Диссертация (1138015), страница 17
Текст из файла (страница 17)
Для данногоисследования это результат не удивителен, поскольку процесс, с помощьюкоторого имитировались данные, имеет авторегрессионную природу.Однако этот же результат нередко имел место и для реальных данных.Longhi, Nijkamp [2007] прогнозируют занятость в 326 западных регионахГермании в 2000–2003 гг.
по данным за 13 предыдущих лет. В качествеобъясняющих переменных используются первые лаги занятости вразличных секторах экономики. Прогнозы этой простейшей моделисущественно улучшаются при добавлении пространственно-временноголага переменной «заработная плата» или автокоррелированной структурыошибок. Polasek, Sellner, Schwarzbauer [2007] по данным для 99австрийских регионов за 1998–2003 гг. продемонстрировали, как спомощью динамической системы уравнений с пространственными лагамии зависимыми переменными (такими как ВРП, плотность населения,уровень занятости) можно построить прогноз на 20 лет. Для оценкипараметров были использованы байесовские методы.Перечисленный выше список работ, в которых прогнозы делаются наосновании моделей, оцененных по региональным данным с включением!100пространственных эффектов, не является полным, но достаточен, чтобыкратко отразить идеи, лежащие в основе этого типа прогнозирования.Упомянутые работы дают представление о том, что исследований сиспользованием региональных данных для Германии немало, а пороссийским регионам почти нет.
Отметим, что для прогнозов уровнябезработицы в России обычно используются данные по России в целом.Прогнозы часто строятся с помощью векторной модели коррекцииошибками [Ачкасов, Шатило, 2016; Гурвич и др., 2016], моделей Бокса–Дженкинса [Турунцева и др., 2016] и т.п.В данном исследовании частично восполняется пробел, связанный сотсутствиемпрогнозовдлярегиональнойбезработицывРоссии,сравниваются разные типы моделей, в том числе модели с учетомпространственныхэффектовибезних.Вкачествепоследнихиспользуются не только модели без объясняющих факторов, но и совсемпростые, наивные, модели, в которых прогноз вычисляется как среднее заодин или несколько предшествующих периодов.
Согласно существующейна данный момент литературе, пространственные прогнозы для Германиине сравнивались с наивными, к тому же пока не известны исследования, вкоторых использовались данные за последние годы. В связи с этимкачество прогнозов по региональным данным сравниваются не только дляРоссии, но и для Германии.Вследующемразделеданоописаниемоделей,которыеиспользуются для предсказания. Среди них перечислены упомянутыевыше наивные модели, модели первого типа, включающие тольковременные и пространственные лаги зависимой переменной, и моделивторого типа, включающие независимые переменные. При построениипрогнозов по моделям второго типа рассматриваются два случая: 1)объясняющие переменные в будущем периоде известны, и можно строитьпрогнозы в соответствующих точках, и 2) объясняющие переменные вбудущем периоде неизвестны и используются их лаги.!1013.2 Модели, используемые для предсказания3.2.1 Основные виды моделейВ данном разделе за основу берется самая общая динамическаямодельсиндивидуальнымиивременнымиэффектами,атакжепространственным лагом (SAR):yit = ρWyit + γyit −1 + X 'it β + µ i + φt + ε it ,(3.1)Где i = 1, …, N — номер региона (для России N = 75 , для ГерманииN = 370),t = 2005,…T (для разных моделей T варьируется от 2010 до 2012),Yit — уровень безработицы в регионе i в момент t,Wy it — пространственный лаг зависимой переменной,yit −1 — динамический лаг зависимой переменной,X it — набор объясняющих переменных (описанных в следующемразделе),µ i — индивидуальные эффекты,φt — временные эффекты.Вслучаеоценкимоделейсфиксированнымиэффектамиε it ~ N (0,σ i2 ) (для стандартных отклонений оценок коэффициентов в этомслучае используются робастные оценки в форме Уайта).
В случае оценкимоделей со случайными эффектами предполагается, что дисперсии ошибокодинаковы: ε it ~ N (0,σ 2 ) .Были рассмотрены также частные случаи общей модели:1) модель сквозной регрессии ( ρ = γ = 0 , µ i = µ ∀i );2) модель без пространственных эффектов ( ρ = γ = 0 ) с фиксированнымиэффектами ( µ i — неизвестные параметры);3) модель без пространственных эффектов ( ρ = γ = 0 ) со случайнымиэффектами ( µ i = µ + ui , где µ — параметр, общий для всех регионов, а!102ui — ошибки, некоррелированные с ε it и некоррелированные приразных i );4) пространственная модель ( γ = 0 ) с фиксированными эффектами;5) пространственная модель ( γ = 0 ) со случайными эффектами;6) динамическая модель без объясняющих переменных ( β = 0 ) сфиксированными эффектами;7) динамическая модель без объясняющих переменных ( β = 0 ) сослучайными эффектами;8) модель без объясняющих переменных и динамического лага ( β = γ = 0)с фиксированными эффектами;9) модель без объясняющих переменных и динамического лага ( β = γ = 0)со случайными эффектами;10) модель без пространственных эффектов ( ρ = γ = 0 ) c фиксированнымиэффектами;11) модель без пространственных эффектов ( ρ = γ = 0 ) со случайнымиэффектами.К вышеперечисленным моделям добавляются также их версии безучета временных эффектов: φt = 0 ∀t .3.2.2.
