Рус Eng Cn Перевести страницу на:  
Please select your language to translate the article


You can just close the window to don't translate
Библиотека
ваш профиль

Вернуться к содержанию

Тренды и управление
Правильная ссылка на статью:

Оценка влияния человеческого капитала на социально-экономическое развитие: эконометрическое моделирование на примере российских регионов

Мазелис Лев Соломонович

доктор экономических наук

профессор, заведующий кафедрой математики и моделирования, Федеральное государственное бюджетное образовательное учреждение высшего образования «Владивостокский государственный университет экономики и сервиса»

690014, Россия, Приморский край, г. Владивосток, ул. Гоголя, 41, оф. 1445

Mazelis Lev Solomonovich

Doctor of Economics

Head of the department of Mathematics and Modelling, Vladivostok State University of Economics and Service

690014, Russia, Primorskii krai, g. Vladivostok, ul. Gogolya, 41, of. 1445

lev.mazelis@vvsu.ru
Другие публикации этого автора
 

 
Емцева Елена Дмитриевна

кандидат физико-математических наук

доцент, кафедра математики и моделирования, Федеральное государственное бюджетное образовательное учреждение высшего образования «Владивостокский государственный университет экономики и сервиса»

690014, Россия, Приморский край, г. Владивосток, ул. Гоголя, 41, оф. 1445

Emtseva Elena Dmitrievna

PhD in Physics and Mathematics

Docent, the department of Mathematics and Modelling, Vladivostok State University of Economics and Service

690014, Russia, Primorskii krai, g. Vladivostok, ul. Gogolya, 41, of. 1445

elena.emtseva@vvsu.ru
Красова Елена Викторовна

кандидат экономических наук

доцент кафедры экономики и управления, ФГБОУ ВО «Владивостокский государственный университет экономики и сервиса»

690014, Россия, Приморский край, г. Владивосток, ул. Гоголя, 41, каб. 1527

Krasova Elena Viktorovna

PhD in Economics

Docent, the department of Economics and Management, Vladivostok State University of Economics and Service

690014, Russia, Primorskii krai, g. Vladivostok, ul. Gogolya, 41, kab. 1527

elena_krasova@rambler.ru
Другие публикации этого автора
 

 
Красько Андрей Александрович

ассистент кафедры математики и моделирования, Федеральное государственное бюджетное образовательное учреждение высшего образования «Владивостокский государственный университет экономики и сервиса»

690014, Россия, Приморский край, г. Владивосток, ул. Гоголя, 41, оф. 1445

Krasko Andrei Aleksandrovich

Assistant, the department of Mathematics and Modeling, Vladivostok State University of Economics and Service

690014, Russia, Primorskii krai, g. Vladivostok, ul. Gogolya, 41, of. 1445

andrey.krasko@vvsu.ru
Другие публикации этого автора
 

 

DOI:

10.7256/2454-0730.2018.4.28056

Дата направления статьи в редакцию:

19-11-2018


Дата публикации:

03-01-2019


Аннотация: Предметом исследования является эконометрическое моделирование оценки влияния развития человеческого капитала на социально-экономическое развитие. Объектом исследования является процесс воздействия человеческого капитала на социально-экономическое развитие, рассматриваемый на примере российских регионов. Целью исследования является количественная оценка влияния развития человеческого капитала на динамику социально-экономических процессов на примере российских регионов. Основной гипотезой исследования является тезис о том, что региональный человеческий капитал оказывает значимое влияние на происходящие в регионах социально-экономические процессы. Предполагается также, что существует прямая связь между уровнем развития человеческого капитала и эффективностью социально-экономического развития территорий, при этом, характер и теснота этой связи дифференцируется в зависимости от региональных кластеров. Методологической основой исследования являются современные положения эконометрики, теории человеческого капитала, а также макроэкономической теории устойчивого роста. В работе для выделенных кластеров предложены модели влияния развития человеческого капитала на социально-экономическое развитие региона. На основе сформированной базы данных (43 показателя за 2011–2016 гг. для 71 субъекта Российской Федерации) методом Best Subsets построены эконометрические модели (линейные и нелинейные), функционально описывающие зависимость социально-экономического развития от уровня развития регионального человеческого капитала. Для избавления от мультиколлинеарности показателей, а также с целью уменьшения размерности моделей при сохранении качества информации использован метод главных компонент. Модели построены для каждого из пяти кластеров, выделенных авторами в прежних работах. Обработка данных осуществлялась в среде R с учётом панельности данных.


