Оценка влияния доли занятых на микропредприятиях на уровень средней заработной платы в регионах РФ

Введение . При планировании сокращения мер государственной поддержки и усиления налоговой нагрузки важно учитывать в полной мере альтернативные издержки, что, помимо прочего, требует осуществления систематической количественной оценки. Настоящее исследование призвано внести соответствующий вклад путем анализа влияния доли занятых в микропредприятиях на уровень средней заработной платы в субъектах Российской Федерации. Согласно данным из открытых источников, наблюдается существенное снижение объемов финансовой поддержки предприятий малого и среднего бизнеса в целом. В частности, в 2025 г. этот показатель составил 380,6 млрд руб., что на 39,1 % меньше, чем в среднем в период с 2022 по 2024 г.¹ Также наблюдается тенденция к увеличению налоговой нагрузки, прежде всего за счет снижения порога для уплаты налога на добавленную стоимость² предпринимателями на упрощенной системе налогообложения. Во многом это связано с функционированием в условиях ограниченных ресурсов, что приводит к необходимости выбора между микро или средним и крупным бизнесом. Так, важным индикатором для лиц, принимающих решения, может стать наличие существенного разрыва в уровне заработной платы между микропредприятиями и средними предприятиями, соответственно, 34 807 и 64 078 руб. в среднем за период с 2021 по 2023 г. в регионах РФ³. Подобные данные на практике могут быть использованы как аргументы, свидетельствующие о целесообразности поддержки в первую очередь именно среднего или крупного бизнеса, особенно если есть заинтересованность в увеличении уровня заработных плат на территории.

Противоречия наблюдаются и в литературе. В частности, в одних исследованиях приводятся аргументы в пользу поддержки среднего и крупного бизнеса ввиду того, что микробизнес традиционно характеризуется высокой долей занятости низкоквалифицированных кадров, работающих в отраслях с низкой добавленной стоимостью (розничная торговля, бытовые услуги, общественное питание), что предопределяет преобладание в нем относительно низких заработных плат (Пиньковецкая, 2020; Edmiston, 2007). При этом развитие малого и микробизнеса может иметь существенное влияние на развитие региона за счет таких каналов, как инновации, поддержка и усиление конкуренции на рынке труда (Pratama, 2023; Wursten, Reich, 2023). А относительно низкая оплата труда в определенной степени может быть обусловлена меньшим уровнем прозрачности и, возможно, более масштабным теневым сектором.

Исследовательская проблема заключается в наличии предпосылок смещения коэффициента, характеризующего величину искомого влияния, ввиду наличия проблемы эндогенности. В частности, потенциальная недооценка вклада микробизнеса может быть объяснена за счет особенностей структуры экономики территорий. Например, в менее развитых регионах, где не представлены крупные предприятия и производства, отсутствует разработанная добыча природных ресурсов и именно ввиду этого высока доля микробизнеса. Однако на таких территориях уровень заработных плат по умолчанию будет ниже при прочих равных условиях, вне зависимости от представленности микробизнеса.

Исследовательский вопрос: как влияет увеличение доли занятых на микропредприятиях на 1 % на уровень средней заработной платы в среднем в регионах РФ?

Исследовательская гипотеза: положительное влияние доли занятых на микропредприятиях на средний уровень заработной платы в регионе может недооцениваться при использовании стандартных методов регрессионного анализа ввиду наличия между этими показателями ложноотрицательных и ложноположительных связей.

Для преодоления соответствующих вызовов в исследовании применяется метод инструментальной переменой с рассмотрением различных наборов инструментов для анализа годовых региональных данных.

Обзор литературы . Дискуссия о том, какие факторы оказывают влияние на различие уровня оплаты труда в регионах одной страны, сегодня является открытой. Теория компенсирующих различий, применимая к рынку труда, указывает, что при соответствующих предпосылках номинальная зарплата работников стремится к равенству (Thaler, Rosen, 1976). Г.А. Карлино демонстрирует, что работники готовы получать более низкие реальные зарплаты в регионах с высоким уровнем удобств (Carlino, 1986). Д. Чикьяр изучает динамику диспропорции уровня оплаты труда в регионах Мексики, указывая на то, что она может снижаться за счет глобализационных процессов (Chiquiar, 2008).

