | 38,0 | 38,4 | 33,6 | 35,6 |
| Regiony Ruské federace s nejmenším podílem zaměstnaných osob s vyšším a neukončeným vysokoškolským vzděláním | |||||
| Pskovská oblast | 22,9 | 15,6 | 22,0 | 19,8 | 19,0 |
| Lipecká oblast | 20,8 | 21,3 | 23,2 | 19,7 | 18,4 |
| Sachalinská oblast | 24,2 | 21,2 | 21,0 | 22,1 | 18,1 |
| Židovská autonomní oblast | 19,5 | 20,9 | 18,3 | 16,4 | 17,7 |
| Něnecký autonomní okruh | 12,7 | 19,7 | 23,9 | 21,0 | 16,6 |
| Max/Min, časy | 4 | 3 | 3 | 3 | 3 |
Lídry ve struktuře zaměstnanců s vyšším a neukončeným vysokoškolským vzděláním (více než 40 % z celkového počtu zaměstnanců) byla v roce 2009 města federálního významu (Moskva, Petrohrad), Ingušská republika a Severní Osetie. Spodní řádky seznamu (méně než 20 % z celkového počtu zaměstnanců) obsadil Pskov, Lipecká oblast, stejně jako řada subjektů Dálného východu federálního okruhu.
V roce 2009 bylo asi 60 % zaměstnaných osob se středním specializovaným a základním odborným vzděláním soustředěno v regionech Uralského federálního okruhu (Tjumenská oblast, Jamalsko-něnecký autonomní okruh), dále v regionech Volgograd, Archangelsk a Republice Tyva (tabulka 5).
Ve Federálním okruhu Volha (Nižní Novgorod, Saratovské oblasti, Republika Mari El, Mordovia) byl podíl zaměstnanců se středním odborným a základním odborným vzděláním nejmenší ze všech subjektů Ruské federace.
V regionech Dálného východu (Židovská autonomní oblast a Amur), jakož i v jižních federálních distriktech (území Stavropol, Dagestánská republika) ve struktuře zaměstnaných převažovalo obyvatelstvo (asi 40 %) se středním všeobecným a nedokončené střední vzdělání (tabulka 6).
Při charakteristice diferenciace ustavujících subjektů Ruské federace z hlediska zaměstnanosti obyvatelstva s různou úrovní vzdělání podotýkáme, že regiony se ve větší míře lišily v podílu zaměstnanců s vyšším a neukončeným vysokoškolským vzděláním, jakož i s střední všeobecné a nedokončené střední vzdělání. Na základě analýzy byly identifikovány přední regiony a také regiony, které se nacházejí na spodních příčkách žebříčku. V regionech Centrálního federálního okruhu tak převažují zaměstnanci s vyšším odborným a neukončeným vysokoškolským vzděláním a v podílu zaměstnanců se středním všeobecným a neukončeným středním vzděláním vedou regiony Dálného východu.
To je celkem pochopitelné při současné struktuře výroby ve spolkových okresech, která určuje požadavky na úroveň vzdělání a kvalifikaci pracovníků. Například v Centrálním federálním okruhu se rozšířila technologicky náročná odvětví zpracovatelského průmyslu náročná na znalosti (strojírenství, raketový a kosmický průmysl, výroba letadel, rádiový a elektronický průmysl, železniční inženýrství atd.). k dosažení cílů socioekonomického rozvoje je zapotřebí vysoce kvalifikovaný personál, což vytváří poptávku po pracovnících s vyšším vzděláním 12. Situace je podobná v regionech Sibiřského federálního okruhu, kde jsou informační a telekomunikační technologie, strojírenství, výroba letadel, výroba lékařských zařízení, výroba přesných přístrojů atd. považovány za prioritní sektory socioekonomického rozvoje , je vyžadován vysoký stupeň rozvoje vědeckého, technického a vědecko-vzdělávacího potenciálu okres 13.
V konstitučních celcích Jižního federálního okruhu jsou nejdůležitějšími sektory hospodářství agroprůmysl, cestovní ruch a rekreace, obchod 14, což určuje potřebu odborníků především se středním odborným vzděláním a kvalifikací. Zároveň s přihlédnutím k trendům spojeným s přechodem země a jejích regionů na inovativní cestu rozvoje lze předpokládat, že poptávka po vysoce kvalifikovaných odbornících bude dlouhodobě narůstat.
Zdrojová orientace ekonomiky regionů Dálného východu (rozvoj převážně těžebního průmyslu, jako je uhelný, těžební, rybářský a lesnický průmysl atd.) předurčila poptávku po zaměstnancích se středním všeobecným a nedokončeným středoškolským vzděláním. , což je na základě analýzy potvrzeno.
V regionech Severozápadního federálního okruhu se rozvinuly jak oblasti, ve kterých převažuje vysoce kvalifikovaná pracovní síla (strojírenství, hutnictví), tak ty, které vyžadují pracovníky s průměrnou kvalifikací (těžba, zemědělsko-průmyslový sektor atd.). V tomto ohledu zaujímá Severozápadní federální okruh meziokresy specializující se na výrobu high-tech produktů (Střední a Sibiřské federální okruhy) a okresy, v nichž se rozvinul těžební průmysl (Jižní a Dálný východ federální okruhy).
Výsledky výzkumu, které byly získány při studiu teritoriálních charakteristik parametrů zahrnutých do modelu, nám tedy umožňují dospět k závěru, že existuje diferenciace mezi regiony Ruské federace (zejména v takových proměnných, jako je průměrný příjem na obyvatele). obyvatel, průměrná měsíční mzda obyvatelstva), což vede k domněnce o možných rozdílech mezi subjekty Ruské federace na základě výsledků hodnocení regresních rovnic.
Analýza regresní rovnice byla provedena v kontextu regionů Ruské federace jako celku za období 2000 - 2009. Bylo získáno logaritmováním modifikace Cobb-Douglasovy funkce:
Wagei = A* Kia * L1iβ1 * L2iβ2 * L3iβ3 (1)
Kde
závislá proměnná:
Wagei — průměrné měsíční naběhlé mzdy obyvatel i-tého regionu v cenách roku 2009, rub.;
nezávislé proměnné:
Ki jsou náklady na dlouhodobý majetek v i-té oblasti na konci roku v cenách roku 2009, rublech;
L1i je podíl zaměstnaných osob s vyšším a neukončeným vysokoškolským vzděláním v i. kraji;
L2i je podíl zaměstnaných osob se středním odborným a základním odborným vzděláním v i. kraji;
L3i je podíl zaměstnaných osob se středním všeobecným a neukončeným středním vzděláním v i. kraji;
šance:
A - technologický koeficient 15;
α, β1, β2, β3 jsou koeficienty elasticity charakterizující nárůst průměrné měsíční mzdy o 1 % přírůstek odpovídajícího faktoru (náklady na dlouhodobý majetek, podíl zaměstnanců s vyšším a nedokončeným vysokoškolským vzděláním atd.).
Odhadovaná regresní rovnice (1') 16 byla následující:
LnWagei = LnA + αLnKi + β1LnL 1i + β2LnL 2i + β3LnL 3i + εi (1′)
Významné rozdíly mezi hodnotami indikátorů zahrnutých v modelu, jak v dynamice, tak v teritoriálním vyjádření, vedly k tomu, že regresní koeficienty získané jako výsledek analýzy se od sebe také výrazně liší (tabulka 7).
Výpočty ukázaly, že v regionech Centrálního federálního okruhu je změna průměrného měsíčního platu z velké části (83 %) způsobena vlivem takových faktorů, jako jsou náklady na fixní výrobní aktiva, podíl zaměstnanců s vyšším a nedokončeným vysokoškolským vzděláním. v celkovém počtu zaměstnanců a dalších parametrech zahrnutých do modelu (1). Zatímco v konstitučních entitách federálního okresu Dálného východu a Sibiře je kolísání průměrných měsíčních mezd o 74, resp. další výzkum s cílem identifikovat neidentifikované faktory a analyzovat jejich vliv na průměrnou měsíční mzdu.
Bylo zjištěno, že průměrná měsíční mzda se ve větší míře zvýší se zvýšením nákladů na stálá výrobní aktiva v regionech centrálního, povolžského a uralského federálního okruhu (tedy se zvýšením nákladů na stálá výrobní aktiva o 1 %, průměrná měsíční mzda v krajích určených spolkových okresů vzroste o 0,85, 0,77, 0,67 %. Průměrná měsíční mzda se v nejmenším rozsahu změní se zvýšením nákladů na fixní výrobní aktiva v zakládajících entitách federálních distriktů Sibiře a Dálného východu.
Zároveň v regionech Sibiřského federálního okruhu mají významný vliv na tvorbu průměrné měsíční mzdy takové parametry, jako je podíl zaměstnanců s vyšším a neukončeným vysokoškolským vzděláním, jakož i se středním odborným a základním odborným vzděláním. vzdělání (např. při zvýšení podílu zaměstnanců se středním odborným a základním odborným vzděláním o 1 % se průměrná měsíční mzda zvýší o 12 % a při zvýšení podílu zaměstnanců s vyšším a neukončeným vzděláním o 1 %) vysokoškolské vzdělání - o 8 %).
Pozitivní charakter vztahu mezi podílem zaměstnaného obyvatelstva s různou úrovní vzdělání a průměrným měsíčním platem se ukázal u subjektů takových federálních okresů, jako je Střední, Jižní, Volha a Sibiř (v regionech Centrálního federálního okruhu , při nárůstu podílu zaměstnanců s vyšším a nedokončeným vysokoškolským vzděláním o 1 % a dále se středním odborným a základním odborným vzděláním se průměrná měsíční mzda zvýší o 2, resp. 6 %).
Inverzní povaha vztahu mezi podílem zaměstnanců s různou úrovní vzdělání a průměrnými měsíčními mzdami byla zaznamenána v zakládajících entitách federálních okresů Severozápad, Ural a Dálný východ. V regionech Severozápadního federálního okruhu se při nárůstu podílu zaměstnanců s vyšším a neukončeným vysokoškolským vzděláním a také se středním všeobecným a nedokončeným středním vzděláním průměrné měsíční akruální mzdy snižují o 1, resp. Tento výsledek analýzy vyžaduje další výzkum k identifikaci důvodů této situace.
Je zřejmé, že v regionech Centrálního, Volžského a Uralského federálního okruhu je vysoká úroveň mezd pracovníků v některých případech spojena s tím, která odvětví převládají (strojírenství, raketový a kosmický průmysl, výroba letadel, rádia a elektronika průmysl, železniční stavitelství atd.). Rozvoj těchto oblastí vede k potřebě na jedné straně zkvalitňovat materiálně-technickou základnu pořízením dlouhodobého majetku a na straně druhé přitahovat vysoce kvalifikované odborníky schopné využívat nejmodernější zařízení k výrobě inovativních produktů. .
Obecně je třeba zdůraznit, že na základě výsledků analýzy regresní rovnice (1′) byly identifikovány skupiny regionů, které se od sebe liší směrem a mírou vlivu nezávislých proměnných na průměrné měsíční akruální mzdy:
první skupina - náklady na fixní výrobní aktiva a podíl zaměstnanců s různou úrovní vzdělání mají významný pozitivní vliv na tvorbu průměrných měsíčních mezd (regiony centrálního federálního okruhu);
druhá skupina - náklady na dlouhodobý majetek mají větší vliv na tvorbu průměrné měsíční mzdy a méně pozitivní vliv má podíl zaměstnanců s různou úrovní vzdělání (subjekty Povolží a Jižní federální okruh);
třetí skupina - podíl zaměstnanců s různou úrovní vzdělání má větší pozitivní vliv na tvorbu mezd a náklady na fixní výrobní aktiva mají méně pozitivní vliv (regiony Sibiřského federálního okruhu);
čtvrtá skupina - náklady na fixní výrobní aktiva mají větší pozitivní dopad na tvorbu mezd a podíl zaměstnanců s různou úrovní vzdělání má negativní dopad (regiony Severozápad, Ural a Dálný východ).
Negativní vliv podílu zaměstnanců s různou úrovní vzdělání na tvorbu průměrné měsíční mzdy však vyžaduje další analýzu k identifikaci příčin a interpretaci výsledků.
Druhý model (závislá proměnná, ve které je průměrný peněžní příjem populace na hlavu) byl získán logaritmováním modifikace Cobb-Douglasovy funkce:
L i = A* Kia * L1iβ1 * L2iβ2 * L3iβ3 (2)
Kde
závislá proměnná:
Ii je průměrný příjem na hlavu obyvatel i-tého regionu v cenách roku 2009, rublech;
nezávislé proměnné jsou stejné jako v regresní rovnici (1′).
Odhadovaná regresní rovnice (2′) měla následující tvar:
LnIi = LnA + αLnKi + β1LnL 1i + β2LnL 2i + β3LnL 3i + εi (2′)
Obecně je třeba poznamenat, že závěry založené na analýze regresní rovnice (2′) jsou srovnatelné s výsledky analýzy regresní rovnice (1′) jak z hlediska míry vlivu nezávislých proměnných na průměr. příjem obyvatel na hlavu a ve směru vlivu.
Stejně jako v prvním modelu je změna průměrného peněžního příjmu obyvatel na hlavu v regionech Centrálního a Povolžského federálního okruhu určena z více než 80 % náklady na fixní výrobní aktiva a podílem zaměstnanců s rozdílnými úrovně vzdělání. Zatímco v základních entitách Dálného východu a Sibiřského federálního okruhu je variace závislé proměnné o 74 a 46 %, v daném pořadí, určena nezohledněnými faktory (tabulka 8).
Výsledky získané pro jednotlivé spolkové okresy ve druhém modelu rovněž korelují s výsledky zjištěnými v prvním případě. V regionech Sibiřského federálního okruhu tak zvýšení podílu zaměstnaných osob s vyšším a nedokončeným vysokoškolským vzděláním o 1 % vede ke zvýšení průměrného příjmu obyvatel na hlavu a průměrné měsíční mzdy o 7 a 8 %. , resp. A nárůst podílu zaměstnaných osob se středním odborným a základním vzděláním je doprovázen růstem příjmů o 11, resp. mezd o 12 %.
Stejně jako na základě analýzy regresní rovnice (1′) byly identifikovány federální okresy, ve kterých je nárůst podílu zaměstnanců s různou úrovní vzdělání doprovázen poklesem průměrného peněžního příjmu obyvatel na hlavu. (předměty federálních okresů Dálného východu, Uralu a Severozápadu), což vede k potřebě dalšího výzkumu.
Obecně lze konstatovat, že model tržního hospodářství, který se vyvinul v Rusku, ne vždy určuje vztah mezi úrovní vzdělání a příjmem obyvatelstva. Na základě analýzy se také ukázalo, že jedním z faktorů, který ovlivňuje výši mezd a příjmů obyvatelstva, jsou náklady na fixní výrobní aktiva. Rezervy na růst mezd a tím zajištění vztahu mezi úrovní vzdělání a příjmy obyvatelstva jsou tedy způsobeny na jedné straně diverzifikací výroby a na druhé straně růstem nákladů na fixní výrobních aktiv.
