Диссертация (1138213), страница 28

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

Текст из файла (страница 28)

Самая низкая дифференциацияпо среднедушевым доходам в США, а также в Западной Европе, т.е. вразвитых странах. В России в 2000-х годах различия в среднедушевыхдоходах между регионами стали сопоставимыми с различиями в странахЕвросоюза, но до значений межрегиональных различий в странах ЗападнойЕвропы пока еще далеко.51Для сопоставления межрегиональных уровней цен мы разделили все номинальные показателина величину прожиточного минимума в регионе.1520.450.400.350.300.250.200.150.100.050.0019941996США199820002002Россия200420062008Западная Европа2010ЕС (19)Рисунок 4.2.

Сигма-конвергенция: межстрановые сопоставления52.Итак, проведенные исследования межрегиональной конвергенции посреднедушевым доходам, заработным платам и уровням безработицыпоказали, что в 2000-х годах стали наблюдаться процессы сигмаконвергенции.Какэтосогласуетсясизменениямиобъемовмежрегиональной миграции? На рисунке (Рисунок 4.3) изображенадиаграмма рассеивания в осях: межрегиональные различия по доходам идинамика межрегиональной миграции в процентах от населения. Точки наэтомграфикепоказываютзначениявзвешенныхпонаселениюстандартных отклонений по доходам и отношение межрегиональноймиграции к населению в конкретном году. Видно, что если следить задинамикой межрегиональной миграции, то это движение на графикесправа налево, т.е. с годами межрегиональная миграция снижалась.

Однаков тоже время динамика межрегиональных различий в рассматриваемыйпериод времени также снижалась. Значит ли это, что миграционные52На графике изображена динамика взвешенных по населению стандартных отклонений логарифмареальных среднедушевых доходов. Для ЕС и стран Западной Европы в качестве территориальнойединицы рассмотрены NUTS-2, а для США штаты.Источникиданных:ЕС,StatisticsDatabaseofEuropeanCommission,Eurostathttp://epp.eurostat.ec.europa.eu.

USA Census Bureau www.census.gov.ЕС (19): Бельгия, Чехия, Германия, Эстония, Ирландия, Греция, Испания, Франция, Италия, Латвия,Литва, Голландия, Австрия, Польша, Португалия, Словакия, Финляндия, Швеция, Великобритания. ДляЕС (19) мы рассматривали только те NUTS-2 единицы, для которых были данные для всегорассматриваемого периода.Страны Западной Европы: Австрия, Бельгия, Германия, Ирландия, Греция, Франция, Италия,Голландия, Норвегия, Португалия, Финляндия, Швеция, Великобритания.153потоки не вносят вклад в снижение межрегиональной миграции?Результаты предыдущих глав показали: межрегиональные миграционныепотоки в 90-е годы снижались вследствие того, что многие регионынаходились в ловушках бедности, что стало серьезным ограничениеммиграции.

В 2000-х же годах, когда ловушки бедности стали исчезать,миграционные потоки не увеличились, поскольку существенно снизилисьмежрегиональные различия в среднедушевых доходах и у мигрантовпропал стимул мигрировать.Рисунок 4.3. Межрегиональная миграция и межрегиональные различия вреальных среднедушевых доходах4.2. Динамическая модель на панельных данных спространственным эффектомКак уже было сказано в первой главе основой всех исследований,посвященных изучению взаимосвязи миграции и процессов конвергенции,является модель условной бета-конвергенции, предложенной Barro и SalaI-Martin (1991). Однако, мы расширяем эту базовую модель, рассматриваяее на панельных данных:J y ln  i ,t    i   t   ln  yi ,t 1    Migration i ,t 1 + j X j ,i ,t   i ,ty j 1 i ,t 1 (4.1)где yi ,t зависимая переменная для региона i в году t .

Мы исследуемтри различные зависимые переменные: реальную заработную плату,154реальные среднедушевые доходы и уровень безработицы. Величины  i это индивидуальный эффект региона,  t - это временной эффект,задаваемый рядом дамми переменных на года.X j ,i ,t - это наборобъясняющих переменных, j - это индекс фактора, i индекс региона, tиндекс года.  , and  j - это набор параметров, подлежащих оцениванию.Коэффициент  показывает сходимость.

Если   0 , то есть условнаябета-конвергенция. Это означает, что бедные регионы растут медленнее,чем богатые регионы, а, значит, вскоре бедные регионы смогут догнатьбогатые регионы.В таком случае говорят, что происходит бета-конвергенция между регионами.Для каждого уравнения помимо переменных, характеризующихмиграцию, мы включили различные контрольные переменные. Включеныдемографические индикаторы: темп роста населения, доля населениямоложе 18 лет, доля населения старше пенсионного возраста, численностьстудентов на душу населения в регионе, коэффициент младенческойсмертности, как прокси переменная уровня развития региона.

Дляподвыборки 2005-2010 годов в модель также включена отраслеваяструктура экономики: доля работников занятых в сельском хозяйстве,добывающей промышленности, образовании и здравоохранении. Длядругих периодов времени этих данных не удалось найти в открытомдоступе на сайте Росстата. Описание всех переменных и их дескриптивныестатистики представлены в приложении (Таблица Б.1, Таблица Д.1).Модель для уравнения среднедушевых доходов более сложная.Поскольку, как было упомянуто в предыдущих разделах, доходы состоятиз трех частей: заработная плата, социальные трансферты и доходы накапитал (иные доходы).

