Remote employment in large cities: Gain for workers in terms of wages

Full Text

Введение

Все большее число рабочих мест заполняется удаленно, и эта тенденция резко усилилась во время пандемии COVID-19 [1–6]. Вследствие глобальной интеграции рынков труда рост удаленной работы оказал глубокое влияние на заработную плату [7–10]. Анализ имеющейся литературы показывает, что исследования удаленной занятости в России охватывают лишь период антиковидных мер, и вопрос о том, как это повлияло на оплату труда удаленных работников после снятия ограничений, остается без ответа [1; 2; 4; 11–13], за исключением исследования [14], авторы которого сосредоточены на изучении только одного региона – Тюменской области. В настоящее время остается нерешенным вопрос о долгосрочных последствиях перехода к удаленной занятости, который вызывает большой интерес исследователей. К примеру, авторы работ [4; 15] придерживаются мнения, что перевод на дистанционную занятость был только временной подстройкой рынка под COVID-19 и сохранения такого режима работы не стоит ожидать, в то время как автор исследования [16] склонен считать, что последствия ковидных ограничений могут быть гораздо более долгосрочными для рынка труда, прогнозируя, что удаленная работа может стать доминирующей формой трудовой деятельности. Будущее сферы труда и социально-трудовых отношений определяет новый, постковидный рынок труда, поэтому требуется углубленный анализ текущей ситуации на нем.

Наша статья дополняет растущий объем литературы, в которой используется информация о вакансиях. Информация об удаленной занятости на российских данных ограничена: РМЭЗ НИУ ВШЭ предоставляет лимитированный доступ к специальному блоку вопросов, посвященному удаленной занятости [5; 13], большая часть работ направлена на исследование рынка фриланс-услуг [17–19] и платформенной занятости [20; 21], которые занимают незначительную долю на рынке, в отличие от наемных удаленных работников, трудоустроенных в компаниях. На сегодняшний день платформы для поиска работы и найма сотрудников являются единственным открытым источником информации для исследования удаленной занятости. Так, с использованием данных зарубежных вакансий ряд ученых [7; 22–24] анализируют спрос на удаленный труд. В то же время на данных российской рекрутинговой компании HeadHunter (далее – hh.ru) построены только два исследования удаленной занятости [12; 14]. В остальных работах, где авторы используют для анализа российскую статистику, как правило, изучается спрос на цифровые навыки, которые интенсивно применяются в контексте удаленной работы (например, на данных hh.ru базируются работы [25–29], на данных базы вакансий «Работа России» – [30–33]).

В то же время значимость работы возрастает благодаря проведению пространственного анализа на уровне городов, что также восполняет пробел в изучении локальных рынков труда российских городов. Ряд исследований выполнен на данных отдельных городов России [5; 34–35], основная же часть проводилась на уровне российских регионов [14; 36–38]. Удаленный формат работы позволяет квалифицированным кадрам трудоустроиться в городах с более высокими зарплатными предложениями, чем на их местном рынке труда. Как следствие, возникает важный вопрос: насколько удаленная работа может быть выгодной для работников в терминах заработной платы? Хотя этот вопрос имеет решающее значение для понимания будущего заработной платы, исследования того, как определяется цена удаленной работы в разрезе российских городов, отсутствуют. В настоящей статье предложен анализ, основанный на данных 865 российских городов с учетом их принадлежности к городам с численностью населения более 1 млн жителей, который позволяет устранить данный пробел.

Цель исследования состоит в определении пространственных аспектов при изучении различий в оплате труда удаленных работников в зависимости от профессиональной области на основе данных вакансий hh.ru за период 12.12.2022–12.01.2023. Предметом анализа является взаимосвязь между размером города и предлагаемой заработной платой для удаленной работы в разрезе профессиональных областей. В качестве объекта исследования выступают вакансии с удаленным форматом работы.

Теоретические объяснения пространственных различий в оплате труда удаленных работников

Одним из предположений относительно причин пространственной неоднородности заработной платы является влияние территориальных эффектов. Концепция новой экономической географии (New economic geography, NEG) объясняет концентрацию экономической активности, а также ее последствия для размещения работников и фирм в рамках идеи общего равновесия [39–42]. NEG формируется исходя из модели «центр – периферия», которая показывает, как перемещаются фирмы и работники в пространстве, основываясь на несовершенной конкуренции, транспортных издержках, возрастающей отдаче от масштаба и подвижности факторов производства [41]. Модель базируется на функции предпочтений Диксита – Стиглица:

$U={\left[\sum _{i=\mathrm{1,...,}n}{x}^{\sigma }\right]}^{1/\sigma },$ (1)

где U – функция полезности, x – объем потребления товара i, σ – эластичность замещения между двумя товарами.

