Key Indicators of Freelancing Development as a Model of Social and Labor Relations: Cross-Country Comparison

Full Text

ВВЕДЕНИЕ

Наступление эры цифровой экономики повлекло за собой трансформацию всех отраслей и сфер экономики, в том числе рынка труда. Разнообразие нестандартных форм занятости, которое появилось с развитием цифровых платформ, технологий удаленного режима труда стало следствием роста популярности временной занятости, в частности экономики свободного заработка (гигономики)¹ как альтернативного источника рабочей силы. Данный факт подтверждают многочисленные исследования, посвященные гиг-работникам, формам и видам занятости, а также новым моделям социально-трудовых отношений, возникающих в гигономике. Согласно данным Business Research Insights объем мирового рынка гигономики ежегодно растет со среднегодовым темпом (CAGR) 16,88%. В 2024 г. объем рынка составил 557 млрд долл., однако прогнозируется, что к 2032 г. экономика свободного заработка (гигономика) вырастет в 1,5 раза и составит 1847 млрд долл.²

По мнению автора, под экономикой свободного заработка (гигономикой) следует понимать совокупность видов, моделей и форм нестандартной занятости, которые имеют врѐменный характер, основанных на использовании цифровых платформ для организации социально-экономических отношений «гиг-работник – заказчик» и социально-трудовых отношений «гиг-работник – работодатель». В рамках экономики свободного заработка (гигономики) выделяется несколько моделей социально-экономических отношений: краудсорсинг (привлечение временных работников (краудсорсеров) для решения задач организации с использованием краудсорсинговых платформ), фриланс (занятость через электронные биржи фрилансеров) (Лапидус, Полякова, 2022; Munoz, et al., 2022), а также совместный труд (шеринг труда), который, по мнению автора является частью фриланс-рынка (экономические отношения, основанные на коллективном использовании трудовых ресурсов с помощью взаимодействия на цифровых платформах) (Красникова, 2023). Наибольшую долю в экономике свободного заработка (гигономике) занимают фрилансеры – почти 99%, поэтому настоящее исследование посвящено анализу рынка фриланса и поиску факторов, способствующих его росту (Полякова, 2024; Durlauf, 2019).

В настоящее время доля фрилансеров в мире составляет 46,4% общего числа занятых (1,57 млрд человек). При этом, по данным Всемирного Банка, доля фрилансеров снижается каждый год в среднем на 1,36%³. Однако в отдельных странах мира, например США, которые являются лидером в данной области, число фрилансеров растет: в 2023 г. их доля в общей структуре занятых составила 38 по сравнению с 34% в 2014 г.⁴ При этом международные эксперты прогнозируют рост рынка фриланс-платформ в 2025 г. до 7,5 млрд долл., а к 2033 г. – до 14 млрд долл. при совокупном годовом темпе роста (CAGR) 16,8%⁵.

Рост популярности фрилансинга как временной занятости при поверхностном анализе обусловлен рядом факторов: сложной геополитической обстановкой, нестабильностью международных рынков, последствиями пандемии Covid-19 и т.п. Однако исследований, в которых выявлены и научно обоснованы факторы роста рынка фриланс-услуг на мезо-, макро-, и мега-уровнях, недостаточно. Все работы, посвященные фрилансингу, по большей части сосредоточены в сфере управления персоналом на предприятии: поиске методов повышения эффективности и производительности труда на базе фриланс-услуг или баланса между числом штатных сотрудников и фрилансеров, формировании портрета современного фрилансера, анализе уровня его удовлетворенности трудом и т.п. (Ayoobzadeh, 2022; Elstad, 2015; Ward et al., 2016). Поэтому целью настоящего исследования является поиск показателей, влияющих на изменение масштабов рынка фрилансинга на основе регрессионного анализа и построения модели множественной регрессии.

МЕТОДИКА ИССЛЕДОВАНИЯ

При выявлении показателей развития рынка занятых во фрилансе использован факторный анализ на основе построения модели множественной регрессии. Вычисления выполнены с помощью прикладного программного пакета Gretl (GNU Regression, Econometrics and Time-series Library). Модель построена с учетом проверки на мультиколлинеарность переменных, гетероскедастичность, корректность спецификации модели, а также – проблемы эндогенности регрессоров. Выбор регрессоров обусловлен изучением подходов, научных трудов, экспертных исследований отечественных и зарубежных авторов.