Ключевые слова:

человеческий капитал, влияние человеческого капитала, социально-экономическое развитие, региональная экономика, эконометрическое моделирование, показатели человеческого капитала, социально-экономические показатели, кластеризация регионов, метод главных компонент, дифференциация региональных кластеров

Abstract:   The subject of this research is the econometric modelling for assessing the impact of the evolution of human capital upon the socioeconomic development. The object of this research is the process of influence of human capital upon the socioeconomic development on the example of Russian regions. The goal of this work is the quantitative assessment of the effect of evolution of human capital upon the dynamics of socioeconomic processes. The main hypothesis of the research lies in the thesis that the regional human capital exerts significant influence on the ongoing regional socioeconomic processes. It is suggested that there is a direct correlation between the level of development of human capital and the effectiveness of socioeconomic development of the territories; at the same time, the character and closeness of such correlation is differentiated in accordance with the regional clusters. Methodological foundation contains the modern provisions of econometrics, theory of human capital, and macroeconomic theory of sustainable growth. Based on the formed database (43 indexes over the period from 2011 to 2016 for 71 subjects of the Russian Federation) using the Best Subsets method, the authors structure the econometric models (linear and nonlinear) that functionally describe the dependence of socioeconomic development from the level development of the regional human capital. For avoiding multicollinearity of indexes, as well as reducing the dimension of models while maintaining the quality of information, the authors apply the principal component analysis. The models are built for each of the five clusters determined by the authors in the previous works. Data processing is conducted in R environment considering panel data model.  


Keywords:

human capital, human capital influence, socio-economic development, regional economy, econometric modeling, human capital indicators, socio-economic indicators, clustering of regions, main components method, regional clusters differentiation

Введение

Проблема формирования человеческого капитала и его влияния на социально-экономическое развитие вот уже много лет остается одной из самых популярных тем экономической науки, актуальность которой возрастает по мере осознания необходимости перехода российской экономики на инновационные рельсы. Человеческий капитал является основой для развития многих социально-экономических процессов, обусловливает их количественные и качественные характеристики. По данным Всемирного банка, в настоящее время человеческий капитал в развитых странах формирует более двух третей общественного богатства. Теоретические и статистические исследования подтверждают, что в современных западных экономиках достижение высокого уровня жизни и устойчивых темпов экономического роста происходит благодаря накоплению и эффективному использованию человеческого капитала, складывающемуся из многих компонент — образования, здравоохранения, качества жизни, экологии и т.д.

В России накопление и использование человеческого капитала положены в основу многих государственных целевых программ, причем, сегодня региональная составляющая реализации человеческого потенциала выходит на первый план. В связи с этим все более актуальным становится вопрос о взаимосвязи и взаимообусловленности развития человеческого капитала и траектории социально-экономического развития регионов. Гипотетически данная связь проявляется в том, что человеческий капитал создает условия для совершенствования, ускорения и повышения эффективности всех других компонентов экономического развития, что дает отдачу в виде роста объемов производства и качества жизни, наполнении федерального и региональных бюджетов и т.д.

