?
Детерминанты предлагаемой заработной платы в ИТ-секторе России: данные интернет-рекрутинга и ансамблевые модели
В статье анализируются детерминанты предлагаемой заработной платы в российском ИТ-секторе на основе данных интернет-рекрутинга. Цель исследования – оценить предсказательную силу структурных характеристик вакансий и ранжировать их вклад с помощью нелинейных ансамблевых методов машинного обучения. Эмпирическую базу составил массив вакансий за 2025 год, выгруженный через открытый API HeadHunter. Данный источник выгодно отличается от традиционных статистических данных высокой частотой обновления и детальной профессиональной сегментацией по сравнению с традиционными источниками данных о вакансиях.
Исследуется влияние пяти групп факторов: опыта работы, профессиональной роли, региональной группы, графика работы и типа занятости. Проверяются гипотезы о доминирующей роли опыта, преимуществе нелинейного ансамбля над линейной регрессией и ослаблении региональной дифференциации под влиянием удаленной занятости. В работе предложен взвешенный ансамбль моделей (Random Forest, Extra Trees, Gradient Boosting), где веса компонентов пропорциональны их прогностической точности. Линейная регрессия отклонена по диагностическим тестам и используется как референс.
Результаты показывают, что нелинейные модели превосходят линейную регрессию по коэффициенту детерминации. Установлено, что опыт работы является ключевым фактором, определяющим уровень оплаты, в то время как влияние графика и типа занятости минимально. Удаленная работа лишь частично сглаживает региональные различия в зарплатах.
Исследование подтверждает, что данные интернет-рекрутинга являются эффективным инструментом оперативного мониторинга рынка труда, дополняющим официальную статистику. Для гармонизации этих источников предложена калибровочная поправка.