Диссертация (1137758), страница 17

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 17)

По этой же причине использован показатель,обратный экспоненте изменения рабочего времени.При оценке включены в набор инструментов темпы роста среднегопотребления, так как домохозяйства могут учитывать рост среднего потребленияпри принятии решения о своем текущем потреблении в случае внешнихпотребительских привычек. И, следовательно, эти инструменты могут иметьрешающее значение при их тестировании. Здесь предполагается, что ошибкиизмерения при расчете среднего по всем домохозяйствам потребления93усредняются и, таким образом, можно использовать текущие темпы роста вкачестве инструмента. Фиктивные переменные включены в набор инструментовдля учета последствий финансового кризиса 2008 года.

Дамми-переменныепринимают значение 1, если интервью проводилось в 2007, 2008 и 2009 годах, исоответственно, они принимают значение 0 в другие годы.3.4.3 Результаты оценкиПоскольку оценки на длинных выборках являются более точными, так какиспользуют больше наблюдений, ниже проинтерпретированы только эти оценки.Короткая выборка используется только для проведения теста на наличиепривычек в потреблении.

Результаты тестирования представлены в таблице 3.3.Ключевым результатом является то, что оценка параметра кривизы функцииполезности  значимо больше нуля. Этот результат подтверждает гипотезу, осглаживании потребления во времени и говорит о наличии положительной связимежду ожидаемым ростом потребления и процентной ставкой в России. Этозначение  соответствует эластичности межвременного замещения, равной 4,167(обратный  параметр). Такая высокая оценка эластичности межвременногозамещения существенно отличается от оценок, полученных для экономики США,и больше похожа на оценки, полученные для Австрии, Ирландии, НовойЗеландии и Тайваня (Havranek et al., 2015). В дополнении к этому, гипотеза ологарифмической функции полезности (   1 ), которая часто используется длякалибровки DSGE-моделей, не подтверждается.

Стоит отметить, что оценки,полученные во второй и третьей главах работы значимо выше единицы, чтоговорит об устойчивости результатов.Оценка субъективного дисконтного фактора  для годовых данных такжесогласуется с теоретической моделью — она положительна и близка к единице.Оценка субъективного дисконтного фактора для квартальных данных являетсякорнем четвертой степени из оценки на годовых данных и составляет 0,975.95% асимптотическийдоверительныйинтервалдляэтогопараметра94[0,852; 1,098], поэтому гипотеза о том, что субъективный дисконтный факторравен единице не отвергается.Таблица 3.3 — Оценки параметров модели с привычками в потребленииПараметрylHansen J-тест на сверхидентификациюLM- тест (H1: внешние привычки)LM- тест (H1: внутренние привычки)LM- тест (H1: внутренние и внешниепривычки)Количество волнСреднее число домашних хозяйств в волнеКороткаявыборка0,808***(0,056)0,149***(0,042)0,511***(0,039)0,203***(0,026)1,093***(0,075)14,201[0,921]0,111[0,739]4,074[0,254]Длиннаявыборка0,905***(0,055)0,240***(0,049)0,589***(0,043)0,222***(0,029)0,962***(0,058)15,809[0,863]0,205[0,651]–4,176[0,383]9568–10704Примечание.

В таблице приведены значения коэффициентов. *, **, *** — значимость на 10%,5% и 1% уровне значимости соответственно; в круглых скобках указаны стандартные ошибки.В квадратных скобках указаны p-значения для соответствующих статистик.Источник: расчеты автора по данным RLMS-HSE.Гипотеза об отсутствии привычек в потреблении домашних хозяйств неотвергается данными. Таким образом, нет необходимости включать внешниеи/или внутренние привычки, при моделировании динамики потребленияроссийских домашних хозяйств на годовых данных. Тем не менее, этот результат95не означает, что привычек в потреблении российских домашних хозяйств нет. Вработе использованы данные о ежемесячном потреблении с годовой частотой и,таким образом, мы определяем привычки как потребление в месяц прошлого годаинтервью.

Следовательно, полученный результат говорит только о том, чтодомохозяйства не формируют привычки, основываясь на потреблении в прошломгоду. Однако они могут формировать привычки, например, основываясь напотреблении в прошлом месяце или в прошлом квартале.Обе переменные, влияющие на предпочтения потребителей — доходы ирабочие часы — существенно влияют на значение функции полезности домашниххозяйств.Поуменьшениерезультатамрабочихоценки,часов)увеличениеповышаетдоходовзначениенаселенияфункции(илиполезностидомохозяйства.3.5 Выводы по главеВ главе получены оценки эластичности межвременного замещения ипротестирована гипотеза привычек в потреблении на микроданных дляроссийских домашних хозяйств.