Tedy změny v organizaci výrobního procesu, které zahrnují nejen pořízení nejnovější technologie a technologie, vědecký vývoj, ale jsou doprovázeny i současným rozvojem nesouvisejících odvětví, rozšiřováním sortimentu výrobků, což vede ke zvýšení role lidského faktoru. Je to dáno tím, že při realizaci transformací je nutné navrhovat a organizovat nové oblasti činnosti a vytvářet nové výrobní komplexy. V tomto ohledu jsou požadavky na odbornou přípravu zaměstnanců, jejich kvalifikace, popř. výrobní zkušenosti, což je doprovázeno nárůstem poptávky po specialistech s vyšším stupněm vzdělání.
Tabulka 5
Diferenciace regionů Ruské federace podle podílu zaměstnanců se středním odborným a základním odborným vzděláním (pořadí podle údajů roku 2009)
| 2000 | 2005 | 2007 | 2008 | 2009 | |
|---|---|---|---|---|---|
| Regiony Ruské federace s největším podílem zaměstnaných osob se středním odborným a základním odborným vzděláním | |||||
| Ťumeňská oblast | 42,6 | 52,7 | 50,0 | 49,2 | 67,1 |
| Volgogradská oblast | 39,1 | 43,2 | 48,9 | 59,1 | 59,0 |
| Tyva republika | 45,9 | 47,6 | 44,8 | 42,6 | 58,5 |
| Arhangelská oblast | 48,8 | 52,2 | 50,1 | 53,9 | 58,1 |
| Jamalsko-něnecký autonomní okruh | 53,0 | 48,0 | 47,4 | 44,9 | 57,6 |
| Regiony Ruské federace s nejmenším podílem zaměstnaných osob se středním odborným a základním odborným vzděláním | |||||
| Oblast Nižnij Novgorod | 39,3 | 38,9 | 41,5 | 43,1 | 36,7 |
| Republika Mari El | 42,3 | 45,1 | 45,3 | 55,2 | 35,6 |
| Saratovská oblast | 44,0 | 43,4 | 46,6 | 45,3 | 34,6 |
| Mordovská republika | 31,9 | 33,4 | 39,5 | 44,0 | 26,3 |
| Chakaská republika | 42,2 | 41,9 | 40,4 | 40,3 | 24,5 |
| Max/Min, časy | 2 | 3 | 3 | 2 | 3 |
V tržní ekonomice ovlivňují výši mzdy, její funkce a principy organizace tyto skupiny faktorů: výrobní, sociální, tržní, institucionální (obr. 1.3). Všechny tyto faktory spolu souvisí a společně určují výši mezd, výrobních nákladů a blahobyt celé společnosti a zástupců různých sociálních skupin.
Výrobní faktory
Hlavním výrobním faktorem určujícím výši mzdy je úroveň rozvoje výroby a technického pokroku. V ekonomicky vyspělých zemích jsou tedy vysoké mzdy dány vysokou produktivitou práce a používáním moderních výrobních technologií. Technický pokrok vede k používání technologií nahrazujících a šetřících práci, zvyšování produktivity práce, zvyšování výkonu výroby a tím i zvyšování mezd.
Technologický pokrok, výroba musí zlepšit kvalitu výrobků a rozšířit funkce umělce vést k většímu složitost práce a vyšší požadavky na kvalifikaci pracovníků. Provoz moderní techniky obnáší větší pracnost a klade zvýšené nároky na kognitivní a emocionálně-volní procesy zaměstnance – rozložení, přepínání, soustředění a stabilita pozornosti, rychlost a přesnost práce, rychlost rozhodování, což vede k únavě, k únavě, k únavě. dočasné snížení výkonnosti a vyžaduje značné finanční prostředky k obnovení výdeje nervové energie.
Rýže. 1.3.
Změny ve složitosti práce zahrnují využívání kvalifikovanějších pracovníků s odpovídajícím zvýšením jejich platů. Podstata organizace odměňování v těchto podmínkách spočívá v adekvátním posouzení složitosti práce a kvalifikace pracovníků a v závislosti na tom zvolit formu a systém odměňování, který v maximální míře zohledňuje vlastnosti technologického procesu a individuální přínos interpreta.
Pracovní podmínky představují soubor faktorů výrobního prostředí a pracovního procesu, které ovlivňují lidské zdraví a výkonnost během pracovního procesu, náklady a výsledky práce. Podle obsahu jsou výrobní a environmentální (teplota, vlhkost, hluk, osvětlení atd.), organizační a technické (tempo, náplň technologických operací, ergonomické a estetické podmínky) a socioekonomické (vztahy v týmu, přítomnost výrobní a mezilidské konflikty) se rozlišují prac. Podle stupně dopadu na tělo pracovníka - pohodlné, přijatelné, škodlivé (nepříznivé) a extrémní (nebezpečné) pracovní podmínky.
Pracovní podmínky a výrobní prostředí závisí na použitém zařízení a technologiích, organizaci pracovních procesů a psychofyziologické a sociálně-psychologické kompatibilitě pracovníků. Zlepšení pracovních podmínek přispívá k vysoké efektivitě, zkrácení ztracené pracovní doby v důsledku nemoci a úrazu, snížení příplatků za rizikové pracovní podmínky a výrobních rizik.
Se změnou mezd souvisí Výsledek (výrobce n awn) práce. Je třeba analyzovat, díky jakým faktorům dochází ke zvýšení produktivity práce, jeho souvislost s intenzitou práce, množstvím odpracované doby, složitostí práce a kvalifikací pracovníků.
Kvalita práce- to je kvalita výrobků a provedení pracovního procesu.
Sociální faktory ovlivňují i výši mezd, proto je nutné při zavádění sociálních záruk a sociální ochrany obyvatelstva zohledňovat mentalitu obyvatel, představy o sociální spravedlnosti.
Existenční minimum- to jsou náklady na minimální nezbytný soubor životních prostředků pro člověka, zboží, které mu umožňuje udržovat život.
Spotřební koš představuje minimální soubor výrobků, zboží a služeb, které jsou potřebné pro lidský život. Spotřební koš je stanoven pro Rusko jako celek a pro jednotlivé subjekty Ruské federace a používá se k výpočtu životních nákladů.
Struktura spotřebního koše se skládá ze tří částí: potraviny, nepotravinářské výrobky a služby. Objem spotřeby se počítá v průměru na osobu pro každou z hlavních sociodemografických skupin obyvatelstva, jako je pracující populace, děti a důchodci.
V tržních podmínkách vede k růstu růst životních nákladů a expanze struktury spotřebního koše kupní síla obyvatel a mzdové sazby.
Minimální mzda působí jako státní garance v oblasti mezd.
Zvyšování podílu „sociálních mezd“(pravidelné platby na dítě, záruky poskytované státem, krajem, zaměstnavatelem) v celkových příjmech zaměstnance působí jako faktor omezující výši mzdy.
Podmínky mobility pracovních sil poskytnout jednotlivcům a sociálním skupinám příležitost stěhovat se a přestěhovat se do jiných regionů, což zvyšuje jejich konkurenceschopnost na trhu práce a jejich mzdy. Na státní úrovni jsou pracovní pohyby způsobeny nesouladem mezi rozdělením pracovních zdrojů mezi oblasti uplatnění práce a požadavky výroby nebo zaměstnance. Na úrovni podniku nebo organizace je příčinou pracovních pohybů rozpor mezi potřebami, motivy, zájmy zaměstnance a požadavky na něj kladenými.
Tržní faktory ovlivňují velikost a regulaci mezd a závisí na úrovni rozvoje trhu práce.
Dosahovat vysoko úroveň zaměstnanosti je jedním z hlavních cílů makroekonomické politiky státu. Ekonomický systém, který vytváří další počet pracovních míst, má za cíl zvýšit množství společenského produktu a tím ve větší míře uspokojit materiální potřeby obyvatelstva. Při neúplném využití dostupných pracovních zdrojů funguje ekonomický systém, aniž by dosáhl hranice svých výrobních možností.
Trh práce je jednou z nejdůležitějších podmínek tržního mechanismu. Umožňuje efektivně využívat pracovní potenciál zaměstnanců, vytváří konkurenci o pracovní místa, podporuje růst kvalifikace personálu a snižuje jeho fluktuaci. Trh práce také zvyšuje mobilitu personálu a podporuje šíření různých forem zaměstnání.
V Čl. 1 zákona Ruské federace ze dne 19. dubna 1991 č. 1032-1 „O zaměstnanosti obyvatelstva v Ruská Federace„Zaměstnání je definováno jako „činnosti občanů související s uspokojováním osobních a sociálních potřeb, které nejsou v rozporu s právními předpisy Ruské federace a zpravidla jim přinášejí výdělky, pracovní příjmy :
přítomnost pracovních a společensky užitečných činností;
- - zákonnost této činnosti;
- - dostupnost zpravidla příjmu (ačkoli příjem nemusí existovat např. u studentů prezenčního studia vysokých škol).
Řízení zaměstnanosti znamená cílený dopad na trh práce, rozšiřování poptávky po práce, zajištění rovnováhy mezi poptávkou a nabídkou práce v různých sférách a sektorech ekonomiky, což zahrnuje identifikaci hlavních typů zaměstnání.
Úroveň zaměstnanosti a fluktuace nabídky a poptávky po práci, tj. tržní podmínky jsou úzce propojeny z důvodu nepružnosti mezd způsobené vlivem institucionálních faktorů (např. smluvní úprava mzdových podmínek, činnost odborů apod.). Poptávka po práci na trhu práce je odvozena od poptávky po zboží a službách. Snížení poptávky po určitých profesích a typech práce tak vede k poklesu negarantované flexibilní části mezd u odpovídajících pracovníků a má dopad na jistotu zaměstnání směrem dolů.
Dlouhodobé pracovní podmínky stanovené v pracovní smlouvě a orientace společnosti na mzdové sazby nabízené konkurencí pomáhají omezovat dopad poklesu poptávky po práci na mzdové sazby. Nadměrná poptávka na trhu práce po určitých kategoriích pracovníků tedy vede ke zvýšení mzdových sazeb.
Výrobní mzdové náklady působí také jako jeden z tržních faktorů, které určují výši mezd. Zaměstnavatel má na jedné straně zájem o levnou pracovní sílu a na druhé straně úroveň technologického rozvoje, moderní vybavení a složitost práce klade vysoké nároky na výkonného pracovníka, jeho kvalifikaci a pracovní dovednosti, což zvyšuje výrobní náklady.
pro pracovní sílu. Snížení těchto nákladů navíc brání i vliv sociálních a institucionálních faktorů. Vysoký podíl mzdových nákladů na celkových výrobních nákladech však zároveň omezuje růst reálných mezd, pokud není doprovázen poklesem jejich jednotkových nákladů na jednotku (rubl) produkce.
Dynamika cen spotřebního zboží a služeb, stejně jako inflační očekávání zaměstnanců(očekávání očekávané úrovně inflace v budoucím období vlivem faktorů současného období) je rovněž tržním faktorem ovlivňujícím výši nominálních a reálných mezd, neboť reálné a očekávané zvýšení životních nákladů zvyšuje „cena“ reprodukčního minima ve mzdové sazbě, která se odráží ve všech úrovních, kupní síle, v její mase a podílu na nákladech, v jejích jednotkových nákladech na rubl výroby.
Institucionální faktory(z lat. institutio - směry, instrukce) jsou spojeny s řízením a regulací různých sfér ekonomických a společenských vztahů. Určují objem, směry a způsoby státní a regionální hospodářské regulace v organizaci mezd. Patří sem: činnost odborů, sdružení zaměstnavatelů na smluvní regulaci mzdových podmínek, rozvoj a formalizace systému sociálního partnerství.
Uvažované skupiny faktorů ovlivňují výši nominálních a reálných mezd, poměr temp růstu produktivity práce a výrobních nákladů a platnost mzdové diferenciace v různých oborech a odvětvích.
- Životní bezpečnost / ed. V. M. Maslová. M., 2014. S. 77.
- URL: center-yf.ru/data/economy/Potrebitelskaya-kor2ina.php.
„Travkin Pavel Viktorovič Vliv dalšího odborného vzdělávání na mzdy pracovníků Specialita 08.00.05 - Ekonomika a řízení národního hospodářství...“
-- [ Strana 1 ] --
Federální stát autonomní vzdělávací
instituce vyššího odborného vzdělávání
„Národní výzkumná univerzita
"Vysoká ekonomická škola""
Jako rukopis
Travkin Pavel Viktorovič
Vliv dalšího odborného vzdělávání na
dělnické mzdy
Specialita 08.00.05 - Ekonomika a řízení lidí
ekonomika (ekonomika práce)
TEZE
pro akademický titul
Vědecký ředitel Kandidát ekonomických věd
Docent Roshchin S.Yu.
Moskva 2014 Obsah Úvod
Kapitola 1. Ekonomická analýza dalšího odborného vzdělávání
1.1. Doplňkové odborné vzdělávání: koncepce a typy 17
1.2. Teoretické aspekty vlivu dalšího odborného vzdělávání na produktivitu práce a mzdy
1.3. Ekonometrické problémy hodnocení dopadu dalšího odborného vzdělávání
1.4. Výzkum dalšího odborného vzdělávání v Rusku
Kapitola 2. Další odborné vzdělávání v ruských podnicích
2.1. Rozsah dalšího odborného vzdělávání v rozdílné země
2.2. Dynamika odborného vzdělávání v Rusku
2.3. Poptávka po dovednostech pracovníků z ruských podniků a dodatečném odborném vzdělávání.......... 54
2.4. Faktory ovlivňující rozsah dalšího odborného vzdělávání v ruských podnicích........................ 70
2.5. Rozsah školení: výsledky regresní analýza........ 75 Kapitola 3. Posouzení dopadu dalšího odborného vzdělávání na mzdy pracovníků
3.1. Modelování dopadu dalšího vzdělávání na mzdy zaměstnanců
3.2. Metodika pro ekonometrický rozbor dalšího odborného vzdělávání na dělnické mzdy... 102
3.3. Empirická hodnocení dopadu dalšího odborného vzdělávání na mzdy ruských pracovníků
3.3.1. Data a deskriptivní analýza
3.3.2. Posouzení vlivu doškolování na mzdy - model OLS a metoda dvojitých rozdílů...... 119 3.3.3. Posouzení vlivu dalšího vzdělávání na mzdy - kvantilový regresní model
3.4. Důsledky pro veřejnou politiku
Bibliografie
Aplikace
Příloha A
Dodatek B
Dodatek B
Úvod Relevantnost Technologický pokrok přináší změny v požadavcích na kompetence zaměstnanců, které stimulují neustálé zlepšování znalostí a dovedností v průběhu celé pracovní kariéry. Na novém místě zaměstnání se získávají nové znalosti a dovednosti související s odbornou činností. Tyto znalosti lze získat pozorováním zkušenějších kolegů a mentoringem. Firmy zároveň mohou vysílat své zaměstnance na formalizovaná školení, jako jsou speciální školení, semináře apod. Zaměstnavatelé očekávají, že díky kurzům se zaměstnanec rychle adaptuje na nové pracoviště a dosáhne své maximální produktivity.