В настоящей работе на основе имеющейся теории мы объясняем применение и ограничения модели в условиях удаленной занятости. Основная идея заключается в том, что более низкие транспортные издержки и возрастающая отдача от масштаба являются факторами притяжения работников в более крупных городах. Такая закономерность обусловливает рост числа потребителей, что привлекает больше фирм к размещению в этом городе и, как следствие, повышает разнообразие производимой ими продукции, что также положительно влияет на потребительский спрос. Действительно, одним из центральных положений NEG является важность близости к потребителям, характеризующая доступ региона к рынкам, который определяется как взвешенная по расстоянию сумма рыночных возможностей близлежащих населенных пунктов [40]. Тогда близкое расположение региона к потребительским рынкам обусловливает более низкие транспортные расходы и более сильную корреляцию со спросом, что приводит к повышению экономической активности. Из этого следует сделать вывод, что чем выше плотность населения, тем выше производительность труда в регионе, а следовательно, и уровень занятости и (или) оплаты труда. В данном случае заработная плата будет выше в экономическом центре, в то время как периферия столкнется с более низкой заработной платой.

Таким образом, инвестиции в транспортную инфраструктуру территории повышают доступность региона к потребительским рынкам. В условиях удаленной занятости таким инструментом выступают телекоммуникационные технологии, которые размывают границы между работниками и работодателями. Так, в модели NEG аспекты, связанные с транспортными издержками, агломерационной составляющей и формированием конкурентной среды, могут быть переосмыслены в свете технологических изменений и трансформации в организации труда.

Во-первых, в NEG значительное внимание уделяется издержкам торговли, которые могут объяснить концентрацию производства в крупных городах. Удаленная занятость открывает доступ к глобальному рынку труда, особенно в технологически развитых отраслях, мобильность труда и капитала которых значительно выше, чем в других сферах. При отсутствии необходимости преодолевать расстояния до рабочего места как работники, так и работодатели сокращают трансакционные издержки, что уменьшает их влияние на выбор места размещения.

Во-вторых, работники и фирмы могут пользоваться преимуществами экономики агломерации, но при этом территориально находиться в городах с более низкой стоимостью жизни, чем в мегаполисах. К примеру, работники могут оставаться в менее густонаселенных и (или) отдаленных районах и получать высокую заработную плату на уровне больших городов. В то же время фирмы могут размещать свои предприятия исходя из более низких цен на производство товаров и при этом компенсировать более высокие транспортные издержки, вместе с тем повышая доступ к высококвалифицированным или «узким» специалистам независимо от их местоположения.

В-третьих, последствием внедрения удаленного режима занятости для работодателей является доступ к гораздо большему диапазону работников, а для работников – к большему количеству рабочих мест, что может снижать зависимость от местных рынков труда. Это ослабляет эффекты агломерации, которые играют ключевую роль в привлекательности определенных регионов согласно NEG. В то же время структура рынка диктует более высокий уровень конкуренции на глобальном рынке труда. К примеру, компании могут конкурировать с глобальными игроками, а не только с местными фирмами. При этом лучшие работники будут стремиться занять лучшие рабочие места, конкурируя не только на местных рынках труда, но и за их пределами. В таком случае удаленная работа не только расширяет доступность рынков и снижает зависимость от географического местоположения, но и повышает уровень конкуренции как между работниками, так и между работодателями.

Подводя итоги, мы приходим к выводу, что, во-первых, в больших городах уровень заработной платы выше, во-вторых, транспортные издержки можно не принимать в расчет при удаленной занятости, поэтому заработная плата в центре и периферии выравнивается. Исходя из первого суждения, можно сформулировать основную гипотезу, а исходя из второго – альтернативную. При этом если «побеждает» альтернативная гипотеза, то положения NEG для удаленной занятости в действительности требуют определенной корректировки. Все это позволит лучше понять, как изменения в условиях труда влияют на местоположение работников, предприятий и заработную плату.

