Построение матрицы корреспонденции «Специализация – отрасли занятости» на основе микроданных

Цель исследования. Разработать воспроизводимую методику построения матрицы корреспонденции между укрупненными группами специальностей высшего образования и отраслями занятости для использования в задачах прогнозирования кадровых потребностей экономики России. Инструмент призван восполнить методологический пробел в анализе структурных дисбалансов между системой образования и рынком труда, обеспечивая количественную оценку распределения выпускников по отраслям в зависимости от полученной специализации.

Материалы и методы. Исследование выполнено на основе микроданных Российского мониторинга экономического положения и здоровья населения (2004–2024 гг.), включающих 52 916 наблюдений за респондентами с высшим образованием. Предложена процедура консолидации профессий по диплому (классификатор ISCO-2008) в десять укрупненных групп специальностей согласно российской номенклатуре и агрегации тридцати исходных категорий отраслей работы в шестнадцать содержательных групп. Построена матрица распределения выпускников по отраслям, рассчитаны показатели концентрации (индекс Херфиндаля) и профильной занятости. Методика апробирована на когортном анализе пяти периодов получения диплома (2000–2004, 2005–2009, 2010–2014, 2015–2019, 2020–2024 гг.).

Результаты. Сформирована воспроизводимая матрица корреспонденции «специализация – отрасль занятости», позволяющая трансформировать прогнозы численности выпускников по направлениям подготовки для оценки отраслевой структуры новых кадров с высшим образованием. Выявлены устойчивые связи: выпускники медицинских направлений преимущественно заняты в здравоохранении (72% в среднем за период), инженерно-технические кадры – в промышленности (31%), педагоги – в образовании (60%). Обнаружены разнонаправленные тренды: усиление концентрации инженеров в промышленности (с 28% до 44%), восстановление профильной занятости ИТ-специалистов (с 6% до 25%), снижение доли медиков в здравоохранении (с 68% до 60%), высокая волатильность занятости педагогов. Для широкопрофильных направлений (науки об обществе, гуманитарные науки) зафиксировано снижение диверсификации и формирование ядер занятости в торговле, государственном управлении и образовании. Значения индекса Херфиндаля варьируются от 0,12 (математические науки) до 0,53 (здравоохранение), подтверждая разную степень отраслевой привязки специальностей.

Заключение. Предложенный инструмент может быть интегрирован в системы прогнозирования кадровых потребностей, в том числе для корректировки контрольных цифр приема в вузы и разработки профориентационных программ. Матрица служит связующим звеном между прогнозами выпуска специалистов и оценкой их распределения по отраслям экономики. Наряду с сохранением традиционных связей между подготовкой и занятостью происходит растущая диверсификация трудовых траекторий выпускников, что требует пересмотра подходов к планированию образовательных программ и механизмов взаимодействия системы образования и рынка труда. Ограничения исследования включают возможную субъективность при отнесении кодов ISCO-2008 к УГСН и смешение когортных, возрастных и периодных эффектов. Дальнейшие исследования могут быть направлены на анализ влияния развития и внедрения искусственного интеллекта на трудовые траектории.

1. Кетова К.В., Русяк И.Г., Вавилова Д.Д. Математическое моделирование и нейросетевое прогнозирование структуры и динамики человеческого капитала Российской Федерации // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2020. № 53. С. 13–24. DOI: 10.17223/19988605/53/2.

2. Фролов А.А., Холина В.Н., Горбунов В.С. Человеческий капитал и институты его развития в условиях технологической трансформации: опыт России и стран ЕАЭС // Экономические и социальные перемены: факты, тенденции, прогноз. 2025. Т. 18. № 2. С. 141–162. DOI: 10.15838/esc.2025.2.98.8.

3. Вавилова Д.Д., Касаткина Е.В., Файзуллин Р.В. Анализ и прогноз структуры и динамики численности выпускников российских вузов // Экономические и социальные перемены: факты, тенденции, прогноз. 2026. Т. 19. № 3. С. 165–185. DOI: 10.15838/esc.2026.3.105.9.

