Диссертация (1152312), страница 53
Текст из файла (страница 53)
Таким образом,задача сводится к необходимости оценки неизвестных параметров ai и i=1,..N.Пусть yi является вектором значений независимых переменных i-гообъекта, имеющего размерность Т; а хi – это матрица значений регрессоров i-гообъекта с размерностью Т×K. Через εi обозначим вектор ошибок размерностьюТ×1. Тогда (5.14) может быть представлена следующим образом:313yi t iai X it it , i 1,2,..., N ,(5.15)где i – вектор, который состоит из единиц размерностью Т.Объединив оба уравнения в одну систему, получаем: y1 i 0 ...
0 a1 X 1 1 y 0 i ... 0 a X 222 * * 2 , где i ... ... ... ... ... ... ... ... y N 0 0 ... i a N X N N 11 (5.16)... 1Обозначив вектор констант, которые соответствуют детерминированныминдивидуальным эффектам через А=[а1 … aN], и матрицу, стоящую передвектором А, с фиктивными переменными, через Z получаем матричную записьследующего вида:y ZA X (5.17)Параметры данной модели могут быть оценены с помощью методанаименьших квадратов, так как матрица (XZ) является матрицей полного ранга, ав самой модели отсутствует одинаковая (общая) константа для всех наблюдений.Данная модель называется моделью регрессии с фиктивными переменными,в ее основе положено предположение о том, что различия, которые существуютмежду объектами, рассматриваются как величины, неизменные во времени.Следует отметить, что распространить полученную модели на объекты, невошедшие в выборку нельзя, так как значения индивидуальных эффектов для этихобъектов неизвестны.В основе модель со случайными эффектами лежит предположение о том,что ai – некоторая случайная величина, которая не коррелирует с регрессорами,включенными в модель.
Такая модель с K регрессорами моет быть записана вследующем виде:yit a xit ui it(5.18)где ui – случайная ошибка (отклонение), которая соответствует i-му объекту, приэтом данная величина является постоянной во времени.314Проверка модели с детермированным эффектом на статистическуюзначимость в целом осуществляется с помощью F(α ,v1,v2)-критерию.
В случаемодели с индивидуальным эффектом вместо F-теста используется тест Вальда(Wald chi2(v)). Случайные эффекты на значимость проверяются методом,предложенным Бреушом и Паганом, – методом множителей Лагранжа, которыйоснован на исследовании остатков простой регрессии, оцененной с помощьюметода наименьших квадратов [210]. В основе теста множителей Лагранжа лежитпроверка на значимость отличия от нуля градиента функции правдоподобия (H 0 : u2 0; H 0 : u2 0 ). В этих целях используется тестовая LM-статистика:22 n T 2 n 2 eit (Tei )nTnTi 1 t 1i 1LM *1*1 ,2(T 1) n T 22)T 1) n T 2 eit eit i 1 t 1 i 1 t 1(5.19)где eit остатки регрессионной модели в стандартизованной форме.ПривыполнениинулевойгипотезыLM-статистикаимеет 2-распределение с одной степенью свободы.
Ее высокое значение может служитьдоказательством того, нулевую гипотезу о возможности объединения данных иигнорировании индивидуальных эффектов необходимо отвергнуть, то естьнеобходимо выбрать регрессионную модель со случайными эффектами.При выборе лучшей модели по панельным данным узловым моментомвыступает определение типа модели, другими словами проверка спецификациимодели. Статистическая проверка ортогональности случайных эффектов ирегрессоров производится с помощью теста Хаусмана, позволяющего проверитькорреляционную взаимосвязь регрессоров с ошибками [305]. В основе данногоподхода лежит предположение о том что, что если корреляционной зависимостьотсутствует, то оценки коэффициентов состоятельны как в моделях по панельнымданным с фиксированными эффектами, так и в моделях со случайнымиэффектами, однако оценки в последних являются эффективны. Выполнениенулевой гипотезы Н 0 доказывает отсутствие систематического смещения между315оценками коэффициентов.
