Spatial Distribution of Employment in Logistics Sector of Moscow Agglomeration

Full Text

ВВЕДЕНИЕ

Значимость транспортно-логистического комплекса (далее — ТЛК) в экономике регионов высока: она играет роль как в формировании ВРП, перемещении грузов и пассажиров на различные расстояния, так и в занятости местного населения и генерации его доходов. При этом для столичного региона за последние 5 лет роль ТЛК в ВРП незначительно снижается, а его доля в занятости — медленно повышается, что указывает на экстенсивный рост в отрасли. Значимость ТЛК для России и необходимость создания новой логистической инфраструктуры растет как в связи с расширением онлайн-продаж и потребностей в новых складских площадях для ретейлеров [10], так и на фоне трансформации цепей поставок в 2022 г., переключения на поставки в восточном и южном направлениях [6].

В 2023 г. был отмечен исторический минимум безработицы по всей России, при этом дефицит кадров в ТЛК ощущался значимее [17], чем в среднем по экономике. Подобный дефицит выдвигает проблему трудовых ресурсов при развитии новых объектов логистической инфраструктуры на первое место и обостряет значимость этого фактора.

Цель исследования: оценка пространственных факторов, влияющих на занятость в транспортно-логистическом комплексе Московской агломерации.

Гипотезы:

H1. Ключевыми факторами, положительно влияющими на численность занятых в ТЛК муниципального образования, выступают численность местного населения и уровень зарплаты.

H2. Близость муниципального образования к МКАД — более значимый пространственный фактор для численности занятых в ТЛК, чем близость к ЦКАД.

H3. Удаленность муниципального образования от аэропортов отрицательно влияет на численность занятых в ТЛК на его территории.

ОБЗОР ЛИТЕРАТУРЫ

В России накоплен значительный опыт исследований по человеческому капиталу [9] и рынкам труда регионов и крупных городских агломераций [1, 2, 15]. Отмечается, что снижение безработицы становится трендом для российской экономики на фоне более быстрого сокращения численности населения, чем изменение числа рабочих мест [9]. В 2022 г. в ходе дополнительной загрузки производственных мощностей и усложнения цепей поставок дефицит кадров обострился исключительно остро, в том числе за счет продолжающегося сокращения численности населения при одновременном росте числа новых рабочих мест [17].

Москва и Московская область (Московский регион) входят в группу регионов, где рабочие места создаются быстрее, чем растет население, поэтому дефицит кадров здесь ощущается особенно остро [1]. При этом Московская агломерация, несмотря на значимую роль ядра в экономике и занятости, в достаточной степени децентрализована [2], что позволяет проводить исследования внутренней территориальной структуры занятости агломерации на муниципальном уровне. Подобная децентрализация объясняется как высокой научно-производственной базой Московского региона, сохранившейся еще с советского периода [5, 13], так и высокой инвестиционной привлекательностью в постсоветский период [4, 13]. Большое внимание исследователей привлекает и феномен Новой Москвы [20], включение которой в состав Москвы в 2012 г. изменило ряд трендов ее социально-экономического развития, особенно с точки зрения привлечения жилищных девелоперов, ускоренного развития коммерческой застройки (торговых, офисных и складских объектов).

Особенное внимание исследователей уделяется трудовым маятниковым миграциям в Московской агломерации [12], которые играют значимую роль в формировании территориальной структуры занятости населения: ряд муниципалитетов Москвы и Московской области играют роль “спальных районов” (например, муниципалитеты Новой Москвы), в то время как другие — наоборот, в большей степени являются центрами занятости населения, чем центрами расселения (почти все центральные районы Москвы) [14]. В то же время более 30% жителей Московской области регулярно выезжают на работу в Москву, что значительно снижает трудовой потенциал Московской области, в том числе для развития логистической инфраструктуры; существует и обратный поток из Москвы в Московскую область, но он значительно меньше по масштабу и значимости [11].

