ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ВЛИЯНИЯ ВНУТРЕННЕЙ ТРУДОВОЙ МИГРАЦИИ НАСЕЛЕНИЯ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ НА ОСНОВЕ ПАНЕЛЬНЫХ ДАННЫХ

Население Российской Федерации отличается более низкой территориальной мобильностью в сравнении с другими странами. Причины обусловлены большими издержками на переселение, неразвитостью транспортной сети, ограниченностью рынка арендуемого жилья, высокой стоимостью жилья и его аренды, низкими доходами большей части населения. В Концепции государственной миграционной политики Российской Федерации на период до 2025 года указывается на необходимость содействие развитию внутренней миграции и развитию разных форм временной пространственной мобильности с целью осуществления трудовой деятельности. Для стимулирования развития внутренней миграции в Концепции предложен ряд важных мероприятий [1].

С увеличением внутренней трудовой миграции населения Российской Федерации гораздо более значимой будет и ее роль в развитии социально-экономической сферы регионов и страны в целом. Она будет оказывать как прямое, так и косвенное воздействие. При изучении последствий трудовой миграции, на наш взгляд, необходимо применение комплексного системного подхода, при котором возможны выявление направления изменений в демографической и социально-экономической сферах регионов, построение определенной системы этих последствий, выявление их взаимосвязей, факторов и условий развития.

Цель исследования состоит в изучении эффекта внутренней трудовой миграции на динамику валового регионального продукта в регионах Российской Федерации на основе панельных данных. Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки, т.е. они состоят из наблюдений одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. Панельные данные насчитывают три измерения: признаки — объекты — время. Их использование дает ряд существенных преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить как анализ временных рядов,  так  и анализ пространственных выборок. Основные преимущества панельных данных в следующем:

1)      они предоставляют исследователю большое количество наблюдений, увеличивая число степеней свободы и снижая коллинеарность между объясняющими переменными и, следовательно, улучшая эффективность оценок;

2)     они позволяют анализировать множество важных экономических вопросов, которые не могут быть адресованы к временным рядам и cross-sectional данным (пространственные выборки) в отдельности;

3)    они позволяют предотвратить смещение агрегированности, неизбежно возникающее как при анализе временных рядов (где рассматривается временная эволюция усредненного «репрезентативного» объекта), так и при анализе cross-section данных (где не учитываются ненаблюдаемые индивидуальные характеристики объектов);

4)   они дают возможность проследить индивидуальную эволюцию характеристик объектов во времени.

    Регрессионная модель панельных данных имеет отличие от регрессии обычных временных рядов или пространственной регрессии тем, что еѐ переменные имеют двойной нижний индекс, т.е.

где i- номер субъекта (региона), t-время, α - свободный член, β - вектор коэффициентов размерности K×1, X'it=(X1it,X2it,… Xkit) вектор-строка матрицы K объясняющих переменных. Большая часть приложений панельных данных применяет однокомпонентную модель случайной ошибки vit:

где ui - ненаблюдаемые индивидуальные эффекты, а εit - остаточное возмущение. Отметим, что ui не зависят от времени и отвечают за характеристики объектов, которые не включены в регрессию непосредственно. В зависимости от времени и объектов остаточное возмущение εit меняется, и может быть рассмотрена как обыкновенная случайная составляющая в регрессии.

Модель с детерминированными эффектами (fixedeffectsmodel).

Модель с детерминированными эффектами характеризуется тем, что ui - фиксированные параметры, остаточные возмущения εit – независимые одинаково распределѐнные случайные величины –  и Xit – предполагаются независимыми от εit для всех i и t. Данная модель является подходящей спецификацией, если мы, например, рассматриваем специфические особенности регионов относительно миграционной ситуации. Выводы в этом случае будут обусловлены особенностями рассматриваемых регионов.

Модель со случайными эффектами (randomeffectsmodel).

