Пространственные дисбалансы регионального рынка труда: методология диагностики и роль цифровых данных

П ространственные дисбалансы на рынках труда российских регионов по-прежнему относятся к числу наиболее острых социально-экономических проблем. Общестрановой рост занятости и снижение безработицы не ведут к сокращению территориальных разрывов. Напротив, различия между регионами и внутри них продолжают усиливаться. Всё более отчётливо проявляется поляризация, при которой крупные агломерации сосредоточивают высокие доходы, технологии и человеческий капитал, тогда как периферийные территории всё заметнее отстают.

Проблематика широко представлена в научной литературе. Однако значительная часть имеющихся исследований строится на статическом анализе и использует ограниченный круг источников данных. Роль современных цифровых технологий в таких работах учитывается недостаточно. С учётом указанного ограничения разработана многоуровневая методология диагностики регионального рынка труда.

Цель настоящего исследования состоит в разработке и обосновании многоуровневой цифровой методологии диагностики пространственных дисбалансов регионального рынка труда России с использованием цифровых данных. Для её достижения проанализирована нормативно-правовая база, выполнен обзор научных публикаций, рассмотрены существующие подходы, разработана оригинальная трёхуровневая модель, включающая авторский Индекс пространственного дисбаланса.

Материалы и методы

Теоретическую базу исследования образуют труды отечественных и зарубежных авторов, в которых рассматриваются пространственные дисбалансы региональных рынков труда, вопросы пространственной эконометрики, процессы цифровизации занятости, цифровое неравенство и применение цифровых следов в социально-экономическом анализе. Методологический аппарат исследования имеет комплексный характер. На начальном этапе был проведён анализ нормативно-правовой базы и научной литературы. Это позволило определить основные подходы к диагностике регионального рынка труда, установить их ограничения и обосновать переход к многоуровневой цифровой модели. Следующий этап включал сравнительный анализ существующих методик, основанных на официальной статистике, индексных инструментах, пространственной автокорреляции, а также на использовании больших данных и цифровых следов. Завершающим шагом стала разработка авторской трёхуровневой модели диагностики пространственных дисбалансов регионального рынка труда России.

Результаты исследования

Анализ, опирающийся преимущественно на статические показатели, даёт неполное представление о пространственных дисбалансах регионального рынка труда России. Сложившиеся территориальные различия он фиксирует достаточно чётко. Однако динамика трудовой мобильности, цифровых практик и технологической трансформации занятости отражается в таком анализе существенно слабее. В итоге региональная неоднородность рынка труда нередко выглядит менее острой, чем она проявляется в реальности. Именно поэтому в настоящей работе пространственные, экономические, миграционные и технологические характеристики рассматриваются не по отдельности, а в их тесной взаимосвязи. Индекс пространственного дисбаланса выступает инструментом целостной интерпретации региональных различий. Предлагаемый подход позволяет своевременно выявлять нарастающие диспропорции и существенно повышает обоснованность решений в сфере региональной политики занятости.

Обсуждение результатов исследования

Пространственные дисбалансы на рынках труда российских регионов по-прежнему остаются одной из самых острых социально-экономических проблем. Хотя в целом по стране занятость растёт, а безработица снижается, разрывы между территориями и внутри них продолжают увеличиваться. Сформировалась чёткая поляризация: крупные агломерации (Москва, Санкт-Петербург, Казань, Екатеринбург) концентриру- ют высокие доходы, технологии и человеческий капитал, в то время как периферия всё больше отстаёт [1].

Тема активно изучается. Н. Чу и В. Тимиряно-ва применяют пространственные эконометрические модели SAR, SEM и SAC [2]. С. Земцов, Л. Гурьева и их коллеги подчёркивают роль цифрового неравенства и цифровых навыков как важных факторов формирования диспропорций [7; 8]. А. Бессуднов и О. Черешня показывают, что анализ цифровых следов (данные мобильных операторов и платформ занятости) даёт более точную картину реальных трудовых и миграционных потоков, чем официальная статистика Росстата [9; 10]. Параллельно идет развитие и методических подходов. Так, В. Варламова и П. Лекка строят многоуровневые пространственные модели, которые связывают региональный и муниципальный уровни [13; 14]. К. Апокина, М. Тремасова и другие авторы исследуют, как цифровизация меняет структуру занятости, и предлагают новые индексы цифрового неравенства [15].