Оценка основана на данных по домохозяйствамбазы RLMS-HSE и учитывает ошибки измерения потребления, доходов и влияниемакроэкономических шоков. В качестве доходности активов использованы ставкипо кредитам и депозитам. Гетерогенность домашних хозяйств вводится в модель спомощью переменных, оказывающих влияние на предпочтения потребителей —доход семьи и количество рабочего времени. Для оценки параметров моделииспользован обобщенный метод моментов, при тестировании разработанавзвешивающая матрица, учитывающая возможную корреляцию наблюдений. Дляпроверки гипотезы о формировании привычек проведен тест множителейЛагранжа.На основании результатов оценки для длинной выборки, в таблице 3.4приведены значения параметров, которые могут быть использованы в качествеаприорных значений для байесовской оценки или для калибровки моделей DSGEдля России [Шульгин, 2016; Крепцев и др., 2016].96Таблица 3.4 — Рекомендуемые значения параметров для калибровки DSGEмоделей российской экономикиПараметрОценкаСтандартнаяошибкаОтносительный коэффициент неприятия риска, 0,2400,049Эластичность межвременного замещения, 14,1670,851Субъективный дисконтный фактор, год0,9050,055Субъективный дисконтный фактор, квартал0,9750,063Примечание.

Стандартные ошибки для EIS и квартального субъективного дисконта получены спомощью Дельта-метода.Источник: расчеты автора.Оценки эластичности межвременного замещения и субъективного факторадисконтирования согласуются с теорией. Значимая положительная оценка EISподдерживает гипотезу о сглаживании потребления во времени.

Гипотезагетерогенности в предпочтениях также подтверждается данными: доход ирабочие часы оказывают значимое влияние на значение функции полезностидомашних хозяйств. Гипотезы формирования привычек (внешние, внутренние ивнешние и внутренние) на годовых данных не подтверждаются.97Глава 4 Глубокие привычки в потребленииПривычкивпотреблениичастоиспользуютсядлямоделированияинерционности поведения домашних хозяйств. В предыдущих главах былополучено подтверждение сглаженного во времени потребления для российскихдомашних хозяйств, однако гипотеза о наличии годовых внешних привычекпотребления не подтвердилась эмпирически. Одной из возможных причин этогорезультата является то, что по одним группам товаров привычки в потреблениимогут существовать, а по другим — нет. Тестирование наличия привычек впотреблении по отдельным товарам (глубоких привычек в потреблении) ипоследующееуточнениеипроверкапредпочтенийдомашниххозяйствробастностипозволитоценокулучшитьпараметровкачествооценокдинамических моделей общего равновесия для России и поэтому представляетинтерес для исследования.В данной главе проводится проверка гипотезы о глубоких привычках впотреблении российских домашних хозяйств.

В первом разделе раскрываетсяпонятие глубоких привычек в потреблении и приводится обзор исследований,посвященных данной тематике. Во втором разделе построена теоретическаямодель с учетом глубоких привычек в потреблении. В третьем разделепредставлены используемые данные, описаны инструменты и разработанаметодология эконометрического анализа, приведены результаты оценивания.Основные выводы работы описаны в четвертом разделе. Результаты главыотражены в работе [Ларин, Новак, Хвостова, 2015].4.1 Понятие глубоких привычек в потребленииМоделирование функции полезности с привычками в потребленииполучилоширокоераспространение,таккакпозволяетмоделироватьпостепенный пролонгированный эффект влияния шоков на уровень потреблениядомашних хозяйств.

Оценка привычек на агрегированных данных показывает, чтороссийские домохозяйства имеют более сильные привычки в потреблении, чем98американские [Полбин, 2014]. Однако оценка на основе микроданных (см.главу 3) говорит о незначимом влиянии привычек на динамику потребления.Как было показано в третьей главе, привычки в потреблении позволяютввести в уравнение Эйлера зависимость текущей предельной полезности нетолько от ожидаемого будущего, но и от прошлого уровня потребления.Стандартная предпосылка предполагает, что полезность домашних хозяйствзависит от агрегированного потребления.

Однако остается открытым вопрос отом, что возможно предпочтительнее вводить привычки по отдельным видампродуктов. Данная гипотеза приобрела актуальность в связи с тем, чтостандартные новые кейнсианские модели показывают, что потребление домашниххозяйств отрицательно реагирует на положительные шоки государственныхрасходов. Однако динамика агрегированных эмпирических данных частодемонстрирует противоположные результаты: потребление, уровень выпуска иреальныезаработныеплатырастутвответнаположительныйшокгосударственных расходов [Fatas, Mihov, 2001; Blanchard, Perotti, 2002; Gali et al.,2007; Zubairy, 2010a, 2010b; Ravn et al., 2012].Помимо исследований на агрегированных данных, П. Чинтагунта исоавторы [Chintagunta et al., 2001] в своем исследовании обнаружили, что выборпотребителей в текущем периоде зависит от потребления отдельных категорийтоваров и конкретных брендов в прошлом.

Для выявления глубоких привычек впотреблении на микроданных необходимы данные по дезагрегированномупотреблению отдельных товаров домохозяйствами. Исследований на основеамериканской базы микроданных панельного опроса домашних хозяйств CEXнет, так как база не содержит необходимой дезагрегированной информации отоварах. Вместо данных опроса домашних хозяйств в Европе, например, былииспользованыданныесканнераодногоизгипермаркетов[Verhelst, Van Den Poen, 2014], в результате показано существование глубокихпривычек в потреблении.Основываясь на этих результатах М. Равн и соавторы [Ravn et al., 2006]разработали модель с учетом так называемых «глубоких привычек» в99потреблении.

Характеристики

Список файлов диссертации