Например, в работе Б.Ж. Тагарова автор выделяет три группы факторов, влияющих на развитие фриланс-рынка: общие, факторы спроса и предложения. При этом к общим факторам отнесены такие показатели, как стоимость передачи информации, автоматизация производства, уровень развития информационных технологий, расходы государственного бюджета на образование. Определены факторы спроса на труд фрилансеров: гибкость организации, наличие сетевой организационной структуры, проектный формат труда и др. К факторам предложения отнесены следующие: мобильность, качество жизни и одновременно низкий уровень доходов населения (Тагаров, 2018). К.В. Дрокина в своем исследовании факторов, влияющих на развитие фрилансинга в России, выделяет те же группы факторов, однако к упомянутым выше добавлены: уровень ценности интеллектуального капитала в современном обществе, уровень развития аутсорсинга, экономия на издержках, наличие дискриминации на рынке труда, развитие электронного рынка труда (Дрокина, 2021; Horton, 2010).

И.М. Алиев при изучении трансформационных процессов на рынке труда в цифровой экономике указывает цифровизацию как наиболее значимый фактор развития фрилансинга, в частности, развитие цифровых платформ, онлайн-образования, повышение уровня доступности информации (Алиев, 2023). В работе, посвященной выявлению социальных факторов спроса на труд фрилансеров, О.В. Полетаева выделяет технологические и социальные. К первой группе автор относит рост объема работ, связанных с производством и переработкой информации, внедрение цифровых технологий; ко второй – перманентные экономические кризисы, социально-демографические факторы, вызванные убылью и старением населения (Полетаева, 2017). Исследование Абдреисовой Д.Ж. с соавторами позволило определить четыре группы факторов развития рынка занятых во фрилансе: первичные факторы; факторы спроса и предложения; факторы индивидуального характера (Абдреисова и др., 2021; Holtz et al., 2022). В работе Пилипчук Н.В. с соавторами доказано, что неформальная занятость, к которой частично относится фриланс, отрицательно взаимосвязана с уровнем ВВП на душу населения и долей занятых в сфере услуг (Пилипчук, Кукина, Суханова, 2024).

В ряде зарубежных исследований также выявлены некоторые взаимосвязи между уровнем развития фриланса и изучаемыми факторами. Например, Г. Варум с соавторами в своем исследовании удалось определить положительную зависимость между фрилансом и ростом инноваций в стране (Varun et al., 2020). Работа А. Бёрке и М. Коулинга посвящена изучению взаимосвязи между интенсивностью работы фрилансеров, эффективностью бизнеса и созданием рабочих мест. Установлено, что компаниям необходимо иметь не менее 11% фрилансеров от общего числа сотрудников для достижения положительных результатов для развития бизнеса и повышения привлекательности компании на рынке труда (Burke, Cowling, 2020).

В результате определен список переменных, включенных в модель регрессии (см. табл. 1). В качестве зависимой переменной выступает уровень развития фриланса (доля занятых во фрилансе в общей структуре занятых в стране (F)). В качестве независимых переменных – индекс уровня образования ПРООН (Educ); уровень расходов страны на НИОКР (RD); доля ИТ-отрасли в ВВП страны (IG); глобальный индекс сетевого взаимодействия (NI); индекс развития информационно-коммуникационных технологий (ICT); уровень цифровизации государственных институтов (D); уровень процветания (P); уровень безработицы (U); индекс качества жизни (L); индекс деловой активности (BA); индекс человеческого развития (Hdi); валовый внутренний продукт (ВВП) на душу населения (GDPc); средняя заработная плата (долл.) (Asm); уровень урбанизации (URB) и индекс времени в пути на дорогах (Tp).

Таблица 1

Перечень переменных, включенных в модель множественной регрессии

Использованы последние собранные и доступные для анализа данные разных периодов, поэтому в настоящей работе допускается искажение расчетных коэффициентов в модели множественной регрессии, однако это не повлияет на достижение цели исследования, которая заключается в поиске значимых факторов развития фриланса. Подробное описание и расчетные характеристики выбранных переменных представлены ниже.

1. Уровень развития фриланса (2024 г.). Показатель собран вручную на основе материалов и статистических сборников в открытом доступе. Расчет показателя произведен путем деления числа занятых во фрилансе на численность занятого населения в стране:

$F=\frac{Q_f}{Q_e}$ ,

где  – Q_f число занятых во фрилансе в стране за отчетный период,  Q_e – численность занятого населения в стране за отчетный период.

