Диссертация (1136772), страница 23
Текст из файла (страница 23)
Так, например, если регрессором выступаетвозраст респондента, то регрессионную модель стоит интерпретироватьследующим образом: «насколько вероятность попасть в группу бедных уребенка или человека трудоспособного возраста выше или ниже, чем упенсионера?». Для нашего анализа в качестве независимых переменныхбыли отобраны те, которые в ходе исследования специфики российскойбедности выступали как наиболее яркие черты двух выделенных групп,практически все из которых (за исключением размера заработной платы)были ранговыми, а также пол респондентов, который в нашем исследовании был относительно менее значим, но традиционно учитывается прианализе бедности. В итоге набор использованных при анализе переменныхвыглядел следующим образом:- местность проживания (крупный город / небольшой город / поселок городского типа / сельская местность);- возраст респондента (младше трудоспособного / трудоспособный/старше трудоспособного);- пол респондента (мужской / женский);- состав домохозяйства: неполное с детьми младше 18 лет (дихотомическая переменная);122- состав домохозяйства: нуклеарная семья с детьми в возрасте до 3 лет(дихотомическая переменная);- оценка своего здоровья как плохого или очень плохого (дихотомическаяпеременная);- наличие инвалидности (дихотомическая переменная);- незанятость по причине тяжелого заболевания (дихотомическая переменная);- незанятость (дихотомическая переменная);- уровень образования (неоконченное среднее / полное среднее / среднееспециальное / высшее);- уровень заработной платы по отношению к величине прожиточного минимума (ниже 1 ПМ / от 1 о 1,5 ПМ / от 1,5 до 2 ПМ / выше 2 ПМ).Регрессионный анализ проводился в несколько этапов, на каждом изкоторых в модель включались разные наборы регрессоров.
Для проверкикачества регрессионной модели использовались тесты на мультиколлинеарность и LR-тест, показывающий, насколько улучшается модель(насколько увеличивается процент объясненной дисперсии зависимой переменной) при добавлении каждой последующей переменной.Для улучшения качества модели регрессионный анализ проводился сиспользованием поправки на кластеризацию выборки, так как особенностьисследования РМЭЗ заключается в том, что объектом ее исследования выступают не отдельные индивиды, а целые домохозяйства. Последнее означает, что несколько респондентов обладают одними и теми же характеристиками и без поправки на кластеризацию выборки по этому признаку регрессионный анализ может переоценить или недооценить значимость регрессоров.
Регрессоры принимались на 90%, 95% и 99%- ном уровнях доверительного интервала.Итогом регрессионного анализа стало получение нескольких моделей для каждой из двух рассматриваемых групп (т.е., для бедных «по до-123ходам» и бедных «по лишениям»), которые демонстрируют роль различных факторов риска попадания в бедность этих двух типов.Сначала рассмотрим, какие факторы влияют на попадание в бедность «по доходам» (таблица 3.20).Таблица 3.20Регрессионная модель факторов риска бедности «по доходам»,коэффициенты значимости и стандартные отклонения, 2011 г51.Модель№1Факторы риска бедностиПроживание в небольшом городеПроживание в поселке городского типаПроживание в сельской местностиВозраст младше трудоспособногоПроживание в нуклеарной семье с детьми до 3 летМужской полНаличие инвалидностиСамооценка здоровья как плохого или очень плохогоОтсутствие работы из-за серьёзного заболеванияНезанятость на рынке труда независимо от её причинПолное среднее образованиеСреднее специальное образованиеРебенок, проживающий в сельской местностиРеспондент является ребенком из сельской семьи,в которой есть неработающие трудоспособныеРеспондент является ребенком из неполной семьиТрудоспособный возрастРазмер заработной платы ниже 1 ПМРазмер заработной платы от 1 до 1,5 ПМРазмер заработной платы от 1,5 до 2 ПМЗаработная плата (центрированный показатель)Пенсионный возрастРеспондент является пенсионером и не имеет работыКонстантаТест на чувствительность (Sensitivity test)Вероятностная доля ошибки (Prob > chi2)Модель№2Модель№3Модель№40.473***1.750***1.531***0.458***1.718***1.392***0.1460.687**0.4581.369***0.0241-0.03331.183***0.372**0.003021.378***0.349**2.370***0.1640.380-0.195*-0.401-0.184*0.2290.2610.2250.670***0.1600.1920.2300.710***0.407**0.484***-0.1070.1851.436***2.384***0.1271.549***0.808***0.529*-7.38e05**1.049**0.6370.602-0.760***0.3451.397***0.766**0.455-6.07e-05*0.8030.6070.636*-0.606-0.277-1.132***-0.323-4.531***-2.166***-2.421***-3.679***15.09000.458227.15000.119629.41000.125021.38000.2262Как видно из таблицы 3.20, результатом регрессионного анализа длябедных «по доходам» стало построение 4 моделей.
При одновременном51*** p<0.01, ** p<0.05, * p<0.1124тестировании всех перечисленных ранее факторов риска бедности в регрессионной модели (модель №4), значимыми оказались только характеристики местности проживания, состава домохозяйств, возраста, уровняобразования и заработной платы. Таким образом, в соответствии с моделью №4, наибольший риск оказаться в бедности «по доходам» характеризует людей, проживающих в небольших городах и сельской местности,имеющих образование не выше полного среднего и проживающих в неполных семьях с несовершеннолетними детьми.
