Human Capital and Income Decline: Evidence from the Russian Longitudinal Monitoring Survey 2019-2022

封面

如何引用文章

全文:

详细

Human capital is widely regarded as a fundamental driver of economic growth, at least in the innovative and knowledge-based economy. However, the empirical evidence linking human capital with economic outcomes has been problematic both at macroeconomic and microeconomic levels. The estimates obtained in this study, based on RLMS data, show that the conditional probability of a worsening financial situation for people with higher education increased significantly in 2020 and 2022 compared to 2019. Using logit analysis, we calculated the odds ratios for worsening finances for three groups: currently employed versus not employed, reported poor health versus good health, and with tertiary education versus no tertiary education. Individuals with poor health are 20 % more likely to experience a decline in income than those in good health, but worryingly, after 2020 those with tertiary education are also about 1.2 times more likely to experience a decline in income than those with secondary education or less. It does not cast doubt on the positive impact of human capital on the knowledge-based economy. But it raises the question to what extent the characteristics of the knowledge-based economy are maintained during crises. The other question is the extent to which tertiary education today meets the expectations of the labour market and whether the education system has the foresight to ensure a high return on investment in human capital.

作者简介

Svetlana Balashova

RUDN University

编辑信件的主要联系方式.
Email: balashova-sa@pfur.ru
ORCID iD: 0000-0003-1797-8825

PhD, Head of Department of Economic and Mathematical Modeling

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Bella Gabrielyan

Yerevan Branch of the Russian Economic University named after G.V. Plekhanov; Institute of Economics after M. Kotanyan

Email: bvgabrielyan@mail.ru
ORCID iD: 0000-0002-7428-7900

PhD, Associate Professor. Head of the Economic Sciences Department, European Economic University named after G.V. Plekhanov, Leading Researcher at the Institute of Economics named after M. Kotanyan NAS RA

5/2 Arzumanyan St, 0015, Republic of Armenia; 15 Grigor Lusavorich St, Yerevan, 0015, Republic of Armenia

参考

  1. Abdullah, A., Doucouliagos, H., & Manning, E. (2015). Does education reduce income inequality? a meta-regression analysis. Journal of Economic Surveys, 29(2), 301-316. https://doi.org/10.1111/joes.12056
  2. Acemoglu, D., Gallego, F.A., & Robinson, J.A. (2014). Institutions, human capital, and development. Annu. Rev. Econ., 6(1), 875-912.
  3. Acemoglu, D., Johnson, S., & Robinson, J.A. (2005). Institutions as a fundamental cause of longterm growth. Handbook of Economic Growth, 1, 1138. https://doi.org/10.3386/w10481
  4. Balashova, S. (2022). Recent Trends in Personal Income and the Impact of Covid-19: Case of Russia. In A.P. Duarte, S. Redzepagic, & F.S. Murta (Eds.), The european integration process crisis and resilience in the aftermath of the covid-19 pandemic (pp. 409-426). Coimbra University Press. https://doi.org/10.14195/978-989-26-2364-1
  5. Balashova, S., Lazanyuk, I., & Matyushok, V. (2018). Growth Scenarios for the Russian Economy. In B.S. Sergi (Ed.), Exploring the Future of Russia’s Economy and Markets: Towards Sustainable Economic Development (pp. 235-256). London: Emerald Publishing Limited. https://doi.org/10.1108/978-1-78769-397-520181013
  6. Becker, G. (1993). Human Capital. A Theoretical and Empirical Analysis, with Special Referenceso Education (3d ed.). University of Chicago Press.
  7. Bulina, A., Mozgovaya, K., & Pakhnin, M. (2020). Human capital in economic growth theory: Classical models and new approaches. St Petersburg University Journal of Economic Studies, 36(2), 163-188. https://doi.org/10.21638/spbu05.2020.201
  8. Dang, H.A. H., Lokshin, M.M., Abanokova, K., & Bussolo, M. (2020). Welfare Dynamics and Inequality in the Russian Federation During 1994-2015. European Journal of Development Research, 32(4), 812-846. https://doi.org/10.1057/s41287-019-00241-3
  9. Greene, W.H. (2008). Econometric Analysis (6th ed., Vol. 97.). Pearson Prentice Hall. https://doi.org/10.1198/jasa.2002.s458
  10. Horowitz, J.L., & Savin, N.E. (2001). Binary response models: Logits, probits and semiparametrics. Journal of Economic Perspectives, 15(4), 43-56. https://doi.org/10.1257/jep.15.4.43
  11. Khetan, A.K., Yusuf, S., Lopez-Jaramillo, P., Szuba, A., Orlandini, A., Mat-Nasir, N., & Leong, D.P. (2022). Variations in the financial impact of the COVID-19 pandemic across 5 continents: A cross-sectional, individual level analysis. EClinicalMedicine, 44, 1-10. https://doi.org/10.1016/j.eclinm.2022.101284
  12. Kuzminov, Ya., Sorokin, P., & Froumin, I. (2019). Generic and Specific Skills as Components of Human Capital: New Challenges for Education Theory and Practice. Foresight and STI Governance, 13(2), 19-41.
  13. Mincer, J. (1958). Investment in Human Capital and Personal Income Distribution. Journal of Political Economy, 66(4), 281-302.
  14. Nartikoev, A., & Peresetsky, A. (2019). Modeling the dynamics of income distribution in Russia. Applied Econometrics, 54, 105-125. Retrieved from https://econpapers.repec.org/article/risapltrx/0370.htm
  15. Parry, E., & Urwin, P. (2011). Generational Differences in Work Values: A Review of Theory and Evidence. International Journal of Management Reviews, 13(1), 79-96. https://doi.org/10.1111/j.1468-2370.2010.00285.x
  16. Romer, P.M. (1989). Human capital and growth: theory and evidence. National Bureau of Economic Research, (3173), 51.
  17. Rusnak, Z. (2012). Logistic Regression Model. Econometrics, 1(35), 9-23.
  18. Ryazantsev, S.V., & Rybakovskii, L.L. (2021). Demographic Development of Russia in the 20th-21st Centuries: Historical and Geopolitical Dimensions. Herald of the Russian Academy of Sciences, 91(5), 516-524. https://doi.org/10.1134/S1019331621050075
  19. Varshavsky, A.E. (2019). Excessive income inequality - problems and threats for Russia. Sotsiologicheskie Issledovaniya, (8), 52-61. https://doi.org/10.31857/S013216250006136-2
  20. Voskoboynikov, I.B. (2017). Sources of long run economic growth in Russia before and after the global financial crisis. Russian Journal of Economics, 3(4), 348-365. https://doi.org/10.1016/j. ruje.2017.12.003
  21. Yao, Z., & Liu, Y. (2023). How Covid-19 impacts the financing in SMEs: Evidence from private firms. Economic Analysis and Policy, 79, 1046-1056. https://doi.org/10.1016/j.eap.2023.06.036

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».