Моделирование влияния социальных факторов на динамику серых зарплат
DOI:
https://doi.org/10.21638/spbu05.2024.306Аннотация
Проблема отбеления заработной платы значительной доли россиян обострилась в период пандемии, постковидного восстановления и особенно на фоне геополитических шоков. Беспрецедентное расширение мер государственной поддержки, предоставляемых адресно и официально, побудило предпринимателей и граждан к выходу из тени. Несмотря на явные позитивные сдвиги, проблема зарплаты «в конвертах» не искоренила себя: в современных публикациях ученые возвращаются к ней вновь и вновь. При оценке данного социально-экономического явления наука опирается большей частью на методы регрессионного, панельного анализа, инструментальных переменных и проч. В настоящей работе влияние социальных факторов на динамику серых зарплат выявлено на основе методов градиентного бустинга, линейного моделирования, случайного леса и наивного байесовского классификатора. В качестве исходной
информации использованы результаты обследований Российского мониторинга экономического положения и здоровья населения Высшей школы экономики (РМЭЗ НИУ ВШЭ), находящиеся в свободном доступе. В результате моделирования определена зависимость способа получения заработной платы (официальный, «в конверте») от ряда факторов, из которых наиболее сильное влияние оказали отраслевая принадлежность
организации, ее размер, форма собственности, уровень образования сотрудника, продолжительность его отпуска, удовлетворенность профессиональным ростом и условиями труда. Прикладное значение полученных результатов состоит в возможности выработки управляющих воздействий как на уровне государства, так и на уровне субъектов хозяйствования в направлении нивелирования выявленных причин получения серых зарплат и сокращения масштабов скрытого фонда оплаты труда.
Ключевые слова:
заработная плата, серая зарплата, градиентный бустинг, линейные модели, случайный лес.
Скачивания
Библиографические ссылки
Абзалилова, Л. Р. (2021) ‘Моделирование оттока кадров в крупной компании с применением технологий интеллектуального анализа данных’, Экономика и управление: научно-практический журнал, 3 (159), с. 152–157.
Вередюк, О. В. (2020) ‘Динамика субъективного благополучия при внутрифирменной трудовой мобильности в России’, Мониторинг общественного мнения: экономические и социальные перемены, 1, с. 391–407.
Гавриленко, Ю. Е. (2022) ‘Методы устойчивой кластеризации регионов России по занятости населения’, Федерализм, T. 27, 3 (107), с. 160–177.
Гимпельсон, В. Е. (2021) Зарплата и потоки на российском рынке труда в условиях ковида. М.: Изд.дом Высшей школы экономики.
Гимпельсон, В. Е. и Капелюшников, Р. И. (2020) Российский рынок труда через призму демографии. М.: Изд. дом Высшей школы экономики.
Гимпельсон, В. Е., Капелюшников, Р. И. и Шарунина, А. В. (2018) ‘Низкооплачиваемые рабочие места на российском рынке труда: есть ли выход и куда он ведет?’, Экономический журнал ВШЭ,22 (4), с. 489–530.
Гимпельсон, В. Е., Капелюшников, Р. И., Лукьянова А., Рыжикова, З. и Куляева, Г. (2010) ‘Формы собственности в России: различия в заработной плате’, Журнал Новой экономической ассоциации, 5, с. 48–72.
Дембовский, И. А. и Машков, А. А. (2019) ‘Оценка доли серых зарплат в регионах России для агентного моделирования процессов трудоустройства жителей’, в Иванцова Е. Н., Уваров В. М. (сост.) Сборник докладов XII Междунар. науч.-практич. конф. студентов, аспирантов и молодых ученых. В 3 т. Т. 3. Старый Оскол, 2019, c. 177–181.
Журавлева, Т. Л. (2015) ‘Платит ли российское государство «справедливую» зарплату: обзор исследований’, Вопросы экономики, 11, с. 62–85.
Зарова, Е. В. и Дубравская, Э. И. (2020) ‘Метод «случайный лес» в исследовании влияния макроэкономических показателей регионального развития на уровень неформальной занятости’, Вопросы статистики, 27 (6), с. 37–55.
Ляхнова, М. В. и Рудаев, Г. С. (2021) ‘Оценка социально-экономических факторов, влияющих на желание сменить работу’, Modern Science, 3-2, с. 102–109.
Мальцева, А. В., Махныткина, О. В. и Шилкина, Н. Е. (2015) ‘Многомерные классификационные модели в сравнительном анализе социально-структурной специфики регионов России’, Науковедение, 7 (6). URL: http://naukovedenie.ru/PDF/13EVN615.pdf (дата обращения: 30.10.2023).
Хохлова, О. А., Хохлова, А. Н. и Чойжалсанова, А. Ц. (2022) ‘Разработка алгоритма анализа вакансий на рынке труда по данным из открытых источников’, Вопросы статистики, 29 (4), с. 33–41.
Шарунина, А. В. (2013) ‘Является ли российский «бюджетник» неудачником? Анализ межсекторных различий в оплате труда’, Экономический журнал ВШЭ, Т. 17, 1, с. 75–107.
Dorogush, A. V., Ershov, V. and Gulin, A. (2017) ‘CatBoost: Gradient boosting with categorical features support’, Workshop on ML Systems at NIPS 2017. URL: http://learningsys.org/nips17/assets/papers/paper_11.pdf (дата обращения: 26.06.2023).
Geanderson, E., Figueiredo, E., Veloso, A., Viggiato, M. and Ziviani, N. (2020) ‘Understanding learning software defect predictions’, Automated Software Development, 27, pp. 369–392.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M. and Duchesnay, E. (2011) Scikit-learn: Machine Learning in Python, JMLR, 12, pp. 2825–2830.
Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V. and Gulin, A. (2019) ‘CatBoost: Unbiased boosting with categorical features’, arXiv: 1706.09516. URL: https://arxiv.org/pdf/1706.09516.pdf (дата обращения: 20.06.2023).
Valouet, T., Al-Memar, M., Fourie, H., Bobdiwala, S., Saso, S., Pipi, M., Stalder, C., Bennett, P., Timmerman, D., Bourte, T. and De Moor, B. (2022) ‘Gradient boosted trees with individual explanations: An alternative to logistic regression for predicting viability in the first trimester of pregnancy’, Computer Methods and Programs in Biomedicine, 213, 106520.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Статьи журнала «Вестник Санкт-Петербургского университета. Экономика» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Санкт-Петербургским государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
