Феномен NEET-молодежи: особенности распространения и факторы формирования (межстрановой количественный анализ)

УДК 331.56-053.6:331.5.024.2                         DOI:

Термин «NEET-молодежь» (Not in Employment, Education or Training) характеризует формирование группы молодежи в возрасте 15–24 лет, которая не учится, не работает и не приобретает профессиональных навыков. Обозначение категории, изначально предложенное в Великобритании в конце 1980-х годов, широко распространилась в мире, а явление NEET-молодежи исследуется в экономике, экономике труда, экономике здравоохранения, политологии, социологии, культурологии, социальной антропологии, других научных направлениях. В ряде исследований вместо возрастного диапазона 15–24 лет используется расширенный диапазон до 35 лет, что отражает более длительный переход к взрослой жизни в некоторых странах (Petrescu et al., 2024; Gunnes et al., 2025).

Многие экономики мира сталкиваются либо ожидают в перспективе появления дефицита профессионалов и сокращения притока молодых кадров. Так, по материалам доклада Всемирного экономического форума «Будущее рабочих мест 2025»1 42 % компаний ожидают сокращения доступности талантов в 2025–2030 гг., и соответственно, все возрастающих сложностей при поиске и найме специалистов. Группа NEET-молодежи представляет собой ценный резерв роста занятости и обеспечения организаций национальной экономики кадрами требуемой квалификации. Продолжение неблагоприятных демографических тенденций (депопуляция, старение населения) еще более актуализируют за- дачу поиска путей смягчения проблемы NEET-молодежи.

Значимость изучения NEET молодежи заключается также в том, что этот показатель напрямую связан с качеством человеческого капитала и устойчивостью социально-экономического развития. Высокая доля NEET свидетельствует о недоиспользовании потенциала молодежи, снижении потенциальной налоговой базы и росте социальной нагрузки, повышении потребности в социальной защите, социальных трансфертах. Кроме того, пребывание в статусе NEET повышает вероятность долгосрочной безработицы, утраты навыков, масштабирования этого явления в следующих поколениях.

Вышеизложенное определяет актуальность изучения феномена NEET-молодежи, особенностей его распространения и определения соответствующих эффективных мер политики.

Следует отметить существенные различия доли NEET-молодежи для стран с различным уровнем дохода, а также среди лиц мужского и женского пола. Так, на примере стран с различным уровнем дохода (согласно классификации Группы Всемирного банка) очевидно, что гендерный разрыв показателя NEET демонстрирует тенденцию к увеличению по мере снижения уровня дохода (таблица 1).

В ряде исследований, тем не менее, доказывается отсутствие значимости фактора пола для угрозы риска попадания в категорию «NEET-молодежь» (например, Assmann and Broschinski, 2021; Marques et al., 2025). Это означает, что вероятность оказаться вне образования и занятости статистически одинакова для лиц обоих полов, однако причины, механизмы и последствия этого состояния часто кардинально различаются с учетом

Таблица 1 – Доля NEET-молодежи (15–24 лет) по странам и полу в зависимости от уровня дохода (классификация

Группы Всемирного банка), 2024 год

Table 1 – Share of NEET youth (aged 15–24) by country and gender according to income level (World Bank Group classification), 2024

Страна	Уровень дохода в стране	NEET всего, %	NEET мужчины, %	NEET женщины, %	Гендерный разрыв по показателю NEET, проц. пунктов (по модулю)
Соединённое Королевство Великобритании и Северной Ирландии	Высокий	14,3	15,5	13,1	2,4
Содружество Австралии	Высокий	8,5	9,1	8,0	1,1
Российская Федерация	Высокий	8,4	7,1	9,8	2,7
Аргентинская Республика	Выше среднего	16,3	14,7	18,1	3,4
Королевство Таиланд	Выше среднего	12,8	9,9	15,8	5,9
Монголия	Выше среднего	9,9	8,0	11,8	3,8
Объединённая Республика Танзания	Ниже среднего	12,8	7,8	17,7	9,9
Федеративная Республика Нигерия	Ниже среднего	11,9	10,5	13,4	2,9
Многонациональное Государство Боливия	Ниже среднего	8,0	4,9	11,1	6,2
Республика Малави	Низкий	39,4	32,8	45,4	12,6
Республика Руанда	Низкий	25,9	21,8	29,8	8,0
Буркина-Фасо	Низкий	21,6	15,8	26,3	10,5

Источник: составлено авторами на основе данных Группы Всемирного банка2 и Международной организации труда3.

гендерного 2 фактора.

Доля NEET-молодежи 3 имеет высокую вариативность по регионам мира (рисунок 1).

Так, наибольшая распространенность феномена NEET за предшествующие 15 лет наблюдалась в Африке, Южной Америке и странах Азиатско-Тихоокеанского региона, а минимальная – зафиксирована в Австралии. При этом показатель имел тенденцию к росту в 2020 году в связи с влиянием пандемии COVID-19 во всех без исключения группах стран и регионов, а также при оценке показателя в разбивке по полу.

2

³ .

Существует компонент риска NEET, обусловленный статусом населенного пункта проживания, при этом однозначно утверждать, что ему подвержены только городские либо сельские жители, невозможно. Например, в Великобритании риск NEET выше за пределами Лондона, тогда как в Польше он выше в городских районах. Австрийские NEET также чаще живут в городских районах (Petrescu et al., 2024).

Широко распространившееся в мире явление NEET-молодежи создает вызовы для социально-экономической политики (в частности, для социальной защиты, развития систем образования, здравоохранения и обеспечения психологического здоровья и др.), политики на рынке труда. Длительное пребывание в категории NEET связано с риском бедности, психических проблем, социальной изоляции и маргинализации. При этом в

Рисунок 1 – Доля молодежи в возрасте 15–24 лет по всему миру, не обучающихся, не проходящих работу или обучение (NEET) 2005–2023 годы

Figure 1 – Global share of youth (aged 15–24) not in education, employment, or training (NEET), 2005–2023

Источник: показатель Целей устойчивого развития 8.6.14 и данные Международной организации труда5.