4. Autor D.H. Why Are There Still So Many Jobs? The History and Future of Workplace Automation // Journal of Economic Perspectives. 2015. Т. 29. № 3. С. 3–30. DOI: 10.1257/jep.29.3.3.

5. World Bank. World Development Report 2019: The Changing Nature of Work. Washington, DC: World Bank, 2019. DOI: 10.1596/978-1-4648-1328-3.

6. Sattinger M. Assignment models of the distribution of earnings // Journal of Economic Literature. 1993. Т. 31. № 2. С. 831–880.

7. Hanushek E.A., Woessmann L. The knowledge capital of nations: Education and the economics of growth. Cambridge, MA: MIT Press, 2015.

8. Robst J. Education, college major, and job match: Gender differences in reasons for mismatch // Education Economics. 2007. Т. 15. № 2. С. 159–175. DOI: 10.1080/09645290701263070.

9. Chevalier A. Measuring over-education // Economica. 2003. Т. 70. № 279. С. 509–531. DOI: 10.1111/1468-0335.t01-1-00296.

10. Allen J., Van der Velden R. Educational mismatches versus skill mismatches: Effects on wages, job satisfaction, and on-the-job search // Oxford Economic Papers. 2001. Т. 53. № 3. С. 434–452. DOI: 10.1093/oep/53.3.434.

11. Robst J. Education and job match: The relatedness of college major and work // Economics of Education Review. 2007. Т. 26. № 4. С. 397– 407. DOI: 10.1016/j.econedurev.2006.08.003.

12. Green F., Henseke G. Should governments of OECD countries worry about graduate underemployment? // Oxford Review of Economic Policy. 2016. Т. 32. № 4. С. 514–537. DOI: 10.1093/oxrep/grw024.

13. McGuinness S., Pouliakas K., Redmond P. Skills mismatch: Concepts, measurement and policy approaches // Journal of Economic Surveys. 2018. Т. 32. С. 985–1015. DOI: 10.1111/joes.12254.

14. Montt G. Field-of-study mismatch and overqualification: Labour market correlates and their wage penalty // IZA Journal of Labor Economics. 2017. Т. 6. № 2. DOI: 10.1186/s40172-016-0052-x.

15. Caroleo F.E., Pastore F. Overeducation at a glance. Determinants and wage effects of the educational mismatch based on Alma Laurea data // Social Indicators Research. 2018. Т. 137. № 3. С. 999–1032. DOI: 10.2139/ssrn.2367663.

16. Поплавская А.А., Пашков С.Г., Камальдинова Л.Р. Влияние работы во время учебы в вузе на академическую успеваемость: результаты лонгитюдного исследования студентов бакалавриата // Мониторинг общественного мнения: экономические и социальные перемены. 2026. № 1. С. 123–146. DOI: 10.14515/monitoring.2026.1.3070.

17. OECD. Skills matter: Additional results from the Survey of Adult Skills. Paris: OECD Publishing, 2019. DOI: 10.1787/1f029d8f-en.

18. Варшавская Е.Я. Избыточная квалификация российских работников: масштабы, детерминанты, последствия // Социологические исследования. 2022. № 11. С. 37–48. DOI: 10.31857/S013216250016075-5.

19. Файзуллин Р.В., Отоцкий П.Л., Горлачева Е.Н., Поспелова Е.А., Харитонова Е.С. Сценарии развития рынка труда России с учетом оценки влияния искусственного интеллекта: отраслевой разрез // Экономические и социальные перемены: факты, тенденции, прогноз. 2025. Т. 18. № 1. С. 170–189. DOI: 10.15838/esc.2025.1.97.10.

20. Goos M., Manning A., Salomons A. Explaining Job Polarization: Routine-Biased Technological Change and Offshoring // American Economic Review. 2014. Т. 104. № 8. С. 2509– 2526. DOI: 10.1257/aer.104.8.2509.

21. Алтухов В.В., Золотина О.А., Никулина Ю.О., Разумова Т.О. Влияние технологий искусственного интеллекта на рынок труда в области экономики и менеджмента в России: количественный и качественный аспекты // Вестник Московского университета. Серия 6: Экономика. 2025. Т. 60. № 2. С. 148–177. DOI: 10.55959/MSU0130-0105-6-60-2-8.