Многие закономерности и особенности развития Московской агломерации рассматриваются не на данных Росстата, а на данных федеральной налоговой службы [2], которые имеют более точную территориальную привязку, но более сложны для обработки; на данных сотовых операторов [3, 12], которые гораздо точнее демонстрируют пространственную дифференциацию показателей и отражают более реальную ситуацию [4], однако не являются открытыми источниками и реализуются преимущественно на коммерческой основе. При этом в отраслевом разрезе занятость практически не рассматривается, тем более отсутствуют работы, посвященные занятым в ТЛК, так как дефицит кадров в отрасли обострился в 2023 г.

Занятость активно моделируется исследователями с точки зрения использования новых факторов [16], а также расчетов для малого и среднего бизнеса [8], однако для ТЛК подобных расчетов не составлялось. Помимо этого, не осуществлялись количественные оценки влияния на занятость фактора близости к объектам транспортно-логистической инфраструктуры (МКАД, ЦКАД, аэропортам и складским объектам) [5], что является новизной исследования.

Зарубежные исследователи значительно больше внимания уделяют ТЛК в целом, однако зачастую недоучитывают занятость как фактор развития отрасли. К примеру, изучению занятости в ТЛК посвящено исследование по муниципальным образованиям США в целом [18] и по городским агломерациям США [23] с рассмотрением влияющих на этот феномен факторов. Авторы приходят к выводу, что на численность занятых влияют численность населения, плотность автомобильных дорог, доход на душу населения или локальный рынок, а в случае крупных агломераций — еще и близость к аэропортам. В то же время в других моделях, например, европейских исследователей, занятость даже не добавляется в моделирование как фактор, влияющий на развитие логистической инфраструктуры [21], либо признается практически не значимой [22]. Отчасти это связано с большей автоматизацией европейских логистических центров, однако даже в таком случае занятость должна приниматься во внимание при оценке перспектив строительства и обслуживания новых объектов инфраструктуры.

МАТЕРИАЛЫ И МЕТОДЫ

Под транспортно-логистическим комплексом в работе будут пониматься виды деятельности по разделу H “Транспортировка и хранение” ОКВЭД-2. Все данные собраны и рассчитаны применительно к муниципальным образованиям (далее — МО) Московской области и трем административным округам г. Москвы (Зеленоградский, Новомосковский, Троицкий округа), расположенным за МКАДом, так как в них занятость в ТЛК сопоставима с соседними МО Московской области.

Основными источниками данных (табл. 1) стали:

– База данных показателей по муниципальным образованиям (БДПМО) (численность занятых в ТЛК, уровень заработной платы в ТЛК, численность населения). Специфика БДПМО: данные представлены только по организациям крупного и среднего бизнеса. По данным сборника “Малое и среднее предпринимательство в России” за 2022 г., 81% работников ТЛК в Московской области занято на крупных и средних предприятиях, поэтому мы предполагаем, что выборка БДПМО достаточно репрезентативна для анализа в пространственном разрезе.

– Данные Циан по площади складских объектов, сопоставленные с данными OpenStreetMap (OSM) и кадастровыми картами, пересчитанные по муниципальным образованиям.

– Расчеты автора с использованием Яндекс.Карт (близость к МКАД, аэропортам и ЦКАД). За центр МО были взяты координаты административного центра МО, с помощью Яндекс.Карт рассчитывалось кратчайшее расстояние от центра МО до ближайшего съезда на МКАД или ЦКАД и до ближайшего аэропорта (Жуковский, Домодедово, Внуково, Шереметьево). Индикаторы хорошо демонстрируют пространственную дифференциацию между МО и дают понятный для дальнейшего моделирования результат.

Все данные представлены на 2022 г.

Таблица 1. Специфика показателей, используемых в модели

Всего в анализ вошли 49 МО Московской области и 3 административных округа г. Москвы. Из анализа дополнительно удалены МО, в которых, по данным Циан, OSM и кадастровых карт, нет существующих складских площадей, либо отсутствуют данные в БДПМО о занятых в ТЛК. Эти МО расположены на периферии Московской области, поэтому на анализ и значения коэффициентов влияния не оказывают.

Описательная статистика для всех показателей приведена в табл. 2.