Важным методом оценки влияния уровня развития человеческого капитала на социально-экономическое развитие в регионе является эконометрическое моделирование, позволяющее установить и количественно оценить взаимосвязь между показателями развития человеческого капитала и социально-экономическими параметрами. Анализ научной разработанности данного вопроса отражает отсутствие единых критериев оценки взаимосвязи между указанными процессами. Соответственно, наблюдается неоднозначность результатов, зависящих в большей степени от применяемой системы оценки регионального человеческого капитала и социально-экономического развития. Учитывая это, существует потребность в дальнейшем совершенствовании методов и моделей, которые позволили бы, во-первых, объективно и адекватно оценить влияние человеческого фактора на социально-экономическое развитие, во-вторых, дать региональному менеджменту основания для принятия грамотных управленческих решений в области использования человеческого потенциала. Целью данной статьи является оценка влияния развития человеческого капитала на динамику социально-экономических процессов на примере российских регионов. Основной гипотезой исследования является тезис о том, что региональный человеческий капитал оказывает значимое влияние на происходящие в регионах социально-экономические процессы, при этом, существует прямая связь между уровнем развития человеческого капитала и эффективностью социально-экономического развития территорий.

Степень разработанности научной проблемы

Теоретические и методологические вопросы изучения взаимосвязи социально-экономического развития и человеческого капитала начали активно прорабатываться во второй половине ХХ в. такими известными учеными, как Г. Беккер, Т. Шульц, М. Фридмен, М. Спенс и другие. Исследованию человеческого капитала как фактора развития национальной экономики посвящены работы Э. Денисона, Дж. Кендрика, П. Ромера, Р. Лукаса.

Современный период характеризуется наличием большого числа исследований, посвященных широкому кругу вопросов, рассматривающих человеческий капитал как значимый и самостоятельный фактор общественного производства. Так, оценка влияния человеческого капитала на результативность функционирования социально-экономической системы на микроуровне осуществлялась в работах [1–5], на макроуровне — в работах [6–10]. Усилиями таких российских ученых, как Л.Б. Бреслав, Ю. Васильчик, Е.С. Гвоздева, А.И. Добрынин, С.А. Дятлов, А.В. Комарова, А.В. Корицкий, Б.А. Корнейчук, Ю.А. Корчагин, Б.С. Лисовик, Е.Д. Цыренова, и ряда других специалистов были сформированы концептуальные основы теории человеческого капитала применительно к российским условиям и российским территориям.

В частности, на основе эмпирического анализа и использования экономико-математических методов отечественными учеными оценено влияние человеческого капитала на различные социально-экономические процессы, происходящие в России. Результаты [6] показывают высокую экономическую значимость вклада образовательной компоненты человеческого капитала в формирование доходов населения. Моделирование Ямиловой Л.С. и Нигматуллиной Л.С. также отражает значимость высшего профессионального образования в процессе формирования доходов населения (на примере Республики Башкортостан): рост первого на 1% приводит к росту доходов на 0,91% [11]. Результаты Коноваловой С.В. выявляют в качестве главного и значимого фактора регионального роста человеческий капитал, рассматриваемый через параметры расходов консолидированного бюджета на образование и среднемесячной номинальной заработной платы работников предприятий: «увеличение расходов бюджета на образование на 1% приводит к росту ВРП на душу занятого в экономике населения на 0,37%, а среднемесячной заработной платы работников – на 0,68%» [12].

Гвоздева Е.С. и Штерцер Т.А. делают выводы о том, что человеческий капитал имеет для регионального развития такое же значение, как и физический капитал, одновременно являясь более значимым фактором, чем природные ресурсы [7]. В работах Комаровой А.В. человеческий капитал играет значимую и существенную роль, поскольку «рост ВРП на четверть определялся направленными инвестициями в образование, здравоохранение и культурную жизнь» [9–10]. В исследовании Габдуллина Н.М. выявлена «положительная связь между показателями образования и здравоохранения и уровнем ВРП на душу населения по всем федеральным округам, причем, уровень ВРП на душу населения и инвестиции в составные части человеческого капитала находятся в прямой зависимости» [13]. Изучение взаимосвязи инвестиций в человеческий капитал и уровня социально-экономического развития стран мира позволило сделать вывод о том, что «на степень развития национальных экономик наибольшее влияние оказывает фактор инвестиций в инновационный потенциал и в капитал благосостояния, а также фактор государственных инвестиций в капитал образования» [14].

