• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Новости

Участие сотрудников ИРГ ЦеПЭПМИ в РЭК 2020

Сотдрудники нашей исследовательской рабочей группы приняли активное участие в IV Российском экономическом конгрессе "РЭК-2020"

Конгресс проходил в онлайн формате на платформе Zoom. С докладами выступили несколько сотрудников Центра пространственной эконометрики в прикладных макроэкономических исследованиях:

  • Кулецкая Л. Е., тема доклада: "Пространственное моделирование электоральных предпочтений в Российской Федерации"

    Аннотация доклада:
    Подколзина Е. А., Демидова О. А., Кулецкая Л. Е.

    В академической литературе приводятся многочисленные исследования, доказывающие существование взаимного влияния соседних территорий друг на друга при помощи пространственных эконометрических моделей. Чаще всего пространственные эффекты моделируются при помощи так называемых пространственных лагов (Anselin, 1995; Elhorst, 2010). Настоящая работа продолжает описанный выше цикл исследований, в том числе и наше предыдущее исследование (Подколзина, Демидова & Кулецкая, 2020), где мы доказали значимую и положительную пространственную автокорреляцию на президентских выборах 2018 года в России с помощью глобального индекса Морана и разделили все регионы на локальные кластеры (local clusters) и выбросы (local outliers) с помощью локального индекса Морана. Нами было получено, что республика Татарстан имеет как локальные кластеры, так и локальные выбросы территориальных избирательных комиссий (ТИКов), в связи с чем данная республика сильно отличилась от остальных и представляет собой интересный случай для дальнейшего анализа. При этом республика Татарстан также имеет ссылку на суверенитет в своей конституции, и в то же время лояльна к Кремлю.

    В данной работе мы представляем глубокий пространственный анализ влияния Татарстана на соседние регионы с точки зрения голосования на российских выборах президента 2018 года. При формулировании гипотезы о возможном общем направлении влияния республики Татарстан, мы основывались на работах (Coleman, 2018; Moraski & Reisinger, 2010; Reisinger & Moraski, 2009) и, таким образом, предположили, что Татарстан увеличивает голоса за главного кандидата в граничных с Татарстаном муниципалитетах других регионов за счет своего экономического развития и исторической лояльности Кремлю.

    В нашем исследовании мы развиваем идею (Coleman, 2018) о том, что избиратели в своем выборе руководствуются общественным мнением, и продолжаем работу (Moraski & Reisinger, 2010), акцентируя внимание на пространственном влиянии республики Татарстан на голосование в регионах Приволжского федерального округа на муниципальном уровне. Кроме того, в модели мы включили экономические и социальные факторы (Abrams & Butkiewicz, 1995; Cutts, Webber, Widdop, Johnston, & Pattie, 2014; Elinder, 2010; Kim, Elliott, & Wang, 2003), чтобы проанализировать их влияние на количество голосов за кандидатов на российских выборах 2018 года.

    Для своей работы мы собрали данные о результатах голосования за кандидатов на муниципальном уровне, социально-экономические факторы муниципалитетов, матрицу соседства для всех муниципальных образований Татарстана и прилегающих к нему регионов, чтобы оценить взаимное влияние муниципальных образований с помощью двухшагового метода МНК. Включенные нами пространственные лаги позволили оценить как эффект от республики Татарстан на его соседей, так и эффект от соседей на Татарстан.

    Мы показали, что пространственные эффекты играют решающую роль в голосовании, особенно для основного кандидата. Пространственные переменные объясняют до половины изменений доли голосов за кандидатов. Более того, влияние Татарстана на соседние регионы объясняет большую долю, чем обратное влияние приграничных регионов на Татарстан, и это влияние увеличивает долю голосов за основного кандидата. Мы объясняем такое влияние высокой лояльностью Татарстана к нынешней политической партии власти и его экономическому развитию, которое соседи стремятся повторить, из-за чего также голосуют за основного кандидата.