Большинство исследований региональных рынков труда имеет схожие ограничения. Анализ в них остаётся преимущественно статическим, хотя сам рынок труда требует динамического подхода. Многие авторы ограничиваются одним типом источников – либо официальными данными Росстата, либо цифровыми следами (см. Таблицу 1). При этом практически

Таблица 1

Сравнительный анализ подходов к диагностике пространственных дисбалансов регионального рынка труда РФ, 2022–2026 годы

Основной фокус исследования	Источники данных	Методология	Основные выводы	Ключевые ограничения	Вклад в авторскую методологию
Пространственные экономические дисбалансы	Росстат, официальная статистика	GIS + пространственная автокорреляция	Выявлены устойчивые центро-периферийные диспропорции	Статический анализ, отсутствие цифровых данных	Основа для пространственного картирования
Цифровые навыки на региональном рынке труда	Росстат, данные цифровой грамотности	Статистический анализ, индексы	Цифровое неравенство усиливает региональные разрывы	Отсутствие динамики и больших данных	Необходимость учёта цифровых компетенций
Влияние цифровой экономики на региональный рост	Росстат + Big Data	SAR, SEM, SAC-модели	Цифровые данные значительно улучшают точность прогнозов	Ограниченный охват регионов	Важность пространственной эконометрики
Цифровой разрыв и распространение ИИ	Росстат, данные Яндекса и мобильных операторов	Индексный метод + пространственный анализ	ИИ усиливает дисбалансы между центром и периферией	Мало внимания к рынку труда	Включение ИИ-фактора в диагностику
Цифровые следы данных в изучении рынка труда	Мобильные данные, данные платформ занятости	Анализ больших данных	Цифровые следы позволяют выявлять скрытые перетоки	Проблемы репрезентативности и приватности	Необходимость интеграции цифровых следов
Трансформация занятости под влиянием цифровизации	Росстат, данные цифровых платформ	Статистический и кластерный анализ	Цифровизация усиливает поляризацию региональных рынков	Слабый учёт динамики	Важность динамического анализа
Перетоки трудовых ресурсов в условиях цифровизации	Росстат + данные HH.ru	Комбинированный индексный метод	Цифровые платформы значительно меняют миграционные потоки	Ограниченный охват данных	Интеграция данных платформ занятости
Региональные различия цифровых навыков населения	Росстат, данные цифровой грамотности	Индекс цифрового неравенства	Третий уровень цифрового неравенства критичен для рынка труда	Статичность данных	Включение индекса цифрового неравенства 3-го уровня

Источник: здесь и далее таблицы составлены автором.

отсутствуют методологии, способные одновременно учитывать многоуровневый характер проблемы и влияние искусственного интеллекта вместе с цифровым рублём [16; 17].

Проектируемая методология диагностики регионального рынка труда призвана преодолеть существующие ограничения. Она сводит в единую систему четыре ключевых измерения: пространственную многоуровневость, динамику миграционных процессов, влияние передовых цифровых технологий и данные, поступающие в реальном времени. В основе методологии лежит интеграция классических пространственных моделей SAR и SEM с массивами цифровых следов. Источниками информации служат данные мобильных операторов, платформ занятости HH.ru и SuperJob, а также официальная статистика Росстата. Центральное место занимает авторский индекс пространственного дисбаланса регионального рынка труда далее – ИПД). Показатель позволяет комплексно оценивать степень пространственной неоднородности рынка труда одновременно на региональном и муниципальном уровне.

Индекс рассчитывается по формуле

IPD = w ₁ × E + w ₂ × D + w ₃ × M + w ₄ × T ,       (1)

где E – экономический субиндекс, отражающий разрывы в уровне заработной платы и безработицы; D – цифровой субиндекс, включающий уровень цифровых навыков и цифровое неравенство третьего уровня; M – миграционный субиндекс, характеризующий интенсивность перетоков трудовых ресурсов по цифровым следам; T – технологический субиндекс, оценивающий влияние искусственного интеллекта и цифрового рубля на локальный рынок труда. Весовые коэффициенты w ₁… w ₄ определяют методом главных компонент (PCA) с привлечением экспертных оценок.

Расчёт индекса проходит в несколько этапов. Сначала собираются данные по всем субъектам Российской Федерации. Затем проводится нормализация каждого показателя по формуле min-max в диапазон [0; 1]. После этого рассчитывают четыре субиндекса и выполняют взвешенное суммирование согласно формуле (1).

На последнем этапе все рассчитанные показатели объединяют в единую пространственно-временную систему. Формируют матрицу пространственных весов (W-matrix) двумя способами: на основе contiguity (соседство по общей границе) и inverse distance (обратное расстояние). Для ключевых показателей оценивают пространственную авторегрессионную модель (SAR-модель) вида y = ρ×Wy + X×β + ε, где ρ – коэффициент пространственной автокорреляции; W – матрица пространственных весов; X – вектор объясняющих переменных; β – вектор коэффициентов; ε – случайная ошибка.

Прогнозные значения показателей рассчитывают на основе параметров SAR-моделей. Расчёт проводят по трём сценариям: базовому, умеренному и оптимистичному. Полученные данные наносят на географические карты в программах QGIS и ArcGIS. В результате формируются три вида карт: карты текущих пространственных дисбалансов, прогнозные карты рисков и карты динамики индекса пространственного дисбаланса.