Целый ряд текущих исследований прикладного характера косвенно подтверждают гипотезу о значимом положительном влиянии различных компонент развития человеческого капитала на различного рода социальные и технологические процессы, протекающие в регионах. Исследование [15] показывает высокую степень взаимосвязи общего уровня развития человеческого капитала и развития электронного бизнеса, в котором главным фактором прогресса выступают навыки использования информационно-компьютерных технологий (ИКТ-компетенции). Вместе с тем, примененный в [16] рейтинговый метод анализа на основе сопоставительных ранговых оценок с использованием показателей, отражающих элементы и факторы развития человеческого капитала, говорит о невысоком потенциале формирования компонентов человеческого капитала отдельных территорий на современном этапе. Авторский инструментарий количественной оценки влияния человеческого капитала на социально-экономическое развитие регионов, представленный в [17] на примере ЦФО, позволил сделать вывод о том, что непосредственное влияние человеческого потенциала на уровень развития регионов относительно мало (по данным за 2002–2011-гг. — около 3–5%). Реальное влияние, учитывающее изменения фондоотдачи и производительности труда, представляется значительно большим.

Немаловажным в современной науке является исследование обратной связи – зависимости уровня развития человеческого капитала от параметров социально-экономического развития, подтверждающих тезис об ускоренном развитии различных составляющих человеческого потенциала в результате повышения качества жизни, развития институциональной и социальной инфраструктур [18]. Согласно самым последним данным, условия жизнедеятельности и репродукции человеческого капитала в российских регионах имеют значительную дифференциацию как по уровню развития, так и по степени сбалансированности различных компонент, которые оказывают разнонаправленное влияние на прирост количественной составляющей человеческого капитала [19].

Результаты моделирования и их обсуждение

Многочисленность проведенных исследований и существенная разница в их результатах говорят о том, что развитие человеческого капитала — процесс сложный и комплексный. Ни одна из предложенных специалистами моделей не дает исчерпывающих ответов на вопросы, касающиеся влияния человеческого капитала на социально-экономические процессы и явления. В наших предыдущих работах уже была разработана концептуальная модель развития регионального человеческого капитала, проведен анализ развития регионального человеческого капитала за счет процесса инвестирования, а также рассмотрены актуальные вопросы формирования человеческого капитала в других странах [20–22]. Для описания уровня регионального человеческого капитала ранее авторами предложен перечень, состоящий из 26 показателей, объединенных в шесть групп: уровень профессионализма, уровень образования, уровень научного развития, уровень инновационного развития, уровень здравоохранения, уровень культуры. В качестве показателей, характеризующих уровень социально-экономического развития, в данной работе рассматриваются следующие:

- доля занятого населения в рабочей силе, % (x1);

- среднедушевые денежные доходы, соотнесенные с величиной прожиточного минимума, раз (x2);

- объем потребительских расходов на душу населения в месяц, руб. (x3);

- доля потребительских расходов в общем объеме доходов населения, %(x4);

- индекс потребительских цен, декабрь к декабрю прошлого года, % (x5);

- валовой региональный продукт на душу населения (валовая добавленная стоимость в текущих ценах), руб. (x6);

- стоимость основных фондов на конец года по полной учетной стоимости на душу населения, руб. (x7);

- инвестиции в основной капитал на душу населения в фактически действовавших ценах, руб. (x8);

- индекс промышленного производства, в процентах к предыдущему году (x9);

- объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по виду экономической деятельности «Добыча полезных ископаемых», в фактически действовавших ценах, на душу населения, руб. (x10);

- объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по виду экономической деятельности «Обрабатывающие производства», в фактически действовавших ценах, на душу населения, руб. (x11);

- объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по виду экономической деятельности «Производство и распределение электроэнергии, газа и воды», в фактически действовавших ценах, на душу населения, руб. (x12);

- продукция сельского хозяйства в хозяйствах всех категорий в фактически действовавших ценах, на душу населения, руб. (x13);

- ввод в действие зданий жилого и нежилого назначения (общая площадь зданий) на душу населения, кв.м./чел. (x14);

- совокупный оборот розничной торговли, общепита и платных услуг на душу населения, руб. (x15);

- удельный вес безубыточных (включая прибыльные) организаций, в процентах от общего числа организаций (x16);

- доходы консолидированных бюджетов субъектов РФ на душу населения, руб. (x17).

Выбор данной совокупности показателей основан на перечне базовых индикаторов оценки уровня социально-экономического развития субъектов РФ, разработанной Советом по изучению производительных сил Министерства экономического развития и торговли РФ и утвержденной в рамках Постановления Правительства РФ от 11.10.2001 г. № 717 [23]. Источниками данных являются территориальные органы федеральной службы государственной статистики [24], что позволяет осуществлять эффективный и регулярный мониторинг данных показателей в течение долгого периода времени как в ретроспективе, так и в перспективе.

Для построения эконометрических моделей авторами сформирована база данных по 71 субъекту Российской Федерации за период 2011-2016 гг. по 26 показателям человеческого капитала и 17 показателям социально-экономического развития регионов. Некоторые регионы исключены из анализа в связи с отсутствием данных за весь период наблюдения либо изменением административного деления.

В работе авторов [21] изложены результаты кластеризации регионов РФ по значениям показателей человеческого капитала за 2016 г. Сформированы пять кластеров. Кластер № 1 — «Научный кластер» — включает в себя регионы с развитой научной и инновационной сферами. Кластер № 2 — «Экологический кластер» — включает регионы с высоким уровнем здравоохранения и культуры, географически располагающиеся в северной части Кавказа. Кластер № 3 — «Промышленный кластер» — включает индустриально-аграрные регионы, которые являются основными «поставщиками» постоянных рабочих мест в стране. Кластер № 4 — «Ресурсный кластер» — включает регионы, связанные с добычей и первичной переработкой полезных ископаемых (нефти, газа, угля, бокситов, самоцветов и т.д.). Кластер № 5 — «Малый кластер» — включает регионы, не имеющие явной отраслевой принадлежности, т.е. почти все показатели регионального человеческого капитала находятся на среднем уровне.

Также в [21] для системы показателей регионального человеческого капитала с целью избавления от мультиколлинеарности и уменьшения количества факторов с сохранением максимальной информации методом главных компонент построены семь главных компонент, объясняющие 67% дисперсии переменных человеческого капитала. При их построении получаемая матрица нагрузок вызывала трудности в интерпретации главных компонент, в связи с чем, компоненты были подвергнуты вращению по методу «варимакс».

В данной работе построены эконометрические модели, функционально описывающие зависимость уровня социально-экономического развития от главных компонент регионального человеческого капитала.

В рамках дальнейшего исследования планируется разработка многокритериальной оптимизационной модели развития человеческого капитала и его влияния на социально-экономическое развитие региона, в которой показатели социально-экономического развития будут выступать целевыми критериями. Поэтому весьма важным является существенное уменьшение количества целевых критериев модели при сохранении содержащейся в них информации. С этой целью применен метод главных компонент. Кроме того, гипотеза об отсутствии мультиколлинеарности в массиве социально-экономических факторов отклоняется при уровне значимости 0.01 согласно тесту Фаррара-Глобера, так как FGнабл= 451 превышает FGкрит=177. Также наличие проблемы мультиколлинеарности подтверждают значения факторов инфляции дисперсии VIF [25].

