Автореферат (1138014), страница 4

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

Текст из файла (страница 4)

2 Прямые, косвенные и общие эффекты доли городского населения с доверительнымиинтерваламиРезультатыоцениванияпараметровмоделис пространственнымиэффектами сравнивались с моделью без пространственных эффектов. Былопоказано, что между ними присутствуют различия. В случае моделированиярегиональнойбезработицыспомощьюклассическойрегрессиисфиксированными эффектами, коэффициент при переменной «доля занятых свысшим образованием» не является значимым. Учет пространственнойзависимости региональных рынков труда позволяет выявить эту взаимосвязь,что важно учитывать при выборе региональной политики.Таким образом, в текущем параграфе сравнивается использованиемоделей пространственной регрессии с классическими моделями панельныхданных для анализа уровня безработицы в регионах России за 2005–2010 гг. Спомощью включения взвешенного значения уровня безработицы в другихрегионах в модель регрессии учитывается взаимная зависимость регионов.Выявлена положительная корреляция в уровне безработицы между соседними21!!регионами.

Кроме того, модель, учитывающая пространственную структуруданных, в отличие от классической модели панельных данных позволилавыявить влияние уровня образования занятых на уровень безработицы: болеевысокая доля занятых с высшим образованием соответствует более низкомууровню безработицы. В параграфе смоделирована нелинейная зависимость отнекоторых региональных характеристик, вычислены прямые, косвенные иобщие эффекты, а также с помощью метода Монте Карло найдены ихдоверительные интервалы.Выявленнаяположительнаяпространственнаязависимостьсвидетельствует о том, что любая мера, снижающая уровень безработицы врегионе, будет оказывать влияние и на другие регионы, причем чем ближерасположен регион, тем большему влиянию он подвержен.

Поэтому к решениюпроблембезработицыследуетподходитькомплексно:стимулироватькооперацию регионов, осуществлять меры регулятивной политики, воздействуяна группы регионов и учитывая влияние мер, применяемых к конкретнымрегионам, на соседние рынки труда. Кроме того, меры, направленные наповышениеобразованиянаселения,могутсыгратьважнуюрольврегулировании рынков труда.Параграф2.2.3посвященмоделированиюуровнярегиональнойбезработицы в Германии с помощью пространственных моделей анализапанельных данных в зависимости от таких факторов, как отраслевая структуразанятости, рост занятости, оплата труда, возраст, образование, плотностьнаселения, валовой региональный продукт.

Для учета пространственных связеймежду регионами в оцениваемых регрессиях используется взвешивающаяматрица обратных расстояний между регионами. Параметры статической идинамическоймодели(7)и(8)оцененыметодоммаксимальногоправдоподобия:yit = ρWyit + X 'it β + WX itθ + µ i + ϕ t + vit , vit = λWvit + ε it ,22!!(7)где yit !— зависимая переменная, X 'it — вектор объясняющих переменных, µ i—индивидуальныеэффекты,ϕt—временныеэффекты,ρ—пространственный авторегрессионный коэффициент, λ — пространственныйавтокорреляционный коэффициент и θ — вектор неизвестных параметровразмерности (k × 1) , ошибки ε it ~ iid (0,σ 2 ) .Проводится оценка параметров модели с лаговой зависимой переменной(Spatial Autoregression Model, SAR), т.е.

модели с включением лаговойзависимой переменной и пространственного лага:yit = τyi ,t −1 + ρWyit + X 'it β + WX itθ + µi + ϕt + ε it ,(8)где yi ,t −1 — лаг зависимой переменной, τ — коэффициент перед динамическимлагом,ε it ~ iid (0,σ 2 ) . Остальные обозначения соответствуют обозначениямпредыдущей модели. Как и в предыдущем параграфе в целях корректнойинтерпретации результатов оценивания вычислены прямые, косвенные и общиеэффекты (LeSage, Pace, 2009).В следующей оцениваемой модели введена квадратичная зависимость дляпространственного лага:yit = τ 1 yi ,t −1 + τ 2 yi ,t −2 + ρ1Wyit + ρ 2Wy 2 it + X 'it β + µi + ϕ t + vit ,(9)где ρ 2Wy 2 it обозначает квадрат взвешенной суммы уровней безработицыостальных регионов. Модель (9) оценивалась с помощью метода Blundell-Bond.Как и в работе Lottmann (2012), в текущем исследовании анализируютсяразличия между пространственными эффектами западных и восточныхрегионов Германии путем оценивания параметров моделей на подвыборках.Такой подход позволил выявить различие между влиянием экзогенныхпеременных на уровень безработицы в разных частях страны.

Однако данныйподход не позволяет выявить пространственные эффекты влияния восточныхрегионов на западные и наоборот. Для выявления таких эффектов применяетсяподход, который был разработан для российских регионов (Демидова, 2014).Используется следующее расширение спецификации:23!!w+ yitw ( + yi ,t −1 ( + ρ wwWww)) e && = τ )) e && + ))* yit ' * yi ,t −1 ' * ρewWewρ weWwe (+ yitw ( + X tw β w (& + ϕ + µi + ε it , (10)&) & + )ρeeWee &')* yite &' )* X te βe &' tгде yitw и yite — объясняемые переменные западных и восточных регионовсоответственно, X tw и X te — объясняющие переменные западных и восточныхрегионов соответственно, ϕ t — временные эффекты, µ i —индивидуальныеэффекты, εit — вектор остатков.Взвешивающая матрица может быть представлена в виде суммы четырехчастей:&WW = $$ ww% 00 # & 0 Wwe # & 0 0 # & 0 0 #!+$!!+$!+$0 !" $% 0 0 !" $% 0 Wew !" $% 0 Wee !"(11)Коэффициенты ρ we и ρ ew отражают влияние восточных регионов назападные и влияние западных регионов на восточные соответственно.Коэффициенты ρ ww и ρ ee характеризуют пространственные эффекты междурегионами внутри Западной и Восточной Германии.

