Диссертация (1138015), страница 5
Текст из файла (страница 5)
Бинарная граничная матрицаформируется следующим образом. Элемент такой матрицы равен единице,если два региона имеют общую границу, и равен нулю в противномслучае. Матрица нормируется по строкам таким образом, чтобы суммавесов соседних регионов была равна единице.Пространственный лаг вводится по аналогии с временным лагом.Приведем пример его построения для четырех регионов. Например, длябинарной граничной матрицы!25100 #& 0$!$1 / 3 0 1 / 3 1 / 3 !W =$0 1/ 2 0 1/ 2!$$!!01/21/20%"и вектора y = ( y1y2'Wy = % y2&y3(1.8)y4 )! пространственный лаг будет иметь вид:!111$.( y1 + y3 + y4 )( y2 + y4 )( y 2 + y3 ) "322#(1.9)Матрица обратных расстояний основывается на расстояниях междурегионами.
В такой матрице чем дальше регионы расположены друг отдруга, тем меньший вес имеет соответствующий элемент матрицы:&$ 0$$ 1W = $ d 21$$ !$ 1$d% N11d120!1dN21d1 N1…d2N" !……#!!!!!!0 !!".(1.10)В текущем исследовании рассматриваются именно эти пространственныематрицы.В идеале выбор взвешивающей матрицы должен быть обосновантеоретически, но экономическая теория обычно не дает обоснованияоднозначного ее выбора [Leenders, 2002]. Вследствие того, что структурапространственноговзаимодействияобъектовобычнонеизвестнаисследователю априори, и не существует простого эмпирического теста,который позволил бы исследователю определить конкретный видвзвешивающей матрицы, одним из способов решения проблемы сталапроверка робастности результатов к виду взвешивающей матрицы [Elhorst,2010].Еслипоказать,чторезультатыостаютсяблизкимиприиспользовании разных взвешивающих матриц, то можно с уверенностьюговорить о существовании пространственного эффекта.!26В текущем диссертационном исследовании проводится проверкаробастности результатов к выбору взвешивающей матрицы, а также врамкаханализарегиональнойбезработицывРоссиипроводитсяимитационное моделирование, позволяющее выбрать пространственнуюматрицу, обеспечивающую наименьшее смещение коэффициентов вслучае неверной спецификации.1.3Обзор эмпирических исследований1.3.1 Пространственный анализ региональных рынков трудаПространственная взаимосвязь регионов имеет непосредственноеотношение к анализу рынка труда.
Ведь изменения на рынке труда одногорегиона несомненно скажется на рынке труда соседних регионов. КакотмечаетNiebuhr[2003],основнымисвязующимиэлементамирегиональных рынков труда являются миграция, маятниковая миграция имежрегиональная торговля. Как было показано для американских регионовза 1977–1983 гг., шок на рынке труда одного региона может оказыватьвлияние на регионы, находящиеся на расстоянии до 250 миль [Bronars идр., 1987].Активность по поиску и подбору работы и решения фирм о наймевлияет на показатели рынка труда не только в своем, но и в соседнихрегионах.Поэтомуучетпространственнойзависимостиявляетсянеотъемлемой частью анализа соотношения числа вакансий и количествабезработных.Burgess,Profit[2001]анализируютзначимостьпространственных эффектов для уровня безработицы и вакансий вВеликобританиииприходятквыводуоналичиисильногопространственного взаимодействия между регионами. Высокий уровеньбезработицы в соседних регионах увеличивает число заполняемыхвакансий и уменьшает вероятность выхода из числа безработных на рынкетруда рассматриваемого региона.
Burda и др. [1996] исследуют функциисоответствия (matching functions) между работниками и работодателямирынка труда Чехии в пространстве. Основной результат их работы состоит!27в том, что чем меньше расстояния между рынками труда, тем большеотдача от масштаба. López-Tamayo, López-Bazo, Suriñach [2000] тестируютсуществование региональных пространственных эффектов в Испании ианализируют, как агрегирование данных по территориям влияет на оценкиотдачи от масштаба в функции соответствия. Авторы показали, что если неучитыватьпространственныеэффектыприоцениваниифункциисоответствия, то оценки становятся смещенными. Кроме того, при болеемелком делении пространственные эффекты имеют большее значение, чемпри анализе более агрегированных данных. Анализ эффективностипроцесса поиска работы с помощью агрегированной кривой Бевериджа врегионах Германии проделали Kosfeld, Dreger, Eckey [2008].
Такоеисследование также потребовало учета взаимодействия регионов, дляучета которого автор использует пространственные модели внешненесвязанных уравнений.Анализ кривой заработной платы, впервые представленной в работеBlanchflower и др. [1994], часто связан с использованием региональныхданных. Однако многие исследования, посвященные анализу кривойзаработной платы, не учитывают взаимосвязь регионов в пространстве.Buettner [1999] одним из первых исследует заработные платы в регионахГермании и выявляет важность учета пространственной корреляции взаработных платах и безработице.
Игнорирование корреляции уровнябезработицымеждурегионамиприводиткнедооценкевлияниябезработицы на заработную плату. Используя панельные данные о 74западных регионах Германии Pannenberg, Schwarze [2000] оцениваютдинамическую кривую заработной платы и проводят проверку робастностирезультатовкналичиюпространственнойкорреляциивуровняхбезработицы. В другом исследовании Longhi и др. [2006] оцениваюткривую заработной платы с включением взвешенного уровня безработицыв соседних регионах.