Таблица 2. Описательная статистика индикаторов

Для расчетов была использовала регрессионная модель по методу наименьших квадратов. Формула в общем виде выглядит следующим образом:

$EmL=const\times PrMKA{D}^{\alpha 1}\times PrAi{r}^{\alpha 2}\times PrCC{R}^{\alpha 3}\times WHS{q}^{\alpha 4}\times Sa{L}^{\alpha 5}\times Po{p}^{\alpha 6}.$ (1)

где const — общий эмпирический коэффициент, α — частные эмпирические коэффициенты для каждого индикатора, обозначенные соответствующими индексами.

Все переменные были дополнительно логарифмированы:

$ln EmL=const+\alpha 1ln PrMKAD+\alpha 2ln PrAir+\alpha 3ln PrCCR+\alpha 4ln WHSq+\alpha 5ln SaL+\alpha 6ln Pop.$ (2)

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Транспортно-логистический комплекс Московской агломерации делится на три ключевые составляющие: складские объекты, грузовые и пассажирские терминалы (аэропорты, крупные железнодорожные станции и контейнерные терминалы), офисы транспортно-логистических компаний, осуществляющих перевозки.

Если последние распределены более равномерно: ближе к МКАД, либо в связке с двумя другими составляющими — то складские объекты и терминалы неравномерно аккумулируют занятость, однако являются наиболее крупными работодателями. Так, наибольшая численность занятых характерна для МО, в границах которых или рядом с которыми расположены аэропорты: Лобня, Химки, Жуковский, Домодедовский городские округа (ГО) (рис. 1). Все более значимыми акцепторами занятости становятся складские объекты — на рис. 1 выделяются МО с большой численностью населения и одновременно большой занятостью в ТЛК: Подольск, Раменское, Лыткарино, Богородский, Дмитровский, Солнечногорский городские округа, которые обладают значительными складскими площадями. Выделяются также Рузский и Ступинский ГО (ОЭЗ “Ступино Квадрат”), в которых высока роль обслуживания промышленного хранения и цепей поставок промышленных предприятий на фоне невысокой численности местного населения. Меньшими, но все еще высокими показателями численности занятых в ТЛК на душу населения обладают также Чеховский, Каширский, Коломенский, Пушкинский, Долгопрудный и Красногорский ГО (рис. 1), характеризующиеся высокой плотностью складской инфраструктуры (рис. 2).

Рис. 1. Занятость в ТЛК Московской области. Источник: составлено автором.

Рис. 2. Плотность распределения складской инфраструктуры и уровень заработной платы в ТЛК в Московской области. Источник: составлено автором.

Наименьшие удельные показатели характерны для периферийных МО (Электрогорск, Дубна, Талдомский ГО), а также для малых городов-наукоградов, долгое время закрытых для внешнего бизнеса (Фрязино, Черноголовка, Королев) и не испытывающих большой потребности в кадрах ТЛК. Невысокая численность занятых на душу характерна также для МО вблизи МКАД на юге и востоке от него, так как это одни из самых населенных МО региона, в которых население преимущественно работает в Москве и осуществляет ежедневные поездки на работу.

По плотности складских объектов четко выделяются несколько зон внутри региона (рис. 2): 1) наиболее плотная зона на юге, юго-востоке и севере региона вблизи МКАД (Подольск, Домодедово, Котельники, Люберцы, Лыткарино, Дзержинский, Долгопрудный); 2) высокоплотная зона на востоке и севере региона между МКАД и ЦКАД (Балашиха, Ногинск, Пушкино, Мытищи, Лобня, Химки, Солнечногорск); 3) среднеплотная зона, тяготеющая к ЦКАД (Чехов, Раменское, Электросталь, Дмитров, Истра, Красногорск); 4) низкоплотная зона, тяготеющая к ЦКАД (Одинцово, Наро-Фоминск, Кашира, Щелково); 5) разреженная периферийная зона с единичными складскими объектами (юго-восток, запад, а также крайний юг и север Московской области).

Уровень заработной платы в большей степени зависит от близости к крупным транспортным терминалам (аэропортам, контейнерным терминалам) или складским комплексам крупного бизнеса (Wildberries, Ozon, X5 Group и др.), предлагающим зарплаты выше рынка.