исследовании 4 (Gunnes et al., 2025) 5 подчеркивается, что «направление причинности часто бывает сложным и двусторонним».

В Республике Беларусь за 1999–2019 гг. произошел неблагоприятный демографический сдвиг – на фоне общего сокращения численности населения на 6,29 %, численность молодежи в возрасте 15–29 лет снизилась почти на треть (на 30,54 %) (Ванкевич и Зайцева, 2023, с. 76), при этом уровень молодежной безработицы остается значительным. В 2024 году ее уровень составил 7,5 % для мужчин и 5,6 % для женщин6.

В 2024 году удельный вес молодежи, которая не учится и не работает, в возрасте 15-24 лет в общей числен- ности населения данной возрастной группы составил в Республике Беларусь 4,5 % (5,3 % у мужчин и 3,7 % у женщин), со значительным сокращением за период наблюдений с 2016 года. При этом уровень безработицы среди молодежи названной возрастной категории зафиксирован на уровне 10,1 % (11,1 % у мужчин и 9 % у женщин)7.

Доля молодежи в возрасте от 15 до 24 лет, которая не учится, не работает и не приобретает профессиональные навыки, включена в состав целевых индикаторов Национальной стратегии устойчивого развития Республики Беларусь на период до 2040 года8, и в 2040 году предполагается ее снижение до 2 %. Обеспечение быстрого входа на рынок труда молодежи опре- делено в качестве одной из задач Программы социально-экономического развития Республики Беларусь на 2026–2030 годы9.

В Государственной программе «Сбалансированный рынок труда» на 2026–2030 годы10 активизация молодежной занятости названа одним из способов минимизации демографических рисков на рынке труда Республики Беларусь. Соответствующий подход прослеживается и в региональных стратегических документах по социально-экономическому развитию. Так, например, в Региональной стратегии устойчивого развития Гродненской области на период до 2040 года11 «ключевая стратегическая цель развития региона – обеспечение высокого качества жизни населения на основе устойчивого экономического роста, внедрения принципов «зеленой» и циркулярной экономики, социальной защиты уязвимых групп, стимулирования участия молодежи и рационального использования природных ресурсов», а центральная роль в достижении стратегической цели отводится решению таких задач, как развитие и укрепление человеческого потенциала путем увеличения занятости, обеспечения доступа к социальной инфраструктуре, стимулирования активного участия молодежи в социально-экономической и общественной жизни.

В имеющихся исследованиях (Зудина, 2020; Демиденко, 2022; Bal-Domańska, 2022; Verick, 2023 и др.) традиционно выделяются такие макроэкономические, институциональные и структурные факторы, влияющие на распространенность феномена NEET-молодежи, как: уровень безработицы, особенности систем социальной защиты (южноевропейская, континентальная и др.), наличие института минимальной заработной платы (с дифференциацией по возрасту либо без нее), уровень социального доверия и другие. В частности, исследования показывают, что критическую роль играют специфические конфигурации институциональных систем, создающие синергетический эффект. В частности, высокие уровни NEET-молодежи, несущей ответственность за уход за членами семьи, концентрируются в странах, где отсутствуют развитые социальные услуги в сферах основных семейных функций при одновременном дефиците услуг в секторе формального долгосрочного ухода (Assmann and Broschinski, 2021), что особенно характер- но для многих стран Центральной и Восточной Европы. В противоположность этому, в странах Северной Европы высокие расходы на финансирование систем социальной защиты людей с инвалидностью при относительно низких активационных требованиях создают обратный стимул – молодые люди с ограничениями по здоровью предпочитают получать пособия, а не активно искать работу (Assmann and Broschinski, 2021).

Макроэкономические факторы NEET действуют не обособленно, а во взаимодействии с (не)гибкостью рынка труда и качеством образовательных систем. Высокие уровни защиты занятости в сочетании с недостаточным инвестированием в активные программы занятости и системы профессионального обучения характерны для стран Южной и отчасти Центральной и Восточной Европы, где проблемы молодежной безработицы проявляются наиболее остро. Напротив, системы, обеспечивающие высокий уровень профессионального обучения с практической составляющей, как в ФРГ и Австрии, позволяют обеспечить более легкий переход от школы к работе и значительно более низкие показатели NEET (Gunnes et al., 2025).

В составе индивидуальных и личностных характеристик, выступающих возможными факторами попадания в категорию NEET-молодежи на микроуровне, анализируются, например, пол, место проживания, опыт пребывания в интернатных учреждениях, ранний отсев из школы, уровень образования индивида и его родителей, национальность, уровень развития «мягких навыков» и др. В исследовании (Assmann and Broschinski, 2021) выявлено, что существенно повышает вероятность NEET-статуса и семейное положение молодежи: наличие ребенка либо статус одинокого родителя создают дополнительные барьеры к трудоустройству, особенно в странах, где не развита система ухода за детьми, дошкольного образования и социальных услуг семье.

Таким образом, факторы формирования статуса NEET-молодежи многочисленны и взаимосвязаны, их взаимовлияние проявляется чрезвычайно вариативно.

Цель исследования – выявить и количественно оценить макрофакторы формирования феномена NEET-молодежи, в обобщенном виде интегрирующие влияние институциональных мер и отдельных направлений социально-экономической политики на динамику объекта исследования (доля NEET-молодежи). Проведенное исследование расширяет понимание факторов формирования NEET-молодежи и показывает возможные направления разработки мер политики для сокращения доли NEET-молодежи.