А Elhorst, Blien, Wolf [2007] используют модель спространственной структурой в остатках при анализе кривой заработной!28платы на панельных данных 114 административных регионов Германии.Позже, используя индивидуальные данные, Baltagi, Blien, Wolf [2012]оценивают кривую заработной платы для 326 западных регионовГермании и тестируют, влияет ли уровень безработицы в окружающихрегионах на уровень заработной платы в рассматриваемом регионе.Другим часто исследуемым показателем рынка труда являетсяуровень экономической активности населения. Möller, Aldashev [2007]исследуютвлияниедисперсиизаработнойплатынауровеньэкономической активности населения в западных и восточных регионахГермании. Авторы отмечают, что необходимо учитывать то, что регионыне изолированы друг от друга, и поэтому оценивают модель спространственным лагом зависимой переменной. При анализе уровняэкономической активности населения в регионах Европы Elhorst [2008]предлагает эконометрическую модель, в которой учитывается корреляцияданных во времени, в пространстве, а также соответствие показателейобщенациональным уровням.
Такой подход, как уточняет автор, подходиттакже для анализа региональной безработицы, занятости, роста ВРП изаработных плат.Впервые методы пространственной эконометрики для анализауровня безработицы в регионах были использованы в работе Molho [1995].Исследуя безработицу среди мужчин в регионах Великобритании, онвыявил значимые положительные пространственные эффекты междурегионами.Впоследствиичислоисследований,посвященныхпространственному анализу уровня безработицы, стало увеличиваться,также росло и многообразие используемых спецификаций моделей иметодов их оценивания. Например, для анализа региональной безработицыв Испании авторы LópezпространственнойBazo и др.
[2002] используют модель савторегрессионнойзависимостьювостаткахитестируют пространственную корреляцию с помощью индекса Морана,теста!множителейЛагранжадля29пространственноголагаипространственной автокорреляции в ошибках. Анализ региональнойбезработицы в Испании показал, что пространственная зависимостьусиливается с течением времени. Такую же спецификацию модели(регрессионную модель с пространственной автокорреляцией в ошибках)Aragon, Haughton, Haughton, Leconte, Malin, Ruiz-Gazen, Thomas-Agnan[2003] используют для анализа безработицы во Франции. Для выявленияпространственных эффектов безработицы в регионах Италии былаиспользована пространственная авторегрессионная модель [Cracolici,Cuffaro, Nijkamp, 2007].
При моделировании уровня безработицы в ЕвропеNiebuhr [2003] отмечает, что для европейских регионов характернакластеризация по уровню безработицы. Безработицу в регионах Германиимоделирует Lottmann [2012], используя динамическую пространственнуюмодель панельных данных. При этом Lottmann [2012] учитывает различиемеждузападнымиивосточнымирегионамиГермании,оцениваяпространственные модели отдельно на соответствующих подвыборках.Patuelli, Schanne, Griffith, Nijkamp [2012] исследуют региональнуюбезработицу в Германии с помощью пространственного фильтра (spatialfilteringapproach),которыйпозволяетразделитьпеременныенакомпоненты связанные и несвязанные пространственно, что в дальнейшемсильно упрощает процесс оценки параметров модели.
Позже Niebuhr и др.[2012] изучают влияние трудовой мобильности (миграции и маятниковоймиграции) на региональные различия в уровнях безработицы и заработныхплатах, используя для данного анализа пространственные модели. Авторыобнаружили значимый эффект миграции на снижение неравенства вуровнях безработицы, но не обнаружили значимый эффект маятниковоймиграции.Методы пространственной эконометрики полезны не только длятестирования гипотез, но и для получения более точных прогнозов на!30региональном уровне.1Прогнозы, полученные с помощью методовпространственной эконометрики, могут составить неплохую конкуренциютрадиционным методам прогнозирования с помощью временных рядов,так как последние не учитывают важную часть информации овзаиморасположениигеографическихобъектоввпространстве.Спомощью пространственных панельных данных построены прогнозыуровня занятости в западных регионах Германии [Longhi и др., 2007].Использование моделей с пространственным лагом и моделей спространственной зависимостью в остатках позволяет авторам получитьболее точные прогнозы по сравнению с классическими моделями.Таким образом, все вышеописанные работы отмечают, что учетпространственного взаимодействия дает значительные преимущества дляэмпирического анализа региональных рынков труда.
Действительно, былопоказано, что если не включать пространственный лаг в оцениваемуюмодель, в которой присутствует зависимость наблюдений, то оценки,полученные методом наименьших квадратов, будут смещенными инесостоятельными [Cliff и др., 1981; Franzese и др., 2007]. К тому же,наблюдаемая пространственная зависимость может служить проксипеременной для ненаблюдаемых пропущенных переменных [Fingleton,1999], поэтому ее учет может улучшить качество модели.1.3.2 Использование пространственных эконометрических моделейдля анализа российских региональных данныхПространственные модели в последнее время стали использоваться идляанализароссийскихрегиональныхданных.Наибольшеераспространение они получили среди авторов, занимающихся анализомтемпов роста и конвергенции ВРП.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