На основе собранных данных построен рейтинг по 31 государству, число наблюдений объясняется отсутствием данных в связи со спецификой статистического учета временных работников в некоторых странах мира (рис. 1).

Рис. 1. Доля занятых во фрилансе в общей численности занятого населения по странам мира

Самая высокая доля занятых во фрилансе обнаружена в США (40%), на втором месте Китай (25%), далее – Бельгия (24,44%) и на четвертом месте – Россия (23,75%). При этом можно классифицировать наблюдаемые страны мира по трем группам: с долей занятых во фрилансе более 20% (от 10 до 20%) и менее 10% (рис. 2). Наиболее многочисленную группу составили страны с долей занятых во фрилансе менее 10%, например, Бразилия (9,52%), Франция (6,67%), Германия (3,33%) и Аргентина (1,58%).

Рис. 2. Распределение стран мира по доле занятых во фрилансе в общей численности занятых, %

2. Индекс уровня образования ПРООН (2024 г.). Показатель собирается и публикуется с периодичностью два года Институтом статистики ЮНЕСКО и Программой развития Организации Объединенных Наций и измеряет достигнутый уровень образования населения по 193 странам мира. Измеряется по двум показателям, имеющим равные веса: средняя продолжительность обучения взрослого населения и ожидаемая продолжительность обучения учащихся в возрасте до 25 лет. В регрессию включен показатель средней продолжительности обучения взрослого населения⁶.
3. Уровень расходов страны на НИОКР (2024 г.). Уровень национальных расходов на научно-исследовательские и опытно-конструкторские работы (НИОКР) рассчитывается ежегодно ООН по вопросам образования, науки и культуры (ЮНЕСКО) и определяется как объем государственных и частных расходов в стране на НИОКР, выраженный в процентах от валового внутреннего продукта⁷.
4. Доля ИТ-отрасли в ВВП страны (2023 г.) Данный показатель собран вручную в 2024 г. на основе контент-анализа статистических сборников и международных рейтингов стран мира и рассчитан путем деления объема ИТ-отрасли в денежном эквиваленте на размер ВВП страны. На основе собранных данных построен рейтинг стран мира по доле ИТ-отрасли в ВВП страны (рис. 3).

Рис. 3. Доля ИТ-отрасли по странам мира за 2023 г., %

Самое высокое значение показателя «доля ИТ-отрасли в ВВП страны» наблюдается в Израиле – 15%, более низкие значения – в США и Китае – 8%. В России данный показатель составляет 2%. Международные исследования показывают, что расходы на развитие отрасли информационных технологий во всем мире ежегодно растут. По данным Gartner, рассматриваемый показатель в 2024 г. вырос на 8% по сравнению с предыдущим периодом и составил 5,06 трлн долл.⁸ ИТ-индустрия Израиля считается самой развитой во всем мире. Например, в 2020 г. Израиль был на первом месте по числу занятых в высокотехнологичных отраслях – 9% населения⁹. Кроме того, Израиль лидирует по размеру расходов на НИОКР: в 2022 г. по данным Центрального статистического бюро страны, данный показатель составил около 30 млрд долл. (5,56% ВВП); к 2024 г. он вырос на 13% – до 34 млрд долл.¹⁰ Федеральное правительство США в 2024 г. выделило 30,7 млрд долл. на крупные инвестиции в ИТ-сферу¹¹. В России в тот же период, согласно докладу Министра цифрового развития, связи и массовых коммуникаций М. Шадаева, на развитие ИТ-индустрии выделено 277,7 млрд руб., что на 15% ниже по сравнению с предыдущим периодом¹².