    Что касается влияния от социально-экономических факторов, хотелось бы отметить, что такие переменные, как протяженность дорог общего пользования, количество товаров и услуг местного производства, количество семей с субсидиями, оказали значимое негативное влияние на голосование за основного кандидата, в то время как значимость коэффициентов перед этими переменными для оппозиционного кандидата прямо противоположны.

  • Демидова О. А., тема доклада: "Моделирование частных предельных эффектов в пространственно-эконометрических моделях на примере заработной платы в РФ"

    Аннотация доклада:
    Демидова О.А., Тимофеева О. А.

    Согласно шутливому и широко растиражированному закону У.Тоблера, «всё имеет отношение ко всему, но ближние вещи влияют сильнее, чем отдалённые». При моделировании макроэкономических показателей с использованием данных для регионов одной страны этот закон удается формализовать с помощью пространственно-эконометрических моделей, позволяющих, с одной стороны, учесть взаимное влияние регионов, с другой стороны, отличающихся от классических линейных регрессионных моделей сравнительно небольшим количеством дополнительных параметров.

    Примером такой модели служит модель Дарбина Y=Xβ +ρWY+ WXθ+ ε, где W – взвешивающая матрица, позволяющая отразить взаимное влияние регионов (в данной работе это была матрица соседства). В соответствующих моделях ∂Y/∂Xj ≠ βj (j = 1,…k – номер фактора), так что интерпретация полученных результатов оценивания является гораздо более сложной задачей по сравнению с линейными моделями. В общем случае необходимо рассчитать ∂Yi/∂Xjm (i, m = 1,…, n, где n – число наблюдений), это частные предельные эффекты, но так как их очень много, то обычно ограничиваются интерпретацией средних эффектов (прямых, если m = i и косвенных, если m ≠ i).

    Цель настоящего исследования – определить, насколько частные предельные эффекты могут отклоняться от средних и предложить способ их достаточно компактной интерпретации, а также внесения возможных предложений по экономической политике.

    Это было сделано на примере модели Дарбина для заработной платы, оцененной с помощью метода максимального правдоподобия по данным для российских регионов за 2005-2018 г. В качестве зависимой переменной был выбран логарифм реальной заработной платы  в регионе (в ценах базового года с учетом паритета покупательной способности по регионам), а в качестве объясняющих переменных – уровень безработицы, переменные, характеризующие возрастной состав населения, качество институтов, отраслевую структуру экономики региона, степень урбанизации. В качестве основных механизмов, позволяющих регионам влиять друг на друга на рынках труда, обычно выделяют потоки капитала и рабочей силы. В частности, если в одном регионе вырастет уровень безработицы, то заработные платы в нем могут существенно снизиться, а некоторые жители региона могут и вовсе потерять работу и начать искать ее в соседних регионах, соглашаясь и на сравнительно небольшую. В результате заработная плата может упасть и в соседнем регионе. Это пример спилловер эффекта (или эффекта переливания). Такие эффекты и «ловятся» с помощью частных предельных эффектов. Отдельной задачей являлся расчет доверительных интервалов для частных предельных эффектов, исходя из асимптотической нормальности оценок максимального правдоподобия.

    Прямые предельные эффекты оказались значимыми для большинства выбранных переменных. Наиболее детально были изучены предельные эффекты уровня безработицы. Для всех регионов была выявлена отрицательная зависимость. В среднем по России при увеличении уровня безработицы на 1 пп, уровень заработной платы снижается на 0.2%.

    Согласно полученным результатам, существует немало регионов, для которых значение предельного эффекта безработицы по абсолютному значению гораздо больше, чем в среднем по стране. Это значит, что в этих регионах (Республика Карелия, Ленинградская область, Краснодарский край, Республика Северная Осетия, Республика Калмыкия, Камчатский, Камчатский и Хабаровский край) заработные платы более чувствительны к изменению уровня безработицы. Аналогичные вычисления были проведены и для остальных переменных.