Обзор литературы

Под воздействием изменяющейся бизнес-демографии ИТ-компаний [36], влияющих на развитие цифровой инфраструктуры [43], увеличиваются масштабы удаленной занятости. К примеру, сосредоточение российских ИТ-компаний и специалистов в Москве и Санкт-Петербурге [36; 44] может свидетельствовать о высокой доле удаленных работников в этих же городах [5]. В то же время цифровые технологии предоставляют компаниям значительные преимущества при внедрении удаленной работы [45; 46]. С их помощью работодатели создают гибкие условия труда, чтобы привлечь и удержать высококвалифицированных специалистов. Так, в недавних исследованиях подчеркивается, что нематериальные характеристики рабочих мест играют важную роль в объяснении трудовой мобильности [17; 47; 48]. Работники в том числе готовы отказаться от части своей компенсации, чтобы избежать неблагоприятных условий труда [49]. К примеру, 40 % респондентов предпочли низкооплачиваемую работу с гибким графиком и удаленным форматом более высокооплачиваемой работе без этих «удобств» [50]. Отдельное внимание заслуживают работники с высокой заработной платой и (или) с высшим образованием. Они склонны одинаково высоко оценивать лучшие трудовые практики: отсутствие физических нагрузок, свободу в управлении рабочим временем, возможность работать из дома и доступ к дополнительному обучению за счет компании.

В то же время удаленная занятость открывает новые перспективы для талантливых работников из менее развитых регионов, предоставляя им доступ к высокооплачиваемым рабочим местам. Такая тенденция объясняется теорией человеческого капитала [51; 52]. При условии, что человеческий капитал обеспечивает более высокую отдачу в другом регионе, мобильность компенсирует недооцененную стоимость навыков на предыдущем месте работы, несмотря на дополнительные издержки, связанные с поиском новой работы [53–55]. В дополнение к этому авторы исследования [7] отмечают территориальные различия в оплате труда удаленных работников, что свидетельствует о значимом влиянии географии рынков труда. Более того, дифференциация в оплате труда может быть обусловлена размером города по численности населения. В больших городах рабочие места менее рутинизированы, что выражается в премиях к заработной плате [34; 35; 56–62]. Согласно выводам некоторых исследований, существует тесная связь между заработной платой и типом выполняемых задач [15]. Результаты показывают, что нерутинные когнитивные задачи ассоциируются с более высокой заработной платой, в то время как нерутинные физические задачи, наоборот, штрафуются. Так, зарубежные коллеги отмечают, что ИТ-навыки коррелируют с более высокими краткосрочными и долгосрочными заработками [63; 64].

На основании проведенного анализа литературы мы сформировали следующую гипотезу: принадлежность к большим городам повышает размеры премии для предлагаемой заработной платы удаленных ИТ-работников.

Ограничения данных

Исследование основано на информационной базе вакансий с удаленным графиком работы на крупнейшей в России онлайн-платформе HeadHunter (hh.ru), предназначенной для поиска работы и подбора персонала. В результате парсинга данных была собрана 42 101 вакансия по 14 переменным с удаленной занятостью по 84 российским регионам (данные для Еврейского АО отсутствуют). Сервис предоставляет доступ только к вакансиям, опубликованным за последние 30 дней. Мы обращаемся к объявленным вакансиям в период с 02.12.2022 по 12.01.2023. Стоит учитывать, что данные имеют ряд ограничений, в связи с чем их интерпретацию нужно рассматривать в контексте изложенных далее факторов.

Временной охват выборки имеет ограниченный доступ к вакансиям за более ранние периоды, что влияет на репрезентативность выборки, так как нет возможности учесть сезонность и оценить эффекты предшествующих экономических шоков, таких как пандемия COVID-19 (2019), проведение специальной военной операции, сопряженной с мобилизацией (2022), что оказало влияние на спрос на рынках труда.

Еще к одному из недостатков данных hh.ru относится их смещение в пользу более квалифицированной рабочей силы, что может искажать интерпретацию полученных результатов. Тем не менее в контексте изучения удаленной занятости преобладание вакансий для высококвалифицированных кадров повышает вероятность сбора большего количества вакансий по исследуемой форме занятости по сравнению с платформой «Работа России», которая, напротив, характеризуется смещением базы в пользу низкоквалифицированных и рабочих профессий. Так, в работе [5] отмечается, что среди обладателей вузовских дипломов более 30 % сотрудников работало удаленно, что говорит о доминировании на рынке удаленной занятости работников с высшим образованием.