5. Глобальный индекс сетевого взаимодействия (2020 г.). Индекс разработан и рассчитан компанией Huawei и предназначен для демонстрации уровня взаимосвязи между размером инвестиций в ИКТ-инфраструктуру и экономическим ростом в стране. Расчет основан на учете 40 показателей степени развития стран мира и влияния цифровых технологий на скорость цифровой трансформации экономики в целом¹³.
6. Индекс развития информационно-коммуникационных технологий (2024 г.). Индекс ежегодно собирается и рассчитывается Международным союзом связи, представляет комбинированный показатель из 11 различных метрик, характеризующих достижения стран мира в развитии информационно-коммуникационных технологий¹⁴.
7. Уровень цифровизации государственных институтов (2022 г.). Индекс рассчитан Всемирным банком в рейтинге GovTech Maturity Index 2022. При оценке индекса учитываются следующие показатели: уровень развития государственных систем и услуг, доступности электронных сервисов для граждан, уровень развития государственных институтов цифровизации инновационной политики, вовлеченности граждан, уровень открытости правительства¹⁵.
8. Уровень процветания (2023 г.). Данный показатель ежегодно рассчитывается и публикуется Институтом Legatum на основе объединения множества метрик, распределенных по девяти группам и характеризующих уровень достижений страны в области благополучия и процветания всех сфер общества¹⁶.
9. Уровень безработицы (2024 г.). Показатель ежегодно рассчитывается статистической службой ILOSTAT и публикуется Международной организацией труда (далее МОТ), определяется как доля безработных в составе экономически-активного населения (%)¹⁷.
10. Индекс качества жизни (2024 г.). Краудсорсинговая платформа Numbeo, представляющая собой базу данных о стоимости жизни и других социально-экономических факторах, разработала методику оценки индекса качества жизни, которая заключается в учете следующих показателей: рейтинг безопасности, уровень здравоохранения, индекс стоимости жизни, индекс покупательной способности, уровень транспортной доступности, индекс доступности недвижимости, индекс загрязнения окружающей среды¹⁸.
11. Индекс деловой активности (2023 г.). Показатель рассчитывается Institute for Supply Management и IHS Markit на основе результатов опросов менеджеров по закупкам, охватывает производственный сектор и сферу услуг¹⁹.
12. Индекс человеческого развития (2024 г.). Показатель является комбинированным, рассчитывается и публикуется ежегодно Программой развития Организации Объединённых Наций (ПРООН) (United Nations Development Programme, (UNDP). Последнее исследование – Human Development Report 2024. Расчет индекса основан на измерении метрик по трем ключевым компонентам: благосостояние; права, возможности и агентность; социальная справедливость. Выбранные метрики также отвечают трем направлениям достижений страны в сфере человеческого благосостояния и включают следующие показатели: индекс ожидаемой продолжительности жизни, индекс образования, индекс валового национального дохода²⁰.
13. ВВП на душу населения (2024 г.). Данные опубликованы Международным валютным фондом, показатель рассчитывается путем деления валового внутреннего продукта на численность населения страны²¹.
14. Средняя заработная плата (долл.) (2024 г.). Рейтинг стран мира по уровню заработной платы (в долл.) составлен МОТ путем формирования репрезентативной выборки и нахождения среднего арифметического всех начисленных заработных плат до уплаты налогов, социальных сборов и выплат²².
15. Уровень урбанизации (2024 г.). Показатель рассчитывается и публикуется на регулярной основе отделом народонаселения Департамента по экономическим и социальным вопросам ООН. При формировании рейтинга стран мира по этому показателю используются данные переписей населения или иные источники национальных статистических органов²³.
16. Индекс времени в пути на дорогах (2024 г.). Данный индекс рассчитывается краудсорсинговой платформой Numbeo, и учитывает среднее время в пути, расходы на топливо и размер выбросов CO₂²⁴.

С целью исключить проблему мультиколлинеарности переменных, включаемых в регрессионную модель, построена корреляционная матрица и произведен отсев регрессоров с корреляцией ниже 0,7 (рис. 4). В результате в дальнейший анализ были включены шесть факторов: уровень расходов страны на НИОКР, уровень цифровизации государственных институтов, глобальный индекс сетевого взаимодействия, доля ИТ-отрасли в ВВП страны, уровень урбанизации и уровень безработицы.

Рис. 4. Корреляционная матрица объясняющих переменных

Проверка наличия взаимосвязей между зависимой и независимыми переменными произведена путем построения графиков разброса X–Y (рис. 5). Обнаружен чрезмерный разброс значений по следующим переменным: уровень развития фриланса (F), уровень цифровизации государственных институтов (D), ВВП на душу населения (GDPc), доля ИТ-отрасли в ВВП страны (IG). Разброс значений устраняется путем логарифмирования значений указанных переменных.

Рис. 5. Графики разброса X–Y переменных регрессии

С учетом подготовки данных к проведению регрессионного анализа далее будет продемонстрирована необходимость построить вторую модель множественной регрессии, которая не учитывает проблему мультиколлинеарности, но дает возможность определить потенциальные показатели изменения числа занятых во фрилансе в структуре занятого населения страны.