Значимость регрессоровможет различаться для западных и восточных регионов.Врезультатеоцениваниямоделей(7)и(8)показано,чтопространственные эффекты значимы как в случае статической, так и в случаединамической модели. В результате оценивания модели (9) выявлено, что принизких уровнях безработицы сила взаимного влияния региональных рынковтруда увеличивается, а при высоких — уменьшается.

По результатамоценивания модифицированной пространственной авторегрессионной модели(10) было определено, что изменение уровня безработицы в восточныхрегионах Германии влечет за собой изменение уровня безработицы как ввосточных, так и в западных регионах Германии, в то время как безработица взападных регионах оказывает влияние только на безработицу в западныхрегионах.В третьей главе диссертационного исследования «Прогнозированиерегиональной безработицы с помощью пространственных эконометрических24!!моделей»осуществленапопыткапредсказатьуровеньбезработицыврегиональном разрезе для России и Германии. На основе данных за 2005–2012гг.

(для России) и 2005–2011 гг. (для Германии), строятся предсказания для2011–2012гг.впредположении,чтоизвестныпрогнозныезначенияобъясняющих переменных. Также строится прогноз на дополнительный год впредположении,чтозначенияобъясняющихпеременныенеизвестны,вследствие чего используются их лаги в оцениваемой модели.Основная задача третьей главы состоит в том, чтобы проверить, улучшаетли качество прогноза включение пространственных эффектов. Прогноз,полученный с помощью пространственных эконометрических моделей,сравнивается с прогнозами, полученными на основе других распространенныхмоделейпанельныхданных(моделисквознойрегрессии,моделисфиксированными эффектами, модели со случайными эффектами, динамическиемодели с фиксированными эффектами, динамические модели со случайнымиэффектами). Кроме того, сравнение моделей проводится и с наивнымипрогнозами, рассчитанными как предыдущее значение уровня безработицы исреднее значение предыдущих значений за несколько лет.

В качестве критериевсравнения используются средняя квадратичная ошибка (RMSE), средняяабсолютная ошибка в процентах (MAPE), средняя абсолютная ошибка (MAE),симметричная абсолютная ошибка в процентах (sMAPE).При прогнозировании по моделям с объясняющими переменныминеобходимо знать значения этих переменных в точках прогноза. Поэтомуиспользовались две следующие возможности:1) Модели оценивались по данным за 2005–2010 гг., после чего дляпрогнозирования использовались реальные значения X t за 2011 и 2012 гг. (дляРоссии) и за 2011 г.

(для Германии).2) Модели оценивались с заменой X t на X t −1 по данным за 2006–2012 гг. (дляРоссии) и за 2006–2011 гг. (для Германии), используя значения X за 2012 г.25!!(для России) и 2011 г. (для Германии) в формулах для прогноза на 2013 г. (дляРоссии) и 2012 г. (для Германии).В качестве одного из наивных прогнозов используется уровеньбезработицы в предыдущем периоде:yˆ i ,T +s = yi ,T ,s ≥ 1.(12)Другой наивный прогноз вычисляется как среднее значений уровнябезработицы четырех предыдущих периодов1:4yˆ i ,T + s = ∑ yi ,T + s − j / 4 .(13)j =1Здесь, если s > j , то yi ,T + s − j = yˆ i ,T + s − j .Прогноз пространственной модели с фиксированными эффектами, невключающей объясняющие переменные:yˆi ,T + s = ( I − ρˆW )−1 µˆ i + ( I − ρˆW ) −1φT + s .(14)Прогноз динамической пространственной модели, не включающейобъясняющие переменные:yˆi ,T +s = ( I − ρˆW )−1 µˆ i + ( I − ρˆW )−1γˆyi ,T +s−1 + ( I − ρˆW )−1φT +s .(15)Далее рассматриваются прогнозы, построенные с помощью моделейпанельных данных: моделей с фиксированными и случайными эффектами сучетом и без учета пространственного лага.

Для их построения необходиморасполагать матрицей регрессоров для прогнозируемых периодов X iT + s .Прогноз уровня безработицы в регионе с помощью модели с фиксированнымиэффектами вычисляется следующим образом:yˆ i ,T + s = X i ,T + s βˆ + µˆ i + φˆT +s ,(16)где µ̂ i и β̂ — within-оценки соответствующих параметров, φˆT + s — оценкавременного эффекта для периода T + s .!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!1Были рассмотрены также средние значения двух, трех, пяти и шести предыдущих периодов. Однако в таблицурезультатов для сравнения моделей вынесен только один показатель, дающий наилучшее качество прогноза.26!!Прогноз для модели с фиксированными эффектами и пространственнымавторегрессионным лагом (SAR) вычисляется с помощью формулы:yˆ i ,T + s = ( I − ρˆW ) −1 X 'i ,T + s βˆ + ( I − ρˆW ) −1 µˆ i + ( I − ρˆW ) −1φˆT + s ,(17)где! ρ̂ ,! β̂ ,! µ̂ i — оценки, полученные методом максимального правдоподобиядля пространственных моделей панельных данных, φˆT + s !— оценка временногоэффекта для периода T + s .Для построения прогноза в моделях со случайными эффектамииспользовалась формула для наилучшего предсказания в классе линейныхнесмещенных оценок (BLUP) для ОМНК модели (Goldberger, 1962).

Характеристики

Список файлов диссертации