Эконометрическое моделирование межрегиональной конвергенции в России (1105813), страница 4
Текст из файла (страница 4)
Так, в исследовании предлагается рассматриватьпараметр g как константу, а s, n и δ меняющимися от страны к стране. Не являетсяпостоянным и слагаемое ln A(0) , так как оно отражает не только технологию, но иобеспеченность ресурсами, климатические условия, уровень институционального14развития и т.д.
Поэтому предлагается следующая форма зависимостиln A(0) i = a + ε i ,(11)где а – константа и ε i - специфический для каждой страны сдвиг или шок,удовлетворяющий классическим регрессионным условиям. Подстановка этого выраженияв (10) и включение gt в константу а, дает уравнение для стационарного состояния:ln( yˆ i *) = a +ααln(si ) −ln(ni + g + δ i ) + ε i .1−α1−α(12)Подстановка этого выражения в соотношение (7) приводит к динамическомууравнению, где роль зависимой переменной играет темп экономического роста:ln yˆ i (t 2 ) − ln yˆ i (t1 ) = γ 1 + γ 2 (ln(si ) − ln(ni + g + δ i )) − (1 − e − β ) ln yˆ i (t1 ) + ε i ,где γ 1 = (1 − e − β )a,γ 2 = (1 − e − β )(13)α.1−αВ исследовании показывается, что если ε не зависит от объясняющих переменныхs,δ , n, то МНК оценки параметров уравнения (13) будут несмещенными,состоятельными и эффективными.Теоретическая значимость представленных процедур заключается в демонстрациинеразрывной связи между эконометрическими уравнениями, оцениваемыми на реальныхданных, и моделями экономического роста.Статистические подходы к моделированию межрегиональной конвергенцииСтатистические подходы к анализуσ- иβ -конвергенции различаются.Исследования динамики дифференциации уровней развития регионов ( σ -конвергенции)находятся в рамках традиционных методов математической статистики, использующихтакие характеристики, как дисперсия, среднеквадратическое отклонение, коэффициентывариации и концентрации и т.п.Подходы к моделированию β -конвергенции значительно более разнообразны иоснованы на идеях регрессионного анализа.
Важно отметить, что существеннымнедостаткомроссийскихисследованийпоконвергенцииявляетсяограниченноеиспользование эконометрического инструментария, особенно современных продвинутыхподходов, позволяющих учитывать индивидуальные особенности стран и регионов,временную структуру данных, зависимости между регионами в пространстве и т.п. В15настоящем исследовании данный недостаток преодолевается за счет включения в анализтакихэконометрическихинструментов,какпанельныемодели,моделиспространственной автокорреляцией и модели бинарного выбора.
В диссертацииобсуждаются преимущества и недостатки различных эконометрических подходов,анализируютсяусловияихприменимостидляисследованиямежрегиональнойконвергенции в России. Кратко полученные результаты можно охарактеризоватьследующим образом:• Модели временных рядов. При использовании этого типа данных предполагается, чтоконвергенция между двумя странами будет наблюдаться, если разность двух рядовявляется стационарной, то есть они являются коинтегрироваными. В некоторых работахобосновываетсядостаточностьстационарностиисходныхрядовдляналичияконвергенции. Таким образом, с течением времени неравенство между странами ирегионами не исчезнет полностью, а стабилизируется на некотором уровне.
Даннаяситуация представляется вполне реальной. Недостатком подхода является способностьопределять конвергенцию только между двумя странами. Таким образом, для выборкииз n стран потребуется оценить C n2 коинтеграционных уравнений. Однако в настоящеевремя появились методы определения коинтегрированности сразу нескольких рядов.Как показано в исследовании, для анализа конвергенции между российскими регионамиданный подход неприменим из-за слишком короткого временного ряда (всего 12наблюдений).• Пространственная регрессия была рассмотрена при обосновании перехода оттеоретических моделей к эконометрическим уравнениям.