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Модель множественной регрессии построена с учетом исключения переменных с корреляцией более 0,6, с поправкой на гетероскедастичность (использованы робастные оценки стандартных ошибок), исключены четыре пропущенных значения (использовано 27 наблюдений), где в качестве зависимой переменной выступает логарифм уровня развития фриланса, а уравнение регрессии представлено формулой (1) с указанием стандартных ошибок коэффициентов:

                 \( \ln F = -1{,}59464_{(1{,}03692)} - 0{,}355568\, RD_{(0{,}765029)} + 0{,}377858\, \ln D_{(0{,}266551)}
+ 0{,}929288\, NI_{(0{,}510073)} + 0{,}602975\, \ln IG_{(0{,}529775)} + 0{,}386141\, URB_{(1{,}01547)}
- 0{,}0472595\, \ln U_{(0{,}324540)} \)                         (1)

В результате получена единственная значимая на 10%-м уровне переменная – глобальный индекс сетевого взаимодействия (p-значение – 0,0835). Интерпретируя данный результат, можно отметить, что обнаружена положительная экспоненциальная зависимость между уровнем развития фриланса в стране и глобальным индексом сетевого взаимодействия, в частности при росте размера инвестиций в ИКТ-инфраструктуру, эффективности процессов цифровизации и т.п., число занятых во фрилансе растет:

\( F = e^{-1{,}59464 + 0{,}929288\,NI} \) (2)

При этом, , исправленный , что демонстрирует плохую спецификацию модели, искажение коэффициентов регрессоров и отсутствие в модели ряда факторов, влияющих на уровень развития фриланса.

Интересные результаты показала модель множественной регрессии, в которую были включены все представленные переменные, построенная также с учетом разброса их значений. Выполнено более 50 попыток построения модели, основываясь на повышении значения исправленного R^2. Итоговый результат представлен в табл. 2, где максимальное значение исправленного R², которого удалось добиться, составляет 0,586913, а R² = 0.761681 Уравнение регрессии имеет следующий вид:

 \( \ln F = -0{,}485102_{(0{,}7436)} + 0{,}841738\, NI_{(0{,}0849)} + 1{,}25849\, URB_{(0{,}0421)} +
4{,}73183\, P_{(0{,}0216)} - 4{,}7196\, L_{(0{,}0001)} - 3{,}80983\, Tp_{(0{,}0432)} +
3{,}89999\, BA_{(0{,}0124)} - 2{,}47227\, ASm_{(0{,}0533)} + 0{,}698615\, \ln D_{(0{,}0026)} -
1{,}10836\, U_{(0{,}1004)} + 0{,}639841\, \ln GDPc_{(0{,}0195)} + 0{,}141875\, \ln IG_{(0{,}6965)} \)                                                       (3)                                                    

Таблица 2

Модель множественной регрессии лучшей спецификации

без учета проблемы мультиколлинеарности

В результате проведенного нами исследования выявлено девять значимых факторов: глобальный индекс сетевого взаимодействия и средняя заработная плата (10%-ый уровень значимости); уровень урбанизации, уровень процветания, индекс времени в пути на дорогах, индекс деловой активности, ВВП на душу населения (5%-ый уровень значимости), индекс качества жизни и уровень цифровизации государственных институтов (1%-ый уровень значимости). Положительная экспоненциальная зависимость обнаружена со следующими объясняющими переменными: глобальный индекс сетевого взаимодействия, уровень урбанизации, уровень процветания, индекс деловой активности, уровень цифровизации государственных институтов, ВВП на душу населения. Обратная экспоненциальная зависимость уровня развития фриланса прослеживается с индексом качества жизни, индексом времени в пути на дорогах, средней заработной платой.

Произведена проверка построенной модели на наличие геторескедастичности посредством проведения теста Breusch-Pagan, в качестве зависимой переменной выступают квадратизированные остатки регрессионной модели (uhat²). Результаты представлены в табл. 3.

Таблица 3

Тест Breusch-Pagan на гетероскедастичность

Объясненная сумма квадратов составила 23,6049; тестовая статистика: LM = 11,802453; р-значение = P(Хи-квадрат(11) > 11,802453) = 0,378674 > 0,05, что отвергает нулевую гипотезу о наличии гетероскедастичности в модели регрессии. Тест White на гетероскедастичность также показал ее отсутствие: неисправленный R-квадрат = 0,821527; тестовая статистика: TR² = 22,181231; р-значение = P(Хи-квадрат(22) > 22,181231) = 0,449117 > 0,05.