Объясняющие переменныеДля оценки моделей используются панельные данные о 75 регионахРоссии 7 и 370 регионах Германии за период 2005–2012 гг. Данные ороссийских регионах обеспечены Федеральной службой государственнойстатистики (Регионы России, 2005–2012), данные о регионах Германии —Статистическим бюро Германии (www.regionalstatistik.de).7Данные о некоторых регионах России не включены в исследование. Так, ввиду административныхреформ не включен Забайкальский край (объединение Читинской области и Агинского Бурятского АО,01.03.2008). Ввиду отсутствия данных по некоторым переменным не были включены: Чеченскаяреспублика, Чукотский АО, Республика Ингушетия, Республика Дагестан, также Ненецкий АО (всоставе Архангельской области), Ханты-Мансийский и Ямало-Ненецкий АО (в составе Тюменскойобласти).!103Выбор факторов, влияющих на уровень безработицы, как и впредыдущей главе диссертации, основывался на описании, содержащемсяв разделе 2.2.1.
В качестве факторов для России и Германии были выбраныотраслевая структура (например, доля занятых в сельскохозяйственнойотрасли в общем числе занятых8), возрастной состав занятого населения,уровеньобразованиярегиональныйпродукт,занятых,коэффициентплотностьнаселениямиграции,исреднийваловыйуровеньзаработной платы в регионе. Дополнительно к этим переменным дляРоссии были включены доля городского населения, доступность жилья иуровень преступности. В базу данных по Германии дополнительновключен темп роста занятого населения в регионе. Незначительноеразличие наборов объясняющих переменных между базами данныхобусловлено доступностью тех или иных данных для выбранноговременного промежутка.Данные о валовом региональном продукте на душу населения вбазовых ценах скорректированы на покупательную способность путемделения на ИПЦ (для России и Германии) и стоимость потребительскойкорзины для каждого региона (для России).
В качестве переменных,характеризующих возрастную структуру и образование населения, взятыдоли занятых в определенных возрастных категориях, а также долизанятых с высшим, профессиональным и школьным образованием. А вкачестве показателя издержек миграции в текущей работе используетсяпоказатель доступности жилья, рассчитанный как средняя в регионе ценаза 1 кв.
м жилья на вторичном рынке, скорректированная на средний доходдомохозяйств в регионе.Полный перечень объясняющих переменных представлен в табл. 3.1.После оценки некоторые незначимые объясняющие переменные былиисключены8!измодели.ИсключениеПолный список отраслей представлен в табл. 3.1.104переменныхпроводилосьпоследовательно, с предварительной проверкой гипотезы о равенственулю коэффициента перед переменной, а также проверкой на улучшениекачества предсказания после удаления переменной. Часть незначимыхпеременных была оставлена в модели, если исключение ее из моделиухудшало качество (по информационным критериям Акаике и Шварца) ипрогнозную силу модели.Таблица 3.1. Описание переменных.РоссияС 15 до 19 летС 20 до 29 летC 60 до 72 летВысшееСреднеепрофессиональноеТолько школьноеГородскоенаселениеМиграция!ГерманияОтраслевая структура (доля занятых в отрасли)Сельское хозяйство, охота и лесноеСельское хозяйство, лесное хозяйство ихозяйство; рыболовство, рыбоводстворыболовствоДобыча полезных ископаемыхОбрабатывающие производстваПроизводственная промышленность(включая обрабатывающуюпромышленность без строительства)Производство и распределениеОбрабатывающая промышленностьэлектроэнергии, газа и водыСтроительствоСтроительствоОптовая и розничная торговля; ремонтТорговля, гостиницы и рестораны,автотранспортных средств,транспортмотоциклов, бытовых изделий ипредметов личного пользованияГостиницы и рестораныФинансы, аренда, бизнес-услугиТранспорт и связьОперации с недвижимым имуществом,аренда и предоставление услугОбразованиеЗдравоохранение и предоставлениесоциальных услугПредоставление прочихПредоставление государственных икоммунальных, социальных ичастных услугперсональных услугДругие виды деятельностиСостав занятого населения по возрастным группамДоля занятых в возрасте 15–19 лет—Доля занятых в возрасте 20–29 летДоля людей в возрасте от 15 до 25 лет внаселении трудоспособного возраста(15–65)Доля занятых в возрасте 60–72 летДоля людей в возрасте от 50 до 65 внаселении трудоспособного возраста(15–65)Уровень образованияДоля занятых с высшим образованиемДоля занятых с университетскимобразованием в общем числе занятых—Доля занятых с профессиональнымобразованием в общем числе занятых—Доля занятых без профессиональногообразования (только школьное)Другие факторыУдельный вес городского населения в—общей численности населенияКоэффициент миграционного прироста Коэффициент миграциина 10 тыс.
человек населения105ДоступностьжильяРост занятостиПреступностьВаловыйрегиональныйпродуктПлотностьЗаработная платаСредние цены на вторичном рынкежилья (руб. за кв. метр),скорректированные на среднедушевыеденежные доходы населения (руб. вмесяц)—Число зарегистрированныхпреступлений на 100 тыс. чел.населенияВРП на душу населения в ценах 2005года, скорректированный на стоимостьпотребительской корзиныПлотность населенияСреднемесячная номинальнаяначисленная заработная платаработников организаций (в рублях)—Темп роста занятого населения врегионе—ВРП на душу населения региона,деленный на индекс потребительскихцен федеральной земли, в которойнаходится регионПлотность населенияСредняя почасовая заработная плата врегионе3.2.3. Оценка моделей для прогнозированияПри прогнозировании по моделям с объясняющими переменныминеобходимо знать значения этих переменных в точках прогноза.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