Также исследователи ставят под сомнение возможность объяснения разницы в уровне оплаты труда в разных регионах уровнями человеческого капитала (Simón et al., 2006). В рамках анализа дифференциации уровня заработной платы в Италии делается вывод о важности учета спецификаций, связанных со структурами местной экономики в разрезе размеров бизнеса (Daniele, 2021). Также изучалось, как размер компании определяет реакцию на изменения минимальной заработной платы (Dung, 2017). В итоге отмечается склонность микрофирм сокращать число постоянных работников и заменять их персоналом с неполной занятостью, что приводит к негативным последствиям для заработной платы.

В Китае региональные уровни заработной платы зависят от рыночного потенциала, открытости и сегментации рынка (Kaike et al., 2013). В странах Африки высокие начальные издержки и низкая производительность могут сдерживать рост малого бизнеса (Rud, Trapeznikova, 2016). Гипотеза кривой заработной платы предполагает, что региональная заработная плата зависит от уровня безработицы, способного повлиять на деятельность этого сектора. В регионах с высоким уровнем безработицы снижение заработной платы может снизить операционные издержки малого бизнеса и потенциально стимулировать его развитие (Bellmann, Blien, 1996). В Испании региональная дифференциация заработных плат обусловлена не только особенностями в характеристиках работников и фирм, но и региональными различиями в отдаче от человеческого капитала. Это говорит о том, что малые предприятия в регионах с более значительной отдачей от человеческого капитала могут столкнуться с более высокими затратами на заработную плату, влияя на их конкурентоспособность и потенциал роста (Motellón et al., 2011).

Применение квазиэкспериментальных методов для определения уровней заработной платы в разных регионах является ценным подходом в экономических исследованиях, особенно когда случайное распределение невозможно. В качестве естественного эксперимента нередко используется открытие рынков Центральной и Восточной Европы после 1990 г. Соответствующий анализ показал, что в регионах, расположенных ближе к этим рынкам, заработная плата значительно выросла по сравнению с более отдаленными регионами, что свидетельствует о влиянии либерализации торговли на региональную заработную плату (Brülhart et al., 2012). Квазиэкспери-ментальные схемы особенно полезны в исследованиях городской и региональной политики, где контролируемые эксперименты непрактичны (Lambert, Bewley, 2016).

В Швеции квазиэкспериментальная оценка региональных субсидий на трудоустройство показала эффективность такой политики в отношении уровня заработной платы с течением времени (Bohm, 2008). В литературе отмечается, что метод инструментальных переменных расширяет традиционные подходы, делая акцент на оценке именно причинно-следственных связей, формирующихся под воздействием различных внешних факторов (Zheng et al., 2012).

Данные и модели . В работе использованы данные по регионам Российской Федерации, для которых есть соответствующие ежегодные наблюдения за период с 2017 по 2023 г., представленные Единой межведомственной информационно-статистической системой, Федеральной службой государственной статистики России и Единым реестром субъектов малого и среднего предпринимательства. Описание всех переменных и подход к их расчету приведены в таблице 1.

Для того чтобы получить ответ на сформированный исследовательский вопрос, необходимо в качестве зависимой переменной рассмотреть показатель среднемесячной номинальной заработной платы работников в регионах Российской Федерации. При моделировании, помимо оценки, непосредственно характеризующей долю работников микропредприятий, будут рассмотрены контрольные переменные. В качестве контрольных переменных в базовую версию модели будут включены: инвестиции на душу населения, доля работников бюджетной сферы, безработица, а также процент городского населения в регионах.

Для улучшения качества анализа и облегчения интерпретации результатов были применены логарифмические преобразования ряда переменных. Такое решение обусловлено несколькими преимуществами. Во-первых, логарифмирование способствует нормализации распределения данных, уменьшению влияния крупных выбросов и сокращению разницы между минимальными и максимальными значениями, что особенно важно для таких переменных, как инвестиции на душу населения (invest_per) и заработная плата (salary), имеющих значительные стандартные отклонения. Во-вторых, использование логарифмов позволяет интерпретировать коэффициенты регрессии как эластичности, демонстрируя степень реакции зависимой переменной на процентное изменение независимых факторов. Наконец, логарифмирование устраняет проблему гетеро-скедастичности, снижая вариации остатков и повышая надежность оценок. Эти преимущества делают применение логарифмических преобразований целесообразным и обоснованным выбором для исследуемого набора данных.