В целях проверки правильности спецификации построенной модели проведен тест Рамсея, результаты представлены в табл. 4. Тестовая статистика F составила 0,487386; р-значение = P(F(2,13) > 0,487386) = 0,625 > 0,05, поэтому гипотеза о том, что предложенная спецификация корректна, не отвергается.

Таблица 4

Вспомогательная регрессия для теста Рамсея

На основе проведенного исследования можно выделить реальные и потенциальные факторы, влияющие на развитие фриланса в стране. К реальным факторам относится глобальный индекс сетевого взаимодействия, выявленный в модели множественной регрессии, которая построена с учетом исключения регрессоров с высокой корреляцией и коррекций значений переменных, исходя из анализа графиков разброса X–Y. К потенциальным факторам, которые также могут влиять на изменение доли занятых во фрилансе в структуре занятого населения, можно отнести: среднюю заработную плату; уровень урбанизации; уровень процветания; индекс времени в пути на дорогах; индекс деловой активности; ВВП на душу населения; индекс качества жизни и уровень цифровизации государственных институтов.

ЗАКЛЮЧЕНИЕ

В настоящем исследовании предпринята попытка определить показатели развития рынка фриланса на основе изучения научных трудов отечественных и зарубежных ученых, посвященных анализу факторов, влияющих на фриланс как модель социально-трудовых отношений. В результате отбора объясняющих переменных с учетом анализа корреляционных зависимостей и взаимосвязей между ними построено две модели множественной регрессии, позволяющие сделать несколько выводов.

Глобальный индекс сетевого взаимодействия положительно влияет на рост доли занятых во фрилансе в структуре занятого населения и представляет собой эссенцию различных метрик, относящихся к эффективности вложенных инвестиций в ИТ-инфраструктуру, в развитие цифровых технологий (в том числе, таких поддерживающих технологий, как широкополосная связь и облачные сервисы), и их влияние на скорость и качество цифровой трансформации.

Так как современный фриланс предполагает удаленный формат труда с использованием сети Интернет, цифровых платформ и различных сервисов, приложений и программ, то наличие и повышение уровня доступности к развитой ИТ-инфраструктуре облегчает работу данной категории занятых и увеличивает их численность. Кроме того, рост уровня урбанизации населения также способствует расширению рынка занятых во фрилансе в силу более развитой ИТ-инфраструктуры в городах по сравнению с сельской местностью. Например, исследование Высшей школы урбанистики НИУ ВШЭ показало, что свыше 800 городов России лишены возможности предоставить доступ населению к современным цифровым сервисам²⁵.

Уровень процветания отражает достижения страны в таких сферах, как экономика, предпринимательство, экология, образование, здравоохранение и т.п., поэтому в целом наличие благоприятных условий существования позволяет населению свободно заниматься любым видом труда в рамках фриланса. Рост уровня цифровизации государственных институтов облегчает взаимодействие с ними занятых во фрилансе в части предоставления отчетности о доходах, своевременной уплаты налогов, пошлин и т.п., поэтому данный фактор относится к индикаторам роста рынка занятых во фрилансе. Повышение деловой активности отражается в улучшении бизнес-климата, в частности развитии и/или масштабировании предпринимательской деятельности, что обеспечивает рост рынка занятых во фрилансе по разным причинам. Например, занятых во фрилансе демонстрируют активную вовлеченность в свою трудовую деятельность, которая проявляется в виде повышения эффективности бизнес-процессов и результативности деятельности компании.

При этом увеличение средней заработной платы по стране приводит к снижению числа занятых во фрилансе и замедлению роста фриланс-рынка в силу улучшения качества жизни и отсутствия необходимости поиска дополнительных источников дохода вдобавок к стандартной долгосрочной занятости населения (штатного трудоустройства на основе бессрочного трудового договора). Однако, повышение индекса качества жизни, который характеризуется улучшением здоровья, семейной и общественной жизни, материального благополучия, уровня занятости и пр., также приводит к снижению количества занятых во фрилансе. Вместе с тем, увеличение времени в пути на дорогах также снижает число занятых на фриланс-рынке предположительно в связи с тем, что фриланс, помимо удаленных занятых во фрилансе, включает большую долю занятых в экономике совместного потребления (шеринге). Так, по данным Bank of America, наиболее быстрорастущим сегментом экономики свободного заработка (гигономики) являются совместные поездки с попутчиками (и водителем частного автомобиля), рост на 260% занятых, получающих доход от перевозки пассажиров, по сравнению с периодом пандемии COVID-19²⁶.