Следовательно, необходимо включить в модельфакторы, которые влияют на каждую из данных частей. Поэтому в модельдля доходов включены все те же факторы, что и в модель для заработнойплаты, а также трансферты из федерального бюджета (дотации на155выравнивание бюджетной обеспеченностииз фонда финансовойподдержки регионов) на душу населения и инвестиции в основной капитална душу населения.

Включение показателя трансфертовпозволяетучестьвкладгосударстваимобильностии инвестицийкапиталавмежрегиональную сходимость.Уравнение (4.1) можно переписать в следующем виде:Jln  yi ,t   i   t  1    ln  yi ,t 1    Migration i ,t 1 + j X j ,i ,t   i ,t(4.2)j 1Таким образом, уравнение (4.2) представляет собой динамическуюмодель на панельных данных, поскольку в правой части уравненияприсутствует лаг зависимой переменной в качестве регрессора53. Однако,мы также хотим учесть пространственное взаимодействие междурегионами. Для этого мы включаем в правую часть уравнения (4.2) такназываемый пространственный лаг.

И получаем уравнение следующеговида:ln  yi ,t    i   t  1    ln  yi ,t 1    i , j ln  y j ,t    Migration i ,t 1 + j X j ,i ,t   i ,tJJj 1j 1(4.3)СуммаJj 1i, jln  y j ,t представляетсобойсредневзвешеннуюзависимую переменную по всем регионам с весами i , j . В качестве весов вподобных моделях, как правило, берут или матрицу соседства, илиобратные расстояния между парами регионов. Матрица соседства – этоквадратная матрица, размер которой равен количеству рассматриваемыхрегионов. Элементы этой матрицы – это значения 0, если регионы неявляются соседями, т.е. не имеют общей границы, и 1, иначе. Матрица53Заметим, что теперь конвергенция будет в случае, если коэффициент при лагированномзначении зависимой переменной меньше 1.156обратных расстояний представляет собой матрицу, элементыкоторойобратные расстояния между парами регионов54.Таким образом, модель (4.3) – это динамическая модель напанельных данных с пространственными эффектами55.

Для тестированиязначимость пространственных корреляций мы использовали I статистикуМорана. Для оценивания модели (4.3) использовался обобщенный методмоментов для систем уравнений (Blundell, Bond, 1998). Суть методасостоит в том, что одновременно оценивается два уравнения: уравнение вуровнях и уравнение в первых разностях переменных. Для уравнения, гдевсе переменные взяты в уровнях, в качестве инструментов бралисьлагированные разности переменных. А для уравнения в разностях вкачестве инструментов берутся лаги переменных в уровнях. В работе(Blundell, Bond, 1998) показано, что такая оценка позволяет избежатьсмещения, наблюдаемого при использовании МНК, что подтверждаетсяМонте-Карлосимуляциями.Возможностьиспользованияоценкисистемного GMM для анализа моделей включающих пространственныекомпоненты исследована и доказана в статье (Kukenova, Monteiro, 2008).Для тестирования валидности инструментов мы проводим тест Саргана.Мы также тестируем наличие автокорреляции с помощью теста АрелланоБонда.Для оценивания эффекта миграции на интересуемые нас показатели,мы включали различные переменные: коэффициенты миграции тольковнутренней и отдельно только внешней, а также совместно внутреннюю ивнешнюю миграцию.

Мы также рассматривали отдельно эффекты притокаи оттока мигрантов в регион (Østbye, Westerlund, 2007). Все показатели54Матрицу нормируют таким образом, чтобы сумма элементов по строке была равна 1.Расстояние между парами регионов измерялось, как и ранее, между столицами регионов по железнымдорогам.55Стоит отметить, что пространственное взаимодействие в нашем случае измерялось в виде SARмодели, также могут быть оценены SMA модели, когда пространственное взаимодействие учитывается вошибках. Однако нет особых различий в том, каким образом учитывать пространственныевзаимодействия.157миграции включены с лагом в один год для учета эндогенности. Посколькувпредыдущихразделахпоказано,чтомиграцияопределяетсяэкономическими факторами.4.3.

Анализ результатов4.3.1. Модели для заработных платРассмотрим модели для заработных плат. Как было показано впредыдущемразделе,сигма-конвергенциянаблюдаласьпоэтомупоказателю в 2001-2010 годах. Рассмотрим более подробно именно этотпериод времени. В приложении (Таблица Д.4) представлены результаты Iстатистики Морана для заработных плат. P-value для всех лет меньше 5%уровня значимости. Таким образом, мы отвергаем нулевую гипотезу онулевойпространственнойавтокорреляции.Следовательно,пространственный лаг в модели (4.3) для заработных плат уместен.В таблице (Таблица 4.2) представлены результаты длямоделизаработных плат 2001-2010 годов.

Во-первых, стоит отметить наличиебета-конвергенции для заработных плат. Первый лаг заработной платыоказался значимым, как и пространственный лаг, для различныхспецификаций модели. Коэффициенты миграции как внешней, так ивнутренней являются незначимыми во всех спецификациях модели.Однако если мы отдельно рассмотрим приток и отток мигрантов, тооказывается, что отток мигрантов имеет положительный знак и значим.Таким образом, получается, что отток мигрантов из региона ведет к ростузаработной платы в нем. А поскольку люди движутся из менееперспективных регионов в более успешные, как было показано ранее, тополученные результаты свидетельствуют о выравнивании заработных платмежду регионами.

Характеристики

Список файлов диссертации