Таблица 1 . Описание переменных ¹

Table 1 . Description of Variables

№	Обозначение	Фактор	Способ расчета
1	salary	Среднемесячная номинальная заработная плата работников	Среднемесячная номинальная начисленная заработная плата работников в регионе в ценах 2017 г., руб.
2	micro_share	Доля работников микропредприятий	Доля работников микропредприятий от среднегодовой численности, занятых в экономике региона
3	invest_per	Инвестиции на душу населения	Инвестиции в основной капитал на душу населения в регионе в ценах 2017 г., руб.
4	budget	Доля работников бюджетной сферы	Доля работников, занятых в бюджетной сфере, от среднегодовой численности занятых в экономике региона
5	unem	Безработица	Уровень безработицы (по методологии МОТ)
6	town	Доля городского населения	Доля городского населения в общей численности населения региона
7	2012_micro_share	Доля работников микропредприятий в 2012 г.	Доля работников микропредприятий от среднегодовой численности, занятых в экономике региона в соответствующем году
8	2013_micro_share	Доля работников микропредприятий в 2013 г.
9	2014_micro_share	Доля работников микропредприятий в 2014 г.
10	micro_sup_per	Число микропредприятий, получающих поддержку на душу населения	Число получателей поддержки в лице микропредприятий на душу населения в регионе
11	ie_per	ИП на душу населения	Численность фактически действующих индивидуальных предпринимателей на душу населения в регионе
12	msp_prod_per	Производство МСП товаров и услуг на душу населения	Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами малых предприятий (включая микропредприятия) в регионе в ценах 2017 г., тыс. руб. на душу населения

Базовые модели (таблица 2):

• 1.    Модели линейной регрессии (1) для каждого года в отдельности (m1_2017, m1_2018, m1_2019, m1_2020, m1_2021, m1_2022, m1_2023).

• 2.    Модель сквозной регрессии (2) на основе пространственной выборки (m.pooled).

• 3.    Модель на панельных данных (3) с применением фиксированных эффектов (m.fe): log(salary) = p0 + pl x log(micro_share) + p2 x log(invest_per) + p3 x log(budget) + p4 x log(unem) + p5 x log(town) .

Модели с применением инструментальных переменных, представленных лагами долей работников микропредприятий в 2012‒2014 гг. (таблица 3):

• 1.    Модели, где рассматривается влияние инструментов 2012_micro_share (4), 2013_micro_share, 2014_micro_share на данные выборки 2019 года по отдельности (m2019_2012, m2019_2013, m2019_2014).

• 2.    Модели, где рассматривается влияние инструментов 2012_micro_share (5), 2013_micro_share, 2014_micro_share на данные всей пространственной выборки по-отдельности (m2_2012, m2_2013, m2_2014).

• 3.    Модель с применением двух инструментов 2012_micro_share и 2014_micro_share (6) на данных пространственной выборки (m2_1214).

• 4.    Модель с применением трех инструментов 2012_micro_share, 2013_micro_share, 2014_micro_share (7) на данных пространственной выборки (m2).

• 5.    Модель с применением инструмента 2012_micro_share, с учетом годовых факторов и временного тренда (m2_years) (8).

В качестве инструментальных переменных для базовых моделей были взяты показатели доли работников микропредприятий в 2012‒2014 гг. (2012_micro_share, 2013_micro_share, 2014_micro_share). Использование их лаговых значений позволяет повысить доверие к выполнению свойств их экзогенности и релевантности.

Для проверки валидности инструментальных переменных и надежности полученных оценок будет проведен комплекс диагностических тестов. Тест на слабые инструменты (Weak Instruments

1 Все таблицы в статье составлены авторами.

Test) позволяет убедиться в достаточной силе связи между инструментами (долями работников микропредприятий за 2012‒2014 гг.) и эндогенной переменной (текущей долей работников микропредприятий), где F -статистика выше 10 свидетельствует об отсутствии проблемы слабых инструментов. Тест Ву-Хаусмана (Wu-Hausman Test) проверяет необходимость использования IV-подхода, сравнивая оценки МНК и IV-регрессий ‒ значимое различие между ними подтверждает наличие эндогенности. Для моделей с несколькими инструментами (m2_1214 и m2) дополнительно проводится тест Саргана (Sargan Test), который проверяет экзогенность инструментов через анализ избыточных ограничений.