Navíc se školí nejen noví, ale i zkušení zaměstnanci.
Proč firmy investují do školení zaměstnanců?
Vzhledem k tomu, že v moderní svět Technologie se neustále vyvíjejí, zaměstnavatelé jsou nuceni přizpůsobovat se měnícím se okolnostem. Problém nedostatku kvalifikovaných pracovníků je stále více spojován ne tak s podmínkami na trhu práce (plat, benefity, prestiž profese a místo výkonu práce), ale s postižení systémy odborného vzdělávání. Aby společnosti vyřešily tento problém, investují do školení svých zaměstnanců, aby získali nové znalosti a dovednosti, a tím zlepšili své dovednosti.
Jako návratnost investic firmy očekávají, že získají zvýšenou konkurenceschopnost na trhu zboží a služeb.
Ve vyspělých zemích (zejména členové Organizace pro hospodářskou spolupráci a rozvoj – OECD) zaměstnavatelé aktivně investují do rozvoje lidského kapitálu zaměstnanců.
Podle studie Světové banky více než polovina společností v těchto zemích poskytuje zaměstnancům nějakou formu dalšího vzdělávání. Existuje důvod se domnívat, že situace v Rusku je jiná. Podle výzkumu1 je úroveň investic do dalšího vzdělávání v Rusku mnohem nižší. Rozdíl lze vysvětlit tím, že zaměstnavatelé v takových investicích nevidí smysl, protože je snazší nalákat zaměstnance s požadovanou kvalifikací, než vyškolit vlastního. V Rusku je navíc problém vysoké mobility pracovníků, kvůli kterému firmy nemají důvěru, že se jim investice v budoucnu vrátí. Nabízí se otázka: je investice do lidského kapitálu v Rusku výhodná? Prospívají firmám? Nebo jsou takové investice vhodné pouze v případech extrémní potřeby výroby? Doplňkové odborné vzdělávání je totiž přínosné nejen pro společnost, ale i pro samotné zaměstnance, protože zvyšuje jejich lidský kapitál. Zvyšuje školení produktivitu, a tudíž se vyplatí? Pokud se ze školení pro zaměstnance projeví pozitivní efekt v podobě zvýšení mezd, pak můžeme předpokládat, že se společnosti dostalo i pozitivního efektu v podobě zvýšení produktivity práce. Potvrzení vlivu dalšího školení na mzdy bude znamenat přítomnost takového vlivu ruského pracovníka: vzdělání, profese, kvalifikace / ed. V. Gimpelson, R. Kapeljušnikov. M.: Nakladatelství. House of State University High School of Economics, 2011.
a na zvýšení produktivity zaměstnanců, tedy zdůvodnění přínosů investic do lidského kapitálu svých zaměstnanců i pro zaměstnavatele.
Abychom správně interpretovali získané odhady dopadu dalšího odborného vzdělávání na mzdy pracovníků a formulovali doporučení pro veřejnou politiku, analyzujeme zapojení pracovníků do vzdělávacího procesu v podnicích v Rusku. Analýza je zaměřena na získání informací o tom, které podniky se zabývají vzděláváním zaměstnanců, kteří zaměstnanci se školí a jaké dovednosti a kompetence je toto vzdělávání zaměřeno.
Studium této problematiky se jeví jako důležité z hlediska srovnatelnosti očekávaných výsledků s odhady získanými v předchozích studiích.
Stupeň rozvoje problému
Téma návratu dalšího odborného vzdělání je v zahraničí poměrně populární. V moderním ekonomickém výzkumu má téma návratnosti dalšího odborného vzdělávání ustálenou výzkumnou tradici. Tomuto tématu je věnována řada prací s využitím dat z různých zemí a zohledňujících problém jak z pohledu zaměstnavatele a zaměstnance, tak z pohledu společnosti.
Výzkumníci hledají další odborné vzdělávání v rámci integrovaný přístup„celoživotní učení“ a analyzovat dopad dalšího vzdělávání na mobilitu pracovníků, snižování nezaměstnanosti, vyrovnávání ekonomické nerovnosti, hospodářský růst a mnoho dalšího. Doplňkové odborné vzdělávání však v první řadě ovlivňuje zdokonalování znalostí a dovedností, které jsou v práci žádané, a tím i zvyšování produktivity práce. Růst produktivity práce vede k růstu mezd, pokud zaměstnavatel nechce přijít o vyučeného zaměstnance.
Podívejme se na hlavní studie věnované analýze tohoto konkrétního vztahu.
Zásadní práce patří G. Beckerovi, který vysvětlil, čí prostředky by měly financovat další odborné vzdělávání stanovením návratnosti investic do obecného nebo specifického lidského kapitálu. Investice do specifického lidského kapitálu tedy prospívají především současnému zaměstnavateli (jelikož zaměstnanec získává znalosti a dovednosti užitečné pouze v aktuálním zaměstnání), a tak se zaměstnavatel musí podílet na financování takového vzdělávání. Zatímco investice do lidského kapitálu by měl platit sám zaměstnanec, protože výhody takového školení mohou být i na jiných pracovištích.
Následné studie takových autorů, jako jsou D. Acemoglu, J. Pischke, E. Katz, E. Ziderman a další, ukázaly, že předpoklad G. Beckera je nesprávný a mnoho zaměstnavatelů má možnost získat nájem od školení pracovníků ve všeobecných znalostech a dovednostech prostřednictvím různé faktory způsobující nedokonalosti trhu práce, například kvůli informační asymetrii nebo kompresi mezd. Celá řada studií (G. County, V. Groot, L. Dearden, H. Reed, J. van Reenen) potvrdila, že zaměstnavatel může získat nájem ze školení zaměstnanců: autoři ukázali, že zvýšení produktivity práce po dalším odborném školení je několikanásobně vyšší než růst mezd.
Je třeba poznamenat, že měření produktivity práce je velmi obtížný úkol, a tak se mnoho výzkumníků zaměřilo na analýzu změn ve mzdách poté, co zaměstnanec absolvoval další odborné školení. Empirická hodnocení dopadu dalšího vzdělávání na mzdy jsou prezentována v pracích A. Bootha, L. Lynche, D. Parenta, H. Regnera.
Výzkumníci také naznačují, že schopnější lidé mohou být školeni častěji nebo častěji, což způsobí rychlejší růst mezd u schopnějších. Také zvýšení platů může přímo souviset s úrovní schopností těchto respondentů. Posouzením dopadu dalšího školení na růst mezd tedy výzkumníci získají hodnocení smíšeného dopadu – jak samotného školení, tak schopností jednotlivce.
Tento problém endogenity se pokouší řešit zahrnutím testů způsobilosti nebo testů vojenské kvalifikace do hodnocení. Jedním z řešení je také použití ekonometrického modelu prvního rozdílu nebo metodiky fixních efektů, která umožňuje zohlednit při hodnocení změny charakteristik oproti předchozímu období, a tím eliminovat invariantní efekty, včetně např. schopnosti, za předpokladu, že se během analyzovaného období nezmění. Tato metodika byla použita v pracích J. Veuma, O. Lazareva, M. Gerfina, A. Bassaniniho a kolegů.
Zatímco otázky dalšího odborného vzdělávání jsou v zahraničních studiích oblíbené, v Rusku existuje na toto téma omezený počet prací. Ruské studie autorů V. Gimpelson, I. Denisova, O. Lazareva, A. Lukyanova, S. Tsukhlo se v zásadě zaměřují na problémy rozsahu dalšího vzdělávání v Rusku a zapojení podnikového personálu do tohoto školení.
Existuje jen velmi málo studií o dopadu dalšího školení na základě ruských údajů. Vlivem dalšího odborného vzdělávání na mzdy v Rusku se podrobněji zabývá práce O. Lazareva. Studie vychází z údajů z let 2001–2003. a neřeší otázku dopadu nepozorovaných schopností na návraty k dalšímu výcviku. Empirické odhady vlivu různých forem dalšího vzdělávání na mzdy s využitím individuálních dat uvádí práce M. Berger, J. Earle a K. Sabiryanova s použitím dat za roky 1994–1998. a v práci E. Alexandrové a E. Kalabiny - o údajích o zaměstnancích jednoho podniku za roky 2003–2010. Neexistuje žádná komplexní studie o dopadu dalšího odborného vzdělávání na zvýšení mezd ruských pracovníků na základě moderních dat. V současné době neexistují pro Rusko žádné výsledky analýzy nárůstu mezd po účasti zaměstnance na pokročilém školení nebo rekvalifikačním programu, který by používal metodiku zohledňující vliv nepozorovatelných charakteristik na účinek dalšího školení.
Relevance a absence studií o Rusku v ekonomické literatuře, které se zabývají problémem vlivu úrovně schopností jednotlivce na měření růstu mezd po absolvování dalšího odborného vzdělávání, předurčily volbu tématu a účelu disertační práce.
Účel a úkoly disertační výzkum
– – –
Vliv dalšího odborného vzdělávání na růst mezd zaměstnanců.
Teoretická východiska výzkumu Teoretickým a metodologickým východiskem disertační práce byla ustanovení moderní teorie ekonomiky práce, práce domácích i zahraničních autorů věnované problematice dalšího odborného vzdělávání. Empirická část disertační práce využívá moderní metody ekonometrické analýzy, zejména nástroje regresní analýzy.
– – –
„Ruský monitoring ekonomické situace a zdraví populace Vysoké ekonomické školy Národní výzkumné univerzity“ (RLMSHSE) provádí Vyšší ekonomická škola Národní výzkumné univerzity
a JSC Demoscope za účasti Populačního centra University of North Carolina v
Chapel Hill a Sociologický ústav Ruské akademie věd. Webové stránky RLMS-HSE:
http://www.cpc.unc.edu/projects/rlms a http://www.hse.ru/rlms. V raných fázích se monitorování nazývalo RLMS, ale v současné studii budeme používat druhý název.
Průzkum VVVRT provádí od roku 2009 Laboratoř pro výzkum trhu práce Vysoké školy ekonomické Národní výzkumné univerzity.
Podrobnější informace o databázi VVVRT jsou uvedeny v odstavci 2.3 disertační práce.
Vysoká škola ekonomická Národní výzkumná univerzita od roku 2002 z pověření Ministerstva školství a vědy Ruské federace formuje a zavádí komplexní systém pro sběr, zpracování a prezentaci systematických informací o ekonomickém chování účastníků vzdělávacího programu. trh služeb - Monitoring ekonomiky vzdělávání (MEO). Webové stránky IEO: http://memo.hse.ru.
Průzkumy podnikatelského prostředí a výkonnosti podniků (BEEPS) provádějí společně Světová banka a Evropská banka pro obnovu a rozvoj. Webová stránka BEEP: http:. www.enterprisesurveys.org/Data/ExploreTopics/workforce.
2. Byl navržen algoritmus pro hodnocení vlivu dalšího odborného vzdělávání na mzdy metodou dvojitých rozdílů, která umožňuje za předpokladu konstantních schopností v krátkodobém horizontu řešit problém vlivu nepozorovatelné charakteristiky jedince na odhadovaném nárůstu mezd po zaškolení.
3. Byla provedena empirická hodnocení, aby se prokázalo, že další odborné vzdělávání zvyšuje mzdu zaměstnance. Odhad efektu dalšího tréninku zůstává pozitivní i po zohlednění vlivu nepozorovatelných vlastností jedince.
4. Bylo provedeno komplexní posouzení vlivu dalšího odborného vzdělávání na růst mezd.
Bylo zjištěno, že růst mezd závisí na úrovni schopností jednotlivce a sektoru zaměstnání a úroveň základního vzdělání nemá statisticky významný vliv na výši nárůstu.
Praktický význam Materiály této disertační práce byly použity následovně:
– – –
Schválení výsledků práce Základní ustanovení a výsledky disertační rešerše byly prezentovány ve zprávách na následujících vědeckých a vědecko-praktických konferencích: 1) Mezinárodní konference „Klíčové kompetence 21. století: nové dimenze gramotnosti moderní muž"(Moskva, Rusko, 2014);
2) VII. mezinárodní kongresová výstava „Globální vzdělávání – vzdělávání bez hranic“, v rámci tematického bloku „Kompetence moderních dospělých: výsledky mezinárodní studie PIAAC a nové perspektivy vzdělávací politiky“ (Moskva, Rusko, 2013); 3) „Transitions in work and working markets“ (Univerzita v Tampere, Tampere, Finsko, 2013); 4) Druhý ruský hospodářský kongres (Suzdal, Rusko, 2013);
5) IX. mezinárodní vědecká konference „Udržitelný rozvoj ruských regionů: Ekonomika politických procesů a nový model územního rozvoje“ (Jekatěrinburg, Rusko, 2012);
6) XIII. dubnová mezinárodní vědecká konference „O problémech hospodářského a sociálního rozvoje“ (Moskva, Rusko, 2013);
7) XIII. mezinárodní vědecká a praktická konference o problémech reformy veřejného sektoru „Public Sector Transition“ (St. Petersburg, Rusko, 2011); 8) VIII. mezinárodní vědecká a praktická konference o problémech hospodářského rozvoje v moderním světě „Udržitelný rozvoj ruských regionů: lidé a modernizace“ (Jekatěrinburg, Rusko, 2011).
Hlavní teoretické a praktické výsledky disertační rešerše jsou reflektovány v šesti tištěných pracích v celkovém nákladu 7,2 stran. (autorský příspěvek 7,2 str.). Z toho tři články byly publikovány v časopisech doporučených Vyšší atestační komisí Ministerstva školství a vědy Ruska v celkovém objemu 2,4 pp.
Logika a struktura práce Logika disertační práce je založena na kombinaci teoretické a empirické analýzy vlivu dalšího profesního vzdělávání na mzdy pracovníků a zahrnuje také přehled hlavních teoretických a empirický výzkum věnovala tomuto problému, provedla empirickou analýzu údajů o ruském trhu práce a diskutovala dosažené výsledky s cílem vypracovat doporučení pro veřejnou politiku v oblasti podpory dalšího odborného vzdělávání v podnicích.
V souladu s logikou výzkumu má disertační práce následující strukturu.
V první kapitole je uveden přehled druhů školení a je formulována definice pojmu „další odborné vzdělávání“, který bude v práci používán. Dále se zabýváme teoretickými a empirickými přístupy ke studiu vlivu dalšího odborného vzdělávání na zvýšení produktivity práce a mezd pracovníků.