Таким образом, учет выявленных факторов позволит определять уровень развития рынка занятых во фрилансе при формировании государственного бюджета в части стратегического управления занятостью, разработки мероприятий по обеспечению населения достойным трудом.

¹ Гигономика (в оригинале gig economy) или экономика свободного заработка – это тип социально-экономических отношений, при котором оплата производится за результат трудовой деятельности, а не за его процесс. Такой тип отношений характеризуется краткосрочными трудовыми контрактами или заключением договоров гражданско-правового характера, временной и непостоянной занятостью, а уровень дохода, объем и график труда определяется наемным работником самостоятельно.

² URL: https://www-businessresearchinsights-com

³ URL: https://www.demandsage.com/freelance-statistics/

⁴ URL: https://www.demandsage.com/freelance-statistics/

⁵ URL: https://www.thebusinessresearchcompany.com/report/freelance-platforms-global-market-report

⁶ URL: https://gtmarket.ru/ratings/education-index.

⁷ URL: https://gtmarket.ru/ratings/research-and-development-expenditure.

⁸ URL: https://www.gartner.com/en/newsroom/press-releases/2023-04-06-gartner-forecasts-worldwide-it-spending-to-grow-5-percent-in-2023.

⁹ URL: https://innovationisrael.org.il/sites/default/files/The%20Israel%20Innovation%20Report%202021.pdf.

¹⁰ URL: https://www.worldeconomics.com/Country-Size/Israel.aspx.

¹¹ URL: https://www.statista.com/statistics/554000/united-states-federal-it-expenditure-by-investment-significance/.

¹² URL: https://www.cnews.ru/news/top/2023-10-11_v_2024_godu_mintsifry_nedopoluchit.

¹³URL: https://www.tadviser.ru/index.php/Статья:Глобальный_индекс_сетевого_взаимодействия_(Global_Connectivity_Index).

¹⁴ URL: https://gtmarket.ru/ratings/ict-development-index.

¹⁵ URL: https://thedocs.worldbank.org/en/doc/2a5bb15a1ac633946f46968504dde7c1-0460012022/original/GTMI-Data-Dashboard-User-Guide.pdf.

¹⁶ URL: https://gtmarket.ru/ratings/legatum-prosperity-index.

¹⁷ URL: https://gtmarket.ru/ratings/unemployment-ranking.

¹⁸ URL: https://www.numbeo.com/quality-of-life/rankings_by_country.jsp?title=2024-mid.

¹⁹ URL: https://take-profit.org/statistics/manufacturing-pmi/.

²⁰ URL: https://gtmarket.ru/ratings/human-development-index.

²¹ URL: https://www.worldeconomics.com/Indicator-Data/Economic-Size/Revaluation-of-GDP.aspx.

²²URL: https://countrycassette.com/average-monthly-salary-by-country-2023/.

²³URL: https://statisticstimes.com/demographics/countries-by-urban-population.php

²⁴ URL: https://www.numbeo.com/traffic/rankings_by_country.jsp.

²⁵ URL: https://www.hse.ru/expertise/news/220072744.html

²⁶ URL: https://institute.bankofamerica.com/content/dam/economic-insights/consumer-morsel-gig-economy-is-up.pdf

About the authors

Yu. M. Polyakova

Author for correspondence.
Email: flaeeee@gmail.com

Cand. Sc. (Economics), Engineer at the Laboratory of Applied Industrial Analysis, Faculty of Economics

References

Supplementary files

Supplementary Files

Action

1. JATS XML

Download

2. Рис. 1. Доля занятых во фрилансе в общей численности занятого населения по странам мира

Download (185KB)

Indexing metadata

3. Рис. 2. Распределение стран мира по доле занятых во фрилансе в общей численности занятых, %

Download (126KB)

Indexing metadata

4. Рис. 3. Доля ИТ-отрасли по странам мира за 2023 г., %

Download (193KB)

Indexing metadata

5. Рис. 4. Корреляционная матрица объясняющих переменных

Download (433KB)

Indexing metadata

6. Рис. 5. Графики разброса X–Y переменных регрессии

Download (251KB)

Indexing metadata