Наступление пенсионноговозраста, в рамках этой модели, оказывается наоборот положительнымфактором, уменьшающим вероятность попадания в данную группу, таккак оно влечет за собой появление стабильного дохода в виде государственных пенсий, которые оказываются существенным источником доходов, причем не только респондента, но и домохозяйства в целом. Положительно влияет на сокращение рисков бедности «по доходам» и среднемесячный размер заработной платы (который в модели имеет отрицательноезначение, что означает, что увеличение размера заработной платы постепенно снижает вероятность попадания в бедность).Однако, более детально факторы риска бедности «по доходам» раскрываются при построении не одной, а нескольких регрессионных моделей, отличающихся различным набором независимых переменных и такжепредставленных в таблице 3.20.
Так, первая модель характерна для людейтрудоспособных возрастов. В соответствии с этой моделью одновременное проявление таких факторов, как плохое образование и маленькая заработная существенно повышают вероятность попасть в бедность «по доходам» для человека трудоспособного возраста. Причем, трудоустройство напозиции рабочего в небольших городах является рациональным, так какименно такая занятость уменьшает вероятность попадания в бедность согласно этой модели, хотя для крупных городов этого эффекта не наблюдается.Отдельно выделилась и группа факторов, свойственная преимущественно лицам пенсионных возрастов (модель №2). Так, одновременное125влияние таких факторов, как пенсионный возраст, незанятость, плохоездоровье и тот факт, что респондент является женщиной, при прочих равных увеличивает шансы попасть в бедность «по доходам». Возможно сказывается то, что среди одиноких пенсионеров старших возрастов с плохимздоровьем преобладают именно женщины.Также стоит отметить, что существуют некоторые стабильные факторы, которые не зависят от наличия или отсутствия других факторов ипри любых жизненных ситуациях оказывают пагубное влияние, увеличивая вероятность попадания в бедность.
Такими факторами являются проживание в неполном домохозяйстве с несовершеннолетними детьми, атакже тип местности проживания. Интересно отметить, что проживание влюбом населенном пункте оказывает значимое положительное влияние.Это означает, что в любом типе местности существуют категории лиц, длякоторых велика вероятность попасть в бедность «по доходам» и при одновременном проявлении с каким-то другим фактором может оказывать значимое влияние. Убирание же этих переменных из анализа качественноухудшает объяснительную способность моделей, что еще раз подчеркивает сложность причин бедности «по доходам».Последняя модель №3 демонстрирует то, что иждивенческая нагрузка одновременно пенсионерами и детьми также оказывается значимымфактором риска.Таким образом, регрессионный анализ показывает, что основнымирисками бедности «по доходам» являются местность проживания,иждивенческая нагрузка детьми и пенсионерами (в случае, если последниене имеют работы), тем более в неполных семьях, а также низкий уровеньобразования и заработной платы (для лиц трудоспособных возрастов).Это именно те факторы, механизм действия которых проанализированнами в предыдущих разделах диссертации применительно кбедности «подоходам».В случае с бедностью «по лишениям» задача выявления факторовриска является менее тривиальной, а регрессионные модели при различ126ных наборах независимых переменных оказываются «слабыми» - процентобъясненной ими дисперсии зависимой переменной в подавляющембольшинстве случаев не превышает 10% (таблица 3.21).Таблица 3.21Регрессионная модель факторов риска бедности «по лишениям»,коэффициенты значимости и стандартные отклонения, 2011 г52.Модель№2Факторы риска бедностиПроживание в небольшом городеПроживание в поселке городского типаПроживание в сельской местностиВозраст младше трудоспособногоПроживание в нуклеарной семье с детьми до 3 летМужской полНаличие инвалидностиСамооценка здоровья как плохого или очень плохогоОтсутствие работы из-за серьёзного заболеванияНезанятость на рынке труда независимо от ее причинПолное среднее образованиеСреднее специальное образованиеРебенок, проживающий в сельской местностиРеспондент является ребенком из сельской семьи, вкоторой есть неработающие трудоспособныеРеспондент является ребенком из неполной семьиТрудоспособный возрастРазмер заработной платы ниже 1 ПМРазмер заработной платы от 1 до 1,5 ПМРазмер заработной платы от 1,5 до 2 ПМЗаработная плата (центрированный показатель)Пенсионный возрастРеспндент является пенсионером и не имеет работыКонстантаТест на чувствительность (Sensitivity test)Вероятностная доля ошибки (Prob > chi2)Модель№3Модель№4Модель№50.1740.1310.529***0.1800.1060.476***-0.654**-0.613*-0.8200.08880.8101.521**0.653*0.603*0.740*0.01230.5270.971*0.01161.576**0.665*-0.182-0.257**-0.178-0.259**-0.2410.3390.584***0.405***0.912***0.816***0.553***0.513***0.935***0.729***0.706***0.624***-3.339***-0.0310-2.776***-0.389-0.148-2.676***-2.711***0,00000.00000,00000.04000,00000.13560.81000.00010.4011.232***0.554*0.683**-3.96e-050.828*0.3580.01600.1410.3351.113***0.4780.690**-4.67e-050.6460.312-0.05380.668*Наиболее типичными факторами риска в данном случае являютсяплохие показатели здоровья (как по собственной оценке, так и объективнов виде наличия инвалидности).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