В корреляционной матрице отражены зависимости между ключевыми показателями, используемыми в модели (табл. 3). Выявлено, что близость к МКАД, аэропортам и ЦКАД положительно влияет на уровень зарплаты, численность населения и общую площадь складских объектов. Высокая заработная плата в ТЛК привлекает в отрасль большее количество занятых, как и большая площадь складских объектов.

Таблица 3. Корреляция между используемыми показателями

Было сделано несколько расчетов с включением различных факторов в модель и исключением из нее (табл. 4), однако наилучший результат по значениям R-квадрат, а также критериям Акаике и Шварца показала модель с использованием всех факторов (модель 8).

Таблица 4. Результаты моделирования

Численность населения выступает в данном случае как фактор предложения трудовых ресурсов и фактор спроса на локальное потребление (много магазинов — значит, нужна логистическая инфраструктура и ее обслуживание) и является самым значимым фактором, влияющим на численность занятых в ТЛК. В высокой степени влияет и заработная плата (α5 ≈ α6), однако значимость фактора на фоне других переменных снижается.

Близость к аэропортам — один из самых значимых индикаторов, так как аэропорты сами по себе обладают высокой потребностью в трудовых ресурсах, а также притягивают сопутствующую логистическую инфраструктуру (экспортно-импортные терминалы, распределительные центры, фулфилмент-центры). Чем дальше МО от аэропорта, тем ниже численность занятых в ТЛК.

Близость к ЦКАД, вопреки ожиданиям авторов, влияет на зависимую переменную больше, чем близость к МКАД: это объясняется размещением вблизи ЦКАД более крупных по площади распределительных центров с гораздо большей занятостью, чем вблизи МКАД (где преобладают небольшие сортировочные центры). Это в том числе иллюстрируется тем, что в модели без использования площади складских объектов близость к ЦКАД не значима, а с появлением данного индикатора ЦКАД получает значимый вес.

Суммарная площадь складских объектов МО влияет меньше, чем все остальные факторы, однако является одним из самых устойчиво значимых индикаторов (наравне с численностью населения). Склады выступают крупным аттрактором рабочей силы для МО Московской области и, несмотря на тренды к автоматизации, потребности в трудовых ресурсах для складов высокие и будут только увеличиваться в связи с ростом складского предложения и строительством крупных фулфилмент-центров онлайн-операторов (Wildberries, Ozon) с большой занятостью населения.

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Отметим, что пространственное распределение индикатора заработной платы связано с гораздо большим числом факторов, чем с близостью МКАД, аэропортов и складских объектов. Действительно, выше доходы в ТЛК у занятых в аэропортах, а также на складских объектах крупных корпораций (Wildberries, Ozon и другие), однако не только и не столько они определяют уровень доходов в логистике — влияет также стартовый уровень зарплаты в МО (до прихода крупного бизнеса), институциональные механизмы поддержки бизнеса и населения. Из-за этого в некоторых МО заработная плата не подчиняется закономерностям географического распределения, и ее значимость как фактора размещения при моделировании снижается.

Значимость заработной платы двояка: с одной стороны, высокая зарплата способствует перетоку кадров из других сфер в ТЛК, с другой стороны, более низкая зарплата по сравнению с соседними МО является фактором размещения на его территории новых крупных объектов логистической инфраструктуры. В каждом конкретном случае решает не только заработная плата, но и наличие институциональных механизмов поддержки бизнеса [18].

Интересным фактом является неоднородность влияния близости к инфраструктурным объектам. Близость к ЦКАД может опережать МКАД по своему влиянию в том числе потому, что недоучитывается малый бизнес, который преобладает в МО, расположенных ближе к Москве. Отметим также, что все три типа близости в значительной степени коррелируют друг с другом, однако играют принципиально разную роль как факторы размещения (МКАД — обслуживание Москвы, аэропорты — обслуживание импортных и межрегиональных операций, ЦКАД — увеличение зоны обслуживания, обслуживание ЦФО), поэтому оставлены в модели все вместе.