Методы и средства исследований

Теоретической базой исследований являются труды белорусских и зарубежных ученых, а также публикации международных организаций по проблемам NEET-молодежи, молодежной занятости, формированию соответствующих мер политики (Ванкевич, Зайцева и Коробова 2016; Зудина, 2020; Giancaspro and Manuti, 2021; Assmann and Broschinski, 2021; Ванкевич и Горовой, 2022; Petrescu et al., 2024; Rahmani, H., Groot, and Rahmani, A., 2024; Serrière and Elder, 2025 и др.).

Эмпирическую базу исследования сформировали данные Группы Всемирного банка12, Евростата13, ОЭСР14, ILOSTAT15, Докладов о человеческом развитии16, Всемирных отчетов о счастье17. Количественное исследование проведено с использованием данных для 29 стран мира с различными уровнями дохода на душу населения (в скобках указаны значения доли NEET-молодежи в % (смоделированная оценка МОТ) в 2021 г. по данным Группы Всемирного банка по состоянию на 10 июля 2025 года, страны расположены по возрастанию показателя): Нидерланды (3,079 %), Швеция (5,073 %), Беларусь (5,476 %), Бельгия (6,654 %), Дания (7,112 %), Казахстан (7,144 %), Португалия (7,744 %), Германия (7,868 %), Финляндия (8,492 %), Латвия (8,687 %), Венгрия (10,608 %), Эстония (10,921 %), Литва (11,314 %), Испания (11,484 %), Греция (12,048 %), США (12,205 %), Австрия (12,257 %), Польша (12,445 %), Хорватия (12,69 %), Молдова (13,55 %), Болгария (13,767 %), Кипр (13,774 %), Сербия (16,714 %), Украина (17,198 %), Румыния (18,015 %), Северная Македония (18,311 %), Италия (19,768 %), Армения (23,488 %), Албания (24,085 %).

Глубина исследований ограничена 2007 годом как начальной точкой в связи с ограничениями доступности сопоставимых макроэкономических и социальных индикаторов, а 2021 год взят как завершающий с полностью доступными и сопоставимыми данными по большинству индикаторов. Данные за 2022–2024 годы не были вклю- чены в анализ по причине существенных пропусков в исходных базах данных на дату выполнения расчетов.

Методическую базу исследования составляют методы анализа и синтеза, сравнения, дедукции, моделирования, корреляционно-регрессионного анализа. Результаты исследований

Для выявления макроэкономических факторов доли NEET-молодежи по названным ранее статистическим источникам и базам данных были отобраны индикаторы, для которых может быть теоретически обоснована (либо уже обоснована более ранними опубликованными исследованиями) связь с показателем доли NEET-молодежи и имеется достаточная глубина и полнота временных рядов данных для отобранных 29 стран.

Первоначально были выбраны 19 индикаторов, среди которых: ВВП на душу населения (в постоянных ценах 2015 г. в долл. США по ППС); расходы на конечное потребление домохозяйств и НКООДХ (% от ВВП); политическая стабильность и отсутствие насилия/терроризма: оценка Всемирного банка; коэффициент демографической нагрузки среди молодежи (% трудоспособного населения); всего работающих членов семьи (% от общей занятости); соотношение занятости и численности населения в возрасте 15–24 лет, %; общая безработица среди молодежи (% от общей численности рабочей силы в возрасте 15–24 лет); соотношение уровня участия женщин и мужчин в рабочей силе (%); общая безработица (% от общей численности рабочей силы); обязательное образование, продолжительность (лет); среднегодовой индекс счастья; индекс человеческого развития; средняя продолжительность обучения (из ИЧР), лет, а также ряд других.

После анализа корреляционной матрицы для построения первой регрессионной модели (далее – модель № 1) были отобраны пять объясняющих переменных, обозначенные как X1–X5 (представлены в таблице 2).

Показатель X1 представляет собой долю расходов на образование в структуре валового национального дохода. Для построения модели показатель введен с лагом в 11 лет, что определено на основании средней продолжительности обучения (из ИЧР) в исследуемых 29 странах, которая составила 11,37 года за рассматриваемый период (2007–2021 гг.). Этот лаг достаточен для трансляции импульса образовательных инвестиций в экономическую активность молодежи. Важный аспект в интерпретации заключается в том, что показатель X1

Таблица 2 – Признаки-факторы доли NEET-молодежи

Table 2 – Factors determining the NEET-youth share

Обозначение	Показатель
X1	Расходы на образование (% от ВНД) – 1996–2010 гг.
X2	Ln (ВВП на душу населения (в постоянных ценах 2015 г. в долл. США) по ППС)
X3	Общая уязвимая занятость (% от общей занятости) (смоделированная оценка МОТ)
X4	Общая безработица (% от общей численности рабочей силы) (смоделированная оценка МОТ)
X5	Средняя продолжительность обучения (из ИЧР), количество лет

Источник: составлено авторами.

измеряет отложенное влияние через качественные изменения в формировании образовательных навыков молодежи. В модели наблюдается обратная связь между X1 и долей NEET-молодежи: при росте относительных расходов на образование с учетом принятого лага доля NEET-молодежи снижается в долгосрочной перспективе, поскольку повышается вероятность занятости молодежи или продолжения обучения.

Переменная X2 отражает уровень экономического развития страны через показатель логарифма ВВП на душу населения в постоянных ценах 2015 года по ППС. Количественная систематическая отрицательная связь соответствует основным макроэкономическим закономерностям.

Переменная X3 отражает структуру занятости через долю уязвимой занятости в общей занятости, по оценке МОТ. Это форма трудоустройства в неформальном секторе, где работники лишены правовой и социальной защиты, а также стабильного дохода, включая неоплачиваемый семейный труд, работу без договора, неполную занятость и частичную занятость без гарантий. Направление связи с уровнем NEET-молодежи ожидаемо прямое: рост уязвимой занятости увеличивает вероятность того, что молодежь будет вовлечена в нестабильные формы занятости или же останется вне рынка труда и системы образования.