В качестве зависимойпеременной выступает темп экономического роста. В правой части уравнения (2) стоятуровень первоначального развития страны или региона, а также набор другихрегрессоров, характеризующих отличия между странами и регионами. Ответ на вопросо составе регрессоров дает экономическая теория (см. второй столбец таблицы 1).Практически все эти показатели являются ненаблюдаемыми, поэтому обычно вуравнение условной конвергенции включаются другие факторы. Например, в данномисследовании предлагается использовать конечное потребление, экспорт, инвестиции,основные фонды (все на душу населения), степень износа основных фондов, уровеньэкономической активности населения, показатели развития финансового сектора и ряддругих.Преимущество подхода - простота расчетной процедуры и интерпретируемости16полученныхрезультатов.Недостаткомпространственныхрегрессий,особенноуравнения абсолютной конвергенции, является смещенность оценок в сторонуотсутствия конвергенции.
В исследовании показано, что существует два решенияуказанной проблемы: включать в уравнение, как можно, больше регрессоров (возникаетпроблема мультиколлинеарности) или использовать инструментальные переменные.• Регрессия с учетом пространственной автокорреляции по структуре выборкиотносится к предыдущему классу моделей, но отличается эконометрическиминструментарием. В основе подхода лежит предположение о пространственнойзависимости наблюдений, например, между соседними регионами.
Для учета этогоэффекта в правую часть уравнения вводится дополнительный регрессор, взвешенный спомощью матрицы пространственных весов (матрицы Морана). Существует два типаматриц Морана – соседей и расстояний между объектами. Введение в модельпространственной корреляции является дополнительным фактором в уравненииусловной конвергенции. Таким образом, в рамках данного подхода частичноустраняется смещение. Модели с пространственной автокорреляцией делятся на двакласса: модели с объясняемыми переменными, зависящими друг от друга впространстве (авторегрессионные модели) и модели с взаимозависимыми остатками(модели скользящей средней).Недостаток данного подхода - необходимость рассмотрения всех пространственныхобъектов (например, всех российских регионов). Иногда сделать это невозможно из-заотсутствия соответствующих статистических данных.• Панельный подход позволяет повысить надежность получаемых результатов, как засчет значительно большего количества наблюдений, так и за счет введения временногофактора в модель.
Несомненным преимуществом панельного подхода является учетиндивидуальных особенностей регионов, что улучшает качество получаемых оценокскорости конвергенции.В диссертации показано, что недостатком подхода является смещенность оценок всторону завышения скорости конвергенции, причиной которой является влияниекраткосрочных колебаний в то время, как сама конвергенция является долгосрочнымпроцессом.
Существующие методы устранения этого смещения неприменимы дляроссийских данных, так как необходимы длинные временные ряды.В исследовании показано, что, тем не менее, существует сфера примененияпанельного подхода, где указанные недостатки не проявляются. Этой сферой являетсяпроведение качественного анализа, при котором сравниваются оценки скорости17конвергенции внутри однородных групп регионов и во всей выборке в целом, чтопозволяет определить наличие клубной конвергенции между российскими регионами.Таким образом, обосновывается и апробируется использование панельного подхода приисследовании конвергенции внутри однородных групп регионов, где количествонаблюдений недостаточно для построения пространственных регрессий.• Модели бинарного выбора до настоящего исследования не применялись в анализеконвергенции.
В диссертации предлагается использовать их для моделированиявероятности перехода регионов из одной группы в другую. Принадлежность регионов копределенной однородной группе не является постоянной во времени: одни, добившисьопределенных успехов, могут перейти в более высокую группу, и, наоборот, некоторыеиз регионов-лидеров могут присоединиться к менее развитым субъектам федерации.Модели бинарного выбора позволяют оценить вероятность перехода из одной группы вдругую и выявить факторы, оказывающие влияние на этот процесс. Для проверкиработоспособности данного подхода в исследовании предлагается для каждого годаразделить регионы на три группы.