Третья глава посвящена исследованием взаимосвязи МТМ с территориальным рынком жилья, которая в предположении многих моделей, играет важную роль в определении географии и интенсивности маятниковых трудовых поездок.

В первом разделе (3.1) рассмотрены теоретические аспекты вопроса. Подвижность трудовых ресурсов в целом и МТМ в частности определяется тремя основными факторами: уровнем доходов работников, стоимостью проживания, издержками поездок между местами жительства и работы. Суперпозиции пространственных паттернов рынка жилья и доходов населения с учетом издержек перемещений внутри территории определяют территориальную картину потоков трудовых ресурсов, находящихся в динамическом равновесии. Ключевым фактором при этом является вопрос о том, что более приоритетно для индивида – выбор места работы, или выбор места жительства. В первом случае работает урбанистская модель (1), в которой издержки поездок МТМ компенсируются за счет снижения стоимости проживания. Во втором случае справедлив трудовой подход (2), где издержки МТМ компенсируются за счет более высокой оплаты труда на более удаленной работе. При этом, как было показано во второй главе, полные издержки поездок (стоимостные и временные) маятниковых мигрантов в среднем в три раза превышают доход от разницы зарплат в центре и на периферии вопреки условию равновесия (Таблица 5).

Для преодоления этого противоречия автором было предложено объединение моделей (1) и (2) в обобщенную модель равновесия на рынке труда, в котором общие издержки маятниковых трудовых поездок компенсируются как более высокой зарплатой, получаемой в центре, так и более низкой стоимостью проживания на периферии:

dC/dR = - dS/dR - dA/dR. (9)

В расширенной модели (9) единственным неизвестным фактором является градиент стоимости проживания dA/dR, количественная оценка которого являлась задачей настоящего исследования.

Следующий раздел (3.2) посвящен оценке территориальной дифференциации рынка жилья Подмосковья в целом и выявление радиального градиента снижения стоимости жилья при удалении от центра к периферии в частности. Сложность последней задачи заключается в том, что на цену квартиры помимо удаленности от центра влияет целый ряд факторов, которые необходимо учесть для исключения систематической погрешности. В итоге, для оценки стоимости жилья нами была построена многопараметрическая (всего 14 параметров) регрессионная модель, включающая все потребительские характеристики жилья, влияющие на его стоимость. Подбор независимых переменных этой модели был сделан на основе существующих методик оценки стоимости жилья муниципальными властями и частными фирмами. В качестве исходных данных были использованы предложения по продаже квартир, собранных в электронных базах данных на сайтах риэлторских фирм[3]. При формировании выборки была учтена необходимость представления: всех направлений (север, запад, юг, восток) от Москвы, городов различной удаленности от МКАД (ближнее, среднее и дальнее Подмосковье), квартир различного качества и размера. В итоге было сформировано три выборки: май 2004 года (570 квартир; 68 городов), октябрь 2005 года (244; 45) и январь 2006 года (601; 68).

Проведенный анализ показал, что построенная регрессионная модель значимо описывает исследуемые выборки (коэффициенты детерминации 0.5-0.75), при этом параметр удаленности квартиры от Москвы вносит основной вклад в регрессию на уровне 70-80% найденной корреляции. Согласно полученным результатам, градиент изменения стоимости кв. метра жилья в Подмосковье по отношению к расстоянию до Москвы оказался равным:

dP/dR = -0.5 ÷ -0.7 %/км. (10)

В следующем разделе (3.3) осуществлялась поверка расширенной модели (9). Градиент стоимости проживания dA/dR в Подмосковье был оценен косвенным образом в рамках гипотезы о равенстве градиентов стоимости проживания и стоимости продажи квартир в процентном выражении:

dA/dR (в %) = dP/dR (в %) × A (11)

где A – базовая стоимость проживания в стоимостном выражении, dP/dR – градиент стоимости жилья (10). Стоимость проживания, на наш взгляд, наилучшим образом отражает рынок аренды жилья в агломерации. Разница цен на арендуемое жилье в центре и пригородах напрямую определяется спросом со стороны трудовых мигрантов, работающих в центре. Последние стоят между дуальным выбором: аренда жилья в центре, экономия на издержках МТМ-поездок или аренда жилья на периферии и экономия на оплате проживания. Поэтому в качестве количественного параметра стоимости проживания A нами была использована месячная ставка аренды жилья. При этом, поскольку этот показатель варьируется в очень широких пределах в зависимости от качества арендуемого жилья, в качестве показателя стоимости проживания A нами была использована средняя ставка аренды недорогого жилья в удаленных от центра районах Москвы (в районе МКАД), как наиболее востребованного со стороны МТМ.