22. Acemoglu D., Restrepo P. Robots and jobs: Evidence from US labor markets // Journal of Political Economy. 2020. Т. 128. № 6. С. 2188– 2244. DOI: 10.1086/705716.

23. Блинова Т.Н., Федотов А.В., Коваленко А.А. Соответствие структуры подготовки кадров с высшим образованием потребностям экономики: проблемы и решения // Университетское управление: практика и анализ. 2021. Т. 25. № 2. С. 13–33. DOI: 10.15826/umpa.2021.02.012.

24. Колесникова О.А., Маслова Е.В., Околелых И.В. Кадровый балласт, или почему система высшего образования не успевает за трансформацией рынка труда // Социально-трудовые исследования. 2023. Т. 52. № 3. С. 153–164. DOI: 10.34022/2658-3712-2023-52-3-153-164.

25. Караваева Е.В., Маландин В.В. Проблемы кадрового обеспечения научно-технологического развития России в свете формирования новой Стратегии развития образования до 2040 года // Высшее образование в России. 2025. Т. 34. № 1. С. 30–41. DOI: 10.31992/0869-3617-2025-34-1-30-41.

26. Eurostat Database. Persons by match between field of education and current/last main job and work experience while studying [Электрон. ресурс]. 2024. Режим доступа: https://ec.europa.eu/eurostat/databrowser/view/lfso_24match05/default/ table?lang=en.

27. Gimpelson V., Kapeliushnikov R. Labor market adjustment: Is Russia different? Moscow: Higher School of Economics, 2011.

28. Варшавская Е.Я. Профессиональная гендерная сегрегация на российском рынке труда // Мониторинг общественного мнения: экономические и социальные перемены. 2026. № 1. С. 275–299. DOI: 10.14515/monitoring.2026.1.3069.

29. Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ (RLMS-HSE) [Электрон. ресурс]. 2024. Режим доступа: https://www.hse.ru/rlms/. (Дата обращения: 01.03.2026).

30. Обследование рабочей силы: методология и основные показатели [Электрон. ресурс] // Федеральная служба государственной статистики. М.: Росстат, 2024. Режим доступа: https:// rosstat.gov.ru/labour_force. (Дата обращения: 01.03.2026).

31. Дорофеева З.Е., Козырева П.М., Косолапов М.С., Тонис Е.И. Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ: особенности методологии, принципы организации, исследовательские возможности // Мониторинг общественного мнения: экономические и социальные перемены. 2026. № 1. С. 40–64. DOI: 10.14515/monitoring.2026.1.3210.

32. Константинова Л.В., Титова Е.С., Петров А.М. Институциональные трансформации высшего образования: основные разрывы и новые практики // Высшее образование в России. 2024. Т. 33. № 11. С. 9–28. DOI: 10.31992/0869-3617-2024-33-11-9-28.

33. Kozyreva P., Kosolapov M., Popkin B. Data Resource Profile: The Russia Longitudinal Monitoring Survey–Higher School of Economics (RLMS-HSE) Phase II: Monitoring the Economic and Health Situation in Russia, 1994–2013 // International Journal of Epidemiology. 2016. Т. 45. № 2. С. 395–401. DOI: 10.1093/ije/dyv357.

34. Министерство науки и высшего образования Российской Федерации. Шифры укрупненных групп направлений подготовки и специальностей (УГСН) [Электрон. ресурс]. Режим доступа: https://fgosvo.ru/fgosvo/index/24. (Дата обращения: 01.03.2026).

35. Jhun J.S. Causation, correlation, and market concentration: a philosophical intervention // Journal of Economic Methodology. 2025. Т. 32. № 1. С. 33–46. DOI: 10.1080/1350178X.2025.2486977.

36. Онлайн-сервис SankeyMATIC [Электрон ресурс]. Режм доступа: https://sankeymatic.com/build. (Дата обращения: 01.03.2026).