оценка факторов международной привлекательности

ОЦЕНКА ФАКТОРОВ МЕЖДУНАРОДНОЙ ПРИВЛЕКАТЕЛЬНОСТИ
НАЦИОНАЛЬНЫХ СИСТЕМ ВЫСШЕГО ОБРАЗОВАНИЯ
(на примере стран ОЭСР)
Айрапетян Г.Р.
к.э.н., кафедра международной экономики, Ереванский государственный университет
Айрапетян В.Л.
к.э.н., кафедра экономики и финансов, Российско-армянский (славянский) государственный
университет
Проблемы развития внешнеэкономических связей и привлечения иностранных инвестиций:
региональный аспект. - Сборник научных трудов. Часть III. ДонНУ. Донецк 2009, с. 1090-1097.
В статье представлены промежуточные результаты исследования, проводимого в рамках реализации
индивидуального гранта № R08-0081 при поддержке Консорциума экономических исследований и образования
(EERC, Inc.) совместно с Фондом Евразия (при со-финансировании Агентством США по международному
развитию), Всемирным Банком, Глобальной сетью развития и правительством Швеции.
Современная литература богата на исследования, посвященные различным аспектам
интернационализации высшего образования. Проблемы развития международной торговли
образовательными услугами, расширения компетенции ГАТС/ВТО на сферу высшего
образования, вопросы миграции рабочей силы и студенческой мобильности широко
обсуждаются в литературе в последние годы. Но большая часть работ рассматривает политикорегулятивные аспекты этих проблем. Недостаточно эмпирических исследований, направленных
на изучение факторов, стимулирующих студенческую мобильность. Более того, в малом числе
существующих эмпирических исследований, описывающих детерминанты привлекательности
национальных систем высшего образования в большинстве случаев проводится только анализ
этих детерминант без оценки их влияния на студенческие потоки.
Целью нашего исследования является оценка факторов, определяющих международную
привлекательность национальных систем высшего образования, для стран ОЭСР за 2005 г. В
качестве показателя, характеризующего международную привлекательность национальных
систем высшего образования, мы рассматриваем количество иностранных студентов,
обучающихся в национальных высших учебных заведениях.
Проблема повышения международной привлекательности национальных высших
учебных заведений затрагивает многие направления экономической мысли.
Во-первых, здесь бесспорно актуальна теория человеческого капитала. Современную
концепцию теории человеческого капитала сформулировал Шульц Т. (1961 г.) следующим
образом: «знания и навыки, которые люди приобретают путем образования и обучения,
являются формой капитала, и этот капитал представляет собой продукт целенаправленных
инвестиций, приносящих доход» (цитата по [1]).
В дальнейшем теорию человеческого капитала развил в своих работах Бэккер Г.,
рассматривавший образование как одну из инвестиционных альтернатив, которую индивидуум
может выбрать с целью получения будущих выгод: образование, обучение, ученичество и
другие формы получения знаний положительно влияют на производительность и зарплату;
таким образом, доходы на рынке труда возрастают для индивидуумов с более высоким уровнем
образования, поскольку обучение увеличивает производительные навыки студентов [2].
По Бэккеру (1976 г.) в рамках теории человеческого капитала существует две допустимые
социальные категории: максимизация полезности индивидуумом и свободный рынок. Функция
максимизации полезности позволяет измерить человеческие предпочтения между богатством и
величиной риска, который они готовы понести в надежде получения большего богатства [3]. В
отношении образования мы можем интерпретировать это следующим образом – люди
стремятся получить более высокий уровень образования только в том случае, если видят
будущие экономические выгоды: увеличение зарплаты, карьерный рост и т.д.
В соответствии с идеями Бэккера (1976 г.) рыночное равновесие сохраняется в условиях
совершенных, свободных рынков. Рынки представляют собой арены, на которых товары и
услуги производятся и распределяются полностью на основе предложения, спроса и цены.
Регулятивные силы рынка, действующие во взаимодействии с человеческой природой
максимизации полезности, гарантируют, что каждый получит соответствующую и
справедливую компенсацию своих усилий и инвестиций [3]. В отношении образования мы
можем трактовать это следующим образом – на международном рынке те высшие учебные
заведения, которые по максимуму удовлетворяют потребности потенциальных студентов,
привлекательны для национальных и иностранных студентов.