Переход к главным компонентам позволит избежать обнаруженной мультиколлинеарности, что также важно для предстоящих исследований. Методом главных компонент для системы показателей социально-экономического развития построены пять главных компонент, объясняющих 76% дисперсии переменных. Рассматривались варианты без вращения и с вращением с целью получения более удобной для интерпретации матрицы нагрузок. По результатам проведенного анализа для дальнейших исследований были выбраны компоненты без вращения. Индекс информативности рассчитан по формуле (1):

_1, (1)

где M — множество всех признаков, P — множество признаков со значимыми весовыми коэффициентами, участвующие в формировании названия компоненты. Интерпретация главных компонент согласно матрице нагрузок представлена в таблице 1. Индекс информативности показывает насколько выбранный для интерпретации каждой главной компоненты состав переменных надёжен. Таким образом, например, для первой главной компоненты значениями указанных в таблице 1 объясняющих признаков её состав определяется на 92%. Границей индекса информативности, по которому при различных вариантах вращения отбирались значимые для главных компонент признаки было 0,6.

Таблица 1 — Интерпретация главных компонент

Главные компоненты

PC1 PC2 PC3 PC4 PC5

Название компоненты

Уровень экономического развития региона Благосостояние населения Уровень производства и распределения электроэнергии, газа и воды в регионе Уровень производитель-ности сельско-хозяйственной отрасли региона Уровень обрабатываю-щего производства региона

Объясняющие признаки

x3, x6, x7, x8, x10, x12, x15, x17

x1, x2, x4, x11 , x14

x5, x9, x12, x16

x4, x5, x9,

x13

x4, x5, x9,

x11

Индекс информатив-ности

0.92

0.64

0.64

0.78

0.69

Источник: составлено авторами.

Для каждого кластера методом Best Subsets построены линейные (2) и нелинейные модели (3) панельных данных зависимости главных компонент показателей уровня социально-экономического развития от главных компонент регионального человеческого капитала следующих типов: сквозные модели, модели с детерминированными пространственными эффектами. Кроме того, были построены модели указанных типов с учетом запаздывания влияния предикторов на один год. Общий вид используемых моделей представлен формулами (2), (3).

, ,

(2)

,,

(3)

где i — номер объекта, t — время, αi — свободный член, β,γ — вектор-столбцы коэффициентов, — вектор-строки матриц объясняющих переменных, εit— случайные ошибки, независимые одинаково распределенные случайные величины с нулевым математическим ожиданием.Выяснилось, что предварительная кластеризация оказывает существенное влияние на результаты моделирования: изменяются состав значимых предикторов и сила их влияния на результат, а также значения показателей качества моделей.

Наиболее качественные из рассмотренных типов моделей для первой главной компоненты, объясняющей максимальный процент (35%) дисперсии показателей уровня социально-экономического развития, построенные по каждому кластеру в отдельности, представлены в таблице 2.

Таблица 2 — Результаты моделирования первой главной компоненты

Название кластера

p-value

A

Научный кластер

0,862

2,66

Экологи-ческий кластер

0,00083286

0,820

5, 99

Промыш-ленный кластер

<

0,6449

14,30

Ресурсный кластер

0,737

7,11

Малый кластер

<

0,528

8,83

Источник: составлено авторами.

При этом, модель для Научного кластера имеет вид:

.

Модель для Экологического кластера имеет вид:

.

Модель для Промышленного кластера имеет вид:

.

Модель для Ресурсного кластера имеет вид:

.

Модель для Малого кластера имеет вид:

.

Для всех кластеров лучшими оказались линейные модели с точки зрения p-value, коэффициента детерминации и средней по всем регионам кластера ошибки аппроксимации A. Для промышленного кластера предпочтительна сквозная модель панельных данных, а для остальных кластеров — модели с детерминированными индивидуальными эффектами с учетом запаздывания, оценки которых для i-того региона в модели обозначены .