V samostatném odstavci jsou uvedeny ekonometrické problémy při posuzování dopadu dalšího vzdělávání na mzdy pracovníků.
Kapitola dvě se věnuje studiu rozsahu dalšího odborného vzdělávání v ruských podnicích.
Je provedeno mezinárodní srovnání objemu dalšího vzdělávání v podnicích. Je analyzována poptávka zaměstnavatelů po specifických dovednostech zaměstnanců a jejich rozvoj zaměřený na vnitropodnikové vzdělávání. Je uvedena empirická analýza vlivu různých faktorů na rozsah doplňkového odborného vzdělávání poskytovaného podniky.
Ve třetí kapitole je analyzován dopad dalšího odborného vzdělávání. Metodika je popsána. Na základě deskriptivní statistiky je provedeno srovnání mezi pracovníky, kteří a těmi, kteří se v uplynulém období nezúčastnili programů dalšího vzdělávání nebo rekvalifikace. Ukazuje pro různé podskupiny pracovníků, do jaké míry další odborné vzdělávání ovlivňuje růst mezd při hodnocení různými metodami. Na základě získaných výsledků jsou navržena doporučení pro veřejnou politiku v oblasti dalšího odborného vzdělávání v Rusku.
Ve vazbě Jsou shrnuty výsledky disertační rešerše a nastíněny směry dalšího bádání na téma vlivu doplňkové odborné přípravy.
Kapitola 1. Ekonomická analýza dalšího odborného vzdělávání
1.1. Další odborné vzdělávání: koncepce a typy Další odborné vzdělávání, které probíhá během pracovní doby, je obvykle považováno za proces rozvoje znalostí a dovedností pracovníků po období ukončeného formálního školení. Doplňkové odborné vzdělávání zahrnuje různé formy a typy získávání znalostí a dovedností zaměstnanců. Toto školení zahrnuje jak nadstavbové vzdělávání, které rozvíjí dovednosti a znalosti v rámci aktuální specializace zaměstnance, tak i rekvalifikační programy, které zaměstnance učí nové specializaci.
Typy dalšího odborného vzdělávání se liší délkou přípravy, způsobem přípravy, zdrojem financování a dalšími charakteristikami. Než přistoupíme k diskusi o dopadu dalšího odborného vzdělávání, je nutné zvážit obtížnost definování pojmu a měření rozsahu dalšího vzdělávání a poté formulovat, co přesně v tomto výzkumu disertační práce rozumíme pojmem „další odborné vzdělávání“. Různorodost forem dalšího odborného vzdělávání vytváří další potíže pro empirické hodnocení účinků školení. V závislosti na souboru důvodů pro volbu typu tréninku se hodnocení efektu tréninku může posunout různými směry.
Vzhledem k rozmanitosti a flexibilitě forem doplňkové odborné přípravy není možné poskytnout kompletní klasifikaci.
Uveďme pouze klasifikaci podle hlavních charakteristik:
– – –
6. Podle délky školení a dokladu, který to potvrzuje (diplom, certifikát nebo státem vydaný certifikát, v závislosti na délce
– – –
Tato různorodost typů vede k dalším obtížím při měření objemu tréninku, a tedy hodnocení jeho dopadu. Návratem rozumíme změnu produktivity práce a v důsledku toho změnu mzdy zaměstnance.
Měření objemu školení personálu v podnicích je obtížné vzhledem k existenci mnoha typů a forem školení. Kromě toho mohou pracovníci a zaměstnavatelé hodnotit rozsah školení zcela odlišně. Studie v USA, založená na průzkumech mezi zaměstnanci podniků i zaměstnavateli, tedy ukazuje, že zaměstnavatelé oceňují čas strávený školením zaměstnanců o čtvrtinu více než zaměstnanci samotní (Barron et al., 1997). To znamená, že zaměstnanci prostě nevnímali některé programy rozvoje dovedností a kompetencí jako doplňkové odborné vzdělávání.
Podle nařízení vlády Ruské federace ze dne 26. června 1995 č. 610 „O schválení vzorových předpisů o vzdělávací instituci doplňkového odborného vzdělávání (dalšího vzdělávání) specialistů.“
V souladu s tím při ekonometrickém odhadu návratnosti školení dojde ke zkreslení výsledků vzhledem k tomu, že školení proběhlo a zaměstnanec to nenahlásí.
Také potíže s měřením rozsahu školení nastávají v důsledku neformálního školení pracovníků. Rozsah neformálního dalšího vzdělávání pracovníků je tedy podle některých odhadů 5–7krát větší než rozsah formálního vzdělávání (Pishke, 2005). Každý typ činnosti (odvětví) má svá specifika a také organizace pracovního procesu v každé firmě má své charakteristické rysy. Přijatý zaměstnanec proto musí získat znalosti a dovednosti související se zvláštnostmi práce a technologických postupů na konkrétním podniku a pracovišti. K získávání těchto kompetencí zpravidla dochází neformálním způsobem - prostřednictvím: 1) shromažďování zkušeností v procesu práce (learning-by-doing); 2) pozorování práce kolegů (learning-by-watching co-workers); 3) mentoring, kdy je zkušenější zaměstnanec přidělen k novému zaměstnanci, který se věnuje školení.
Míru takového školení je téměř nemožné spolehlivě změřit, protože nemusí existovat ani záznamy, které se zaměstnanec dozvěděl například pozorováním kolegů. Jako jeden z možných nástrojů měření objemu odborného výcviku výzkumníci využívali odslouženou dobu na posledním působišti jako určitý ukazatel konkrétní zkušenosti nasbírané v dané firmě či odvětví. Celková pracovní zkušenost odráží všechny profesní zkušenosti. Ukazuje se, že čím více zkušeností, tím více odborných znalostí a dovedností člověk má. Toto měření neformálního učení však nemusí být přesné.
A protože nemáme spolehlivé způsoby měření neformálního učení, zaměříme se v této studii pouze na analýzu formálního doplňkového odborného vzdělávání.
Všimli jsme si také, že naše studie uvažuje o krátkodobém doplňkovém školení (tj. trvajícím méně než rok), protože návratnost školení není možné měřit po dobu 2–3 let a déle. V tomto období může dojít k výrazným změnám v individuálních charakteristikách (rodinný stav, motivace atd.), v charakteristikách pracoviště (například změna zaměstnání), ve vnější ekonomické situaci (zejména finanční krize může ovlivnit investice rozhodnutí v oblasti lidského kapitálu).
Jeden z nejvíce důležité záležitosti při studiu dalšího odborného vzdělávání - zdroj jeho financování. Protože nemůžeme zaručit, že školení hrazené samotným zaměstnancem ovlivní pracovní výkon v jeho současném zaměstnání 7, budeme v naší studii uvažovat především o doplňkovém odborném vzdělávání, které je sponzorováno zaměstnavatelem. Předpokládáme, že racionální zaměstnavatel nebude financovat další vzdělávání, které přímo nesouvisí se zvýšením produktivity zaměstnanců.
S přihlédnutím ke všem výše uvedeným informacím bude pojem „další odborné vzdělávání“ v této studii znamenat krátkodobé formální školení zaměstnance financované zaměstnavatelem za účelem zlepšení znalostí a dovedností, které potřebuje, například zaměstnanec získá novou specializaci v oboru aby mohl získat novou práci. Zda však změní zaměstnání, zůstává otázkou. Zatímco jeho produktivita práce na jeho současném působišti zůstane nezměněna.
plnění pracovních povinností. Školení může probíhat v rámci stávající specializace zaměstnance nebo v rámci další (příbuzné) specializace (například získání manažerských dovedností inženýrem); probíhají s přerušením nebo bez přerušení odborné činnosti, na pracovišti nebo ve specializovaných vzdělávacích institucích.
1.2. Teoretické aspekty vlivu dalšího odborného vzdělávání na produktivitu práce a mzdy Výchozím bodem pro studium vlivu dalšího odborného vzdělávání je teorie lidského kapitálu Harryho Beckera. Podle této teorie závisí produktivita práce a tedy i mzdy na lidském kapitálu zaměstnance. Vzděláním a získáváním znalostí a dovedností na pracovišti jedinec investuje do svého lidského kapitálu a tím zvyšuje svou produktivitu, v důsledku toho je zaměstnavatel nucen vyplácet tomuto zaměstnanci vyšší mzdu, aby nepřecházel ke konkurenci.
G. Becker navrhuje dělit lidský kapitál na obecný a specifický. Investice do specifického lidského kapitálu vedou ke zvýšení produktivity zaměstnanců pouze v konkrétní společnosti, zatímco zvýšení obecného lidského kapitálu zahrnuje zlepšení znalostí a dovedností, které mohou být užitečné pro jiné zaměstnavatele.
Pracovník, který absolvuje všeobecné školení, zvyšuje svou produktivitu, a protože se mzda pracovníka na dokonale konkurenčním trhu práce rovná jeho mezní produktivitě, společnosti nebudou schopny získat zpět své investice. Pokud zaměstnavatel nastaví nižší plat, zaměstnanec prostě odejde ke konkurenci. Specifický lidský kapitál může být pro zaměstnance užitečný pouze v místě výkonu práce, ve kterém aktuálně pracuje. Rozhodnutí, zda investovat do dalšího odborného vzdělávání – zaměstnavatele nebo samotného zaměstnance – totiž přímo závisí na tom, jak jsou přínosy ze zvýšené produktivity zaměstnance distribuovány. Jedním ze závěrů G. Beckera bylo, že pro firmy je nerentabilní investovat do obecného lidského kapitálu zaměstnanců, zaměstnavatelé tedy převezmou část nákladů pouze na rozvoj specifického lidského kapitálu zaměstnanců (Becker, 2003).
V praxi se nepotvrdil Beckerův předpoklad, že by firmy investovaly pouze do specifických dovedností: v průměru více než 60 % školení tvoří všeobecné vzdělávání a v Evropě tento podíl dosahuje 90 % (OECD, 2008). V tomto ohledu výzkumníci navrhli alternativní teorie investic do lidského kapitálu pracovníků.
Vysvětlením investic firem do všeobecného vzdělávání byla teorie informační asymetrie vycházející z předpokladu, že konkurenční firma si není dostatečně vědoma skutečného výkonu zaměstnance na aktuálním pracovišti. Zvýšením produktivity zaměstnance prostřednictvím školení může zaměstnavatel platit zaměstnanci méně, než vyžaduje produktivita práce, a tím kompenzovat jeho náklady na školení a dokonce dosáhnout zisku. V podmínkách informační asymetrie je tedy dopad dalšího odborného vzdělávání na mzdu pracovníka ve srovnání s dokonale konkurenčním trhem práce snížen (Katz, Ziderman, 1990; Acemoglu, Pischke, 1999).
Dalším vysvětlením investic firem do celkového lidského kapitálu pracovníků je teorie komprese mezd, která odhaluje souvislost mezi úrovní schopností a kvalifikace a návratem ke vzdělávání.
Podle této teorie dostávají firmy kvůli nedokonalostem trhu práce od pracovníků rentu – rozdíl mezi produktivitou práce pracovníka a úrovní minimální mzdy, při které pracovník neusiluje o změnu zaměstnání. Čím vyšší je úroveň schopností jednotlivce a jeho produktivity práce, tím vyšší nájemné dostává zaměstnavatel. Na trhu práce existují různé faktory, které zvyšují úroveň mezd „zdola“: zavedení vysoké sazby minimální mzdy, činnost odborů apod. Mzdy jsou přitom omezovány „shora“, a to i z důvodu asymetrie informací o produktivitě práce kvalifikovaných odborníků, díky níž firmy dostávají vyšší rentu od vysoce produktivních zaměstnanců, neboť rozdíl mezi jejich produktivitou práce a mzdou je výrazně větší než u pracovníků s nízkou kvalifikací (Acemoglu, Pischke, 1999; Almeida-Santos , Mumford, 2005).
Další teorií, která vysvětluje dopad dalšího školení na mzdové zisky, je teorie signalizace, která předpokládá, že certifikace školicích programů prospívá více zaměstnanci než zaměstnavateli. Předpokládá se, že certifikace školení snižuje informační asymetrii, a tím snižuje pobídky firem investovat do školení, protože se snižují nájemné, které dostávají. Konkurenční zaměstnavatelé totiž lépe porozumí pracovníkům, kteří mají certifikát nebo jiný doklad prokazující, že mají určité dovednosti a znalosti. Uvědomujeme si však, že certifikace školení zvýší rozsah dalšího odborného školení financovaného a spolufinancovaného samotnými pracovníky, protože poskytuje další signál o jejich profesních kompetencích (Hansson, 2008).
Zaměstnavatel investující do lidského kapitálu zaměstnanců očekává návratnost v podobě zvýšení produktivity práce. Teorie racionálního chování říká, že agent (zaměstnavatel) neučiní investici, pokud neočekává, že ji v budoucnu vykompenzuje. Na tom jsou založeny téměř všechny teorie o dalším odborném vzdělávání. Řada výzkumníků však testovala empirické důkazy o zvýšení produktivity po dalším školení. Američtí vědci používají pro empirické testování dvě americké databáze (Pilotní program pracovních příležitostí a The Small Business Administration Survey). Jejich odhady ukazují, že nárůst produktivity je několikanásobně vyšší než růst mezd, přičemž výsledky obou průzkumů jsou shodné (Barron et al., 1999).
Několik dalších prací srovnává nárůst produktivity práce a růst mezd (viz tabulka 1P v příloze A). Studie založená na údajích ze Spojeného království zjistila, že dopad dalšího vzdělávání na produktivitu práce byl dvakrát větší než jeho dopad na mzdy (Darden et al., 2006).
Podle údajů o dodatečném školení v italských firmách převyšuje nárůst produktivity práce nárůst mezd 5krát. Je třeba poznamenat, že u některých regresí není vliv dalšího vzdělávání na mzdy ani statisticky významný, zatímco vliv na produktivitu je statisticky významný ve všech specifikacích (Counti, 2005).
Srovnávací analýza dat ze Švédska a Francie ukazuje, že pracovníci po školení zvyšují svou produktivitu 3–3,5krát více než zvýšení mezd (Ballot et al., 2006).
Měření produktivity práce je ve skutečnosti obtížné, je možné pouze měřením výkonu. Tento přístup však není použitelný pro mnoho kategorií pracovníků. Proto výzkumníci alternativně porovnávají změny mezd dvou pracovníků, kteří absolvovali školení, z nichž jeden po ukončení školení změní zaměstnání, zatímco druhý zůstává u stejného zaměstnavatele.
Předpokládá se, že nový zaměstnavatel nevynaložil peníze na školení a může si dovolit vyplácet zaměstnanci mzdu rovnající se (nebo mírně nižší) jeho produktivitě práce.
Měří se tak rozdíl mezi zvýšením mzdy pracovníka u nového zaměstnavatele a změnou mzdy nemobilního pracovníka po absolvování školení. Výsledná delta bude znamenat možnou návratnost investice do lidského kapitálu zaměstnanců.
