Публикации
During the first decade of the present century the countries which accessed the EU were characterised by high GDP growth rates while most of their regions displayed negative net-migration rates. At the same time, the new member states’ human capital endowments were high relative to their GDP levels, creating incentives to emigrate. The present paper takes a detailed look at the interplay of regional human capital endowments and migration. First, by theoretically examining migration’s determinants and second, by testing the corresponding findings via panel econometric regressions for the EU’s new member states’ regions. The results display positive impacts of net-migration on regional human capital growth rates, improving the economic potential of thriving regions but possibly increasing disparities within countries.
Статья посвящена моделированию ожидаемого работниками в долгосрочном периоде уровня заработных плат в зависимости от событий в их жизни или в обществе (каналов мобильности по заработной плате), с ориентацией на которые формируются соответствующие ожидания. Для разных типов каналов мобильности рассчитывается теневая цена — как стоимостное выражение сложившихся среди работников представлений об их ожидаемой выгодности или издержек, возникающих у работодателей, государства или общества в связи с необходимостью сохранения легитимности соответствующих каналов в глазах работников. Предлагаются два подхода к измерению теневой цены: (а) как социетальной характеристики, отражающей отличие ожиданий, связанных с использованием каналов мобильности, от нижней границы общественных ожиданий; (б) как характеристики, учитывающей различие индивидуальных ожиданий и прогноза заработной платы, построенного исходя из минимальных жизненных шансов индивида на рынке труда. Наряду с классическими каналами мобильности по заработной плате, рассматриваются каналы, связанные с расчетом на «охранительную» политику государства по отношению к материальному благополучию работников. Анализ базируется на данных массового опроса населения на основе общероссийской репрезентативной квотной выборки.
Исследование выполнено за счет гранта Российского научного фонда (проект №16-18-10270).
Преподавание эконометрики в части практических занятий должно базироваться на трёх китах:
решение задач «вручную», программирование эконометрических процедур, работа с данными на компьютере. Эта книга посвящена третьему «киту».
Пособие подготовлено на основе практических занятий по эконометрике, которые авторы проводили более десяти лет на различных факультетах НИУ ВШЭ. Оно предназначено, в основном, для студентов бакалавриата, обучающихся по экономическим специальностям, а также преподавателей эконометрики. Также данный практикум может быть использован в магистратуре при повторении бакалаврского курса.
Тематический состав большей части практикума вполне традиционен для бакалаврского курса:
• метод наименьших квадратов и линейная регрессия,
• доверительные интервалы,
• проверка статистических гипотез,
• фиктивные переменные и тест Чоу,
• тесты на правильность функциональной формы: тест Рамсея и тест Бокс—Кокса,
• мультиколлинеарность,
• гетероскедастичность,
• автокорреляция,
• модели бинарного выбора: logit- и probit-модели,
• системы одновременных уравнений,
• эндогенность,
• элементы анализа панельных данных.
Основной особенностью данного пособия является использование не только реальных, но и симулированных данных. Это сделано с тем замыслом, что при анализе реальных данных учащиеся сталкиваются сразу с целым комплексом отклонений от теоретических предпосылок, в то время как на симулированных данных в условиях контролируемого эксперимента можно задавать такие отклонения по отдельности. В результате можно почувствовать чистый эффект от каждого из отклонений от теоретических предпосылок. При этом задача обнаружения того или иного отклонения и его устранения становится более простой и обозримой. Помимо задач с симулированными данными в пособие включены задачи с реальными данными, для того чтобы выработать у студентов навыки работы не только в «рафинированных», но и «боевых» условиях.
Nowadays there are representative volumes of demographic data which are the sources for extraction of demographic sequences that can be further analysed and interpreted by domain experts. Since traditional statistical methods cannot face the emerging needs of demography, we used modern methods of pattern mining and machine learning to achieve better results. In particular, our collaborators, the demographers, are interested in two main problems: prediction of the next event in a personal life trajectory and finding interesting patterns in terms of demographic events for the gender feature.
The main goal of this paper is to compare different methods by accuracy for these tasks. We have considered interpretable methods such as decision trees and semi- and non-interpretable methods, such as the SVM method with custom kernels and neural networks. The best accuracy results are obtained with a two-channel convolutional neural network. All the acquired results and the found patterns are passed to the demographers for further investigation.