Во-вторых, исследуя международную привлекательность систем высшего образования,
следует отметить, что рынок высшего образования представляет собой быстро развивающийся
сектор международной торговли. Развитые страны (поскольку именно они являются
крупнейшими экспортерами образовательных услуг) конкурируют друг с другом на мировом
рынке образования за иностранных студентов. Помимо этого страны-доноры проводят ряд мер
по различным направлениям государственной политики (в сфере образования, миграции,
внешней торговли, социально-экономического развития и т.д.), которые непосредственно
влияют на объемы студенческих потоков. В этой связи большой интерес вызывают работы,
исследующие политико-регулятивные аспекты развития международной торговли
образовательными услугами, национального и международного регулирования образования,
расширения компетенции ГАТС/ВТО на сферу высшего образования, миграции рабочей силы и
студенческой мобильности.
Развитие мировой экономики и расширение глобализации на все сферы человеческой
жизни обусловили изменения в природе образования. Многие авторы утверждают, что высшее
образование постепенно потеряло характеристики общественного блага и трансформировалось
в товар со всеми соответствующими свойствами. Лоренц (2006 г.), описывая и анализируя
политику Нидерландов в высшем образовании до и после подписания Болонской Декларации,
приходит к выводу, что образовательная политика в Нидерландах может быть
охарактеризована под знаком товаризации знаний и маркетизации высшего образования [4].
Рассмотрение высшего образования в качестве товара актуализирует вопросы
либерализации международной торговли образовательными услугами и расширения
компетенции ГАТС/ВТО на высшее образование. Однако как отмечает Кнайт (2003 г.),
большинство стран до сих пор не сделали никаких формальных заявлений по либерализации
торговли образовательными услугами, и остается неопределенность в вопросах применения
ГАТС к образовательному сектору, а также существует много различных мнений по
возможным преимуществам и рискам для развитых и развивающихся стран [5]. Ларсен и др.
(2002 г.) указывают, что образование является одним из секторов, относящихся к ГАТС, по
которому страны-члены ВТО наименее склонны принимать обязательства по либерализации
торговли [6]. Для развивающихся стран, которые являются нетто-импортерами
образовательных услуг, либерализация торговли в высшем образовании представляет много
вызовов. Башир (2007 г.) придерживается мнения, что развивающиеся страны колеблются
принимать какие-либо обязательства по торговле образовательными услугами из-за
существенных потерь в свободе проведения национальной политики и из-за слабости
национальных регулятивных систем [7].
В дополнение к исследованиям, которые посвящены исключительно проблемам высшего
образования, следует выделить работы, которые рассматривают тесные взаимосвязи между
высшим образованием и другими сферами – иммиграцией, внешними отношениями,
культурой, наукой и технологией [5]. В «Международной стратегии высшего образования»
Министерства образования Финляндии (2001) заключается, что в связи с всеобщими
реформами законодательства в отношении иностранцев вопросы иммиграции и получения
статуса резидента должны быть также пересмотрены для того, чтоб люди, приезжающие в
Финляндию для обучения, могли остаться работать после окончания обучения. В Стратегии
отмечается, что Министерство образования Финляндии и государственные органы по
иммиграции должны более тесно сотрудничать с целью разработки более гибких условия для
иммиграции иностранных студентов [8]. Некоторые авторы исследуют взаимосвязи между
образованием и интенсивностью развития сферы НИОКР [9].
В-третьих, есть ряд эмпирических исследований, которые непосредственно изучают
факторы, стимулирующие мобильность студентов; но как уже было отмечено выше, число
таких работ достаточно ограничено, и в них обычно представлен описательный анализ
факторов без оценки степени их влияния на потоки иностранных студентов
Обзор литературы позволяет сделать нам следующие выводы: (1) мы можем применить
подход максимизации полезности для определения основных факторов, влияющих на решение
студентов учиться за рубежом; (2) политико-регулятивные работы и эмпирические
исследования по образованию и близким вопросам формируют базу для выбора факторов,
которые могут быть рассмотрены в качестве факторов, определяющих привлекательность
национальных систем высшего образования для иностранных студентов.
Для оценки влияния факторов привлекательности национальных систем высшего
образования на потоки иностранных студентов мы применяем гравитационную модель.