Studie OECD ze dne 11 Evropské země ukazuje, že růst mezd u nemobilních pracovníků je poloviční než u těch, kteří mění zaměstnání (OECD, 2004).
Ve Švýcarsku je rozdíl 3–4krát (Gerfin, 2004).
V britské studii bylo zvýšení mezd u těch, kteří změnili zaměstnání, 7,5 % oproti 2,4 % u těch, kteří si práci udrželi (Booth, Bryan, 2002). P. Lengermann (1999) na datech z USA prokazuje výrazné zvýšení mezd po dlouhodobém zaškolení i u mobilního pracovníka (8,3 oproti 4 %).
Takže navýšení platu u mobilního pracovníka je výrazně vyšší, ale takové srovnání je možné jen u všeobecného vzdělání. Školení zaměřené na rozvoj konkrétních dovedností si totiž cení jen skutečný zaměstnavatel, zatímco ostatní zaměstnavatelé o něj zájem mít nebudou. Zároveň u současného zaměstnavatele přináší specifické vzdělávání menší nárůst mezd ve srovnání s obecným vzděláváním, protože jiné společnosti nebudou platit za kompetence, které nepotřebují. Studie H. Regnera potvrzuje, že nárůst mezd po všeobecném vzdělávání je vyšší než po specifickém vzdělávání (Regner, 2002).
V mnoha situacích není možné odhalit změny v produktivitě pracovníků a výzkumníci používají změnu mezd po dodatečném školení (kontrolování změn v jiných pozorovatelných charakteristikách jednotlivce a zaměstnání, v tomto pořadí) jako proxy pro důkaz růstu produktivity pracovníků. Hlavním předpokladem výzkumníků je, že zaměstnavatel zvyšuje mzdy pouze tehdy, když se zvyšuje úroveň dovedností a kompetencí zaměstnance. V důsledku toho vyvstává problém měření návratnosti školení (Hansson, 2008).
Je mnoho faktorů, které ovlivňují návratnost tréninku. Za prvé faktory, které přímo souvisejí se samotným školením: například délka školení nebo směřování vzdělávacího programu. Za druhé individuální charakteristiky zaměstnance: úroveň vzdělání a schopností, pohlaví, kvalifikační skupina a druh činnosti. Za třetí, charakteristika pracoviště: zda je společnost monopsonistou na trhu práce, finanční pozice společnosti, druh činnosti atd. Zastavme se podrobněji u řady faktorů.
Jedním z faktorů je vztah mezi dalším odborným vzděláváním a počáteční úrovní dosaženého vzdělání. Existuje několik úhlů pohledu. Prvním je, že počáteční odborné vzdělávání poskytuje především obecné dovednosti pro konkrétní profesní směr nebo typ činnosti, tyto dovednosti mohou být užitečné v práci ve většině společností, pokud absolvent chodí do své specializace. Za jinak stejných okolností by měl být pracovník s nižším vzděláním poslán na školení, aby zaplnil mezery, a proto by zaměstnavatel po školení dostával nájem (Battu et al., 2004; Arulampalam et al. ., 2010).
Jiný názor je, že školení zaměstnanců s vyšším stupněm vzdělání poskytuje zaměstnavatelům větší návratnost školení ve srovnání se školením méně vzdělaných zaměstnanců. Pro tento přístup existují dvě vysvětlení. Za prvé, podle teorie komprese mezd mají vzdělanější jedinci vyšší kvalifikaci a produktivitu práce, což spolu s nižšími mzdami „shora“ umožňuje zaměstnavateli získat vyšší nájemné (Evertsson, 2004). Za druhé, získané vzdělání je signálem o úrovni schopností jednotlivce. V souladu s tím, školením schopnějších jednotlivců, firma získá největší nárůst produktivity práce (Bassanini et al., 2005).
Jak již bylo ukázáno, úroveň dosaženého vzdělání přímo souvisí s úrovní schopností jednotlivce. Právě vztah mezi úrovní schopností jednotlivce a návratností dalšího odborného vzdělávání je hlavním problémem, který je diskutován v mnoha pracích věnovaných tomuto tématu. Existuje několik aspektů vztahu. Řada studií potvrzuje, že dopad dalšího školení na produktivitu a mzdy je největší u nejschopnějších zaměstnanců (Darden et al., 2006;
Booth, Bryan, 2002; Loewenstein, Spletzer, 1999 atd.). Dalším aspektem je, že vzhledem k tomu, že výnosy jsou vysoké, firmy za ceteris paribus posílají na školení nejschopnější zaměstnance, čímž zvyšují mzdový rozdíl ve srovnání s nejméně schopnými a nejméně motivovanými kolegy (Lengermann, 1999).
Je však třeba objasnit, co přesně jsou výzkumníci schopni měřit: návratnost dalšího školení nebo návratnost schopností zaměstnance? Vysoká úroveň schopností zaměstnance se může projevit nejen v práci, ale také během studia: tráví méně času školením nebo získává více znalostí a dovedností, čímž získává větší výnosy ze školení. Schopnosti jednotlivce, stejně jako řada dalších faktorů (rodinné a přátelské vazby, motivace atd.), mají přitom přímý vliv jak na produktivitu práce (a tedy výši mezd), tak na pravděpodobnost účasti v programech. výcvik. Úroveň schopností, motivace a spojení jsou však považovány za nepozorovatelné charakteristiky, protože je téměř nemožné je měřit. Neexistuje žádný test, který by spolehlivě ukázal úroveň schopností člověka nebo určil skutečnou motivaci člověka. Ukazuje se, že hodnocení návratnosti ze školení bude ovlivněno schopnostmi zaměstnance. Při empirickém testování této hypotézy na datech z Francie tedy vědci docházejí k závěru, že při kontrole výběru pracovníků do vzdělávacích programů zaměstnavateli efekt dodatečného vzdělávání klesá téměř na nulu (Goux, Maurin, 2000).
Velmi důležitým faktorem ovlivňujícím míru dopadu dalšího odborného vzdělávání na produktivitu práce a mzdy zaměstnanců je výběrový efekt na vzdělávací programy. Školením malého počtu zaměstnanců si zaměstnavatel může dovolit vybrat ty nejschopnější a také zaměstnance, jejichž školení bude mít největší efekt. Čím vyšší je tedy podíl zaměstnanců absolvujících školení, tím obtížnější je pro zaměstnavatele vybrat ty, kteří jsou pro školení nejvhodnější, a naopak. V souladu s tím se za takových podmínek může snížit účinek dalšího odborného vzdělávání (Bassanini et al., 2005). Současně lze pozorovat efekt výběru podniků. Za předpokladu, že jsou všechny ostatní věci stejné, je finančně úspěšná a rozvíjí se podniky, které s větší pravděpodobností investují do školení zaměstnanců.
Takové podniky si však díky svým finančním možnostem mohou dovolit najímat kvalifikovanější a schopnější pracovníky, kteří, jak je popsáno výše, mají vyšší výnosy ze školení ve srovnání s méně schopnými kolegy (Hansson, 2005). Lze předpokládat, že čím větší je rozsah dalšího odborného vzdělávání v zemi, tím menší je dopad vzdělávání na růst produktivity práce a mezd. Je však třeba poznamenat, že neexistují žádní výzkumníci, kteří získali spolehlivé empirické důkazy o vztahu mezi rozsahem školení a účinkem školení. Nelze přitom popřít možnost vlivu selekčního efektu na návratnost z doškolování.
Když přejdeme k popisu vlivu dalších faktorů, měli bychom se podrobněji věnovat informační asymetrii na trhu práce. Jak již bylo zmíněno, výzkumníci se shodují, že odborné vzdělávání má pozitivní dopad na produktivitu pracovníků. Dopad na mzdy však závisí na nedokonalosti trhu práce, tedy na odpovědi na otázku, jaké nájemné si zaměstnavatel může dovolit účtovat zaškolenému pracovníkovi z důvodu, že ostatní zaměstnavatelé o něm nic nevědí. schopnosti pracovníka.
Vliv informační asymetrie na návratnost školení potvrzuje studie hodnotící rozdíly v návratnosti mezi běžným školením a certifikovaným školením (myšleno školicí program, ve kterém je účast potvrzena příslušným certifikátem, diplomem nebo jiným dokumentem).
Základní vzdělání působí jako signál o určitých dovednostech vyškoleného pracovníka. Odborná kvalifikace zaměstnance s takovým signálem se stává pro ostatní zaměstnavatele jasnější. V důsledku toho bude firma nucena zvýšit mzdy vyšší (snížením nájemného) v porovnání s necertifikovaným školením, aby nebyl vyškolený zaměstnanec pytlačen a firma přišla o celou svou investici do tohoto zaměstnance (Hansson, 2008).
Kromě rozdílů v dosaženém vzdělání a schopnostech vědci přemýšleli, zda rozdíly mezi pohlavími ovlivňují velikost návratů k dalšímu odbornému vzdělávání. Existují náznaky, že zaměstnavatelé obecně posílají ženy na školení méně často než muže (Leuven, Oosterbeek, 1999). Výzkumníci také došli k závěru, že dopad dalšího vzdělávání na mzdy u žen je o něco nižší než u mužů (Evertsson, 2004; Regner, 2002; OECD, 2004).
Mimo jiné je třeba vzít v úvahu, že zaměstnavatelé, kteří se rozhodnou investovat do lidského kapitálu zaměstnanců, mohou čelit riziku ztráty své investice. Protože zaměstnanec po proškolení může jednat oportunisticky a opustit společnost. Navzdory tomu, že vnitropodniková mobilita nemá přímý vliv na změnu produktivity zaměstnanců po zaškolení, je tato problematika velmi důležitá v kontextu diskuse o návratnosti dalšího profesního vzdělávání pro zaměstnavatele.
Důvody pro změnu zaměstnání mohou být různé:
konkurenční firma nabídla lepší podmínky nebo se zaměstnanec rozhodl stát se ekonomicky neaktivní. To snižuje pobídky pro firmy k financování programů školení zaměstnanců. Pokud je druhá možnost možná, ale zůstává mimo rámec současné studie, pak se podrobněji zastavíme u první možnosti.
Jaké pobídky motivují zaměstnance k odchodu z firmy po zaškolení, je celkem jasné. Na základě Beckerovy teorie nebude společnost schopna vyplácet zaměstnance podle jeho produktivity po zaškolení, protože zaměstnavatel musí kompenzovat své náklady na školení zaměstnance. Zatímco konkurenční firmy, které nevynaložily náklady na školení, si mohou snadno dovolit účtovat vyšší mzdy. Navíc uvážíme-li, že k nejrychlejšímu relativnímu růstu mezd zaměstnanců dochází podle výzkumu při mezipodnikové mobilitě (Lukyanova, 2009).
Mnohem zajímavější je to, co přiměje zaměstnance zůstat.
Je zde několik ovlivňujících faktorů. Za prvé, v mnoha zemích zákon umožňuje uzavřít se zaměstnancem „učňovské smlouvy“, které zavazují zaměstnance k úhradě nákladů na školení vynaložené zaměstnavatelem. Za druhé informační asymetrie, kdy nový zaměstnavatel v podstatě neví nic o úrovni znalostí a dovedností zaměstnance. Nemůže tedy nabízet mzdu v souladu s odbornou kvalifikací zaměstnance. Za třetí, v podnicích, kde se provádí výběrové vzdělávání zaměstnanců, si při zachování všech ostatních podmínek vybírají ty nejschopnější, protože, jak bylo uvedeno výše, jejich návratnost je vyšší. Zaměstnanec tedy chápe, že je na zvláštním účtu u vedení. Za čtvrté, doplňkovým odborným školením může být rozvoj nejen stávajících kompetencí, ale také znalostí a dovedností v jiných specializacích, které jsou vyžadovány pro vnitropodnikovou propagaci.
Bohužel není mnoho studií o vlivu na mobilitu ve srovnání s prací o vlivu na mzdy a produktivitu práce. Je to způsobeno obtížným měřením rozsahu a směru vzdělávání a také tím, že rozhodnutí o mezipodnikové mobilitě je přijímáno na základě mnoha faktorů, často nezávislých na trhu práce.
Výzkumníci došli k různým závěrům o tom, jak přítomnost školicích programů v podniku ovlivňuje fluktuaci zaměstnanců.
D. Parent ve své práci dokazuje, že školení snižuje pravděpodobnost mezipodnikové mobility zaměstnanců (Parent, 1999).
Ke stejnému závěru docházejí i další badatelé (Loewenstein, Spletzer, 1999). Posouzení dopadu genderových rozdílů na mezifiremní mobilitu ukazuje, že po školení je pravděpodobnější, že ženy nezmění firmu ve srovnání s muži (Lynch, 1991; Melero, 2004).
Na závěr této části si všimneme klíčových problémů spojených s měřením dopadu dalšího odborného vzdělávání. Prvním je obtížnost měření rozsahu tréninku, což vede k potížím při výběru kontrolní skupiny pro výpočet efektu tréninku. Za druhé, nárůst produktivity práce po absolvování školení zaměstnance je mnohonásobně větší než nárůst mezd. Tento závěr z předchozích studií naznačuje, že zaměstnavatel bude moci získat nájem od vyškoleného zaměstnance z důvodu rozdílu mezi produktivitou práce a mzdou. Za třetí, dopad schopností na pravděpodobnost, že budou vybráni pro školení a měření dopadu dalšího odborného vzdělávání na mzdy. O tom, jak se výzkumníci snaží překonat různé obtíže, včetně vlivu schopností, při odhadování dopadu dalšího odborného vzdělávání na mzdy, bude pojednáno v dalším odstavci.
1.3. Ekonometrické problémy při odhadování výnosů z dalšího odborného vzdělávání Výzkumníci analyzující dopad dalšího odborného vzdělávání na mzdy čelí řadě obtíží. Tyto problémy zahrnují: 1) obtížnost měření účasti zaměstnanců v doplňkových programech odborného vzdělávání; 2) rozmanitost typů tréninku, která komplikuje měření dopadu; 3) stanovení doby trvání účinku tréninku; 4) vliv schopností na měření efektu tréninku. V této části se budeme podrobněji zabývat metodami používanými v ekonomické literatuře k překonání posledně uvedeného problému. Protože vliv schopností na výběr a sebevýběr pracovníků k účasti na vzdělávacích programech je klíčový pro měření návratnosti z dalšího odborného vzdělávání.