Отметим, что для регионов разных кластеров на первую главную компоненту, характеризующую уровень экономического развития, значимое влияние оказывают различные главные компоненты совокупности показателей регионального человеческого капитала. Так, например, в экологическом кластере предикторами модели первой главной компоненты являются факторы социального здоровья населения в нынешний и предыдущий год, повышения квалификации и ВРП, а также фактор инноваций с запаздыванием в один год.

В научном кластере значимое влияние на рассматриваемую компоненту оказывают факторы социального здоровья и благополучия населения в настоящий период, факторы научной деятельности и качества условий жизни населения за прошлый год.

Для промышленного кластера с точки зрения используемых показателей качества моделирования получена менее квалитативная модель, об этом свидетельствует ошибка аппроксимации, превышающая 10%. Данная модель сквозной регрессии включает в качестве экзогенных переменных фактор научной деятельности, фактор ВРП, фактор социального благополучия и фактор инноваций без запаздывания.

Для регионов малого кластера первая главная компонента показателей социально-экономического развития зависит от факторов научной деятельности, повышения квалификации, ВРП в настоящий период и факторов социального благополучия и качества условий жизни населения в предыдущем году.

В ресурсном кластере в модели главной компоненты в качестве предикторов выявлены факторы ВРП и инноваций со значениями за нынешний год и фактор повышения квалификации — за прошлый год.

Вторая главная компонента объясняет 19% дисперсии показателей уровня социально-экономического развития. Наиболее качественные из рассмотренных типов моделей для этой главной компоненты оказались модели линейной сквозной регрессии. Данные модели, построенные по каждому кластеру в отдельности, представлены в таблице 3.

Таблица 3 — Результаты моделирования второй главной компоненты

Название кластера

p-value

A

Научный кластер

0,921

4,44

Экологический кластер

0,939

5,45

Промышленный кластер

<

0,620

8,63

Ресурсный кластер

0,707

15,30

Малый кластер

<

0,675

13,15

Источник: составлено авторами.

При этом, модель для Научного кластера имеет вид:

.

Модель для Экологического кластера имеет вид:

.

Модель для Промышленного кластера имеет вид:

.

Модель для Ресурсного кластера имеет вид:

Модель для Малого кластера имеет вид:

.

Для второй главной компоненты во всех кластерах лучшими оказались сквозные линейные модели. Для регионов разных кластеров на вторую главную компоненту, характеризующую благосостояние населения, значимое влияние оказывают различные главные компоненты совокупности показателей регионального человеческого капитала.

В научном кластере предикторами модели являются факторы социального здоровья населения в нынешний и предыдущий год, фактор научного развития, а также факторы инновационного развития, квалификации кадров и уровня профессионализма с запаздыванием в один год. Наибольшую степень влияния оказывает фактор социального здоровья населения в предыдущем году (коэффициент при факторе равен 1,477).

В экологическом кластере значимое влияние на вторую компоненту оказывают факторы социального здоровья и социального благополучия населения в настоящий период, фактор уровня профессионализма за прошлый год.

Для промышленного кластера модель сквозной регрессии включает в качестве значимых переменных фактор социального благополучия за прошлый и настоящий периоды, фактор уровня профессионализма и инновационного развития с запаздыванием.

Для регионов ресурсного кластера вторая главная компонента показателей социально-экономического развития зависит от социального здоровья населения, уровня профессионализма и инновационного развития в настоящий период, от фактора качества жизни и условий труда в настоящий и прошлый периоды, а также от прошлогоднего значения фактора, отвечающего за кадры высшей квалификации.

В малом кластере в модели второй главной компоненты в качестве предикторов выявлены факторы социального здоровья и благополучия населения со значениями за нынешний год и факторы повышения квалификации и профессионализма кадров — за прошлый год.

При разработке мероприятий, направленных на повышение социально-экономического развития региона за счет изменения уровня человеческого капитала, следует учитывать выявленную дифференциацию региональных кластеров с точки зрения моделирования этого взаимодействия.