Выполнение альтернативной гипотезы свидетельствуето состоятельности лишь оценок коэффициентов в модели с фиксированнымиэффектами.В случае выполнения гипотезы Н 0 статистика W :1W bFE bRE Cov (bFE ) Cov (bRE ) bFE bRE ,(5.20)2с K степенями свободы асимптотически подчинены закону распределения , тоCov (bFE )иCov (bRE )являютсяоценкамиковариационныхматрицдлякоэффициентов в моделях по панельным данным с фиксированными ислучайными эффектами [49].Если значение наблюдаемой W - статистики не принадлежит критической2области Wнабл кр, то делается вывод об отсутствии систематическихитразличий между оценками .
Это означает, что нужно сделать выбор в пользу2модели со случайными эффектами. Если же Wнабл крит, то отдать предпочтениемодели с фиксированными эффектами.С целью определения основных показателей и оценки степени их влиянияна численность занятых по видам деятельности были построены различныеварианты регрессионных моделей по панельным данным (таблицы 3-6Приложения 13). Наилучший результат аппроксимации показала модель сослучайными эффектами, оценка коэффициентов в которой проводилась сиспользованием обобщенного метода наименьших квадратов.
Тест множителейЛагранжа позволил определить преимущество данной модели перед модельюсквозной регрессии, так как значение LM 254,03 статистически значимо.Проведенный тест Хаусмана позволил сделать выбор также в пользу модели сослучайными эффектами относительно модели с фиксированными эффектами [19].Удаление незначимого поz -критериюфакторных признаков x6 и x7 ,характеризующих соответственно степень износа основных фондов и индексфизического объема инвестиций в основной капитал по видам деятельности,позволило несколько упростить модель, в которой в результате остались пятьнезависимых переменных:316yˆit 13,001 2,015 x1it 0,018 x2it 0,005 x3it 0,002 x4it 0,001x5it(z -статистика)(-2,18)(4,20)(8,45)(-5,47)(-4,20)Все коэффициенты в полученной модели статистически значимы, так какp 0,05целомдля всех параметров уравнения.
Значимость уравнения регрессии вобуславливаетсявысокимзначениемстатистикиВальдаWald chi 2 42,68 и уровнем значимости, не превышающим 0,05. Регрессоры вмодели некоррелированными с ненаблюдаемыми случайными эффектами, об этомсвидетельствует значение corr(u _ i, X ) 0 (assumed) .Интерпретируя влияние показателей на занятость по видам экономическойдеятельности, можно видеть, что снижение уровня заработной платы приводит кросту занятости.
Величина средней номинальной заработной платы в РеспубликеМарий Эл существенно отличается от среднероссийской и окружной. В 2015 г. ихсоотношения составили соответственно 64,5% и 85,6%, в то время какофициальный прожиточный минимум в регионе сближается с общероссийским иокружным: в 2015 г. он составил 83,2% от аналогичного по России и 94,4% – поПриволжскомуфедеральномуокругу.Такойуровеньзаработнойплатыстимулирует быть занятыми, порой даже одновременно на нескольких рабочихместах, всех взрослых членов семьи, а в наиболее бедных семьях – и подростков.Заниженная цена рабочей силы стимулирует к поиску дополнительных доходов,при этом складывается негативное отношение к легализованной и добросовестнойтрудовой деятельности, подрывается доверие к государственной власти,неспособной решить проблемы достойного обеспечения населения доходами.
Сдругой стороны, на величину заработной платы оказывает влияние существующеесоотношение спроса и предложения на рабочую силу. В экономике РеспубликиМарий Эл спрос на рабочую силу гораздо ниже, чем имеющиеся предложения.Рынок труда региона функционирует в условиях конкуренции работников междусобой за получение рабочего места, что приводит к тенденции занижения цены нарабочую силу и созданию условий для установления размеров оплаты труда,которые значительно ниже стоимости рабочей силы.
Нельзя забывать, что317заработная плата – это цена, которая выплачивается наемному работнику заиспользование ее труда. Она является основой для роста производительноститрудаимотивируетработниканадостижениежелаемогоуровняпроизводительности. Реальная зарплата за последние одиннадцать лет снизиласьна 25,3 п.п. на фоне возникновения и углубления неоправданной дифференциациизаработной платы.Анализ значений, характеризующих отношение начисленной заработнойплаты по видам деятельности к средней по Республике Марий Эл, в динамике с2005 по 2015 гг., показал, что относительно высокий уровень оплаты труданаблюдалсявстроительстве,сферахпроизводстваираспределенииэлектроэнергии, газа и воды, обрабатывающих производствах, в транспортнойинфраструктуре.