Začněme nejběžnější metodou hodnocení – tzv nejmenší čtverce(MNC). Model OLS odhaduje rovnici Minzerovy mzdy s přidáním cvičné fiktivní proměnné. Tento přístup umožňuje kontrolovat jak všechny individuální charakteristiky pracovníků dostupné v datech, tak charakteristiky pracovních míst (Lynch, 1992; Veum, 1997; Parent, 1999; Goux, Maurin, 2000; Lazareva, 2006; Tan et al., 2007 a mnoho dalších). Odhady nárůstu hodinového výdělku získaného metodou nejmenších čtverců pro evropské země se pohybují od 3,7 do 21,6 %. Autoři navíc poznamenávají, že nejvyšší odhady byly zjištěny v zemích s nejmenším zapojením personálu do procesu dodatečného školení, jako je Řecko a Portugalsko (Bassanini et al., 2005). Vzhledem k tomu, že model OLS předpokládá stejnou úroveň výnosů pro jednotlivce patřící do různých podskupin, tento model neumožňuje sledovat vliv nepozorovatelných charakteristik.
K řešení problému vlivu nepozorovatelných proměnných jako je schopnost, motivace atd. se v literatuře používají regrese fixních efektů (Veum, 1997; Booth, Bryan, 2002; Loewenstein, Spletzer, 1998; Loewenstein, Spletzer, 1999;
Lazareva, 2006). Předpokládá se, že tyto charakteristiky se v průběhu času příliš nemění a tato technika nám umožňuje odstranit jejich vliv na konečné hodnocení. Tato metodika vyžaduje panelová data za více období, což může ztížit použití úprav. Jako nevýhodu výzkumníci také poznamenávají, že po dlouhou dobu zůstane jen velmi málo charakteristik nezměněno, to znamená, že pokus o jejich kontrolu může vést ke zkresleným odhadům. Odhady získané popsaným způsobem analýzy jsou tradičně menší ve srovnání s odhadem modelu OLS. V rozsáhlé analýze dalšího odborného vzdělávání v Evropě A. Bassanini a jeho kolegové uvádějí odhady dopadu školení na mzdy pomocí regrese s fixními efekty. Výsledky se pohybují od prakticky nulových výnosů ve Francii až po 10% zvýšení mezd v Portugalsku. Výzkumníci poznamenávají, že výnosy mohou být v Portugalsku vyšší kvůli skutečnosti, že tam je vyškoleno méně pracovníků a zaměstnavatelé si mohou vybrat pracovníka, který přinese nejvyšší výnosy (Bassanini et al., 2005).
Alternativním způsobem, jak se vypořádat s vlivem nepozorovatelných charakteristik, je metodologie rozdílů v rozdílech.
Při provádění hodnocení pomocí této metodiky výzkumníci rozdělují pozorované respondenty na experimentální skupinu (ti, kteří absolvovali školení) a kontrolní skupinu (v závislosti na volbě výzkumníků: mohou to být všichni ostatní respondenti nebo ti, kteří mají nejpodobnější vlastnosti jako ti vyškolení). Porovnání těchto dvou skupin před školením nám umožňuje v konečném důsledku získat čistý efekt dalšího školení na růst mezd (Ashenfelter, Card, 1985; Fitzenbergerz, Prey, 2000; Gerfin, 2004;
Bergemann a kol., 2009; Travkin, 2013).
Použití instrumentálních proměnných poskytuje příležitost bojovat proti nenáhodnému výběru do vzdělávacích programů a je běžnou metodou používanou při odhadování dopadu školení na mzdy (Parent, 1999; Abadie et al., 2002). Hlavní úskalí této metody spočívá ve výběru instrumentální proměnné, která by neměla korelovat s náhodnými chybami modelu, ale měla by mít přímý vliv na pravděpodobnost účasti na tréninkovém programu. V práci L. Rotara o doplňkovém odborném vzdělávání ve Slovinsku se tedy jako nástroj používá regionální dummy proměnná. V některých regionech Slovinska je podíl účastníků školicích programů mnohem vyšší než v jiných regionech (Rotar, 2012).
Získat odhady dopadu dalšího odborného vzdělávání pro skupiny pracovníků s na různých úrovních schopnost využívá kvantilovou regresi, která rozděluje jednotlivce do skupin na základě vlivu nepozorovatelných charakteristik a zároveň kontroluje všechny pozorovatelné vysvětlující proměnné (Abadie a kol., 2002; Arulampalam a kol., 2004). Připomeňme, že schopnosti, motivace, odhodlání, konexe a další faktory, které mají silný vliv na výši odměňování, jsou prakticky neměřitelné.
Základním předpokladem pro použití této metody je, že úroveň návratnosti u schopných jedinců se může lišit od úrovně návratnosti u jedinců s nízkou úrovní schopností. Práce v Německu (Bauer, Haisken-Denew, 2001) a Portugalsku (Hartog a kol., 2001) ukazuje, že jedinci s nízkou úrovní schopností dostávají nižší výnosy ve srovnání se schopnými zaměstnanci.
Odhad všemi výše uvedenými metodami předpokládá striktní funkční závislost proměnné udávající výši mezd na vysvětlujících proměnných.
Řada studií proto používá metodiku založenou na porovnávání pozorovaných jedinců metodou výběru kontrolní skupiny – jednoduché (Matching) nebo podle indexu compliance (Propensity Score Matching). Studie simuluje přirozený experiment, kdy kontrolní skupinu tvoří jedinci, kteří se programu neúčastní, ale jsou skutečně srovnatelní z hlediska pozorovatelných charakteristik (Aakvik, 2001).
Vzhledem k tomu, že metody výběru kontrolní skupiny neumožňují sledovat dopad změn vyskytujících se u jedince v čase, je možné je kombinovat s jinými metodami.
Například ve studii v Německu autoři zkombinovali metodu výběru kontrolní skupiny na základě indexu shody s metodologií rozdílů v rozdílech, což vedlo k odhadům 4,7–5,9 %, což je 1,5–2krát méně než odhadnuto pomocí modelu OLS (8,4–10,2 %) (Muehler et al., 2007).
Žádná ze studií plně neřeší problém vlivu nepozorovatelných proměnných na vliv dalšího odborného vzdělávání na mzdy pracovníků. Nedostatek spolehlivých metod měření rozsahu školení, schopností jednotlivců a reakce pracovníků na účast na školení neumožňuje získat data pro konečné řešení problematiky - stále je zde prostor pro nové výzkumníky.
1.4. Výzkum dalšího odborného vzdělávání v Rusku První prací studující dopad dalšího odborného vzdělávání na ruská data je studie M. Bergera, J. Earle, K. Sabiryanové, založená na databázi RLMS Vysoké ekonomické školy National Research University pro roky 1994–1996, 1998. Analýza ukazuje, že skutečnost, že v posledních třech letech došlo k dalšímu vzdělávání, snižuje mzdy, zatímco dokončení rekvalifikačního programu zvyšuje mzdy o 35 % (Berger et al., 2001).
Ve studii O. Lazareva je analýza provedena na datech z RLMS Vysoké ekonomické školy National Research University za roky 2000–2003. Autor ukazuje, že stejně jako v jiných zemích je většina školení na pracovišti hrazena zaměstnavatelem, navíc zaměstnavatelé nekompenzují své náklady na školení snižováním platů během doby školení. Největší objemy doškolování jsou pozorovány v netržních sektorech – lékařství a školství, které si zřejmě zachovaly předchozí státní systém vzdělávání personálu a povinného vzdělávání. periodický nárůst kvalifikace. Podniky průmyslových a tržních služeb poskytují svým zaměstnancům mnohem méně příležitostí ke školení. V tomto příspěvku autor rozděluje vzorek na tržní a netržní sektory, čímž se snaží vyhnout míchání takto rozdílných trhů práce. Jako závisle proměnnou autor bere průměrnou mzdu za poslední rok a odhaduje ji metodou fixních efektů.
Významným odhadem je pouze školení hrazená předchozím zaměstnavatelem (v tržním sektoru se efekt pohybuje od 11 do 19 %). Možná celá pointa je v tom, že v této studii byly informace o tréninku příliš roztříštěné mezi různé typy tréninku a vzhledem k malému počtu pozorování se většina odhadů ukázala jako nevýznamná. V závěru autor dochází k závěru, že na koncentrovaných trzích práce je míra vlivu školení na mzdy menší. To však může být důsledkem toho, že zaměstnavatel bere většinu nájemného, čímž kompenzuje své náklady na školení (Lazareva, 2006).
V roce 2005 provedla National Research University Higher School of Economics společně se Světovou bankou průzkum ve výrobních podnicích.
Autoři studují vliv vzdělávacích programů na produktivitu firmy a rozdělení mezd v závislosti na profesní činnosti pracovníků. Studie odhaduje, že příspěvek dodatečného školení bude činit 18 % zvýšení platu, všechny ostatní věci jsou stejné. Takové analýzy však musí brát v úvahu endogenitu: finančně úspěšnější firmy, které platí vysoké mzdy, si s větší pravděpodobností budou moci dovolit školicí programy pro své zaměstnance (Tan et al., 2007).
Jiná studie hodnotí dopad dalšího odborného vzdělávání na základě údajů z jednoho velkého výrobního podniku v regionu Sverdlovsk.
Mít informace o dosaženém vzdělání, délce působení na zastávané pozici a další individuální vlastnosti v letech 2003–2010 autoři používají model OLS k odhadu dopadu různých typů školení na mzdy. Zaměstnanec při absolvování školení jako učeň přichází o 8 % na mzdě, což je však pravděpodobně způsobeno zvláštnostmi učební smlouvy, která zavazuje školeného zaměstnance k zaměstnavateli k úhradě nákladů na školení. Vzdělávání v příbuzné specializaci a pokročilé vzdělávání přináší pozitivní výnos – 1,8, resp. 5,8 % (Alexandrová, Kalabina, 2011).
Práce O. Lazareva, I. Denisové a S. Tsukhlo (ruský dělník, 2011) ukazují, že úroveň školení je při vysoké mobilitě pracovní síly poměrně nízká. Pro podnik je strategie školení personálu alternativou k vyhledávání a najímání nových zaměstnanců. Školení je obzvláště atraktivní, když jsou náklady na vyhledávání a pronájem příliš vysoké. Vzdělanějším a kvalifikovanějším skupinám pracovníků je zároveň poskytováno školení, za jinak stejných podmínek.
Výše uvedený přehled literatury ukazuje, že mnoho výzkumníků na základě empirické analýzy potvrzuje přítomnost pozitivních výsledků z dalšího odborného vzdělávání.
Navíc dopad na produktivitu práce zaměstnance je mnohem větší než na plat, který dostává. Zároveň je nutné kontrolovat mnoho faktorů, které mají přímý vliv na velikost návratnosti z doplňkového tréninku, z nichž nejdůležitější je úroveň schopností. Zároveň zatím nebylo provedeno mnoho studií o datech pro Rusko, které by se zabývaly otázkou vlivu úrovně schopností na dopad dalšího odborného vzdělávání na mzdy pracovníků a porovnávaly vliv dalšího vzdělávání v různých skupiny pracovníků lišících se úrovní schopností. V této diplomové práci se pokusíme zaplnit tyto mezery ve výzkumu.
Kapitola 2. Dodatečné odborné vzdělávání v ruských podnicích Zatímco vzdělávání ovlivňuje mzdy závisí na tom, kdo se vzdělává, záleží na tom, které podniky se vzdělávají a co učí.
Když vezmeme v úvahu návratnost školení na základě jednotlivých mikrodat, neumožní nám to vysledovat, jak podniková politika ovlivňuje výběr zaměstnanců pro účast ve školicích programech.
V této kapitole se podíváme na tři důležité aspekty, které v konečném důsledku ovlivňují dopad dalšího odborného vzdělávání na mzdy pracovníků. Za prvé, rozsah školení ve firmách. Jedna věc je, když jsou vyškoleni všichni zaměstnanci, druhá věc je, když jsou pro školení vybíráni pouze vysoce kvalifikovaní specialisté. Za druhé, co se učí.
Jaké dovednosti a kompetence mají podniky zájem rozvíjet? Za třetí, které podniky školí zaměstnance.
Školení v podniku, který je svým technickým a technologickým stavem výrazně pozadu, se tedy s největší pravděpodobností bude výrazně lišit od školení v předním podniku v oboru. Proto budeme analyzovat, jaké faktory ovlivňují politiku podniků ohledně dalšího odborného vzdělávání personálu.
2.1. Rozsah dalšího odborného vzdělávání v různých zemích K mezinárodnímu srovnání rozsahu dalšího odborného vzdělávání použijeme údaje poskytnuté průzkumem BEEPS. Podle průzkumu BEEPS Světové banky a Evropské banky pro obnovu a rozvoj je ve vyspělých zemích podíl firem, které školí své zaměstnance, velmi vysoký. Vysvětluje to skutečnost, že pro zaměstnavatele bylo další odborné vzdělávání vždy jedním z hlavních nástrojů zlepšování odborných znalostí a dovedností zaměstnanců. Vysoká míra objemů školení je pozorována nejen ve Švýcarsku, Finsku, Švédsku, ale také v zemích východní Evropy, jako je Polsko, Estonsko a Česká republika, kde podíl školících podniků činí 60–70 % (viz obrázek 2.1).
Zdroj: Data BEEPS Obrázek 2.1 - Rozdělení zemí podle podílu firem poskytujících školení, % Objem školení zaměstnanců v podniku přímo souvisí s mírou investic alokovaných do personálního rozvoje.
Čím větší investice, tím pravděpodobnější bude více vyškolených lidí nebo vyšší kvalita školení v podniku. Srovnání zemí ohledně úrovně financování dalšího vzdělávání, měřené jako podíl celkových osobních nákladů, ukazuje, že podle průzkumu Cranet (Hansson, 2007) jsou na školení v Evropě vynaložena v průměru 3 % těchto nákladů.
Ve studiích o Rusku 8 se odhady pohybují od 0,3 do 0,7 %:
„V roce 2010 ruské podniky a organizace utratily 91,1 miliardy rublů, neboli asi 0,4 % svého ročního mzdového fondu, na pokročilé školení, školení a rekvalifikaci zaměstnanců“9.
Aby bylo možné správně posoudit rozsah vzdělávání v Rusku, je nutné zvážit mezinárodní trendy ve světle národních institucionálních charakteristik, zejména způsoby podpory dalšího odborného vzdělávání na vládní a legislativní úrovni. Vyspělé země dnes využívají různá opatření ke stimulaci nebo dotování investic organizací a pracovníků do odborného vzdělávání. Některá z těchto opatření souvisí se zajištěním návratnosti investic do školení personálu. Zavádějí například omezení dobrovolné výpovědi pro zaměstnance, kteří studovali na náklady zaměstnavatele. Jedním z nejběžnějších opatření v Evropě, které chrání podnikové investice do odborného vzdělávání personálu, je smlouva, která stanoví pokutu ve výši nákladů na školení, pokud zaměstnanec opustí společnost před termínem uvedeným ve smlouvě.
Monografie „Ruský dělník: vzdělání, profese, kvalifikace“ editoval V.E.
Gimpelson, R.I. Kapeljušnikov. Kapitola 8.