Расчеты по модели (9-11) представлены в Таблице 6. Анализ результатов показывает, что учет стоимости проживания в равновесии на рынке труда существенно меняет ситуацию. Наблюдаемое ранее в простой модели (2) превышение издержек МТМ-поездок над доходами от более высокой зарплаты (вторая глава, Таблица 5) в среднем с избытком компенсируется более дешевым проживанием на периферии в рамках расширенной модели (9).

Таблица 6 Динамика баланса доходов/издержек от маятниковых трудовых поездок Подмосковья. Расчеты и обозначения согласно моделям (9-11).

Обсуждению полученного результата посвящен следующий раздел (3.4). Во-первых, лежащая в его основе гипотеза (11), хотя и является хорошим приближением, требует подтверждения. Ее проверкой являлось бы прямое исследование территориальной картины рынка аренды жилья в Подмосковье для непосредственного определения градиента dA/dR. Однако проблемой тут является формирование репрезентативной и надежной выборки данных. Во-вторых, стоимость проживания A может существенно варьироваться, что допускает большой разброс в значении величины dA/dR. В-третьих, только часть маятниковых трудовых мигрантов арендуют жилье, остальная часть имеют собственное жилье в Подмосковье. Поэтому ставка арендной платы, хотя и является хорошим индикатором стоимости проживания, может быть завышенным показателем при усреднении по всем маятниковым трудовым мигрантам.

Следует особо подчеркнуть, что полученная индикация превышения доходов над издержками МТМ в рамках расширенной модели (9), может иметь реальную природу, а не являться систематическим отклонением. Такой эффект могут вносить факторы влияния, пространственный паттерн которых аналогичен паттернам издержек и доходов МТМ, например социальный капитал dK/dR, поскольку человек может получать и накапливать больше социальных благ при проживании и работе ближе к центру. Кроме того, существуют факторы, знак влияния которых трудно предугадать заранее, или они могут вести себя по-разному в разных агломерациях. Например, знак градиента уровня преступности при удалении от центра к периферии требует отдельного изучения и может быть различным в разных регионах.

Все вышесказанное позволяет утверждать, что рассмотренная нами модель равновесия (9) может быть далее расширена за счет учета других факторов

dC/dR = - dS/dR - dA/dR + dK/dR + …+(-) dX/dR. (12)

где dK/dR – обсуждавшийся выше фактор социального капитала, dX/dR – другие факторы. Заслуживает особого внимания то обстоятельство, что для исследования указанных дополнительных факторов в принципе можно применить авторские подходы и методики, использованные в этом и предыдущих исследованиях. Например, для оценки инвестиций в человеческий капитал, если речь идет об обсуждавшемся выше факторе социального капитала. Однако, в отношении возможности расширения модели следует отметить трудности количественной оценки новых социальных факторов, и, самое главное, сложности сбора соответствующей первичной информации, позволяющей провести расчеты. Кроме того, по нашим расчетам ожидаемый вклад новых параметров можно ожидать на уровне ~10%, а взаимная компенсация социальных факторов, действующих в противоположных направлениях, ведет к дальнейшему снижению эффекта. Таким образом, новые параметры, вводимые в модели (12), имеют второй порядок малости по отношению основным.