Результаты и обсуждение . Результаты по оценке моделей с использованием логарифмирования, где анализируется влияние доли работников микропредприятий на зарплату с течением времени, представлены в таблице 2. Результаты оценки моделей с использованием логарифмирования и применением инструментальных переменных, представленных лагами долей работников микропредприятий в 2012‒2014 гг., приведены в таблице 3.

Таблица 2 . Результаты оценки моделей с использованием логарифмирования, где анализируется влияние доли работников микропредприятий на зарплату с течением времени

Table 2. The Results of Evaluation of Models Assessing the Impact of the Share of Microenterprise Employees on Wages over Time Using Logarithms

VARIABLES	m1_2017	m1_2018	m1_2019	m1_2020	m1_2021	m1_2022	m1_2023	m.pooled	m.fe
	(1)	(1)	(1)	(1)	(1)	(1)	(1)	(2)	(3)
Доля работников микропредприятий (логарифм)	-0,04	-0,04	-0,04	0,00	0,06	0,03	0,02	-0,01	0,01
Контроли	+	+	+	+	+	+	+	+	+
R 2	0,76	0,80	0,83	0,82	0,85	0,87	0,86	0,82	0,51
Num. obs.	85	85	85	85	85	85	85	595	595

Таблица 3. Результаты оценки моделей с использованием логарифмирования и применением инструментальных переменных, представленных лагами долей работников микропредприятий в 2012‒2014 гг.

Table 3 . The Results of Evaluation of Models Using Logarithms and Instrumental Variables Represented by Lags of the Shares of Microenterprise Employees in 2012‒2014

VARIABLES	CM о ф о см Е	со о ч ф о см Е	о ч ф о см Е	см о М| см Е	СО о М| см Е	О М| см Е	СМ см Е	см Е	и 05 см Е
	(4)	(4)	(4)	(5)	(5)	(5)	(6)	(7)	(8)
Доля работников микропредприятий (логарифм)	0,16	0,20*	0,15	0,15***	0,18***	0,14***	0,15***	0,13***	0,16***
Контроли	+	+	+	+	+	+	+	+	+
Тренд									+
Фиксированный эффект на годы									+
R 2	0,80	0,79	0,80	0,81	0,80	0,81	0,81	0,82	0,82
Num. obs.	83	83	83	581	581	581	581	581	581
Weak instruments	47,826 1,2e09 ***	37,47 3,6e08 ***	48,246 1,05e09 ***	365,82 < 2e16 ***	296,96 < 2e16 ***	301,98 < 2e16***	189,348 < 2e16 ***	131,51 < 2e16 ***	362,35 < 2e16***
Wu-Hausman	0,0028 **	0,001 **	0,00374 **	0,0***	0,0***	0,0***	0,0***	0,0***	0,0***
Sargan							0,404	0,000835***

Примечание: ^* ‒ p < 0,1; ^** ‒ p < 0,05; ^*** ‒ p < 0,01.

Согласно полученным результатам, применение квазиэкспериментальных методов показывает, что увеличение доли занятых в микропредприятиях на 1 % в среднем в регионах РФ приводит к росту уровня средней заработной платы на 0,15 %, тогда как базовый регрессионный анализ демонстрирует статистически незначимое, а в некоторых случаях даже отрицательное влияние. Построение дополнительной модели с инструментом 2012_micro_share, добавлением временного тренда, а также факторов на годы подтвердило стабильность полученных результатов: увеличение доли работников микропредприятий на 1 % приводит к увеличению зарплаты на 0,16 %.

Для дополнительной проверки положительного влияния доли работников микропредприятий на уровень заработной платы в регионах нами были подобраны еще три инструментальные переменные. В ходе исследования была осуществлена оценка моделей (таблица 4) с применением комбинаций инструментов, что позволило провести тест Саргана и убедиться в устойчивости полученных результатов.

Для моделей m3_2022_1, m3_2022_2, m3_2022_3, m3_2022_4 была выбрана спецификация (9) с использованием логарифмирования, где рассматривается влияние комбинаций инструментов на данные выборки 2022 г. (таблица 4). В качестве базы для моделей m3_1, m3_2, m3_3 была выбрана спецификация (10) с использованием логарифмирования, где рассматривается влияние комбинаций инструментов на данные всей пространственной выборки (таблица 4).