Переменная X4 представляет собой общую безработицу и отражает состояние совокупного спроса и способности экономики использовать трудовые ресурсы в производственном процессе. Направление связи с NEET ожидаемо прямое.

Переменная X5 фиксирует среднюю продолжительность обучения в годах по данным Индекса человеческого развития и выступает ключевым образователь- ным измерением. В модели X5 рассматривается как фактор, который имеет обратную связь с NEET. Возможное влияние может быть описано двояко: через связь с формированием человеческого капитала (длительность обучения увеличивает навыки и квалификацию выпускников, повышая их шансы на трудоустройство) либо продолжительность периода до наступления активной трудовой деятельности (чем дольше продолжается формальное обучение, тем более отсроченным может быть этот момент).

Перед оценкой параметров регрессионной модели была проведена проверка на мультиколлинеарность. Использовались стандартные диагностические инструменты, такие как матрица парных корреляций (таблица 3) и коэффициент инфляции дисперсии (Variance Inflation Factor, VIF) для каждой регрессорной переменной.

Значения коэффициента инфляции дисперсии (VIF) для каждого включенного в модель регрессора существенно ниже критического порога: индивидуальные VIF варьируются в интервале примерно 1,33–1,84, что меньше граничного значения, равного 5, используемого в эконометрике для индикации потенциально проблемной мультиколлинеарности. Анализ парных корреляций между Х1–Х5 указывает на отсутствие устойчивых, высокоинтенсивных связей между независимыми факторами (парные корреляционные коэффициенты между независимыми переменными не превышают значения, равного по модулю 0,64).

Модель регрессии Y = – 0,43X1 – 1,74X2 + 0,15X3 + 0,43X4 – – 0,38X5 + 30,33 показывает высокое качество и статистическую значимость коэффициентов при экзогенных переменных (рисунок 2). Коэффициент детерминации R ² , равный приблизительно 0,768, указывает на то, что

Таблица 3 – Корреляционная матрица анализируемых в модели № 1 показателей

Table 3 – Correlation matrix of indicators analyzed in model № 1

	Y	X1	X2	X3	X4	X5
Y	1
X1	-0,49348	1
X2	-0,66404	0,334461	1
X3	0,692413	-0,37942	-0,64091	1
X4	0,633954	-0,38122	-0,27424	0,237442	1
X5	-0,54307	0,353066	0,375386	-0,38439	-0,48912	1

Источник: составлено авторами.

Регрессионная статистика
Множественный R	0,876275333
R-квадрат	0,76785846
Нормированный R-квадрат	0,765152847
Стандартная ошибка	3,106219557
Наблюдения	435
Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	5	13691,46446	2738,292891	283,8020965	1.4458Е-133
Остаток	429	4139,249373	9,648599938
Итого	434	17830,71383
	Коэффициенты	Стандартная ошибка	t-статистика	Р-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	30,32677722	2,736843229	11,08093328	2.88677Е-25	24,94748689	35,70606756	24,94748689	35,70606756
XI	-0,433503189	0,135799257	-3,192235352	0,001515634	-0,700417867	-0,16658851	-0,700417867	-0,16658851
Х2	-1,74219898	0,207909627	-8,379597431	7.6617Е-16	-2,15084725	-1,333550711	-2,15084725	-1,333550711
ХЗ	0,151262809	0,012960755	11,67083331	1.60212Е-27	0,125788327	0,176737291	0,125788327	0,176737291
Х4	0,432014531	0,029452101	14,66837737	9.00179Е-40	0,374126158	0,489902905	0,374126158	0,489902905
Х5	-0,384613976	0,145554875	-2,642398446	0,00853323	-0,670703411	-0,098524541	-0,670703411	-0,098524541

Рисунок 2 – Регрессионная статистика построенной модели № 1

Figure 2 – Regression statistics for the fitted model № 1

Источник: составлено авторами.

полученный в процессе исследования набор из пяти регрессоров совместно объясняет более трех четвертей вариации зависимой переменной доли NEET-молодежи в наблюдениях и модель учитывает ключевые источники ее вариации.

Анализ коэффициентов свидетельствует о статистической значимости всех отобранных переменных модели. Все p-значения для коэффициентов X1-X5 меньше 0,05 (самое высокое – 0,0085 для X5), т. е. для каждого фактора можно отвергнуть гипотезу о нулевом влиянии с высокой степенью уверенности. Критически важно, что ни один из доверительных интервалов для значимых коэффициентов не включает ноль – это свидетельствует об однозначном направлении влияния каждого фактора. Общая адекватность и надежность модели подтверждаются чрезвычайно высокой значимостью F-критерия.

Далее для достижения цели исследования было дополнительно оценено и изучено воздействие на долю NEET-молодежи благотворительности и волонтерства, измеренных с помощью Всемирного индекса благо-творительности18 и показателя доли населения, вовле- ченного в волонтерскую деятельность. Интерес к этому аспекту анализа обусловлен тем, что названные показатели дополняют понимание факторов феномена NEET-молодежи через процессы формирования социального капитала и «мягких навыков», а также через уровень гражданской вовлеченности, которые могут оказывать значимое влияние на долю NEET. Соответствующая аргументация приведена в исследованиях, посвященных анализу волонтерства (Федорова, 2021; Giancaspro and Manuti, 2021 и др.). Исследования демонстрируют, что благотворительность и волонтерство формируют особую среду социальной интеграции, где молодые люди получают возможность участвовать в общественно полезной деятельности, приобретать навыки, расширять социальные сети. Эти факторы способны компенсировать дефицит формальной занятости или образовательных возможностей.