В последнем разделе (3.5) подводятся основные результаты, полученные в главе. Несмотря на все возможные систематические погрешности, доходы и издержки маятниковых трудовых мигрантов оказались сравнимы между собой, по крайней мере, по порядку величины. Кроме того, наблюдаемая гипотетическая разница между ними может являться следствием реальных факторов. Напомним, что тесная взаимосвязь землепользования в целом и рынка жилья в частности с мобильностью работников является базовым положением ряда теорий, описывающих движение трудовых ресурсов, в частности, СУМ. Проведенные нами расчеты в целом говорят в пользу данной гипотезы. В частности, учет фактора стоимости проживания в рамках расширенной модели баланса издержек/доходов от маятниковых трудовых поездок (9) устраняет обнаруженные ранее противоречия в рамках простой модели (2). Это подтверждает наличие динамического равновесия на рынке труда в Московской агломерации.

Четвертая глава посвящена расчетам МТМ в Подмосковье на базе макроэкономических статистических показателей, так называемому макроподходу. В первом разделе (4.1) обсуждаются теоретические аспекты проблемы. В настоящий момент существуют две методики исследования МТМ. Классический прямой контроль МТМ возможен через проведение на регулярной основе опросов и анкетирования. Однако подобные мероприятия практически не проводятся по причине высокой стоимости исследований и также организационными и методологическими проблемами, поскольку граждане в большинстве своем не склонны афишировать свой статус МТ-мигранта, существенное количество отказов и большая вероятность ложных ответов снижают надежность исследований. К косвенным методам оценки МТМ относится изучение интенсивности пассажиропотока между центром и пригородами. Исследования, основанные на этом относительно простом и недорогом способе, на настоящий момент являются практически единственным источником информации о МТМ. Вместе с тем, данный метод является лишь грубой интегральной оценкой процесса, не позволяющей выявить его детали. В сложившейся ситуации остро необходимы новые способы изучения маятниковой трудовой миграции.

Предложенный автором балансовый метод оценки МТМ базируется на построении баланса структуры трудовых ресурсов региона по учтенным официальной макро-статистикой группам населения:

, (13)

где d В – доля маятниковых мигрантов из региона в центр, d МД – доля неучтенного трудоспособного населения ("мертвых душ"), ТН – трудоспособное население, d НС – доля занятых в неформальном секторе и самозанятых, ЗН – занятые на крупных и средних предприятиях промышленности и в сельском хозяйстве, МБ – занятые в малом бизнесе, БЗР – безработные[4]. Используя данные ГКС РФ по уровню занятых в неформальном секторе и самозанятых (Горбачева, Рыжикова, 2002) , можно сделать количественные доли МТМ d В согласно модели (13).

При исследовании МТМ важным фактором является маятниковая межрайонная миграция (МТМ) в районные центры, вносящая систематическую погрешность в оценку потока МТМ периферия-центр. Для снижения этой ошибки используется усреднение по группе регионов-соседей, внутри которой происходит взаимная компенсация МММ-потоков (Рис. 4). Разница результатов расчетов МТМ-потоков по отдельным регионам и группировкам характеризует систематику, связанную с МММ, которая, в свою очередь, дает количественную интегральную оценку МММ.

Во втором разделе главы (4.2) представлены результаты практических расчетов МТМ в Подмосковье в 2001 г. на основе балансовой модели, целью которых являлся поиск независимых переменных, коррелированных с МТМ, а также проверка существующих моделей и гипотез, определяющих функциональную взаимосвязь МТМ с различными индикаторами.

Как и предполагалось, расстояние от региона до центра R оказалось одним из главных параметров МТМ. В частности, регрессионный анализ подтвердил устойчивую отрицательную корреляцию между долей маятниковых мигрантов и R (Рис. 5):

(14)

Ежедневный пассажиропоток МТМ между центром и областью был оценен на уровне:

ПП ~ 1.3±0.2 млн. чел. (15а)

согласно расчетам по балансовой формуле (13) и регрессионой модели (14) для 6 и 12 групп районов. Вместе с тем, при расчетах регрессии (14) по данным отдельных регионов оценка пассажиропотока составила

ПП ~ 1.4±0.2 млн. (15б)

Различия в полученных величинах (15а-б) связаны с межрайнной маятниковой миграцией МММ, оцененной на уровне:

ППМММ » 100-300 тыс. чел. (15в)

Полученные нами результаты существенно превышают усредненную величину

ПП ~ 0.8 млн. чел. (15г)

по другим оценкам, представленным в Таблице 1. Возможные причины различий будут обсуждаться далее.