Итоговым продуктом методологии становятся интерактивные тематические карты и аналитический дашборд. Каждый субъект Российской Федерации на нём окрашивается в соответствии со степенью риска – низкий, средний, высокий или критический. Даш-борд позволяет выбирать год и сценарий, а также получать подробные аналитические справки по любому региону. Анализ проводится одновременно на федеральном, региональном и муниципальном уровнях с последующей агрегацией результатов (см. Таблицу 2).

Существенные различия разработанной методологии проявляются сразу по нескольким направлениям. Подходы, основанные только на официальных данных Росстата, удерживают анализ внутри статистического контура. В рассматриваемом случае исследование выстроено на нескольких уровнях и дополнено данными, поступающими в реальном времени. В работах Н. Чу и Ю. Варламовой основной акцент сосредоточен на статическом либо полустационар-ном анализе. Здесь аналитическая схема расширена за счёт предиктивного скоринга и динамического мониторинга трудовых перетоков. Индексные методы С. Земцова и Л. Гурьевой охватывают более узкий набор параметров, тогда как индекс пространственного дисбаланса включает более широкий круг факторов. Наряду с цифровым неравенством и навыками в его состав введено технологическое измерение, связанное с влиянием искусственного интеллекта и цифрового рубля. Подходы А. Бессуднова и О. Черешни тоже работают с цифровыми следами. В данном случае они включены в более общую аналитическую конструкцию, объединяющую композитный индекс, сценарное прогнозирование и визуализацию результатов в формате интерактивных карт рисков и аналитического дашборда (см. Таблицу 3).

Выводы

Проведённое исследование привело к формированию многоуровневой цифровой методологии диагностики пространственных дисбалансов регионального рынка труда России. В её основе лежит сочетание классических пространственных эконометрических моделей SAR и SEM с цифровыми данными, поступающими в реальном времени от мобильных операторов, платформ занятости и официальной статистики. Центральную роль в схеме играет авторский индекс пространственного дисбаланса регионального рын-

Таблица 2

Цифровая методология диагностики пространственных дисбалансов регионального рынка труда РФ

Уровень методологии	Основные компоненты	Источники данных	Ключевой инновационный элемент	Выходной продукт
I. Инфраструктурный	SAR/SEM-модели + пространственная автокорреляция	Росстат, официальная статистика	Интеграция цифровых следов в реальном времени	Базовая пространственная карта дисбалансов
II. Аналитический	Предиктивный скоринг + индекс пространственного дисбаланса (ИПД)	Мобильные данные, HH.ru, SuperJob	AI-скоринг и динамический индекс ИПД	Индексная оценка рисков по субъектам РФ
III. Динамический	Мониторинг перетоков + цифровое неравенство 3-го уровня	Цифровые следы + данные цифровой грамотности	Динамический трекинг перетоков и неравенства	Прогнозные карты рисков до 2030 года
IV. Прогнозный	Интеграция всех уровней + сценарное моделирование	Все источники + ИИ-модели	Комплексное прогнозирование с учётом ИИ и цифрового рубля	Интерактивные карты рисков и рекомендации

Таблица 3

Сравнительная характеристика методологических подходов к диагностике пространственных дисбалансов рынка труда в РФ

Критерий сравнения Традиционные статистические методы Пространственные эконометрические модели Индексные методы цифрового неравенства Методы анализа цифровых следов ИПД Многоуровневость анализа Низкая Средняя Низкая Низкая Высокая Использование данных реального времени Отсутствует Низкое Низкое Высокое Высокая Учёт влияния ИИ и цифрового рубля Отсутствует Отсутствует Низкое Низкое Высокая Прогностическая способность Низкая Средняя Низкая Средняя Высокая Интеграция разнородных источников данных Низкая Средняя Средняя Высокая Высокая Визуализация (карты рисков, дашборд) Отсутствует Средняя Низкая Средняя Высокая Практическая применимость для региональной политики Средняя Средняя Средняя Средняя Высокая ка труда, где в одном показателе сведены экономическое, цифровое, миграционное и технологическое измерения. Тем самым анализ получает возможность двигаться сразу между несколькими уровнями – федеральным, региональным и муниципальным.

Смысл полученного результата связан, по нашему мнению, с изменением самого исследовательского режима. Диагностика больше не сводится к регистрации уже наблюдаемых статистических со- стояний. Важнее другое. Появляется возможность отслеживать вероятную динамику пространственных дисбалансов в условиях цифровизации, внедрения искусственного интеллекта и распространения цифрового рубля. Практически это важно, потому что усиливает обоснованность адресных решений в сфере региональной политики занятости и сохраняет применимость предложенного подхода за пределами одного региона.