В вакансиях не указывается такая важная характеристика, как уровень требуемого образования, что может привести к проблеме эндогенности из-за пропуска существенных переменных при оценивании эконометрической модели с использованием метода наименьших квадратов (далее – МНК). Помимо этого, в текущем наборе данных в каждой четвертой вакансии не указана заработная плата: 31 776 (75,5 %) вакансий – с указанием заработной платы, 10 325 (24,5 %) – без этой информации. Автор исследования [65] отмечает, что работодатели, предлагающие должности с высокой оплатой труда, часто не указывают конкретных зарплатных предложений в своих объявлениях, чтобы иметь возможность договориться с кандидатами о более низкой заработной плате. В то же время мы обращаемся к профессиональным областям из-за большого количества пропущенных значений по отраслевой принадлежности вакансий [25]. Стоит отметить, что указанные профессиональные области hh.ru включают одновременно и отраслевые группы, что не позволяет группировать их в соответствии с общероссийским классификатором ОКВЭД. Между тем типы занятости указаны с учетом смешения форм (волонтерство, стажировка, проектная работа) и видов (полная и частичная), что не дает возможность систематизировать их в соответствии с общероссийским классификатором информации о населении (ОК 018-2014) и (или) Трудовым кодексом Российской Федерации. При этом, согласно данным исследований [66–70], перечисленные категории занятости могут быть классифицированы как нестандартные. В условиях удаленного режима работы полная занятость также может быть определена как нетипичная. В этом случае появляется возможность оценить влияние особенностей условий оплаты труда в разрезе перечисленных типов занятости.

И наконец, интерпретация анализа востребованности навыков также может быть искажена, поскольку работодатель указывает только специфичные навыки, при этом опуская информацию об обязательных навыках, требуемых для размещенной должности. Например, базовые компьютерные навыки, которыми обладают в подавляющем большинстве работники ИТ-сферы, работодатели по факту не указывают, отдавая предпочтение перечислению «специальных» навыков, таких как владение 1С, SQL, JavaScript, которые позволяют выделить соискателей с конкретными компетенциями среди общего числа ИТ-специалистов.

Описательные статистики

Характеризуя удаленную занятость в российских городах, можно отметить, что наибольшая доля удаленных вакансий приходится на Москву и Санкт-Петербург (25,5 и 7,5 % соответственно), в остальных городах эта доля составляет менее 2,4 % (рис. 1). В десятку регионов – лидеров по данному показателю вошли также Краснодарский край (3,9 %), Республика Татарстан (3,4 %), Московская (3,3 %), Свердловская (3,05 %), Ростовская (2,9 %), Нижегородская (2,85 %), Самарская (2,6 %) и Новосибирская (2,2 %) области. Преимущественно регионы представлены высокой концентрацией удаленных вакансий в их областных центрах. Это свидетельствует о том, что, по большому счету, удаленная занятость представлена не в регионах, а в крупных городах, принадлежащих к ним.

Источник: составлено автором с помощью сервиса QGIS на основе данных hh.ru.

Рис. 1. Распределение удаленных вакансий в разрезе российских регионов и городов, %

Fig. 1. Distribution of remote vacancies across Russian regions and cities, %

По опыту работы в вакансиях почти с равным соотношением требуются сотрудники как без опыта, так и с опытом от одного года до трех лет (42 и 40 % соответственно), при этом доля вакансий с необходимым опытом работы от трех до шести лет составила 16 %, более шести лет – только 2 % (рис. 2).

Источник: составлено автором на основе данных hh.ru.

Рис. 2. Структура вакансий по требуемому опыту работы, %

Fig. 2. Structure of vacancies by required work experience, %

В зависимости от типа занятости наибольшую долю составили вакансии с полной занятостью (75,04 %), далее – с частичной занятостью (23,4 %), проектная работа, стажировка и волонтерство – 1,4, 0,2, 0,01 % соответственно (рис. 3).

Источник: составлено автором на основе данных hh.ru.

Рис. 3. Структура вакансий по типу занятости, %

Fig. 3. Structure of vacancies by employment type, %

В разрезе профессиональных областей наибольшее количество вакансий приходится на продажи (30,27 %), затем – на ИТ (27,38 %), административный персонал (13,17 %), маркетинг, PR и рекламу (8,29 %), науку и образование (3,94 %) (рис. 4).

Источник: составлено автором на основе данных hh.ru.

Рис. 4. Структура занятости по профессиональной области, %

Fig. 4. Structure of vacancies by professional area, %

Также имеет значение, какие именно компании предъявляют спрос на удаленный труд: «Яндекс» занимает лидирующую позицию по поиску удаленных работников (18,8 %), на втором месте – «Тинькофф» (9,4 %), тройку лидеров замыкает «Ростелеком Контакт центр» (1,45 %) (табл. 1).