Названные дополнительные факторы рассматриваются для тех же исследуемых 29 стран за период 2010–2021 гг., поскольку имеющиеся данные не публиковались за более ранние периоды и не охватывают более поздние годы.

Во вторую модель (далее - модель № 2) окончательно включены пять объясняющих переменных (таблица 4). Критериями для включения факторных переменных в модель послужили теоретическая обоснованность влияния и результаты корреляционного анализа.

В построенной модели № 2 сохраняется преемственность в интерпретации ряда переменных (Х1 и Х3), а также добавляются новые факторы, позволяющие расширить социальное измерение анализа.

Переменная X6 является оценкой качества политического и общественного климата, влияющей на ожидания экономических агентов, инвестиционные потоки и функционирование рынков труда. В модели политическая стабильность имеет обратную связь с NEET, то есть более высокий уровень стабильности ассоциируется со снижением доли NEET, поскольку уменьшаются барьеры для экономической активности, повышается мобильность ресурсов и растут возможности для институциональной поддержки молодежи.

Индекс человеческого развития (X7) имеет обратную связь с долей NEET. Более высокий ИЧР означает расширение возможностей для интеграции молодежи в экономическую и образовательную систему.

Особое внимание заслуживает динамика фактора X8 – доли людей, занимающихся волонтерством, который фактически характеризует уровень гражданской вовлеченности и социального капитала. Волонтерство создает дополнительные каналы социальной интеграции, формирует навыки, расширяет социальные сети и повышает мотивацию к дальнейшему обучению или трудоустройству. Волонтерство можно рассматривать как форму неформального образования и практического опыта, способствующую включению молодежи в активную социально экономическую жизнь.

Аналогично оценке параметров модели № 1 проведена проверка на отсутствие мультиколлинеарности.

Полученная регрессионная модель Y = -1,12X1 + 0,15X3 – – 1,15X6 – 18,92X7 – 10,47X8 + 34,89 имеет высокую степень надежности, оцененные экзогенные факторы статистически значимы (рисунок 3). Коэффициент детерминации R ² составляет около 0,627.

Таблица 4 – Факторы доли NEET-молодежи с учетом дополнительной оценки влияния благотворительности и волонтерства, включенные в модель № 2

Table 4 – Factors of the NEET-youth rate, incorporating the additional assessment of charity and volunteering impact, included in model № 2

Обозначение	Показатель
X1	Расходы на образование (% от ВНД) – 1999–2010 гг.
X3	Общая уязвимая занятость (% от общей занятости) (смоделированная оценка МОТ)
X6	Политическая стабильность и отсутствие насилия/терроризма: оценка Всемирного банка
X7	Индекс человеческого развития (ИЧР)
X8	Доля людей, занимающихся волонтерством

Источник: составлено авторами.

Регрессионная статистика
Множественный R R-квадрат	0,79213715 0,627481264
Нормированный R-квадрат	0,622035084
Стандартная ошибка Наблюдения	3,866294061 348
Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия Остаток	5 342	8611,295899 5112,294581	1722,25918 14,94822977	115,2149256	3.94074Е-71
Итого	347	13723,59048
	Коэффициенты	Стандартная ошибка	t-статистика	Р-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-neресечение XI	34,89125027 -1,123643895	5,489717926 0,196270394	6,355745549 -5,724979064	6.62791Е-10 2.2648Е-08	24,09338879 -1,50969297	45,68911176 -0,737594821	24,09338879 -1,50969297	45,68911176 -0,737594821
ХЗ	0,154190116	0,017853313	8,636498639	2.24351Е-16	0,119073994	0,189306238	0,119073994	0,189306238
Х6 Х7	-1,148879141 -18,92150425	0,522800677 6,473971674	-2,197547157 -2,922704207	0,028651396 0,003701042	-2,177188677 -31,65531869	-0,120569605 -6,187689807	-2,177188677 -31,65531869	-0,120569605 -6,187689807

XS-10,48906484 2,659186199    -3,93694313 0,000100011 -15,69948371 -5,238645965 -15,69948371 -5,238645965

Рисунок 3 – Регрессионная статистика построенной модели № 2

Figure 3 – Regression statistics for the fitted model № 2

Источник: составлено авторами.

Общая состоятельность модели подтверждается результатами дисперсионного анализа, что свидетельствует о высокой надежности и адекватности построенной регрессионной модели № 2.

Далее в процессе достижения цели исследования проанализированы устойчивые закономерности формирования NEET-молодежи для отдельных групп стран (с наиболее высокой долей NEET, с наиболее низкой долей NEET и со «средневысоким» уровнем показателя), что позволяет дополнительно выявить специфические институциональные особенности, влияющие на динамику объекта исследования.

Для анализа доли NEET-молодежи в группе отобранных стран с наиболее высоким уровнем NEET за рассматриваемый период 2010–2021 гг. – Албании,

Армении и Северной Македонии – первоначально в ходе исследования рассматривался тот же широкий набор переменных, что и при построении общих моделей № 1 и № 2 для всех стран. Однако последующий статистический анализ (включая проверку на мультиколлинеарность, корреляционный и регрессионный анализ) выявил различия в значимости факторов для рассматриваемой группы стран. Ряд показателей, значимых в общей модели (например, X1 и X3), в контексте группы стран с высоким уровнем NEET не имеют статистической значимости для объяснения динамики доли NEET-молодежи. В результате были отобраны три ключевых фактора, которые продемонстрировали устойчивую и статистически значимую связь с уровнем NEET именно в этой группе стран (таблица 5).