Гравитационная модель представляет собой один из наиболее часто используемых
эмпирических инструментов для моделирования двусторонних торговых потоков и
миграционных потоков [10]. Уравнение гравитации, основанное на физической функции
Ньютона, которая описывает силу гравитации, впервые было применено в экономике для
анализа двусторонних торговых потоков между географическими объектами в работах
Тинбергена (1962 г.) и Линнемана (1966 г.) [9]. В стандартном гравитационном уравнении
предполагается, что торговые потоки и миграционные потоки находятся в отрицательной
зависимости от расстояния и положительной зависимости от размеров экономик, измеряемых
ВВП или количеством населения. Стандартное уравнение гравитации в экономической
интерпретации выглядит следующим образом:
β β
β
X ij = αYi 1 Yj 2 Dij 3
(1)
где: X ij – торговые или миграционные потоки из страны-донора (i) в страну-реципиент (j);
Yi и Yj – экономические «массы» страны-донора и страны-реципиента;
Dij – расстояние между страной-донором и страной-реципиентом;
α – константа пропорциональности;
β1, β2 – позитивные коэффициенты; β3 – отрицательный коэффициент.
Рассматривая иностранных студентов как потребителей образовательных услуг, которые
выбирают страну обучения в соответствии с их потребностями в новых знаниях и навыках, мы
применяем гравитационное уравнение для моделирования студенческих потоков. Поскольку
обычно применяется расширенная гравитационная модель, которая включает дополнительные
переменные, позволяющие представить более точное описание рассматриваемого явления, мы
включаем в нашу модель как стандартный набор переменных, так и дополнительные
переменные. Таким образом, расширенная гравитационная модель для моделирования
студенческих потоков выглядит следующим образом:
β β
β
γ
X ij = αYi 1 Yj 2 Dij 3 AVij
(2)
где:
X ij - количество иностранных студентов в стране-реципиенте (j) из страны-донора (i);
Yi и Yj – ВВП на душу населения в стране-доноре (i) и стране реципиенте (j) соответственно;
AVij – вектор дополнительные переменных, которые влияют на потоки студентов.
Набор дополнительных переменных, влияющих на студенческие потоки, мы
сформировали на основе применения функции максимизации полезности. Мы полагаем, что
потенциальным студентам свойственно максимизирующее полезность поведение. Они
сравнивают образовательные системы в своей родной стране и за рубежом и выбирают ту,
которая обеспечивает с их точки зрения наилучшие возможности для получения новых знаний
и навыков. Решение студента о выборе страны обучения зависит от многих факторов, которые
учитывают характеристики студента как индивидуума, а также характеристики родной страны
студента и всех потенциальных стран-реципиентов. Также мы предполагаем, что рынок
высшего образования является свободным рынком: при выборе страны обучения
потенциальные студенты сравнивают материальное потребление и другие аспекты их
благосостояния во время и после обучения.
По аналогии с работой Педерсена и др. (2004 г.), которые применяли функцию
максимизации полезности для миграционных потоков, мы представляем ожидаемую
полезность для иностранного студента (k) из страны i при обучении в стране j в году t
следующим образом [11]:
Uijkt = U(Sijkt , Dijk , Eijkt , X ijkt )
(3)
где:
Uijkt - ожидаемая полезность для студента k при обучении в стране j в году t.
Sijkt - вектор характеристик, влияющих на желание студента k учиться в определенной стране в
соответствии с его/ее индивидуальными предпочтениями.
Dijk - вектор, учитывающий расходы студенческой мобильности, которые постоянны во
времени. При прочих равных условиях, расходы студенческой мобильности будут выше,
при наличии большого географического расстояния между страной-донором и странойреципиентом. Культурные и исторические различия также увеличивают расходы
студенческой мобильности.
Eijkt - вектор характеристик систем высшего образования страны-донора и страны-реципиента.
Таким образом, Eikt и Ejkt - это векторы, которые представляют собой стимулирующие
факторы систем высшего образования, которые варьируются во времени и влияют на
выбор студентом k страны обучения в аспекте его/ее требований к уровню развития
системы высшего образования.
X ijkt – вектор характеристик страны-донора и страны-реципиента. Таким образом, X ikt и X jkt –
векторы, которые представляют стимулирующие экономические факторы страны-донора и
страны-реципиента, которые варьируются во времени и влияют на выбор студентом k
страны обучения в аспекте его/ее финансовых возможностей и требований к уровню жизни
в стране.
Мы предполагаем, что полезность для студента k носит линейный характер. Включая
идиосинкразическую ошибкуε, функция ожидаемой полезности для студента k выглядит
следующим образом:
Uijkt = α1 Sijkt + α2 Dijk + α3 Eikt + α4 Ejkt + α5 Xikt + α6 Xjkt + εijkt
(4)
где: α1 … α6 – векторы оцениваемых параметров.