Табл. 1. Топ-10 компаний по размещению удаленных вакансий

Table 1. Top 10 companies for remote job posting

Для оценки востребованности спроса на навыки мы проводим анализ частотности упоминаний ключевых навыков в объявлениях о работе. Результатом анализа является количество упоминаний уникальных навыков, указанных в вакансии, в разрезе профессиональных областей с наибольшим количеством удаленных вакансий. Для всей выборки количество упомянутых навыков составило 167 196. В области продаж было указано 34 748 навыков (20,8 %), в сфере ИТ – 35 632 (21,3 %), маркетинга, рекламы и PR – 11 815 (7,1 %), науки и образования – 7 774 (4,7 %), административного персонала – 4 115 (2,5 %).

Результаты показали, что продвинутые цифровые навыки требуются преимущественно в ИТ-сфере и предполагают в подавляющем большинстве знание языков программирования: в пятерку наиболее востребованных вошли Git (2,52 %), SQL (2,5 %), Linux (1,33 %), Python (1,32 %), JavaScript (1,31 %) (рис. 5).

Источник: составлено автором с использованием методов NLP на основе данных hh.ru.

Рис. 5. Топ-10 востребованных навыков для области ИТ, % от общего числа навыков для исследуемой области

Fig. 5. Top 10 in-demand skills for an IT area, % of the total number of skills for the analyzed area

В сфере маркетинга, рекламы и PR названы такие навыки, как «работа в команде» (2,28 %), SMM (2,18 %), «грамотная речь» (1,86 %), «интернет-реклама» (1,68 %), «Яндекс.Метрика» (1,63 %) (рис. 6).

Источник: составлено автором с использованием методов NLP на основе данных hh.ru.

Рис. 6. Топ-10 востребованных навыков для области маркетинга, рекламы и PR, % от общего числа навыков для исследуемой области

Fig. 6. Top 10 in-demand skills for the marketing, advertisement, and PR area, % of the total number of skills for the analyzed area

В сферах продаж и административного персонала наиболее высок спрос на «мягкие» навыки: «грамотная речь», «деловое общение», «работа в команде», «навыки продаж», «деловая переписка» (рис. 7 и 8 соответственно).

Источник: составлено автором с использованием методов NLP на основе данных hh.ru.

Рис. 7. Топ-10 востребованных навыков для области продаж, % от общего числа навыков  для исследуемой области

Fig. 7. Top 10 in-demand skills for the sale area, % of the total number of skills for the analyzed area

Источник: составлено автором с использованием методов NLP на основе данных hh.ru.

Рис. 8. Топ-10 востребованных навыков для области административного персонала, % от общего числа навыков для исследуемой области

Fig. 8. Top 10 in-demand skills for the administrative personal area, % of the total number of skills for the analyzed area

В науке и образовании чаще востребованы навыки: «преподавание» (5,24 %), «грамотная речь» (4,94 %), «репетиторство» (4,7 %), «обучение» (3,45 %), «грамотность» (3,03 %) (рис. 9).

Источник: составлено автором с использованием методов NLP на основе данных hh.ru.

Рис. 9. Топ-10 востребованных навыков для области науки и образования, % от общего числа навыков для исследуемой области

Fig. 9. Top 10 in-demand skills for the science, education area, % of the total number of skills for the analyzed area

Эконометрическая оценка влияния размера города по численности населения на предлагаемую заработную плату удаленных работников

Оценка влияния размера города по численности населения на уровень заработной платы позволяет определить пространственные аспекты при исследовании различий в оплате труда удаленных работников. Особое внимание мы уделяем интеракции профессиональной области и размера города по численности населения. Наша цель заключается в установлении взаимосвязи этих факторов при определении заработной платы. С помощью метода наименьших квадратов с робастными оценками ошибок мы оцениваем отдачу от характеристик вакансий на предлагаемую заработную плату, а именно контролируем требуемый опыт работы и тип занятости. Отдельно взята дополнительная переменная, которая указывает на принадлежность вакансии к городу с численностью населения более одного миллиона жителей, при этом выделены такие города, как Москва и Санкт-Петербург¹ (табл. 2). Сначала мы оцениваем базовую модель, для которой вклад влияния расположения вакансии в зависимости от размера города включаем отдельно, а затем добавляем интеракцию этого фактора и профессиональной области.

Табл. 2. Описание зависимых переменных эконометрической модели

Table 2. Description of the dependent variables in the econometric model

В наших расчетах в качестве зависимой переменной мы используем натуральный логарифм предлагаемой заработной платы. При этом значение, которое указано в объявлении, чаще выражает диапазон «от» и (или) «до» предлагаемых зарплатных предложений. Для заработной платы с обозначением нижнего и верхнего порога мы указали среднее арифметическое. Если была отмечена только одна граница, мы опирались на это значение. Заработная плата, приведенная в иностранной валюте, была переведена в рубли². Заработная плата была также нормирована к прожиточному минимуму³ для более объективного сравнения ее уровня в разных регионах (табл. 3). После удаления выбросов и пропущенных значений для эконометрического оценивания выборка составила 29 700 вакансий.

