Динамика и региональные особенности восстановления рынка труда в период COVID-19

Abstract

Ифференциация российских региональных рынков труда по уровню дисбаланса между спросом и предложением рабочей силы как по видам экономической деятельности, так и по профессионально-квалификационным группам, вызывают застойную безработицу и обнищание населения. В статье рассматриваются процессы трансформации рынка труда, региональные особенности провалов рынка и его восстанавливаемости в условиях пандемии COVID-19. По данным выборочных обследований рабочей силы Росстата определена помесячная динамика безработицы, на основе чего выявлена уязвимость и неустойчивость региональных рынков труда. Выдвинута гипотеза: чем сильнее сжатие сферы занятости и рост безработицы в период пандемии, тем длительнее процесс восстановления рынка труда; при этом наблюдается разноскоростная динамика выхода регионов из кризиса. Предложены показатели интенсивности провалов рынка труда и его восстанавливаемости. Учитывая своеобразие феномена пандемии и ее влияния на экономику и общество, поведение человека на рынке труда, используется понятие избыточной безработицы, которая определяется как разность между фактической безработицей и ее уровнем до начала пандемии. Осуществлен корреляционный анализ взаимосвязей между провалами рынка труда и его способностью к восстановлению по четырем группам регионов c различной амплитудой колебаний рынка труда. Рассчитанные коэффициенты Спирмена показали положительную связь между рассматриваемыми показателями. Выявлены особенности глубины провалов рынка труда и степени его восстанавливаемости в регионах с высоким уровнем развития инфраструктуры, привлекающих значительные контингенты внешних трудовых мигрантов. Установлена положительная связь между динамикой уровня безработицы и темпами роста числа вакансий, заявляемых работодателями в службы занятости, увеличением среднемесячной заработной платы. Данная статья отражает результаты первого этапа работы. Авторы планируют продолжить исследование в направлении расширения динамических рядов занятости и безработицы для выявления устойчивых тенденций и построения модели прогнозирования рынка труда.

The imbalance between labour supply and demand, both by types of economic activity and by professional groups, differs in Russian regional labour markets, causing long-term unemployment and impoverishment of the population. The article examines the transformation of the labour market, regional characteristics of market failures and its recovery during the COVID-19 pandemic. Based on sample surveys of the labour force conducted by the Federal State Statistics Service, we determined monthly unemployment dynamics and, subsequently, the vulnerability and instability of regional labour markets. It is hypothesised that the stronger the contraction of employment and the greater the unemployment, the longer the process of labour market recovery during the pandemic; regions recover from the crisis at different speeds. Indicators of the intensity of labour market failures and its recovery are proposed. Since the pandemic is a peculiar phenomenon that affected the economy and society, human behaviour in the labour market, the concept of excessive unemployment was used (the difference between actual unemployment and its pre-pandemic level). We performed a correlation analysis of the relations between labour market failures and its recovery in four groups of regions characterised by different labour market fluctuations. The calculated Spearman’s coefficients showed a positive relationship between the indicators. The depth of labour market failures and its recovery rate in regions with developed infrastructure, attracting labour migrants, are revealed. A positive relationship was established between the unemployment dynamics and the increase in vacancy rate reported by employers to employment agencies, increase in the average monthly salary. This article presents the results of the first research stage. Further studies will expand the time series of employment and unemployment in order to identify long-term trends and build a forecasting model.