    Косвенные эффекты оказались значимы на 5% уровне значимости для таких переменных, как уровень безработицы, доля работников, сектор добычи полезных ископаемых и строительный сектор. Для каждой из переменных косвенные эффекты были отсортированы по убыванию абсолютного значения и для каждого региона выделены 10 субъектов страны, на которые он сильнее всего влияет, а также 10 субъектов, которые оказывают наибольшее влияние на рассматриваемый регион. Затем для каждой из 4 значимых переменных каждому региону был присвоен ранг в зависимости от того, сколько раз он встречается среди самых влиятельных (ранг 1 присваивался самому влиятельному региону). Затем ранги были просуммированы для каждого региона по всем переменным, коэффициентов при которых были значимы, и представлены 10 самых влиятельных регионов. В число этих регионов вошли Москва и Московская область, Красноярский край, Рязанская область, Воронежская область,  Кировская область, Волгоградская область, Вологодская область, Смоленская область, Ростовская область). Можно отметить, что среди них половина принадлежит Центральному федеральному округу, что объясняется тем, что это наиболее развитые регионы в силу исторических событий.

                Для каждого из влиятельных регионов были найдены расстояния, в пределах которых распространяется их влияние. Например, для Москвы это около 400 км, для Санкт-Петербурга – около 1300 км, для Красноярского края – около 4000 км.

                Таким образом, по результатам проведенного исследования было продемонстрировано, как с помощью оценки частных предельных эффектов можно выявлять регионы, сильнее всего влияющие на выбранный регион и регионы, на которые сильнее всего влияет выбранный регион (причем возможно количественно оценить степень этого влияния), а также регионы, изменения в которых сильнее всего влияют на заработную плату в других регионах. Надеемся, что проведенное исследование может быть использовано для оценки спилловер-эффектов (от других регионов) и проведения более сбалансированной политики на региональных рынках труда.

  • Мясников А. А., тема доклада: "Региональная асимметрия эффектов монетарной политики"

    Аннотация доклада:
    Демидова О. А., Карнаухова Е. Е., Мясников А. А., Серёгина С. Ф.

    Монетарная политика обычно проводится центральным банком исходя, в первую очередь, из агрегированных данных, характеризующих состояние всей национальной экономики. В странах с высокой региональной неоднородностью это может приводить к асимметричной реакции различных регионов на монетарные воздействия. Существующая литература, посвященная анализу асимметрии воздействия монетарной политики на региональные экономики и построенная на статистических данных, прежде всего, США (Beckworth (2016); Furceri et al. (2019)) и Еврозоны (Anagnostou, Papadamou (2014)), подтверждает существование и значимость различий в реакциях регионов на монетарные воздействия в зависимости от целого ряда параметров субнациональных территориальных единиц.

    В нашем исследовании мы обращаемся к анализу реакции экономики российских регионов на изменения ключевой ставки Банка России в период таргетирования инфляции (начиная с первого квартала 2015 г.). Следуя распространенному в литературе подходу, основанному на выделении различных каналов трансмиссии денежно-кредитной политики, мы анализируем реакцию регионов на монетарные воздействия в зависимости от отраслевой структуры их экономики (канал процентной ставки), доли занятых в секторе малого бизнеса (широкий кредитный канал), а также доли экспорта в структуре регионального производства (канал валютного курса). Для минимизации проблемы смещенности оценок по причине пропущенной переменной мы также учитываем пространственное взаимовлияние соседних регионов (spatial spillovers). С учетом краткости временного ряда, соответствующего периоду инфляционного таргетирования в России, а также с учетом того, что нам недоступна информация о внутренних прогнозах Банка России в отношении инфляции и иных значимых переменных (аналогичная включаемой в Greenbook ФРС США), анализ реакции российских региональных экономик на монетарные воздействия усложняется проблемой эндогенности. В то же время, по нашему мнению, эта проблема сглаживается отсутствием идеальной синхронизации циклической динамики между российскими регионами. По итогам анализа мы делаем выводы о значимости процентного и широкого кредитного каналов для объяснения реакции российских регионов на монетарные воздействия, а также о значимой роли взаимного влияния соседних регионов в объяснении асимметрии такой реакции.