Табл. 3. Нормированная заработная плата, приведенная к прожиточному минимум за 2022 г., в разрезе городов по размеру численности населения, руб.

Table 3. The normalized wage adjusted to the subsistence minimum in 2022, across cities by population size, rubles

На следующем этапе профессиональные области были разделены на шесть групп исходя из их количественного соотношения: информационные технологии, интернет, телеком (ИТ); продажи; административный персонал; маркетинг, реклама и PR; наука и образование; остальные виды деятельности были объединены в одну группу, так как доля удаленных вакансий для этих профессиональных областей составила 3,2 % и ниже.

В нашем исследовании мы опираемся на уравнение Минцера. Но поскольку изучаем спрос на рынке труда, где отдача характеристик вакансий на предлагаемую заработную плату не отражает фактических характеристик человеческого капитала работника, а лишь показывает, сколько работодатель готов платить сотруднику, который может как полностью, так и частично соответствовать заявленным требованиям (то есть обладать всеми перечисленными в вакансии навыками) или не соответствовать совсем, и при этом решение о приеме на работу кандидата может основываться на критериях, не обозначенных в вакансиях, то величина заработной платы, указанная в объявлении о работе, отражает «промежуточную» сумму, которая может измениться после прохождения собеседования. Таким образом, при интерпретации результатов следует учитывать, что «премия» и «штрафы» будут применяться непосредственно к предлагаемой, а не фактической заработной плате удаленных работников. Такой подход уже использовался в работе [25]:

$\begin{array}{c}In{\left(wage\right)}_i={\beta }_0+{\beta }_{1}experienc{e}_i+{\beta }_{2}employmen{t}_i+\\ +{\beta }_{3}profare{a}_i+{\beta }_{4}millionni{k}_i+{\epsilon }_i\end{array}$

где зависимая переменная ln(wage) – натуральный логарифм заработной платы; независимые переменные: millionnik – принадлежность к городу с численностью более 1 млн жителей вакансии i; profarea – принадлежность к профессиональной области вакансии i, experience – требуемый опыт работы вакансии i; employment – тип нестандартной занятости вакансии i; ε – случайно распределенная ошибка; β₀ – коэффициент при фиксированных значениях других регрессоров; β_{1, 2, 3, 4} – коэффициенты регрессоров.

Результаты

Результаты первой модели без учета пересечений показали, что трудовой стаж кандидата от трех до шести лет оценивается в денежном выражении выше на 6 %, чем кандидата со стажем более шести лет (62 и 56 % соответственно), в то время как для кандидатов со стажем от одного до трех лет отдача составляет 29,5 % по сравнению с кандидатами без опыта (табл. 4).

Табл. 4. Отдача характеристик вакансий на предлагаемую заработную плату, МНК

Table 4. The returns of job characteristics on the proposed salary, OLS

Влияние типа занятости оказалось значимым только для полной занятости и проектной работы, при этом для последней эффект оказался выше на 7,8 %. Положительная связь с продажами (9 %), наукой и образованием (35,4 %), отрицательная – с административным персоналом (17,3 %). Занятость в больших городах штрафуется для кандидатов, которые планируют удаленно работать в Москве, по сравнению с менее крупными городами (менее 1 млн жителей), в то время как для других городов-миллионников и Санкт-Петербурга эта связь положительная, причем для последнего отдача оказывается ниже на 6,5 %.

Результаты для второй модели с учетом пересечений показывают, что принадлежность к большим городам положительно влияет на предлагаемую заработную плату удаленных работников во всех городах-миллионниках, за исключением Москвы (снижение заработной платы на 16,6 %) (табл. 5). В Санкт-Петербурге заработная плата оказывается также ниже на 5,8 % по сравнению с другими большими городами (кроме Москвы).

Табл. 5. Коэффициенты регрессии для пересечения профессиональной области и размера города по численности населения, МНК

Table 5. Regression coefficients for the intersection of the professional area and the size of the city by population, OLS

В вакансиях, размещенных в Санкт-Петербурге, отдача на предлагаемую заработную плату выше, чем в Москве, на 4,3 % по сравнению с небольшими городами в сфере продаж. Для административного персонала наблюдается отрицательное влияние для занятости во всех городах-миллионниках, но наибольший штраф наблюдается для работников Москвы (29,8 %). Такая же закономерность наблюдается для работников области маркетинга, рекламы и PR: наибольший штраф – для Санкт-Петербурга (22,7 %), далее – Москва (16,3 %), другие города-миллионники (14,6 %).