При выборе страны обучения, студент k выбирает страну j, которая соответствует его
высшей ожидаемой полезности. Таким образом, мы можем записать условную вероятность
выбора студентом k страны j из n возможных выборов ( Prjkt /ikt ) как:
Prjkt /ikt = Pr[Uijkt = max(Uki 1t , Uki 2t , … , Ukint )]
(5)
Но модель (5) может быть применена только для оценки выбора отдельного студента.
Поскольку мы используем макро-данные, мы должны суммировать выборы всех студентов.
Таким образом, количество студентов, едущих для обучения в страну j, где ожидаемая
полезность для них максимизируется, можно описать следующим образом:
StNijt = ∑ Pr[Uijkt = max(Uki 1t , Uki 2t , … , Ukint )]
(6)
где: StNijt – количество студентов, едущих в страну j из страны i во время t.
Мы предполагаем линейную форму переменных, которые влияют на выбор студента.
Учитывая, что стандартный набор переменных для гравитационного уравнения и
функция максимизации полезности включают некоторые одинаковые переменные, в том числе
расстояние между страной-донором и страной-реципиентом и ВВП на душу населения в
стране-доноре и стране-реципиенте. Таким образом, мы можем записать модель влияния
факторов привлекательности национальных систем высшего образования на потоки
иностранных студентов, которая подлежит оценке, следующим образом:
StNijt = β1 Sijt + β2 Dij + β3 Eit + β4 Ejt + β5 X it + β6 X jt + μijt
(7)
где: StNijt - количество студентов из страны (i), которые получают образование в стране j.
В процессе оценки данная модель была трансформирована в логарифмическую форму.
Переменные, отражающие сущность векторов, рассматриваемых в модели, мы отобрали в
соответствии с результатами обзора литературы и доступностью данных. В итоге база данных
включает широкий набор показателей по странам ОЭСР за 2005 г. Список переменных и их
условных обозначений представлен в таблице 1.
Все страны, входящие в ОЭСР, являются наиболее высокоразвитыми странами в мире по
уровням социально-экономического, политического и культурного развития, включая сферу
высшего образования. На протяжении 2001-2005 гг. в среднем около 90% от общего количества
иностранных студентов со всех стран мира направлялись в страны ОЭСР для получения
высшего образования. В том числе, потоки студентов между странами ОЭСР составляли в
2005г. около 28% от общего объема потоков иностранных студентов (Расчеты и выводы на
основе данных: OECD. Education at a Glance 2007. Indicator C3: Who studies abroad and where?).
Таблица 1. – Описание переменных
Векторы
переменных
Зависимая
переменная
Вектор Sijt
Вектор 𝐃𝐃𝐢𝐢𝐢𝐢
Векторы
𝐄𝐄𝐢𝐢𝐢𝐢 и 𝐄𝐄𝐣𝐣𝐣𝐣
Векторы
𝐗𝐗 𝐢𝐢𝐢𝐢 и 𝐗𝐗 𝐣𝐣𝐣𝐣
Переменные
Условные
обозначения
переменных
Количество студентов
StdN
Количество иммигрантов в страну-реципиент в предыдущем году
LnPreMigr
Расстояние между странами донором и реципиентом
LnDist
Наличие общей границы между странами донором и реципиентом
ComBord
Наличие общего языка в странах доноре и реципиенте
ComLang
Наличие колониальных связей между странами донором и реципиентом
Colony
Отсутствие морской границы у страны-донора и/или страны-реципиента
Государственные расходы на 1 студента в стране-доноре (% от ВВП на душу
населения)
Государственные расходы на 1 студента в стране-реципиенте (% от ВВП на
душу населения)
Государственные расходы на образование в стране-доноре (% от ВВП)
Landlocked
PubSEdS
Государственные расходы на образование в стране-реципиенте (% от ВВП)
PubSEdH
Вовлеченность в высшее образование в стране-доноре
SchoolEnS
Вовлеченность в высшее образование в стране-реципиенте
SchoolEnH
Расходы на НИОКР в стране-доноре (% от ВВП)
R&DExpS
Расходы на НИОКР в стране-реципиенте (% от ВВП)
R&DExpH
Рейтинг национальных университетов в стране-доноре
LnUnRnkS
Рейтинг национальных университетов в стране-реципиенте
LnUnRnkH
ExpPSS
ExpPSH
Количество населения в стране-доноре
LnPopNS
Количество населения в стране-реципиенте
LnPopNH
ВВП на душу населения в стране-доноре (в постоянных ценах)
LnGdpSCP
ВВП на душу населения в стране-реципиенте (в постоянных ценах)
LnGdpHCP
Открытость экономики в стране-доноре
OpEcS
Открытость экономики в стране-реципиенте
OpEcH
Уровень безработицы в стране-доноре
UnmRS
Уровень безработицы в стране-реципиенте
UnmRH
Уровень безработицы с высшим образованием в стране-доноре
UnmTerS
Уровень безработицы с высшим образованием в стране-доноре
UnmTerH
Анализируя базу данных, мы заметили, что количество нулевых значений зависимой
переменной составляет около 13,13% от общей базы за 2005 г. Когда мы берем логарифм по
зависимой переменной для решения проблемы 0-значений (логарифм нуля не существует), мы
добавляли 1 ко всем значениям по количеству иностранных студентов.