Таблица 5 – Факторы доли NEET-молодежи, отобранные для моделирования показателя по данным группы стран с высоким значением показателя

Table 5 – Factors of the NEET-youth rate, selected for modelling in high-NEET countries

Обозначение	Показатель
X9	Обязательное образование, продолжительность (лет)
X10	Индекс счастья, среднегодовой
X11	Всемирный индекс благотворительности

Источник: составлено авторами.

Продолжительность обязательного образования в годах (X9) выступает важным элементом формирования человеческого капитала. Чем дольше молодежь вовлечена в формальное обучение, тем выше вероятность приобретения базовых и профессиональных навыков, необходимых для успешного выхода на рынок труда.

Среднегодовой индекс счастья X10 отражает субъективное благополучие населения и уровень социальной интеграции. Обратная связь здесь обусловлена тем, что субъективное ощущение благополучия снижает риски социальной изоляции и способствует активному включению молодежи в экономические процессы.

Всемирный индекс благотворительности (X11) фиксирует уровень гражданской вовлеченности и социального капитала, выраженный через участие населения в благотворительных практиках и добровольной помощи, связь с исследуемым показателем обратная.

Проведенные статистические проверки подтверждают устойчивость полученных результатов: как корреляционный анализ (таблица 6), так и регрессионные оценки (рисунок 4) свидетельствуют о значимости всех факторов частной модели № 1.

Каждый из включенных в модель Y = -0,82X9 – 3,64X10 – – 23,22X11 + 59,35 факторов оказывает воздействие на зависимую переменную. Доверительные интервалы не пересекают нулевую отметку, что позволяет однозначно интерпретировать направление влияния.

При построении частной модели № 2 для группы стран со средневысокой долей NEET (Молдова, США, Сербия) за рассматриваемый период 2010–2021 гг. процесс отбора объясняющих переменных осуществлялся с учетом исходных 19 макроэкономических и социаль-

Таблица 6 – Корреляционная матрица анализируемых в частной модели № 1 показателей

Table 6 – Correlation matrix of indicators analyzed in partial model № 1

	Y	X9	X10	X11
Y	1
X9	-0,45338	1
X10	-0,48185	-0,08277	1
X11	-0,45725	0,134199	0,067825	1

Источник: составлено авторами.

Регрессионная статистика
Множественный R	0,778732585
R-квадрат Нормированный R-квадрат Стандартная ошибка	0,606424439 0,56952673 2,201963387
Наблюдения	36
Дисперсионный анализ
	df                 SS	MS	F     Значимость F
Регрессия Остаток	3           239,0665076 32           155,1565683	79,68883588 4,848642758	16,43528712     1,2145Е-06
Итого	35           394,2230759
	Коэффициенты Стандартная ошибка	t-статистика	P-Значение Нижние 95% Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение Х9 ХЮ	59,34535869           4,926109343 -0,822429101           0,207533291 -3,642171747           0,823052979	12,04710544 -3,962877948 -4,425197212	1,97734Е-13 49,31120232 69,37951507 0,000388694 -1,245160581 -0,399697622 0,000104653 -5,318675802 -1,965667691	49,31120232 -1,245160581 -5,318675802	69,37951507 -0,399697622 -1,965667691

XI1-23,21814564 7,162130898   -3,241793116 0,002774675 -37.806Э2Э88 -8,629363405 -37,80692988 -8,629363405

Рисунок 4 – Регрессионная статистика построенной частной модели № 1

Figure 4 – Regression statistics for the fitted model № 1

Источник: составлено авторами.

ных показателей и дополнительных переменных, характеризующих волонтерскую деятельность и благотворительность.

Была обнаружена высокая степень мультиколлинеарности между большинством потенциальных регрессоров. Поиск трех и более переменных для одновременного включения в модель не позволил получить статистически значимые зависимости. После последовательного исключения переменных на основе анализа корреляционной матрицы и проверки VIF была сформирована двухфакторная модель вида Y = -1,31X2 – 0,61X9 + 34,64.

Наибольшую объяснительную силу и устойчивость для рассматриваемой группы стран имеют два фактора: логарифм ВВП на душу населения (X2) и продолжительность обязательного образования (X9).

В группе стран с низким уровнем NEET за рассматриваемый период – Республике Беларусь, Нидерландах, Швеции – в результате корреляционного анализа выделены три фактора, влияние которых целесообразно оценить в процессе построения регрессионной модели (таблица 7).

Корреляционный анализ и регрессионные оценки подтвердили устойчивость полученных результатов. Все коэффициенты модели статистически значимы. Каждый из трех факторов, включенных в модель Y = 0,51X4 – 1,51X5 – 5,35X11 + 23,4, оказывает влияние на зависимую переменную. Доверительные интервалы позволяют однозначно определить направление воздействия.

Анализ полученных результатов с точки зрения их научной новизны и в сопоставлении с соответствующими известными данными и высказанными при постановке задачи гипотезами

Проведенное исследование, основанное на моделировании показателя доли NEET-молодежи, показывает, что факторы образования и волонтерства играют системную и статистически значимую роль в объяснении динамики исследуемого показателя. Эти переменные не только включены в качестве объясняющих переменных в модель № 2 для всех 29 рассматриваемых стран, но и являются значимыми в спецификациях частных моделей для стран с высокой и низкой долей NEET-молодежи, что подтверждает их практическую значимость для выбора с целью формирования эффективной политики, направленной на снижение доли NEET-молодежи.

В обобщающей модели № 1 образование представлено двумя экзогенными переменными: расходами на образование (% от ВНД) и средней продолжительностью обучения. Расчеты свидетельствуют о долгосрочном положительном эффекте образовательных инвестиций для снижения доли NEET-молодежи на макроуровне. В модель № 2 наряду с названными факторами образования включен показатель волонтерства, который также статистически значимо влияет на долю NEET-молодежи (при увеличении доли людей, занимающихся волонтерством, доля NEET-молодежи сокращается, и наоборот). Это указывает на то, что волонтерская деятельность выступает как дополнительный канал социализации и профессиональной ориентации, компенсируя возможные пробелы формального образования и способствуя развитию социального капитала и «мягких навыков», особенно значимых для сокращения доли NEET-молодежи.