Принадлежность к ИТ-сфере отрицательно влияет на повышение предлагаемой заработной платы на 12,6 %, в то время как занятость в области науки и образования положительно влияет на ее рост на 49,2 %, но при учете занятости в Москве, Санкт-Петербурге и других больших городах влияние на рост заработной платы становится отрицательным (51,3, 48,4 и 13 % соответственно). Принадлежность к профессиональной области ИТ в Москве, Санкт-Петербурге, остальных городах-миллионниках повышает размеры премии для заработной платы на 45,5, 20,8 и 8,4 % соответственно по сравнению с остальными городами.

Выводы

Гипотеза о положительном влиянии занятости в больших городах на предлагаемую заработную плату удаленных ИТ-работников подтвердилась. По сравнению с провинциями занятость в городах-миллионниках повышает зарплатные предложения ИТ-специалистов. При этом в концепциях NEG говорится о зависимости текущей ситуации на удаленных рынках труда от профессиональной области. Однако основная гипотеза нашего исследования – о более высокой оплате труда в больших городах – подтвердилась лишь для двух областей: ИТ и продажи. Заработная плата, напротив, оказывается выше на периферии, что указывает на необходимость адаптации традиционных моделей NEG к условиям удаленной занятости.

Проведенное исследование позволяет сделать ряд выводов. Во-первых, удаленные рабочие места представлены вторичной занятостью, которая не требует, как правило, специального образования, что подтверждают результаты исследования [14] о высоком спросе на неквалифицированный удаленный труд. Это свидетельствует также о том, что структура занятости в период пандемии и после различается. Так, после перевода персонала на дистанционный формат работы в период ковидных ограничений работники, независимо от квалификационной принадлежности, продолжали выполнять свои рабочие обязанности из дома без снижения по должности и независимо от уровня сложности выполняемых задач, в то время как на постковидном рынке труда мы наблюдаем, что требования к навыкам для удаленной работы предполагают, как правило, рутинные задачи, которые не требуют специализированных навыков (написание дипломных и контрольных работ, совершение телефонных звонков и др.). Исключение составляет ИТ-сфера, где работа в значительной степени основана на применении продвинутых цифровых навыков, что свидетельствует о востребованности квалифицированного труда среди ИТ-специалистов. В этом контексте можно сделать вывод, что переход к удаленной работе не всегда ассоциируется со спросом на высококвалифицированный труд. Последствием перехода к удаленной занятости на постковидном рынке труда стала переориентация на вторичные формы занятости.

Во-вторых, наши результаты свидетельствуют о пространственной неоднородности в оплате труда удаленных работников: удаленно трудоустраиваться в городах-миллионниках оказывается невыгодно, за исключением работы, связанной с ИТ-сферой и продажами. Это говорит о том, что результаты предыдущих исследований о более высокой заработной плате и качестве рабочих мест в больших городах [34; 35; 56–62] не находят подтверждения в контексте спроса на удаленный труд.

В разрезе больших городов такая ситуация может указывать на высокий спрос на квалифицированных специалистов в этих областях и, как следствие, готовность работодателей предоставлять более высокую заработную плату с целью привлечения талантов несмотря на то, что после пандемии удаленный формат работы стал менее распространенной практикой в компаниях. При этом в остальных случаях удаленный труд используется, чтобы «разгрузить» офисных сотрудников.

В таких профессиональных областях, как наука и образование, маркетинг, реклама и PR, административный персонал, удаленную занятость, наоборот, следует рассматривать в городах с численностью менее 1 млн жителей. Из этого следует, что работодатели могут придерживаться разных стратегий относительно найма удаленных работников. К примеру, работодатели Москвы и Санкт-Петербурга, в отличие от работодателей небольших городов, предлагают самую низкую заработную плату (за исключением сферы маркетинга, рекламы и PR – здесь лидирует Санкт-Петербург). Данный факт позволяет сделать вывод, что работники, которые трудоустраиваются в Москве и Санкт-Петербурге, несут потери, так как у работодателей есть возможность устанавливать заработную плату исходя из уровня стандартов проживания менее крупных городов и даже ниже [7].