В следующем параграфе рассмотрены вопросы взаимосвязи МТМ с заработной платой. Отрицательная корреляция между ними основана на предположении о том, что более низкий доход населения в районе ведет к большей доле МТМ:

(16)

Однако нами показано, что гипотеза (16) является вторичной, поскольку прямо следует из первичных зависимостей (4) и (14) в случае их наличия[5]. На Рис. 6 представлены графические результаты регрессионного анализа корреляций районной заработной платы с долей МТМ и расстоянием от центра. В частности, полученная оценка коэффициента эластичности (16) C » 1% МТМ/100 руб. дает простую эмпирическую зависимость – увеличение/уменьшение доли маятниковых трудовых мигрантов в подмосковном районе на 1% соотносится с увеличением/уменьшением среднемесячной заработной платы в этом же регионе на 100 рублей.

Рисунок 6 Корреляции среднемесячной зарплаты в районе с долей МТМ в модели (а) и расстоянием от региона до Москвы (б) подтверждают модели (16) и (4) соответственно.

Отдельный параграф посвящен анализу перспектив развития балансовой модели. Его дальнейшее совершенствование связано с более точным определением МТМ при расширении формулы (13) включением ранее неучтенных групп населения: студентов и аспирантов очной формы обучения, военнослужащих и работников силовых органов, работающих подростков и пенсионеров, занятых в домашнем хозяйстве, крестьянских (фермерских) хозяйствах, религиозных организациях, находящихся в отпусках по беременности, родам и воспитанию ребенка. Кроме того, общее количество занятых может быть подвергнуто досчету (коррекции) в связи с наличием занятых неполное время, выполняющих сезонную и случайную работу, работающих по договорам гражданско-правого характера, работающих в незарегистрированных организациях. Следует отметить, что ГКС РФ проводит подобные расчеты, однако на уровне России в целом, а также федеральным округам и субъектам РФ. На более низких субрегиональных уровнях, как в нашем случае Подмосковья, такие расчеты не проводятся. Наличие неучтенных групп населения ведет к завышенной оценке доли МТМ. Если предположить, что наблюдаемое нами превышение ежедневного пассажиропотока центр-область целиком связано с неучтенными группами населения, то их доля в балансе (13) составит . Однако, неучтенные группы населения влияют в большей степени на абсолютные показатели, относительные величины, такие как коэффициенты корреляций, слабо чувствительны к рассмотренной систематике.

В заключительном разделе (4.3) обобщены основные результаты, полученные на базе балансовой модели, которая позволяет: определять территориальную структуру трудовых ресурсов; обнаруживать ее диспропорции; выявлять внутренние и внешние факторы, вызывающие дифференциацию; отслеживать временную динамику показателей. Данная информация необходима для выработки более эффективной политики региональных властей в сфере труда и занятости, являющейся одной из ключевых и наиболее проблемных.

Главной проблемой макроэкономического подхода является недостаток информации в разрезе регионов, что может привести к существенным систематическим погрешностям количественных макро-оценок.

Для проверки полученных результатов макро-анализа важным фактором является привлечение дополнительной информации из других исследований. Речь идет о комбинированном анализе МТМ при помощи принципиально различных подходов. Результаты такого перекрестного анализа являются наиболее надежными. В нашем случае речь идет о сочетании представленного в настоящей главе макроэкономического подхода и микроанализа, которому посвящены пятая и шестая главы диссертации.

Пятая глава диссертации посвящена микроанализу МТМ в муниципальном образовании – городе Дубна. Макроэкономический балансовый анализ МТМ в Подмосковье, представленный в четвертой главе, подтвердил наличие существенного количества МТМ, позволил сделать различные количественные оценки данного явления. Вместе с тем, основной проблемой макро-анализа остается нехватка исходных данных в субрегиональном разрезе, что может существенно повлиять на результат. Поэтому автором был предложен принципиально новый оригинальный подход к исследованию МТМ на основе микроанализа. Перед применением этой методики в полном масштабе, она была отработана на отдельном муниципальном образовании Подмосковья – городе Дубна[6].