Первым примененным методом оценки разработанной регрессионной модели стал
обычный метод наименьших квадратов (Ordinary Least Squares method – OLS).
Наша база данных состоит из двух групп данных: в первой группе присутствуют данные
по зависимой и объясняющим переменным; во второй группе присутствуют данные только по
объясняющим переменным (цензурированная выборка). В таких случаях параметры оценки
OLS, полученные из первой группы, будут смещенными и несостоятельными [12]. Поскольку у
нас присутствует цензурированная выборка, является уместным применение модели Tobit.
Вместе с тем, зависимая переменная (количество иностранных студентов) относится к счетным
данным, которые принимают только неотрицательные целые значения. Также они принимают
относительно небольшое количество значений, из которых 85,4% не превышают 1000; 5,4%
находятся в интервале от 1000 до 2000; 3% находятся в интервале от 2000 до 3000. Таким
образом, модель регрессии Poisson будет наиболее соответствующим инструментом оценки,
чем OLS оценка линейной регрессионной модели (результаты оценки OLS и модели Tobit часто
аналогичны [13]).
Таблица 2. - Результаты оценки модели влияния факторов привлекательности национальных
систем высшего образования на потоки иностранных студентов для стран ОЭСР (2005 г.)
Переменные
LnPopNS
LnPopNH
LnGdpSCP
LnGdpHCP
LnPreMigr
OpEcS
OpEcH
UnmRS
UnmRH
UnmTerS
UnmTerH
ExpPSS
ExpPSH
PubSEdS
PubSEdH
SchoolEnS
SchoolEnH
R&DExpS
R&DExpH
LnUnRnkS
LnUnRnkH
ComBord
ComLang
Colony
Landlocked
LnDist
Constant
Observations
R-squared
Log likelihood
Методы оценки
OLS Ln(StdN)
0.460**
(0.220)
-1.290***
(0.268)
0.268
(0.324)
-0.576*
(0.335)
0.572***
(0.123)
-0.008**
(0.003)
-0.007**
(0.003)
0.032
(0.023)
0.030
(0.026)
0.014
(0.014)
0.021
(0.013)
-0.009
(0.010)
-0.046***
(0.012)
0.016
(0.097)
0.564***
(0.142)
0.005
(0.008)
-0.039***
(0.011)
0.010
(0.088)
0.180**
(0.094)
-0.057
(0.200)
1.915***
(0.266)
0.880***
(0.248)
0.657***
(0.253)
0.966***
(0.365)
0.243
(0.161)
-0.851***
(0.095)
18.072
(12.162)
452
0.75
OLS Ln(StdN+1)
0.266
(0.206)
-1.433***
(0.229)
-0.046
(0.305)
-0.669**
(0.307)
0.520***
(0.118)
-0.009***
(0.003)
-0.008***
(0.003)
0.024
(0.022)
0.046*
(0.024)
0.026*
(0.013)
0.020
(0.013)
-0.012
(0.010)
-0.038***
(0.011)
0.030
(0.094)
0.400***
(0.119)
-0.002
(0.008)
-0.034***
(0.010)
0.075
(0.084)
0.164*
(0.093)
0.090
(0.190)
2.121***
(0.212)
0.827***
(0.240)
0.580**
(0.248)
0.833**
(0.353)
0.212
(0.157)
-0.898***
(0.085)
28.539***
(10.680)
483
0.79
Tobit Ln(StdN+1)
Poisson StdN
0.232
(0.213)
-1.699***
(0.240)
-0.132
(0.315)
-0.897***
(0.317)
0.464***
(0.121)
-0.011***
(0.003)
-0.011***
(0.003)
0.019
(0.022)
0.058**
(0.025)
0.030**
(0.013)
0.023*
(0.013)
-0.015
(0.010)
-0.032***
(0.012)
0.016
(0.096)
0.229*
(0.126)
-0.004
(0.008)
-0.031***
(0.011)
0.113
(0.086)
0.167*
(0.094)
0.104
(0.196)
2.444***
(0.227)
0.697***
(0.244)
0.597**
(0.252)
0.890**
(0.359)
0.190
(0.160)
-0.998***
(0.089)
38.139***
(11.222)
483
0.3111***
(0.0100)
-1.8885***
(0.0122)
0.2524***
(0.0136)
-2.0019***
(0.0156)
0.5385***
(0.0055)
-0.0165***
(0.0001)
-0.0145***
(0.0001)
0.0812***
(0.0009)
0.0100***
(0.0014)