В качестве новых инструментов рассмотрены такие показатели на душу населения, как число микропредприятий, получающих поддержку (micro_sup_per), число ИП (ie_per), производство малыми и средними предприятиями товаров и услуг (msp_prod_per). Предполагается, что эти переменные удовлетворяют критериям релевантности и экзогенности. Для подтверждения валидности инструментов в исследовании также проводится комплекс диагностических тестов, результаты которых демонстрируют их значимость, обоснованность применения и надежность полученных оценок для всех рассматриваемых спецификаций моделей.

Таблица 4. Результаты оценки моделей с использованием логарифмирования и применением комбинации инструментальных переменных:

2013_micro_share, micro_sup_per, ie_per, msp_prod_per

Table 4. The Results of Evaluation of Models Using Logarithms and a Combination of Instrumental Variables:

2013_micro_share, micro_sup_per, ie_per, msp_prod_per

VARIABLES	m3_2022_1	m3_2022_2	m3_2022_3	m3_2022_4	m3_1	m3_2	m3_3
	(9)	(9)	(9)	(9)	(10)	(10)	(10)
Доля работников микропредприятий (логарифм)	0,15*	0,16*	0,21**	0,26**	0,16***	0,19***	0,29***
Контроли	(0,07)	(0,07)	(0,07)	(0,08)	(0,04)	(0,04)	(0,05)
R 2	0,88	0,88	0,87	0,83	0,86	0,85	0,80
Num. obs.	83	83	83	85	249	249	255
Weak instruments	30,148	30,371	38,208	32,075	85,269	80,531	76,477
	2,29e10***	2,03e10***	3,28e12***	6,83e11***	< 2e16***	< 2e16***	< 2e16***
Wu-Hausman	0,0241*	0,0179*	7,57e05***	5,32e06***	1,69e05***	6,61e07***	0,0***
Sargan	0,7628	0,8719	0,3	0,217	0,924	0,199	0,523

Примечание: ^* ‒ p < 0,1; ^** ‒ p < 0,05; ^*** ‒ p < 0,01.

Проведенная дополнительная проверка с применением новых инструментальных переменных выявила, что рост доли работников микропредприятий на 1 % оказывает значимое положительное влияние на средний уровень заработной платы в регионах. Согласно расчетам, увеличение данного показателя приводит к росту средней зарплаты в пределах 0,15–0,30 %. Эти результаты полностью согласуются с исходной гипотезой о важности сектора микропредпринимательства для повышения доходов населения и стимулирования экономического развития территорий (Rupasingha, Goetz, 2013).

Заключение . В рамках проведенной работы предложена эконометрическая модель для оценки доли занятых в микропредприятиях на уровень средней заработной платы в регионах РФ. Она отличается от существующих подходов применением метода инструментальной переменной для нивелирования потенциального смещения значения искомого коэффициента ввиду проблемы эндогенности. Это позволяет повысить точность оценок вклада развития микробизнеса в показатели развития территорий и избежать недофинансирования из-за недооценки соответствующих альтернативных издержек.

В ходе эмпирического анализа была подтверждена гипотеза о систематической недооценке положительного влияния занятости в микропредприятиях на региональный уровень заработной платы. Применение квазиэкспериментальных методов, согласно полученным результатам, показывает, что увеличение доли занятых в микропредприятиях на 1 % в среднем в регионах РФ приводит к росту уровня средней заработной платы на 0,15 %, тогда как базовый регрессионный анализ демонстрирует статистически незначимое, а в некоторых случаях даже отрицательное влияние. Полученные результаты обосновывают целесообразность использования более сложных эконометрических подходов для установления статистически значимой зависимости между рассматриваемыми переменными.

В будущем планируется осуществить кластеризацию регионов Российской Федерации с учетом территориальных, экономических и социальных параметров регионального развития, что позволит повысить точность расчетов и учесть специфику различных групп территорий (Fritsch, Schroeter, 2011).

Результаты исследования могут внести существенный вклад в оценку целесообразности принятия управленческих решений в сфере реализации политики и определения ключевых параметров программ поддержки микропредприятий на региональном уровне.