В разделе (5.1) описана методика обработки микро-данных, источником которых являются базы данных налоговой инспекции, пенсионного фонда и государственного реестра российских предприятий, найденных в свободном доступе в сети интернет. Позиция автора в отношении использования этой неофициальной информации четко обозначена:

· Указанные базы данных были скачаны с публичного сайта в Интернет. Никаких противоправных действий для их приобретения (кража, взлом, покупка и т. п.) не осуществлялось.

· Использование этой информации осуществлялось исключительно в научных целях и по причине ее недоступности по официальным каналам. Используемые методы статистического анализа исключают обнародование каких-либо персональных данных.

Анализировались данные 2001 года, что позволяет осуществить прямое перекрестное сравнение с результатами макро-анализа за тот же период, представленного в четвертой главе.

При объединении первичной информации из указанных источников для каждого индивида осуществлялась увязка мест его проживания и работы при одновременном сохранении ряда основных индивидуальных характеристик работника (годовой доход, возраст и пол) и характеристик нанимателя (род деятельности, форма собственности, капитал и т. д.). Полученные таким образом вторичные данные позволяют решать широкий спектр прикладных задач в отношении МТМ, результаты которых представлены далее. Кроме того, анализ выборки по жителям Дубны позволил отработать приемы первичной обработки данных: восстановление неполных данных, «сшивка» информации из различных баз данных, расчеты производных показателей на основании совокупности первичных, выявление и отброс неверных и некорректных записей.

В разделе (5.2) представлены результаты микроанализа МТМ в Дубне. Общий объем выборки, сформированной из первичных данных, оказался равным 10272 чел., что составило почти 25% трудоспособного населения города (42412 чел.).

Полученная микро-оценка доли МТМ в Дубне dМТМ =~15.4% оказалась в полном согласии с результатом расчетов этого же показателя по модели (14) с коэффициентами, полученными на основе регрессионного анализа макро-данных: dМТМ = 13,7 ± 6,5%.

Доходы ниже прожиточного минимума и теневые доходы. Доля граждан, получающих официальные доходы ниже прожиточного минимума (ПМ), оказалась на уровне ~60% независимо от места работы (локально или МТМ). Этот показатель, на наш взгляд, показывает уровень «теневых зарплат» (серых «зарплат», «зарплат в конвертах»), поскольку невозможно предположить, что реальная зарплата МТМ, работающих большей частью в Москве, меньше ПМ. Предположив, что работники с декларированными зарплатами ниже ПМ в реальности получают доход, равный средней величине по работникам с зарплатой выше ПМ, можно оценить теневые доходы. В частности, годовой теневой доход работников Дубны в 2001 году по нашим оценкам составил ~0.5 млрд. руб.

Проведенный анализ показал, что для уменьшения систематической погрешности, связанной с теневыми зарплатами, при сравнительном анализе доходов необходимо исключать работников с зарплатами ниже ПМ. Однако даже этот шаг не позволяет полностью исключить влияние этого систематического эффекта на результаты микро-анализа.

Доходы МТМ и работников Дубны. По данным микроанализа разница в доходах жителей Дубны, работающих в самом городе и в Москве, оказалось значимой и составила DIМИКРО = IМОСКВА –IДУБНА = 1190 ± 195 руб. В то же время, расчеты на основе модели (4) с коэффициентами, полученными из макро-данных, дают величину DIМАКРО » 1700 ± 190 руб. На наш взгляд, основной причиной расхождения как раз и являются скрытые доходы, обсуждавшиеся выше.

Разница в доходах мужчин и женщин. Значимая разница в доходах DI = IМ –IЖ = 535 ± 80 руб. в пользу мужчин была обнаружена для жителей, работающих в Дубне. что составляет 16% от средней городской зарплаты (усредненные данные по всей выборке). В то же время для МТМ такого эффекта не наблюдается. Более того, оказалось, что доходы работающих в Москве женщин выше доходов работающих там мужчин, хотя данная разница не является значимой. По нашему мнению, это означает, что женщины, работающие в Дубне, вынуждены работать за меньшую оплату из-за отсутствия свободы выбора места работы вследствие ограниченного предложения на рынке труда. С другой стороны, женщины, работающие за пределами Дубны, имеют больше вариантов трудоустройства и на равных конкурируют с мужчинами, получая сравнимую с ними зарплату.