В модели с фиксированными эффектами большое количество параметров и потерю степеней свободы можно избежать, если предположить индивидуальные эффекты μi случайными. Тогда можно предполагать, что ui

~, εit~, и μi  не зависят от εit. Кроме того, Xitне зависят от ui  и εitдля всех i и t. Модель со случайными эффектами применяется, если мы выбираем случайным образом N объектов из большой генеральной совокупности элементов, например, в случае  исследований панелей домашних хозяйств, индивидуумов или мелких хозяйств [2].

    Вклад внутренней трудовой миграции включался в модель следующим набором показателей: численность занятого населения выезжающего на работу в другие субъекты (в среднем за год; тысяч человек); численность занятого населения въезжающего на работу в другие субъекты (в среднем за год; тысяч человек). Массив данных по 80 субъектам РФ за 2005-2012 гг. формировался на основе результатов выборочного обследования занятости населения, проводимого Росстатом. Из-за неполноты  данных исключены из рассмотрения: Республика Ингушетия и Республика Чечня. Помимо этого не рассматривались 9 автономных округов, входящих в состав более крупных регионов.

    Факторы эконометрической модели:

Y - валовой региональный продукт на душу населения, руб.; Х1- уровень безработицы населения, в среднем за год;

Х2 - инвестиции в основной капитал на душу населения (в фактически действовавших ценах; рублей);

Х3 - основные фонды на конец года (по полной учетной стоимости; миллионов рублей);

Х4 - численность занятого населения выезжающего на работу в другие субъекты (в среднем за год; тысяч человек);

Х5 -численность занятого населения въезжающего на работу в другие субъекты (в среднем за год; тысяч человек).Мы оценили три основные регрессии: сквозную, регрессию с фиксированными индивидуальными эффектами и регрессию со случайными индивидуальными эффектами (регрессия «between», как правило, носит вспомогательный характер).Выбор наиболее адекватной модели проведен на основе попарного сравнения оцененных моделей: а) регрессионную модель с фиксированными эффектами сравним со сквозной регрессией (тест Вальда); б) регрессионную модель со случайными эффектами сравним со сквозной регрессией (тест Бройша-Пагана); в) регрессионную  модель со случайными эффектами сравним с регрессионной моделью с фиксированными эффектами (тест Хаусмана).

Рис.1.
     Для тестирования предположения о некоррелированности ненаблюдаемых индивидуальных эффектов с регрессорами использовался тест Хаусмана. Тестирование показало, что при любых спецификациях модели с детерминированными индивидуальными эффектами предпочтительнее модели со случайными эффектами. Скорректированный коэффициент детерминации (0,6635) и расчетное значение критерия Фишера F(218,82) говорят о том, что получена достаточно качественная модель, оценки которой свободны от гетерогенного смещения и смещения оценки спецификации. Этого и следовало ожидать, поскольку для исследования выбирались конкретные регионы Российской Федерации, их состав не менялся от года к году. Анализ полученной модели показал, что наиболее значимое влияние на вариацию валового регионального продукта оказывают вариация регрессов «инвестиции в основной капитал на душу населения» и основные фонды. Существует зависимость между вариацией производства валового регионального продукта и вариацией этих факторных признаков. Факторы «численность занятого населения выезжающего на работу в другие субъекты и численность занятого населения въезжающего на работу в другие субъекты являются статистически значимыми. Вариация показателя оттока занятого населения приводит к уменьшению производства ВРП на душу населения. Приток занятого населения оказывает влияние на рост этого показателя. Несколько слабая зависимость между вариацией результативного признака и вариацией показателей внутренней трудовой миграции. Коэффициент при переменной «уровень безработицы» - малозначимый, поскольку p>0,05. Низкий уровень коэффициента можно объяснить тем, что низкий уровень безработицы в регионах оказывает слабое влияние на результативный показатель.

      Полученную модель с детерминированными эффектами на панельных данных возможно использовать в прогнозировании производства валового регионального продукта регионов от динамики объемов внутренней трудовой миграции.

 

Список литературы

1.     Концепция государственной миграционной политики Российской Федерации на период до 2025 года (утв. Президентом РФ 13 июня 2012 г.)

2.     Ратникова Т.А. Анализ панельных данных в пакете «STATA». Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных» - М.: Государственный университет «Высшая школа экономики», 2004. – 40 с.