Кроме того, можно отметить некоторые особенности, присущие объектам всех или большинства кластеров. Например, для четырех кластеров из пяти на первую главную компоненту, характеризующую уровень экономического развития региона, значимое влияние оказывает компонента, отвечающая за уровень профессионализма. Вторая главная компонента, отражающая уровень благосостояния населения, значимо зависит от уровня профессионализма с запаздыванием для регионов всех кластеров, кроме ресурсного, в котором это влияние сказывается в тот же период времени. Компонента, интерпретируемая как социальное здоровье населения, значимо влияет на компоненту уровня экономического развития региона в научном и экологическом кластерах, а на компоненту благосостояния населения во всех, кроме промышленного кластера.

Так как главные компоненты подверглись предварительному нормированию по размаху и центрированию по минимуму, можно говорить о сравнении силы влияния факторов на результат. В научном кластере наиболее сильное влияние на компоненту уровня социального развития влияет компонента социального благополучия, а на компоненту благосостояния населения — компонента социального здоровья с запаздыванием в один год. В экологическом кластере эти сильно влияющие компоненты меняются местами относительно первых двух главных компонент показателей уровня социально-экономического развития. В промышленном кластере компонента уровня социального развития и компонента благосостояния населения подвержены наибольшему влиянию со стороны компоненты уровня профессионализма в настоящий и прошлый период соответственно. Ресурсный кластер характеризуется большей зависимостью первых главных компонент социально-экономического развития от сложившейся в прошлом году ситуации с кадрами высшей квалификации. В малом кластере по силе влияния на эти компоненты лидируют компонента, отвечающая за квалифицированные кадры и компонента, характеризующая уровень социального здоровья населения, соответственно.

Кроме того, можно сравнить силу влияния компонент показателей регионального человеческого капитала на компоненты показателей социально-экономического развития. Так, например, при сравнении силы влияния компоненты социального здоровья населения (RC1) на компоненту уровня экономического развития региона (PC1), можно заметить, что для научного кластера это влияние в два раза больше, чем для экологического. Наиболее сильное влияние компонента уровня социального здоровья региона (PC1) оказывает на компоненту благосостояния населения (RC2) в ресурсном кластере, а, тем временем, в промышленнм кластере это влияние слабее в два раза.

Выводы исследования

Проведенное исследование позволяет сделать следующие выводы.

1. Оценка влияния человеческого капитала на социально-экономическое развитие в российских регионах — важная научно-практическая задача национального и регионального менеджмента, приобретающая особую значимость в условиях усиления дифференциации страны по социально-экономическим и инновационно-технологическим признакам. Анализ научной литературы показал большое количество подходов к моделированию взаимосвязи между уровнем развития человеческого капитала и социально-экономической динамикой регионов.

2. На основе сформированной базы данных, состоящей из 43-х показателей за 2011–2016 гг. для 71 субъектов Российской Федерации, методом Best Subsets построены эконометрические модели (как линейные, так и нелинейные), функционально описывающие зависимость социально-экономического развития от уровня развития регионального человеческого капитала. Для избавления от мультиколлинеарности показателей, а также с целью уменьшения размерности моделей при сохранении качества информации использован метод главных компонент. Модели построены для каждого из пяти кластеров, выделенных авторами в прежних работах, а именно – для научного, экологического, промышленного, ресурсного и малого кластеров.

3. Для регионов из разных кластеров на первую главную компоненту, характеризующую уровень экономического развития, значимое влияние оказывают различные главные компоненты совокупности показателей регионального человеческого капитала. Это позволяет сделать вывод о том, что при разработке мероприятий, направленных на повышение социально-экономического развития региона за счет изменения уровня человеческого капитала, целесообразно учитывать выявленную дифференциацию региональных кластеров.

Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований в рамках научного проекта № 18-010-01010.

Библиография
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
References
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.