Важность этих факторов подтвердилась также при анализе показателей для отдельных групп стран и построении частных моделей № 1-3. В странах с наиболее высоким уровнем NEET, таких как Албания, Армения и Северная Македония, в частной модели значимыми оказались продолжительность обязательного образования и Всемирный индекс благотворительности. Это свидетельствует о том, что в контекстах, где проблема NEET стоит особенно остро, базовое образование и вовле-

Таблица 7 – Факторы, отобранные для моделирования показателя по странам с низкой долей NEET-молодежи

Table 7 – Factors selected for modelling the indicator in countries with a low NEET-youth rate

Обозначение	Показатель
X4	Общая безработица (% от общей численности рабочей силы) (смоделированная оценка МОТ)
X5	Средняя продолжительность обучения (из ИЧР), лет
X11	Всемирный индекс благотворительности

Источник: составлено авторами.

ченность в общественную деятельность через благотворительность и волонтерство выступают ключевыми механизмами предотвращения социального исключения молодежи. В то же время, в странах с достаточно низким уровнем NEET (например, Беларусь, Нидерланды и Швеция), в ходе моделирования в качестве значимых факторов рассматриваемого явления также выделены продолжительность обучения и индекс благотворительности. Это позволяет интерпретировать их не только как инструменты возможного снижения доли NEET, но и как институциональные характеристики социальной системы, способствующие поддержанию благоприятной динамики.

Проведенное исследование, как и ряд других современных исследований (Petrescu et al., 2024; Gunnes et al., 2025; Marques et al., 2025), подтверждает, что уровень и качество образования, а также участие в волонтерской деятельности оказывают значимое воздействие на вероятность попадания молодежи в статус NEET.

Традиционно, уровень образования рассматривается в научной литературе как один из наиболее устойчивых факторов, определяющих вероятность попадания молодежи в категорию NEET. В работе Х. Рахмани были собраны результаты 43 эмпирических исследований, посвященных факторам риска NEET (Rahmani, H., Groot, and Rahmani, A., 2024), в которых авторы показали, что низкая успеваемость в школе и отсутствие профессиональной подготовки формируют устойчивую вероятность «выпадения» из сферы занятости и обучения. Подчеркивается, что образовательные программы, ориентированные на развитие профессиональных навыков, снижают риск социальной изоляции и повышают шансы на трудоустройство. Особое внимание уделяется тому, что именно сочетание академических знаний и практикоориентированного обучения обеспечивает более устойчивую интеграцию молодых людей в экономическую активность.

В исследовании М. Джанкаспро и А. Манути (Giancaspro and Manuti, 2021) было проанализировано влияние волонтерства на развитие компетенций, необходимых для выхода на рынок труда. Авторы использовали концепцию «капитала трудоустройства», включающего мягкие навыки, социальные связи и опыт коллективной деятельности. На основе эмпирических данных показано, что участие в добровольческих инициативах способствует развитию коммуникативных и организационных способностей, укрепляет чувство принадлежности к сообществу и расширяет социальные сети. Эти факторы напрямую повышают конкурентоспособность молодых людей на рынке труда, создают дополнительные возможности для трудовой интеграции и снижают вероятность попадания в категорию NEET. Волонтерство в данном контексте выступает как социальный механизм, позволяющий молодежи компенсировать недостаток опыта, облегчает переход между обучением и трудовой деятельностью.

Прогнозные данные для разработки мер политики по сокращению доли NEET-молодежи могут быть получены как на основании моделирования (в том числе использования разработанных в ходе настоящего исследования моделей), так и путем опросов. В частности, ряд результатов международных сравнительных исследований PISA и TIMSS (в меньшей степени, чем PISA) характеризует намерения относительно продолжения образования и карьерные планы обучающихся. Развита система соответствующих исследований, базирующихся на опросах старшеклассников, в США и странах Западной Европы (например, Career Interest Survey from the National Society of High School Scholars (NSHSS), The High School and Beyond Longitudinal Study of 2022, High School Longitudinal Study of 2009 и другие в США; исследование «Zukunfts- und Berufspläne vor dem Abitur (ZuBAb)» (2016-2024) в ФРГ, опросы European Training Foundation по странам ЕС и др.).

На основе данных исследования PISA ОЭСР 202219, обобщивших результаты среди 690 000 подростков в 81 стране, было установлено, что к возрасту 15 лет 39 % учащихся не имеют четкого представления о своих карьерных ожиданиях, что вдвое больше, чем десять лет назад. Каждый третий учащийся также указал, что школа не научила его тому, что может быть полезно в работе.

В странах ОЭСР порядка 20 % молодых людей, по данным исследования PISA 2022, рассчитывают работать по профессии, для которой обычно требуется высшее образование, но при этом не планирует продолжать обучение на соответствующем уровне образования после окончания средней школы. Среди молодых людей из наиболее благополучных социальных групп эта доля составляет 11 %, а наиболее уязвимых социальных групп – 34 % (в ряде стран – вплоть до половины принявших участие в исследовании молодых людей из назван- ной социальной группы).

Результативным для разработки мер политики может стать проведение аналогичных репрезентативных опросов выпускников белорусских школ.

