Ниже — набор рабочих социологических гипотез и перечень дополнительных переменных для их проверки. Исходные уровни незадекларированной занятости: $28\%$, $42\%$, $55\%$.
1) Экономическая структура (секторная гипотеза)
- Гипотеза: более высокий вклад сельского хозяйства и малых неформальных фирм повышает долю незадекларенной занятости.
- Нужные переменные: доля занятых в сельском хозяйстве, в строительстве, в секторе услуг; доля самозанятых; распределение по размеру предприятий (мик/малые/средние/крупные).
2) Уровень развития и спроса на формальную занятость (экономический статус)
- Гипотеза: страны с более низким ВВП на душу и высоким уровнем бедности имеют больше неформальной занятости.
- Нужные переменные: ВВП на душу (PPP), уровень бедности, безработица, темпы экономического роста, неравенство (коэффициент Джини).
3) Институциональная среда и регуляция (институциональная гипотеза)
- Гипотеза: чем жестче регулирование найма/налогообложения и хуже качество государственных услуг, тем выше стимул уходить в неформальность.
- Нужные переменные: ставки корпоративного/подоходного/социального налога, минимальная зарплата, индексы регулирования и «легкости ведения бизнеса», стоимость регистрации предприятия, восприятие коррупции, численность трудовых инспекторов на 10k фирм.
4) Социальная защита и охват (страхование/социалька)
- Гипотеза: низкий охват пенсионного/медицинского страхования стимулирует неформальную занятость.
- Нужные переменные: доля работников, покрытых социальным страхованием; охват пенсионной системы; доступность медицинских услуг; процент работодателей, платящих взносы.
5) Рынок труда и образование (человеческий капитал)
- Гипотеза: низкий уровень образования и дефицит квалификаций увеличивают неформальную занятость.
- Нужные переменные: средний уровень образования, доля с начальным/средним/высшим образованием, соответствие навыков спросу работодателей, программы профессиональной подготовки.
6) Демография и миграция
- Гипотеза: высокий приток внутренних/международных мигрантов и молодое население увеличивают неформальность (из‑за барьеров доступа к формальным рабочим местам).
- Нужные переменные: возрастная структура, доля мигрантов, мобильность рабочей силы, семейное положение.
7) Гендерные и социальные факторы
- Гипотеза: гендерные нормы, неравный доступ женщин к формальным рабочим местам и обязанность по домашнему труду повышают долю женщин в неформальной занятости.
- Нужные переменные: гендерный разрыв в занятости, доля женщин в неформальном секторе, время на неоплачиваемую работу, доступ к детским учреждениям.
8) Культурные / поведенческие факторы и информированность
- Гипотеза: низкая информированность о преимуществах формальной занятости и традиции самозанятости способствуют неформальности.
- Нужные переменные: опросные данные о мотивах незадекларенной работы, уровень доверия к государству, знание прав и льгот.
9) Проблема измерения и классфикации (артефакт)
- Гипотеза: различия в методологии опросов и определениях «незадекларенной занятости» дают часть разницы.
- Нужные переменные/данные: подробные методологические метаданные по трудовым обследованиям, вопросы анкеты, критерии классификации.
Рекомендации по анализу (коротко):
- Модели: многопеременный логит/пробит; модель иерархического (многоуровневого) регресса для учета страны/регионов; декомпозиция Оахако — Блиндера для объяснения разницы между странами.
- Примерная формула (логит): $\mathrm{Pr}({\text{informal}}_i)={\mathrm{logit}}^{-1}({\beta }_0+{\beta }_1{X}_i+{\beta }_2{Z}_{c(i)}+{\epsilon }_i)$, где $X_i$ — индивидуальные характеристики, $Z_{c(i)}$ — страновые/институциональные переменные.
- Контрольные переменные: возраст, пол, образование, опыт, отрасль, регион, статус занятости (самозанятый/наемный), размеры фирм.
Источник данных: обследования домашних хозяйств (LFS), обследования предприятий, административные регистры, Всемирный банк (WDI), ILO, индексы Doing Business/Corruption Perceptions, национальная статистика.
Если нужно, могу кратко расписать модель проверки для одной выбранной гипотезы и список конкретных переменных в формате таблицы.