Заключение

На основе открытых источников мы проанализировали спрос на удаленный труд на основе пространственных данных российских городов. Результаты показали, что наибольшее количество удаленных вакансий сосредоточено в таких крупных городах, как Москва и Санкт-Петербург, почти в каждой второй вакансии требуются сотрудники без опыта работа или с опытом от 1 года до 3 лет. Полная занятость является наиболее распространенной практикой среди удаленных работников, которые востребованы в большей мере в области продаж и ИТ; компания, которая размещает наибольшее количество вакансий с удаленным графиком, – «Яндекс». Анализ востребованности навыков показывает также смещение в пользу «мягких» навыков, требования к наличию цифровых навыков указываются реже, за исключением ИТ-области, для которой преимущественным является запрос на продвинутые цифровые навыки. Кроме того, выявлены пространственные различия в оплате труда удаленных работников. Наибольшую отдачу от занятости в городах-миллионниках в терминах заработной платы получают ИТ-работники, в то время как для работников сферы науки и образования, маркетинга, рекламы и PR, административного персонала наблюдается отрицательный прирост даже по сравнению с провинциями.

Таким образом, мы приходим к выводу, что удаленная занятость в больших городах оказывается невыгодной для соискателей, за исключением сфер ИТ и продаж. Дальнейшие исследования в этом направлении могут быть посвящены анализу различий в оплате труда офисных и удаленных работников с точки зрения компенсационных различий.

Благодарности

Я выражаю искреннюю благодарность моему научному руководителю, кандидату экономических наук, профессору Тюменского государственного университета Марине Андреевне Гильтман за всестороннюю помощь и поддержку на всех этапах работы, а также неоценимый вклад в повышение качества моих научных трудов. Я благодарна также моей коллеге, кандидату экономических наук, профессору Тюменского государственного университета Анастасии Юрьевне Мерзляковой за ценные рекомендации и комментарии при проведении эконометрического анализа. И наконец, спасибо моему другу Степану Владимировичу Шарифулину, студенту третьего курса ИТ-направления Тюменского государственного университета, за его помощь в разработке парсера вакансий hh.ru и в процессе сбора данных.

Acknowledgements

I express my sincere gratitude to my scientific supervisor Marina Andreevna Giltman, Candidate of Sciences (Economics), Professor at University of Tyumen, for her comprehensive assistance and support at all stages of the work, as well as for her invaluable input to improving the quality of my research papers. I am also thankful to my colleague Anastasiya Yur’evna Merzlyakova, Candidate of Sciences (Economics), Professor at University of Tyumen, for her thoughtful recommendations and comments on econometric analysis. Finally, I would like to thank my friend Stepan Vladimirovich Sharifulin, a third-year student of the IT major at University of Tyumen, for his support in hh.ru parser creating and data collection.

¹ Численность населения российских городов по итогам Всероссийской переписи населения 2020 г. на 01.10.2021.

² Валюты переведены по курсу Центрального банка РФ на 30.12.2022.

³ Величина прожиточного минимума, установленная на 2023 г., по субъектам РФ согласно данным Росстата.

About the authors

Regina F. Murzagulova

Author for correspondence.
Email: r.f.murzagulova@utmn.ru
ResearcherId: JPK-6860-2023

Laboratory Researcher at the Scientific and Educational Laboratory for Labor Market Studies, assistant at the Department of Economic Security, Accounting, Analysis and Audit

References

Supplementary files

Supplementary Files

Action

1. JATS XML

Download

2. Fig. 1. Distribution of remote vacancies across Russian regions and cities, %

Download (237KB)

Indexing metadata

3. Fig. 2. Structure of vacancies by required work experience, %

Download (58KB)

Indexing metadata

4. Fig. 3. Structure of vacancies by employment type, %

Download (72KB)

Indexing metadata

5. Fig. 4. Structure of vacancies by professional area, %

Download (315KB)

Indexing metadata

6. Fig. 5. Top 10 in-demand skills for an IT area, % of the total number of skills for the analyzed area

Download (140KB)

Indexing metadata

7. Fig. 6. Top 10 in-demand skills for the marketing, advertisement, and PR area, % of the total number of skills for the analyzed area

Download (157KB)

Indexing metadata

8. Fig. 7. Top 10 in-demand skills for the sale area, % of the total number of skills for the analyzed area

Download (146KB)

Indexing metadata

9. Fig. 8. Top 10 in-demand skills for the administrative personal area, % of the total number of skills for the analyzed area

Download (165KB)

Indexing metadata

10. Fig. 9. Top 10 in-demand skills for the science, education area, % of the total number of skills for the analyzed area

Download (170KB)

Indexing metadata