Sledování ekonomiky vzdělávání: průzkum mezi manažery podniků http://memo.hse.ru/ind_w08_4_11 Dodatečné vzdělávání má důležité socioekonomické důsledky (Newmark, Wascher, 2001). Za prvé pomáhá snížit míru nezaměstnanosti v zemi tím, že pracovníkům poskytuje včasné dovednosti, které jim umožňují zůstat konkurenceschopní na trhu práce. Za druhé, zvládnutí nejmodernějších technologií a zařízení pracovníky vede ke zvýšení produktivity práce a v konečném důsledku i k ekonomickému růstu země.
V posledních letech se objevilo mnoho výzkumů o problémech školení personálu na pracovišti.
Mnoho výzkumníků se snaží vysvětlit rozdíly v programech a objemech školení v různých zemích rozdíly v institucionálních charakteristikách trhů práce.
Podle studie dopadu nezaměstnanosti na další vzdělávání zvyšuje vysoká míra nezaměstnanosti návratnost ze školení pro společnost, protože existuje méně alternativních pracovních míst pro jednotlivce, a proto může společnost získat více nájemného. Zároveň se může snížit objem školení, protože pracovníka s požadovanou kvalifikací lze najít za nižší náklady ve srovnání se situací plné zaměstnanosti v ekonomice (De Paola, Scoppa, 2001).
Bylo provedeno mnoho průzkumů o dopadu nezaměstnanosti na rozsah dalšího vzdělávání. Například podle studie o zemích OECD začíná rozsah odhadů tím, že 20 % společností školí své zaměstnance v Polsku a Maďarsku a maximální úroveň (asi 60 %) je dodržována ve Švýcarsku a Dánsku. Autoři této studie ukazují téměř přímou souvislost mezi podílem firem, které školí své zaměstnance, a úrovní zaměstnanosti v zemi: čím více školících firem je, tím je v zemi nižší míra nezaměstnanosti (OECD, 2004; viz obr. 1P v příloze A).
– – –
Nepřímým hodnocením účinnosti opatření státní podpory pro další odborné vzdělávání se zabývá práce K. Greenhalgha. Francouzský systém vlak nebo platba zavedený v roce 1971 tedy říká, že každá společnost s více než 10 zaměstnanci musí vynaložit alespoň 1,5 % z celkového mzdového fondu na školení zaměstnanců nebo zaplatit stejnou částku ve formě daně. Podle výzkumů jsou tréninkové objemy ve Francii vyšší než v Anglii, kde takový systém neexistuje (Greenhalgh, 1999).
2.2. Dynamika odborného vzdělávání v Rusku Odhady údajů pro Rusko se značně liší nejen podle roku, ale také podle průzkumů. Účinek zkreslení pochází z rozdílů v průzkumech, kdy mohou být vzorky zaměřeny na zástupce různých průmyslových odvětví. Navíc je třeba vzít v úvahu, že měření samotného učení není snadný úkol.
Speciální studie v USA ukazuje, že zaměstnavatelé odhadují objem školení asi o čtvrtinu více než samotní zaměstnanci těchto podniků (Barron et al., 1997).
Zobecněný obrázek objemu školení v Rusku (obrázek 2.2) obsahuje odhady založené na různých zdrojích:
BEEPS je podnikový průzkum prováděný Světovou bankou a Evropskou bankou pro obnovu a rozvoj ve 125 zemích s frekvencí 3–4 roky. V průměru ukazuje nejmenší podíl firem, které školí své zaměstnance ze všech společností účastnících se studie. To může být způsobeno velkým počtem malých podniků ve studiích BEEPS, které snižují průměrnou úroveň školení.
HSE - mikrodata z výběrových šetření výrobních podniků, které provedla National Research University Higher School of Economics společně s centrem Levada v roce 2009 a společně se Světovou bankou v roce 2005.
Velikost vzorku je přibližně 1000 podniků.
Podle těchto průzkumů poskytovalo v roce 2008 školení zaměstnanců 49,8 % společností, oproti 68,7 % v roce 2004 (Gimpelson, 2010).
Monitoring ekonomiky školství Od roku 2005 provádí Vysoká škola ekonomická Národní výzkumná univerzita ve spolupráci s odbornými vzdělávacími institucemi každoročně analýzu aktivity zaměstnavatelů na trhu práce a jejich potřeb. Vzorek zahrnuje 1 000 podniků ze šesti ekonomických sektorů. Podíl školících firem se pohybuje od 61 % (v roce 2009) do 72 % (v roce 2004). Podle údajů z monitoringu došlo k výraznému selhání v letech 2008–2009, tedy v době krize.
databáze VVVRT. Podnikové průzkumy se provádějí každoročně. Více podrobností o vzorku je uvedeno v odstavci 2.3.
72 70,2 68,7 68 68 66,4 65,1 60 54,5 52,2 51,3 49,8 36,2
– – –
Podle průzkumu Federálního státního statistického úřadu pro rok 2010 10 bylo 15,8 % pracovníků vyškoleno ve středních a velkých společnostech. Obrázek 2.3 zobrazuje situaci ohledně zapojení personálu do dalšího odborného vzdělávání podle typu činnosti. Nejmenší podíl vyučených je v zemědělství a rybářství - cca 4 %, nejvyšší podíl vykazují firmy zabývající se finanční aktivity, - 24,5 %. Podniky, jejichž hlavní činností je těžba, zpracovatelský průmysl a výroba a rozvod plynu a vody, tvoří 22–23 %. Obdržel Rosstat „O dalším odborném vzdělávání zaměstnanců v organizacích v roce 2010“
Rosstat: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/education/.
Informace o doplňkovém odborném vzdělávání v organizacích byly zpracovány na základě výsledků nového federálního statistického šetření za rok 2010, prováděného každé 3–4 roky.
Jsou poskytovány informace o komerčních a neziskových organizacích (kromě malých podniků) všech forem vlastnictví a druhů ekonomických činností (s výjimkou veřejné správy a vojenského zabezpečení; sociální pojištění;
činnost náboženských organizací, domácností, extrateritoriálních organizací).
odhady jsou vyšší než odhady uváděné ve studiích zkoumajících rozsah učení. Je tomu tak proto, že vzhledem k úsporám z rozsahu, jsou-li všechny ostatní věci stejné, čím větší je společnost, tím je pravděpodobnější, že zaměstnavatel svým zaměstnancům poskytne školení. Pokud vezmeme všechny firmy, včetně těch, které působí na stínovém trhu, pak bude podíl vyškolených zaměstnanců výrazně nižší.
Poskytování ostatních komunálních, sociálních a osobních služeb 6.0
– – –
Zdroj: data Rosstat, 2010 Obrázek 2.3 - Podíl zaměstnanců, kteří prošli školením, podle odvětví (Rosstat, 2010), % Výzkum potvrzuje čísla státní statistiky: ve velkých a středních podnicích, které mají tradičně více příležitostí investovat vzdělávání zaměstnanců, podíl vyškolených na úkor zaměstnavatelů zaměstnanců je 10–15 % (Tan et al., 2007), zatímco v zemích OECD je toto číslo v průměru 35–40 % a ve Švýcarsku dosahuje 60 % (Bassanini, 2005 ).
Abychom to shrnuli, podotýkáme, že podíl ruských společností účastnících se vzdělávacího procesu je poměrně velký a je zcela srovnatelný s průměrem zemí OECD s vysokými příjmy.
Jaké faktory mohou snížit pobídky společností investovat do školení pracovníků?
Za prvé, zavedené sociální instituce. Jejich vliv zahrnuje vysokou úroveň mobility mezi ruskými pracovníky a také velký počet pracovníků s vyšším vzděláním. (Podle zprávy OECD bylo Rusko v roce 2008 na 11. místě v počtu osob s vyšším vzděláním a na 1. místě v podílu osob s terciárním vzděláním mezi respondenty.) Oba tyto faktory negativně ovlivňují motivaci firem vzdělávat se. jejich zaměstnanci: v prvním případě - ze strachu z oportunistického chování, ve druhém - vysokoškolské vzdělání poskytuje obecné dovednosti, do kterých společnosti již nemusí investovat.
Za druhé, návratnost tréninku. Při investování peněz chce mít zaměstnavatel jistotu, že investice přinese zisk. Ale protože se školení liší formou a obsahem, je velmi obtížné měřit dopad (Bassanini et al., 2005).
Ovlivňují tyto faktory chování zaměstnavatelů ohledně dalšího odborného vzdělávání? K zodpovězení této otázky je nutné kromě hodnocení vlivu sociálních institucí posoudit i dopad charakteristik samotných podniků. Teprve poté bude možné určit rozsah školení mezi ruskými společnostmi.
2.3. Poptávka po dovednostech zaměstnanců z ruských podniků a další odborné vzdělávání Pro analýzu rozsahu a trendů dalšího odborného vzdělávání v Rusku je nutné zjistit, jaké dovednosti zaměstnanců zaměstnavatelé požadují. Poptávka po určitých dovednostech znamená, že školení těchto dovedností bude mít marginální návratnost na trh práce.
Podniky využívají další odborná školení k vyplnění mezer v kompetencích zaměstnanců.
Abychom pochopili, jaké motivy řídí ruské podniky, měli bychom zvážit, jaké dovednosti a kompetence jejich zaměstnanců jim podle nich chybí. K tomu použijeme databázi WWVRT.
Vzorek databáze VVVRT ročně pokrývá 1 500 podniků ve velkých městech Ruska. Zastupuje malé, střední a velké podniky, od roku 2010 však nezahrnuje společnosti do 50 zaměstnanců.
Vzorek je reprezentativní podle odvětví, což umožňuje srovnání napříč odvětvími. Nezahrnuje však státní zaměstnance, kteří musí alespoň jednou za tři roky absolvovat kurzy pro pokročilé11.
Federální zákon č. 79-FZ „O státní službě Ruské federace“, čl. 62.
Průzkum WWVRT se od roku 2009 provádí jednou ročně. Průzkum je vhodný pro náš výzkum, protože obsahuje otázky týkající se dalšího školení zaměstnanců a také proto, že obsahuje klíčové informace o aktivitách společností. Průzkum je nepanelový vzorek, protože každý rok jsou dotazovány různé firmy a je jim položena řada retrospektivních otázek porovnávajících situaci v aktuálním a předchozím roce pro konkrétní podnik. Tímto způsobem můžeme s určitou úpravou sledovat časové efekty.
Empirická analýza obsažená v této kapitole vychází z výsledků průzkumu mezi zástupci 1 500 podniků v hlavních sektorech ekonomiky, který v listopadu 2011 provedl LIRT HSE za pomoci moskevské kanceláře Světové banky. Podniky zahrnuté v průzkumu se nacházejí ve 26 regionech země, včetně Moskvy a Petrohradu. Celkem dotazník obsahuje 113 otázek věnovaných různým aspektům fungování vnitřních trhů práce: najímání a propouštění, školení, typy smluv, odměňování atd.
Na dotazník odpovídali vedoucí personálních oddělení podniků. Otázky týkající se poptávky po školení dovedností a dovedností byly položeny třem kategoriím pracovníků: manažerům, profesionálům, dělníkům a nižším zaměstnancům.
Společnosti, které se liší velikostí a oblastí činnosti, mohou mít různé strategie školení zaměstnanců. Velikost společnosti může být určena různými kritérii, podle kterých je podnik zařazen do jedné nebo druhé třídy. Podle ruské legislativy existuje řada kritérií, podle kterých lze podnik klasifikovat jako střední nebo malý podnik. Za prvé, limit příjmů12 je 400 milionů rublů pro malé podniky a 1000 milionů rublů pro středně velké podniky. Za druhé, existuje omezení počtu zaměstnanců: pro střední podnik - od 101 do 250 lidí, pro malý podnik - méně než 100 lidí. Z hlediska počtu zaměstnanců lze tedy polovinu podniků ve vzorku VVVRT klasifikovat jako malé: zaměstnávají 50 až 100 lidí.
Čtvrtina podniků je velká:
jejich počet zaměstnanců přesahuje 250 osob. 22 % jsou střední podniky a ve 2,5 % případů není uveden počet zaměstnanců.
Sektorové rozložení vybraných podniků je znázorněno na obrázku 2.4. Největší podíl podniků ve vzorku tvoří odvětví velkoobchodu a maloobchodu - 15 %. Zdravotnictví se na celkovém počtu podniků podílí 6,2 % a školství tradičně řazené do veřejného sektoru 5,6 %.
– – –
Naprostá většina (93,5 %) podniků ve vzorku patří do soukromého sektoru, ve zbytku je jediným vlastníkem stát. O něco více než polovina (51,7 %) podniků sídlí ve velkých městech s počtem obyvatel nad 1 milion; 27,3 % podniků působí ve městech s 500 tisíci až 1 milionem obyvatel; zbytek je ve městech do 500 tisíc obyvatel.
Mezi podniky v různých odvětvích byla podle metodologie Rosstat identifikována třída inovativních podniků: podnik byl považován za inovativní, pokud financoval alespoň dva z uvedených typů činností:
– – –
Podle tohoto přístupu se 11,28 % podniků z celého vzorku ukázalo jako inovativních13, což odpovídá oficiálnímu hodnocení míry inovační aktivity Ruska. průmyslové podniky, který v roce 2000. se pohyboval v rozmezí 9,3–10,6 % (Russian Innovation Index, 2011). Inovativní firmy, zavádějící nový výrobek nebo výrobní technologii, kladou zvýšené nároky na znalosti a dovednosti svých zaměstnanců. Často není snadné uspokojit poptávku po takovém personálu zahraniční trh Inovativní firmy mají proto motivaci aktivně investovat do rozvoje svých zaměstnanců. Obecnou popisnou analýzu inovativních a tradičních společností naleznete v tabulce 3P v příloze B.
V souladu s tím jsme zbývající společnosti klasifikovali jako tradiční.
Rozsah nedostatku dovedností v ruských podnicích Tato část výzkumu disertační práce vychází z metodologie zprávy Světové banky o studiu dovedností a kompetencí na ruském trhu práce (Vasiliev et al., 2013). V této práci budou pro analýzu použity tři skupiny pracovníků: 1) manažeři; 2) specialisté; 3) dělníci a nižší zaměstnanci. Byly vybrány dovednosti, které lze rozdělit do tří skupin: 1) kognitivní (základní a vyšší);
2) nekognitivní (sociálně-behaviorální a charakterové rysy);
3) technické (viz tabulka 2.1).