Возрастное распределение МТМ и работников Дубны показывает (Рис. 7), что основную долю маятниковых мигрантов составляют кадры в наиболее эффективном «золотом» трудовом возрасте от 25 до 40 лет. Жители в возрасте от 40 до 60 лет не могут проявлять такую мобильность, и поэтому работают в Дубне.

Отраслевая структура предприятий, нанимающих МТМ, позволяет выявить структуру МТМ, как жителей Дубны, работающих вне города, так и работников Дубны, живущих вне города. Выяснилось, что профессиональный состав этих групп совпадает на 70-80%: торговля, промышленность, финансовый сектор, строительство и транспорт. Дальнейший анализ рынка вакансий предприятий Дубны в 2001 году показывает, что профессии маятниковых мигрантов являются дефицитными в самом городе. Это означает, что МТМ создает проблемы обеспеченности трудовыми ресурсами городских предприятий Дубны.

Последующие разделы главы посвящены анализу и прогнозированию МТМ в Дубне. В предыдущем разделе было показано, что микроанализ позволяет получить целый ряд выжных результатов, некоторые из которых уникальны. Однако, еще более важным аспектом является объединение возможностей макро - и микро-подходов для комплексного анализа муниципального образования. Это позволяет вывести анализ на новый уровень, перейти к вопросам прогнозирования и последующего регулирования МТМ. Наличие необходимой макро-статистики в сочетании микро-данными позволило нам осуществить данный подход.

Динамика макроэкономических показателей Дубны гг., включая общую численность населения, незанятых в экономике, безработных, индивидуальных предпринимателей, финансовые показатели, подробно представлена в разделе (5.3). Эти данные, далее подробно обсуждаемые в разделе (5.4), оставляют двойственное впечатление. Положительными факторами с точки зрения снижения МТМ является уменьшение абсолютных показателей населения, не занятого в экономике, снижение безработицы, в том числе, структурной. В то же время, видны и негативные тенденции: не растут собственные доходы бюджета, нестабильна прибыль предприятий; уменьшается количество индивидуальных предпринимателей. Тревожной тенденцией является устойчивое снижение общей численности населения, и что особенно важно, населения трудоспособного возраста. В связи с оживлением экономики в городе ощущается нехватка квалифицированных рабочих и специалистов (ФСЗ и отчеты властей гг.). Речь идет о тех категориях работников, которые, по данным микроанализа, и составляют основу МТМ.

ОЭЗ и МТМ. Сфере трудовых ресурсов уделено определенное внимание в программе развития Дубны, получившей статус наукограда в 2001 году[7]. Однако, проблема обеспеченности кадрами стала особенно очевидна при создании в начале 2006 года Дубне технико-внедренческой особой экономической зоны (ОЭЗ). Реализация крупных высокотехнологичных инновационных проектов невозможна без квалифицированной рабочей силы. Согласно стратегии развития ОЭЗ, в течение года планируется привлечь в Дубну 13800 работников. Однако, выполнении этого плана может помешать МТМ. Из этого следует, что будущие показатели МТМ в Дубне будут прямым индикатором успешности ОЭЗ. В случае достижения целей и задач ОЭЗ МТМ должна исчезнуть как явление. И наоборот, сохранение или увеличение МТМ будет свидетельствовать о проблемах реализации проекта.

В разделе (5.5) подведены итоги микроанализа по Дубне. Отметим, что полученные результаты микроанализа находятся в удовлетворительном согласии как с данными наших предыдущих макроэкономических расчетов, так и с дополнительными данными муниципальной статистики. Тем самым, следует подчеркнуть, что предложенная комплексная методика микроанализа маятниковой трудовой миграции оказалась работоспособной. И самое главное, она имеет хорошие перспективы дальнейшего применения как в плане расширения объекта исследования, так и в плане увеличения исследуемых показателей, включая уникальные результаты, невозможные в макро-анализе. Это будет продемонстрировано в последней главе диссертации.