Международный опыт демонстрирует разнообразные подходы к снижению уровня NEET-молодежи, каждый из которых отражает специфику национальной социальной и образовательной политики и показывает разную результативность. В Европейском Союзе ключевым инструментом борьбы с молодежной безработицей и неактивностью являются программы Youth Guarantee (2013), последующая Reinforced Youth Guarantee (2020)20 и соответствующие национальные программы, уникальные для каждой страны. Общеевропейская инициатива предусматривает предоставление молодым людям качественных предложений по трудоустройству, образованию, стажировке или профессиональному обучению в течение четырех месяцев после потери работы или окончания образования. Одним из основных финансовых ресурсов для поддержки реализации общеевропейской программы является Youth Employment Initiative (YEI).

Инициатива Европейской комиссии ALMA21 (Aim, Learn, Master, Achieve – Стремись, Учись, Овладей, Достигни) использует международную мобильность в качестве ключевого инструмента целевой поддержки NEET-молодежи, включая возможность получения опыта работы в другой стране ЕС и последующее сопровождение для интеграции на рынке труда. В рамках ALMA участники проходят интенсивное обучение в своей стране, затем получают опыт работы за рубежом и по возвращении получают поддержку для трудоустройства или продолжения образования22.

В Германии ключевую роль для снижения доли NEET-молодежи играет дуальная система образования23, объединяющая теоретическое обучение с практикой. В Польше действует программа развития знаний –

Lost Millennials – Policy Brief on 25+ NEETs in Poland24, поддерживающая молодежь на этапе выхода на рынок труда. В Испании реализуется программа Comprehensive Qualification and Employment Programme25, облегчающая переход из школы к работе. В Италии государственные программы и гранты, такие как Invest Your Talent in Italy26, позволяют NEET-молодежи получить высшее образование и квалификацию, однако зачастую выпускники стремятся трудоустроиться только на высокооплачиваемые места, а при неудаче снова пополняют группу NEET. В Японии реализуются программы реинтеграции социально изолированных молодых людей – Regional Youth Support Stations27.

В контексте рассматриваемой проблематики особо следует упомянуть целенаправленную политику по развитию волонтерства, проводимую во многих странах. В частности, в Российской Федерации принят Федеральный закон № 135-ФЗ «О благотворительной деятельности и добровольчестве (волонтерстве)», создана система взаимодействия образовательных учреждений с социально-ориентированными НКО, органами власти, социально ответственным бизнесом через платформу Добро.рф, подготовлен соответствующий учебник (Метелев и др., 2022), разработана и реализуется на всех уровнях образовательная программа «Обучение служением», осуществляются и многие другие мероприятия.

В докладе ОЭСР The State of Global Teenage Career Preparation28 выдвинуто предложение о том, что даже простые мероприятия, такие как поощрение работодателями своих сотрудников к тому, чтобы они выделяли один час в год на беседы с молодежью о своей работе и возможностях в своей отрасли, могло бы помочь молодежи ориентироваться в тенденциях и возможностях на рынке труда.

Проведение информационных часов в рамках корпоративного волонтерства сотрудников белорусских организаций различных видов экономической деятель- ности, создание соответствующих информационных материалов может стать результативным для обеспечения качественной профориентации белорусской молодежи и сокращения доли NEET-молодежи.

Выводы

Проведенное исследование на основе анализа опубликованных работ и статистических данных по 29 странам подтверждает, что феномен NEET-молодежи определяется сложным взаимодействием экономических и социальных факторов макро- и микроуровня. Корреляционно-регрессионный анализ выявил статистически значимую зависимость между инвестициями в образование и долей NEET-молодежи, причем эффект от инвестиций проявляется с существенным временным лагом. Также установлено, что увеличение средней продолжительности обучения положительно влияет на сокращение доли NEET-молодежи. Важным выводом является эмпирическое подтверждение значимости волонтерства и благотворительности как дополнительных каналов социализации и профессиональной ориентации, снижающих риск социальной изоляции и попадания молодежи в категорию NEET. Анализ также подтвердил устойчивое однонаправленное изменение доли NEET-молодежи под воздействием таких факторов, как уязвимая занятость и общая безработица, и благоприятное воздействие на сокращение доли NEET-молодежи политической стабильности и уровня экономического развития страны. При этом воздействие названных ключевых факторов проявляется с разной интенсивностью в странах с высоким, средним и низким уровнем NEET, что подчеркивает необходимость дифференцированного подхода в политике, направленной на сокращение доли NEET-молодежи.

Результаты проведенного исследования и изучения соответствующих мер социально-экономической политики ряда развитых стран свидетельствуют, что наибо- лее эффективные стратегии, направленные на сокращение масштабов NEET-молодежи и ее активизацию на рынке труда, должны носить комплексный характер, одновременно укрепляя образовательную систему, содействуя формированию и использованию социального капитала, в первую очередь – через развитие практик волонтерства, а также целенаправленную политику на рынке труда во взаимосвязи с системой образования.

Исходя из результатов исследования, разработка эффективной политики по сокращению доли молодежи, находящейся в статусе NEET, требует интегрированного подхода в рамках трех взаимосвязанных направлений: образовательное, социально-трудовое и институциональное. В образовательной сфере необходимы долгосрочное планирование и целенаправленное структурирование бюджетных расходов на образование с учетом прогнозных данных, а также внедрение практико-ориентированных моделей обучения. Для формирования эффективных мер государственной политики необходимо изучение намерений обучающихся старших классов относительно продолжения обучения в формальной системе образования и карьерных планов на основе технологии массовых опросов.

На рынке труда ключевыми задачами являются обеспечение социальной защиты занятых, сокращение уязвимых рабочих мест и создание целевых программ обучения, стажировок и трудоустройства. Высокий эффект демонстрируют меры политики, направленные на стимулирование межсекторного партнерства и развития социального капитала через поддержку волонтерства и благотворительности, которые обеспечивают альтернативные пути социализации и профессионального роста. Успех этих мер напрямую зависит от обеспечения макроэкономической и политической стабильности, создающей предсказуемые условия для инвестиций в человеческий капитал.