Tabulka 2.1 - Seznam dovedností, schopností, kompetencí, osobní charakteristiky, použitý ve studii
– – –
Základní kognitivní dovednosti Čtení a psaní Dovednosti počítání Znalost cizích jazyků Kognitivní schopnost na vysoké úrovni Schopnost činit nestandardní rozhodnutí, nestandardní jednání Schopnost řešit problémy, které nastanou v práci Schopnost plánovat práci (vlastní i v případě potřeby další)
– – –
Sociální a behaviorální Schopnost pracovat s lidmi Vůdčí schopnosti Schopnost pracovat samostatně Schopnost spolupracovat s ostatními Osobnostní rysy/Big Five Svědomitost (bere práci vážně, je pracovitý, pracuje efektivně) Emoční stabilita (uvolněný, odolný vůči stresu, netrápí se ani nervozita o maličkostech) Nekonfliktní (snadno odpouští lidem, pozorný, milý, zdvořilý) Extroverze (mluvný, asertivní, přátelský, společenský) Otevřenost novým nápadům (originální, má mnoho nových nápadů, má aktivní představivost) Technický (úzce profesionální, související s prací) Dovednosti související s vykonávanou prací (například psaní na stroji;
účetní - schopnost vést účetní záznamy) Podle průzkumu polovina podniků uvádí nedostatek dovedností mezi dělníky a nižšími zaměstnanci. Téměř stejný počet – 48,1 % podniků – je nespokojen s množstvím dovedností odborníků. Pouze 35,6 % podniků uvádí neuspokojenou potřebu vůdčích dovedností.
Rozsah dovedností požadovaných podniky se mezi skupinami pracovníků poněkud liší (obrázek 2.5). Jedna věc je však společná: podniky neuvádějí prakticky žádný nedostatek dovedností ve čtení, psaní, počítání nebo extroverzi u žádné skupiny svých zaměstnanců. To může naznačovat, že na jedné straně pracovníci disponují základními kognitivními dovednostmi v plném rozsahu, na druhé straně však otevřenost a družnost nejsou vlastnosti důležité pro práci.
– – –
10,0 5,0 0,0 Zdroj: výpočty autora, data VVVRT, 2011 Obrázek 2.5 - Nedostatek specifických dovedností Profesní dovednosti manažerů obecně odpovídají požadavkům podniků. Tato kategorie pracovníků však postrádá vůdčí schopnosti, schopnost činit nestandardní rozhodnutí a také schopnost pracovat s lidmi (uvedlo 12,3, 11,8 a 10,5 % podniků). Tato situace je alarmující, protože uvedené dovednosti jsou klíčové pro úspěšnou práci ve vedoucí pozici.
Hlavní dovednosti, které specialistům chybí, jsou: schopnost řešit problémy, schopnost plánovat práci, schopnost pracovat s lidmi. Specialisté navíc postrádají odborné dovednosti související s prací.
Podniky chtějí mezi dovednostmi nejen manažerů, ale i specialistů vidět schopnost činit nestandardní rozhodnutí (uvedlo 11,8 %, resp. 11,2 % respondentů).
Jinými slovy, podniky očekávají, že zaměstnanci střední úrovně budou kreativní a budou řešit problémy nekonvenčním způsobem.
Schopnost specialistů a pracovníků pracovat samostatně je více žádaná než schopnost spolupracovat.
To naznačuje, že od zaměstnanců střední a nižší úrovně se více očekává individuální výkon, tedy osobní odpovědnost za výsledky své práce.
Pokud jde o dělníky a odborníky na nižší úrovni, každý pátý podnik se obává nedostatku svědomitého přístupu k práci z jejich strany. 15 % podniků je nespokojeno s úrovní odborných dovedností svých pracovníků, což opět vyvolává otázku důvodů nedostatečné kvalifikace u nižších zaměstnanců ruských podniků.
Všimněte si, že společnost nemusí indikovat nedostatek konkrétní dovednosti ve dvou úplně různé situace. Jednak v situaci, kdy je taková dovednost mezi zaměstnanci dostatečně rozvinutá. Na druhou stranu se může stát, že takovou dovednost prostě zaměstnanci firmy k práci na své současné pozici nepotřebují.
Tento rozpor je zvláště relevantní při interpretaci srovnání mezi tradičními a inovativními společnostmi.
Jsou-li všechny ostatní věci stejné, je u inovativních podniků větší pravděpodobnost, že než tradiční podniky, budou čelit nedostatku dovedností u všech kategorií pracovníků. 38 % inovativních společností tedy uvádí, že je dostatek dovedností pro všechny kategorie zaměstnanců, zatímco u tradičních společností je to 45,2 %. Podíl inovativních společností, které zaznamenávají nedostatek dovedností mezi manažery a specialisty, je výrazně vyšší ve srovnání se stejným ukazatelem u tradičních podniků (tabulka 2.2).
– – –
Protože inovativní společnosti jsou v průměru finančně úspěšnější, mohou si dovolit zvýšit mzdové sazby pro dělníky a zaměstnance na nižší úrovni nad tržní sazbu, a tím přilákat ty nejchytřejší a nejchytřejší. kvalifikovaní zaměstnanci v této kategorii personálu. Inovativní společnost, vyvíjející novou technologii nebo produkt, zároveň klade požadavek na nestandardní dovednosti specialistů a manažerů. Trh práce nemusí mít dostatečný počet manažerů a specialistů s dovednostmi nezbytnými pro inovace. Ukazuje se, že firmy budou najímat personál, který mají, a zároveň deklarují nedostatek dovedností, a školí své zaměstnance v potřebných kompetencích.
Tradiční společnosti, které nejsou schopny účtovat vysoké mzdy, jsou nuceny hlásit nenaplněné kvalifikační potřeby u všech kategorií zaměstnanců.
Dále se podíváme na to, jaké konkrétní dovednosti oba typy společností požadují. Obrázky 1P–3P v příloze B podrobněji ukazují rozložení poptávky po chybějících dovednostech mezi různé kategorie zaměstnanců, aby bylo možné porovnat situaci v inovativních a tradičních společnostech. Grafy ukazují podíl společností, které mají poptávku po určité dovednosti, mezi těmi, které hlásí nedostatek dovedností. Inovativní podniky tedy stále více potřebují, aby jejich manažeři mluvili cizím jazykem, měli schopnost činit nestandardní rozhodnutí a byli otevření novým nápadům. K úspěšné práci chybí specialistům v inovativních podnicích více než v tradičních podnicích některé kognitivní dovednosti vyššího řádu (schopnost řešit problémy) a řada komunikačních dovedností (schopnost pracovat samostatně i ve skupině, vůdčí schopnosti). Z pohledu inovativních podniků je pravděpodobnější, že jejich pracovníci a zaměstnanci na nižší úrovni postrádají dovednosti při řešení problémů. Všechny požadované dovednosti naznačují nestandardní povahu úkolů a cílů, kterým čelí zaměstnanci inovativních společností.
Přejděme k dalšímu odbornému vzdělávání v podniku jako hlavnímu způsobu řešení problému nedostatku dovedností na úkor společnosti samotné.
Doškolování v ruských firmách Po identifikaci kvalifikačních potřeb stojí zaměstnavatel před otázkou, jak vyřešit problém nedostatečné kvalifikace zaměstnanců. Existují dvě hlavní metody, které mohou být vzájemně zaměnitelné nebo doplňkové. Prvním způsobem je nábor na externím trhu práce. Zaměstnavatel se však může potýkat s tím, že chybí zaměstnanci s požadovanou úrovní kvalifikace nebo jsou náklady na přijetí takového zaměstnance pro společnost příliš vysoké. Druhá metoda, která je zvláště zajímavá tato studie, je doplňkové odborné školení pro pracovníky, které financují firmy.
Bez ohledu na to, zda společnost patří do tradiční nebo inovativní třídy, podíl společností, které školí zaměstnance, je vyšší mezi těmi, které vykazují nenaplněnou poptávku po dovednostech zaměstnanců (tabulka 2.3). Mezi firmami, které nehlásí nedostatek dovedností, je také poměrně vysoký podíl školících pracovníků.
To znamená, že mnoho firem investuje do rozvoje lidského kapitálu svých zaměstnanců, i když dovednosti zaměstnance odpovídají požadavkům společnosti.
Poskytuje vysokoškolský diplom významné zvýšení platu?
Existuje řada teorií, které vysvětlují vztah mezi dosaženým vzděláním a následnými výsledky absolventů na trhu práce: teorie lidského kapitálu (Becker, 1964; Mincer, 1989); teorie signalizace a screeningu (Spence, 1973; Arrow, 1973; Stiglitz, 1975); ekonomická teorie konvencí a postupů pro zdůvodňování hodnoty (Boltanski, Thevenot, 2006). Většina těchto teorií vychází z předpokladu, že akademický výkon má pozitivní dopad na mzdy absolventů.
Klasickým principem teorie lidského kapitálu je, že vzdělání poskytuje smysluplné dovednosti a znalosti relevantní pro trh práce, díky čemuž jsou vzdělaní pracovníci hodnotnější, a tím pozitivně ovlivňuje jejich mzdy (Becker, 1964; Mincer, 1989). Z pohledu teorie lidského kapitálu může akademický výkon odrážet množství lidského kapitálu nashromážděného během vysoké školy. V závislosti na schopnostech a úsilí studenta při zvládnutí odborných disciplín mohou studenti získat různé množství znalostí a kompetencí jako prvků lidského kapitálu, které lze měřit akademickým výkonem. V souladu s tím studenti, kteří mají vyšší akademický výkon (s nahromaděným více lidského kapitálu), obdrží vyšší návratnost lidského kapitálu, vyjádřenou více vysoká úroveň mzdy.
Podle teorie screeningu a teorie signalizace jednají ekonomické subjekty tak, že přenášejí signály, a screening je mechanismus, kterým trhy reagují na nedokonalé informace o vlastnostech jednotlivce (Stiglitz, 1975). Protože obecné informace o dovednostech generují ekonomickou návratnost, jednotlivci investují čas a peníze, aby získali tyto informace a poskytli je zaměstnavatelům, což jim umožňuje vydělávat na nájemné za své „schopnosti“ (Bills, 2003).
Vysoký akademický výkon (například „červený“ diplom, vysoké GPA) působí jako signál pro zaměstnavatele o vysoké produktivitě zaměstnanců, a proto může být mechanismem pro výběr nejschopnějších zaměstnanců a přinášet ekonomické výnosy v podobě vyšší mzdy na trhu práce. Někteří výzkumníci se domnívají, že vysokoškolské vzdělání nejenže umožňuje jednotlivce třídit do skupin na základě jejich schopností a potenciální produktivity, ale také umožňuje studentům přímo identifikovat a poskytnout důkazy o svých schopnostech zaměstnavatelům. Koneckonců, životopis absolventů vysokých škol vám umožňuje zahrnout informace o známkách, specializaci, testech a selektivitě univerzity. To vše odhaluje schopnosti absolventů uplatnit se na trhu práce (Arcidiacono et al., 2010).
Kognitivní schopnosti (identifikované během vysoké školy a měřené akademickým výkonem) jako prvek lidského kapitálu nebo jako signál přinášejí ekonomickou návratnost při vstupu na trh práce. Akademický výkon, který tyto schopnosti odráží, je tedy prediktorem budoucích mezd, který závisí na schopnostech absolventů a může mít pozitivní dopad na výši mezd. Někteří badatelé (v oblasti teorie managementu) se navíc domnívají, že známky a studijní výsledky odrážejí nejen kognitivní schopnosti jednotlivců, ale také motivaci, svědomitost a další. užitečné dovednosti se kterými absolventi vstupují na trh práce (Roth, Clarke, 1998).
Některé teorie však mohou vysvětlit negativní vztah mezi akademickým výkonem a mzdou. Masifikace vysokého školství může vést ke změnám ve strategiích absolventů i zaměstnavatelů. Když je vysokoškolský titul devalvován, význam akademického úspěchu jako signálu produktivity pracovníků klesá. Vzniká fenomén inflace ročníků, spojený se zvýšením průměrného skóre studentů po celém světě, v souladu s tím se rozdíl mezi schopnými a méně schopnými studenty zmenšuje a role akademického výkonu jako signálu se snižuje (Johnson, 2003).
V těchto podmínkách studenti usilují o získání pracovních zkušeností, které se stanou důležitým signálem na trhu práce a prvkem lidského kapitálu a v podmínkách masového vysokoškolského vzdělávání přinesou další výnosy (Apokin, Yudkevich, 2008). Navíc může dojít k opačnému efektu: studenti, kteří mají během studia pracovní zkušenosti, mohou po ukončení studia vydělávat vyšší platy.
Získávání pracovních zkušeností je však spojeno s dodatečným úsilím a časovými náklady, které studenti věnují studiu méně, což může negativně ovlivnit studijní výsledky. Jak ukazují výsledky zahraničních studií, nízká intenzita zaměstnávání studentů (od 12 do 20 hodin týdně) nemá na studijní výsledky vliv nebo je za určitých podmínek může mít i pozitivní. Intenzivní kombinace studia a práce (více než 20 hodin týdně) má přitom výrazně negativní dopad na studijní výsledky a výrazně zvyšuje pravděpodobnost vyloučení z univerzity (Ehrenberg, Sherman, 1987; Hovdhaugen, 2015).
Masifikace vysokého školství vede k tomu, že důležitým faktorem při výběru zaměstnanců není ani tak fakt absolvování vysoké školy, ale její selektivita. Zaměstnavatelé oceňují diplom z výběrové univerzity, protože studium na takové univerzitě zahrnuje seriózní výběrový mechanismus (při vstupu na univerzitu a během školení): tyto univerzity úspěšně absolvují pouze nejtalentovanější a nejschopnější studenti. Výběrová univerzita tak plní pro zaměstnavatele výběrovou funkci a diplom z takové univerzity působí na trhu práce jako silný signál, někdy mnohem významnější než akademický výkon, což výrazně snižuje motivaci studentů studujících na takových univerzitách úsilí o dosažení vysokých studijních výsledků. Zároveň je heterogenita v úrovni schopností mezi studenty na výběrových univerzitách výrazně nižší než mezi studenty na méně kvalitních univerzitách díky přísnému výběru (Hershbein, 2013).
Nedostatečná motivace k získání „výborných“ známek, vysoké nároky a mírná heterogenita schopností studentů může vést k nedostatečnému ovlivnění či dokonce negativnímu ovlivnění studijních výsledků na platy absolventů předních univerzit. Toto vysvětlení je pro naši práci důležité, protože uvažujeme o vzorku absolventů výběrové univerzity.
Řada ekonomických a sociologických teorií může také vysvětlit nedostatek vztahu mezi akademickými výsledky a postgraduální mzdou. Jedním z možných vysvětlení může být myšlenka autonomie sfér vysokého školství a trhu práce (Boltanski, Thevenot, 2006). Dá se předpokládat, že pro vyšší vzdělávací instituce a organizace, ve kterých absolventi působí, se vyznačují různými principy hodnocení, které spolu nesouvisí a patří do různých oblastí. V důsledku toho vzdělávací systém a trh práce odměňují různé prvky lidského kapitálu absolventů.
Zdroj: V. Rudakov, I. Chirikov, S. Roshchin, D. Drozhzhina. Učit se student? Vliv studijního výkonu na vysoké škole na nástupní plat absolventů // Otázky ekonomie, č. 3, březen 2017, s. 77-102.
