Роман Михайлович МEЛЬНИКОВдоктор экономических наук, профессор кафедры государственного регулирования экономики, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, Москва, Российская Федерация rmmel@mail.ru https://orcid.org/0000-0001-6335-2458 SPIN-код: 3472-1666
Предмет. Изучение возможностей использования методов машинного обучения для оценки отдачи от образования. Цели. Оценка отдачи от уровня и профиля образования с использованием данных Российского мониторинга экономического положения и здоровья населения и методов машинного обучения. Методология. Для прогнозирования зарплаты, удовлетворенности работой и риска безработицы используются линейная и логистическая регрессии, методы K ближайших соседей, опорных векторов, деревьев решений, случайного леса, бустинга, а также полносвязные нейронные сети. В качестве объясняющих переменных используются пол, возраст, регион проживания, уровень и профиль полученного образования. Результаты. Пик зарплат на российском рынке труда достигается в достаточно молодом возрасте, но для женщин может быть сдвинут, благодаря получению высшего образования, с 37 до 47 лет. Возраст выхода на пик зарплат у мужчин существенно меньше зависит от уровня образования и составляет около 40 лет. Наибольшую премию к зарплате у мужчин обеспечивает получение высшего образования в области медицины и информационных технологий, у женщин – в области медицины. Наибольшую удовлетворенность работой среди мужчин с высшим образованием испытывают выпускники IT и медицинского профилей, среди женщин – педагогического и аграрного. Выводы. Использование методов машинного обучения не позволило существенно улучшить оценки отдачи от уровня и профиля образования, полученные по модели Дж. Минцера, хотя модели бустинга продемонстрировали меньшую среднеквадратическую ошибку на тестовой выборке по сравнению с прогнозами регрессионных моделей. Однако модель дерева решений продемонстрировала существенно лучшую способность классифицировать занятых по степени удовлетворенности работой, чем логистическая регрессия. При построении финансовых моделей, ориентированных на сопоставление затрат на получение образования с приростом доходов от трудовой деятельности, модели машинного обучения предпочтительнее в связи с более высокой точностью прогнозов.
Ключевые слова: отдача от образования, человеческий капитал, удовлетворенность работой, машинное обучение, дерево решений
Список литературы:
Schultz T.W. Economic Value of Education. London, New York, Columbia University Press, 1963, 92 p.
Becker G.S. Human Capital: A Theoretical and Empirical Analysis with Special Reference to Education. London, New York, Columbia University Press, 1964, 390 p.
Becker G.S., Chiswick B. Education and the distribution of earnings. The American Economic Review, 1966, vol. 56, no. 1/2, pp. 358–369. URL: Link
Mincer J.A. Investment in human capital and personal income distribution. Journal of Political Economy, 1958, vol. 66, no. 4, pp. 281–302. URL: Link
Mincer J.A. Schooling, Experience, and Earnings. N.Y., NBER Books, 1974, 152 p.
Goldin C., Katz L.F. The race between education and technology: The evolution of US educational wage differentials, 1890 to 2005. NBER Working Paper 12984, 2007. URL: Link
Лукьянова А.Л. Отдача от образования: что показывает мета-анализ // Экономический журнал Высшей школы экономики. 2010. Т. 14. № 3. С. 326–348. URL: Link
Денисова И.А., Карцева М.А. Преимущества инженерного образования: оценка отдачи на образовательные специальности в России. Препринт WP3/2005/02. М.: ГУ ВШЭ, 2005. 40 с.
Антоненко В.В., Антонов Г.В. Инвестиции в человеческий капитал российской молодежи: кому выгодно? // Экономический анализ: теория и практика. 2016. № 3. С. 96–110. URL: Link
Антоненко В.В., Антонов Г.В. Статистическая модель зависимости дохода от уровня образования в современной России // Региональная экономика: теория и практика. 2018. Т. 16. Вып. 12. С. 2349–2368. URL: Link
Гимпельсон В.Е. Возраст и заработная плата: стилизованные факты и российские особенности // Экономический журнал Высшей школы экономики. 2019. Т. 23. № 2. С. 185–237. URL: Link
Гимпельсон В.Е., Зинченко Д.И. «Физики» и «лирики»: кто российскому рынку труда более ценен? // Вопросы экономики. 2021. № 8. С. 5–36. URL: Link
Капелюшников Р.И. Отдача от образования в России: куда ниже? // Вопросы экономики. 2021. № 8. С. 37–68. URL: Link
Артеева В.С., Схведиани А.Е. Математическая модель оценки эффективности инвестиций в высшее образование // Экономический анализ: теория и практика. 2021. Т. 20. Вып. 4. С. 772–788. URL: Link
Рожкова К.В., Рощин С.Ю., Солнцев С.А., Травкин П.В. Отдача на магистерскую степень на российском рынке труда // Вопросы экономики. 2021. № 8. С. 69–92. URL: Link
Мельников Р.М. Оценка отдачи от диплома магистра в российских условиях // Экономический анализ: теория и практика. 2022. Т. 21. Вып. 4. С. 665–689. URL: Link
Мельников Р.М. Оценка эффективности инвестиций в подготовку аспирантов в современных российских условиях // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 3. С. 444–459. URL: Link
Breiman L., Friedman J., Stone Ch., Ohlsen R. Classification and Regression Trees. Taylor and Francis, 1984, 368 p.
Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009, 745 p.
Ozdemir S. Principles of Data Science. Birmingham, UK, Packt Publishing Ltd, 2016, 388 p.
Dangeti P. Statistics for Machine Learning: Techniques for Exploring Supervised, Unsupervised, and Reinforcement Learning Models with Python and R. Birmingham, UK, Packt Publishing Ltd, 2017, 442 p.
James G., Witten D., Hastie T. et al. An Introduction to Statistical Learning with Application in Python. Springer, 2023, 619 p.
Teguim Kamdjou H.D. Estimating the returns to education using a machine learning approach – Evidence for different regions. Open Education Studies, 2023, vol. 5, iss. 1. URL: Link
Jacob J. Human capital and higher education: Rate of returns across disciplines. Economics Bulletin, 2018, vol. 38, iss. 2, pp. 1241–1256. URL: Link