Несмотря на то что коэффициенты влияния площади складских объектов на численность занятых в ТЛК самые низкие среди других факторов, влияние этого фактора будет повышаться в связи с дальнейшим строительством новых крупных складских комплексов в Московском регионе и привлечением трудовых ресурсов. Ключевым вопросом остается оценка сокращения численности занятых из-за автоматизации процессов на подобных объектах. По оценкам, автоматизация может привести к снижению численности занятых в ТЛК на 57% [7] к 2030 г. по всей России, однако автоматизация требует высоких затрат и качественного переформатирования занятости, повышения квалификации персонала, что в текущих условиях представляется нереалистичной перспективой. Тем не менее на фоне высокого дефицита кадров и отсутствия очевидных методов привлечения новых трудовых ресурсов в экономику мы ожидаем усиления тенденций автоматизации ТЛК, в особенности крупных складских объектов с наибольшей численностью занятых.

Важно отметить, что в исследовании недоучтены маятниковые миграции из других муниципальных образований Московской области и Москвы: несмотря на то, что совокупные потоки маятниковых мигрантов внутри Московской области и Новой Москвы между всеми муниципальными образованиями не превышают 1 млн чел. [11], они могли бы дополнить картину факторов, влияющих на занятость в ТЛК.

ЗАКЛЮЧЕНИЕ

Самыми устойчиво значимыми факторами, влияющими на численность занятых в ТЛК признаны численность местного населения как индикатор предложения рабочей силы и размера местного рынка сбыта, а также площадь складских объектов как индикатор высокого спроса на рабочую силу. Заработная плата признана значимым индикатором, однако ее значимость на фоне использования других переменных при моделировании снижается. Близость к различным объектам транспортной инфраструктуры (МКАД, ЦКАД, аэропортам) выступает значимым фактором, так как данные линейные элементы притягивают к себе крупные объекты логистической инфраструктуры с высокой занятостью населения. Это в том числе подтверждается фактом, что одним из самых устойчиво значимых индикаторов стала суммарная площадь складских объектов в МО.

Достоинством используемого подхода является его доступность и понятность, в том числе для использования в бизнес-среде или в области государственного и муниципального управления. Данные не нужно пересчитывать по разным базам данных или по новым административным ячейкам.

Практическая значимость исследования заключается в количественной оценке положительных эффектов для занятости населения от появления новых объектов логистической инфраструктуры (например, ЦКАД или крупных складских объектов). Использование модели поможет прогнозировать увеличение или уменьшение численности занятых в конкретных МО и в целом по региону с учетом изменения численности населения, площади складских объектов и уровня зарплаты. Подобные прогнозы важны для органов государственной и местной власти при принятии решений о реализации инвестиционных проектов на их территории и возможных бюджетных эффектов от их реализации: это касается проектов как отдельных крупных складских комплексов, так и ключевых автомагистралей (например, М-12 “Восток”), которые потенциально могут привлечь дополнительные проекты по созданию логистической инфраструктуры. Расчеты полезны и для бизнес-сообщества — например, для девелоперов и консультантов по складской недвижимости при анализе обеспеченности трудовыми ресурсами потенциальных территорий реализации проекта и выявления уровня конкуренции за рабочую силу.

Дальнейшими перспективами исследования станет анализ индикаторов в динамике, включение в модель данных по муниципальным образованиям соседних регионов. Перспективным является также досчитывание данных по малым и микропредприятиям с использованием базы данных СПАРК, добавление потока маятниковых трудовых мигрантов.

About the authors

Mikhail A. Makushin

Author for correspondence.
Email: mihmakushin@mail.ru

PhD Student, lead engineer, Faculty of Geography

References

Supplementary files

Supplementary Files

Action

1. JATS XML

Download

2. Fig. 1. Employment in the TLC of the Moscow region. Source: compiled by the author.

Download (280KB)

Indexing metadata

3. Fig. 2. Distribution density of warehouse infrastructure and wage level in TOLK in the Moscow region. Source: compiled by the author.

Download (275KB)

Indexing metadata