В шестой главе представлены результаты микроанализа МТМ, распространенного на всю Московскую область.

В первом разделе (6.1) обсуждаются микро-данные (сама методика была представлена в предыдущей главе), на основе которых проводился анализ МТМ в Московской области. После первичного отбора данных для анализа была сформирована выборка из ~2.3 млн. записей жителей Подмосковья (60% от всего трудоспособного населения). В ходе сортировки микро-данных для каждого подмосковного района определялись: количество жителей, работающих в своем регионе NРЕГ, количество жителей района, работающих в Москве NМОС других районах Подмосковья NМО, а также число приезжающих в район на работу жителей из других подмосковных районов NИЗМО. Эти данные и легли в основу расчетов.

В разделе (6.2) представлены результаты расчеты маятниковой межрайонной миграции (МММ). В микроанализе межрайонные потоки МТМ определяются напрямую для каждого района (показатель NИЗМО), а суммирование по всем районам дает оценку:

ППМММ = 196 ¸ 261 тыс, (17а)

которая согласуется с макроэкономической оценкой (15в). По сравнению с макро-подходом микроанализ позволил изучить МММ более детально. В частности, выяснилось, что для МММ, так же как и МТМ, свойственна центробежная тенденция, хотя и менее выраженная:

dMМM = K× R + М = -0,09(3) × R + 6(3) %. (17б)

Мы предполагаем, что, минимизируя дорожные издержки, часть МТМ из наиболее удаленных регионов работает не в Москве, а в находящихся на пути к ней районах. При этом нулевой баланс MМM возникает на расстоянии RМММ: » 50 км. Тем самым, районы Подмосковья в радиусе 50 км от Москвы имеют положительный приток МММ из Подмосковья. Это согласуется с макро-расчетами, где эта же зона Подмосковья имеет преимущества в уровне оплаты труда («эффект мегаполиса»), что и привлекает сюда МММ[8].

Раздел (6.3) посвящен количественным оценкам радиального градиента доли МТМ. Аналогично макро-анализу (см. Рис. 5) в рамках модели (14) была получена отрицательная линейная корреляция между долей МТМ, работающих в Москве, и расстоянием от района до Москвы R, при этом количественные результаты оказались близкими (Рис. 8). Несколько меньшее значение коэффициента эластичности A в (14), полученного в микроанализе, связано с влиянием теневых доходов, эффект от которых мы исследовали при анализе МТМ по Дубне в предыдущей главе.

В разделе (6.4) оценивается пассажиропоток МТМ Москва – область, который также, как и МММ, определяется напрямую суммированием по всем регионам количества жителей, работающих в Москве (показатель NМОС):

ПП = 0.9 ¸ 1.2 млн. чел. (18)

Величина (18) меньше нашей макро-оценки (15а), но больше совокупной оценки других исследований (15г). Следует отметить, что величина ~ 0.9 млн. чел. в (18) является жесткой нижней границей пассажиропотока, поскольку учет систематической погрешности может привести только к увеличению этой цифры. Таким образом, результаты микроанализа отрицают уровень пассажиропотока на уровне менее 0.9 млн. чел., что не противоречит результатам макро-анализа (15а).

В разделе (6.5) представлены результаты оценки теневых доходов и доходов ниже прожиточного минимума (ПМ). При анализе официально декларированных доходов по микро-данным проблема теневых зарплат становится очевидной. В среднем 50-70 % работников имеют доходы ниже ПМ, причем среди МТМ эта доля стабильно выше, чем у жителей, работающих в своем городе (Рис. 9). Это противоречит здравому смыслу, поскольку основной стимул индивида работать маятниковым способом – повышение доходов. Годовой объем теневых доходов, получаемых МТМ Подмосковья, был оценен нами на уровне 20-30 млрд. руб[9]. Кроме того, нами обнаружена положительная корреляции доли работников, имеющих доходы ниже ПМ среди жителей, работающих в родном городе, с расстоянием район-центр (~ 1%/10 км). Это свидетельствует в пользу негативной тенденции: чем дальше регион от центра, тем беднее его жители.

Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4