0.0322***
(0.0005)
0.0663***
(0.0005)
0.0018***
(0.0004)
-0.0444***
(0.0006)
-0.4747***
(0.0035)
0.4229***
(0.0065)
0.0025***
(0.0003)
-0.0682***
(0.0005)
0.3116***
(0.0031)
0.3071***
(0.0045)
-0.3328***
(0.0090)
2.3714***
(0.0125)
0.1643***
(0.0072)
0.6572***
(0.0085)
0.6022***
(0.0085)
0.3478***
(0.0071)
-1.0206***
(0.0037)
50.7419***
(0.4981)
483
-700.38489
-133159.11
Стандартные ошибки даны в скобках, знаками ***, ** и * обозначены уровни значимости 1%, 5% и 10%
соответственно.
В таблице 2 приведены результаты OLS оценки (без нулевых значений по количеству
иностранных студентов (logStN) и с нулевыми значениями по количеству иностранных
студентов (log(StN+1)), моделей Tobit и Poisson.
На основе этих результатов можно сделать следующие основные выводы. Нашли свое
подтверждение прогнозы гравитационной модели. Фактор «Расстояние между странами
донором и реципиентом» имеет высоко статистически значимый ожидаемый негативный
коэффициент – увеличение расстояния на 1% приводит к уменьшению потоков студентов на
1,02%.
«Количество иммигрантов в страну-реципиент в предыдущем году» относится к
факторам, влияющим на желание студента учиться в определенной стране в соответствии с
индивидуальными предпочтениями. В целом, значительный приток мигрантов в страну
свидетельствует о том, что государство проводит миграционную политику, направленную на
привлечение иностранцев, создание для мигрантов комфортных условий жить, работать и
учиться. Помимо этого, студенты предпочитают ехать для обучения в страну, где проживают
их родственники, друзья или просто представители той же национальности. Это упрощает их
адаптацию к жизни в чужой стране. Увеличение этого фактора на 1% приводит к увеличению
притока иностранных студентов в страну-реципиент на 0,53%.
Среди факторов, характеризующих системы высшего образования страны-донора и
страны-реципиента, а также уровень государственной поддержки сферы образования, следует
отметить, что коэффициенты «Государственных расходов на образование» имеют высокозначимые положительные значения. Увеличение государственных расходов на образование в
стране-доноре на 1 пункт приводит к уменьшению оттока студентов из страны-донора на
47,4%. Увеличение государственных расходов на образование в стране-реципиенте на 1 пункт
приводит к увеличению притока студентов из страны-донора на 42,2%.
Также следует обратить внимание и на фактор «Рейтинг национальных университетов»,
который рассчитывается как количество национальных ВУЗов, включенных в Академический
рейтинг мировых университетов, и определяет уровень конкурентоспособности национальных
учебных заведений на мировом рынке образования. Увеличение «Рейтинга национальных
университетов в стране-доноре» на 1% приводит к уменьшению оттока студентов на 0,33%.
Увеличение «Рейтинга национальных университетов в стране-реципиенте» приводит к
увеличению притока студентов на 2,37%.
Среди факторов, характеризующих культурные и исторические различия между странами
донором и реципиентом, наибольшее влияние на потоки иностранных студентов оказывает
наличие общей границы и колониальных связей между странами донором и реципиентом.
Например, среди стран, имеющих общий язык, потоки студентов, при прочих равных условиях,
на 0,92% выше, чем среди стран, не имеющих общий язык.
Следует отметить, что в кросс-секционном анализе ненаблюдаемые специфические
эффекты страны могут привести к смещенным оценкам. Например, коэффициент «ВВП на
душу населения в стране-реципиенте» имеет неожидаемые отрицательные знаки при всех
оценках. Таким образом, не ясно, студенты не предпочитают обучаться в странах с более
высоким уровнем ВВП на душу населения, или страны с более высоким уровнем ВВП на душу
населения имеют характеристики, которые непривлекательны для иностранных студентов. В
таких случаях это может означать, что модель испытывает влияние не включенных переменных
[13]. Одним из возможных решений является попытка контролировать большее количество
факторов, но много факторов трудно поддаются контролю. В этом случае альтернативным
решением является применение панельных данных, что позволяет контролировать как
ненаблюдаемые факторы, которые являются постоянными во времени, влияют на зависимую
переменную (потоки иностранных студентов).
СПИСОК ИСТОЧНИКОВ
1. Zula Kenneth J., Chermack Thomas J. (2007) Human Capital Planning: A Review of
Literature and Implications for Human Resource Development. Human Resource Development
Review Vol. 6, No. 3 September 2007. P. 245–262
2. Reed Eric J., Wolniak Gregory C. (2005) Diagnosis or Determination?: Assessment
Explained through Human Capital Theory and the Concept of Aptitudes. Electronic Journal of
Sociology
3. Baptiste, Ian (2001) Educating Lone Wolves: Pedagogical Implications of Human Capital
Theory. Adult Education Quarterly, Vol. 51 No. 3, May 2001. P. 184-201.
4. Lorenz C. (2006) Will the universities survive the European Integration? Higher Education
Policies in the EU and in the Netherlands before and after the Bologna Declaration. Free University
Amsterdam / University of Michigan at Ann Arbor.
5. Knight J. (2003) GATS, Trade and Higher Education. Perspective 2003 - Where are we?
The Observatory on Borderless Higher Education. London: United Kingdom.
6. Larsen K., Martin J.P. and Morris R. (2002) Trade in Educational Services: Trends and
Emerging Issues. OECD Working Paper.
7. Bashir S. (2007) Trends in International Trade in Higher Education: Implications and
Options for Developing Countries. The Education Working Paper Series. The World Bank.
8. Ministry of Education of Finland (2001) An International Strategy for Higher Education.
9. Thissen Laura and Ederveen Sjef (2006) Higher education: Time for coordination on a
European level? CPB Discussion Paper No 68 July, 2006
10. Feenstra Robert C., Markusen James A. and Rose Andrew K. (1999) Using The Gravity
Equation to Differentiate Among Alternative Theories of Trade. http://www.econ.ucdavis.edu/feenstra
11. Pedersen Peder J., Pytlikova Mariola and Smith Nina (2004). Selection or Network Effects?
Migration Flows into 27 OECD Countries, IZA DP No.1104.
12. Gujarati D.N. (2003) Basic Econometrics. McGraw-Hill Higher Education.
13. Wooldridge Jeffrey M. (2006) Introductory Econometrics: a Modern Approach. SouthWestern Cengage Learning. Michigan State University.
РЕЗЮМЕ
В статье представлены результаты оценки факторов международной привлекательности
национальных систем высшего образования (на примере стран ОЭСР, за 2005 г.). Изучение
теоретической и эмпирической литературы позволило разработать модель влияния факторов
международной привлекательности национальных систем высшего образования на потоки
иностранных студентов на основе применения расширенной гравитационной модели; набор
дополнительных переменных был сформирован с использованием функции максимизации
полезности. Анализ результатов оценки разработанной модели позволил выявить факторы,
которые оказывают наибольшее влияние на потоки иностранных студентов.
SUMMARY
In the article the results of estimation of the factors of national higher education systems’
international attractiveness (for OECD countries, 2005 year) are presented. Investigation of theoretical
and empirical literature allowed to develop the model of influence of the factors of national higher
education systems’ international attractiveness on the foreign students’ flows with applying the
augmented gravity model; the set of additional variables was shaped with using the utilitymaximization function. Analyses of the developed model estimation results allowed to find out the
factors that have the greater impact on the foreign students’ flows.