Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики» Международный институт экономики и финансов ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА На тему: Частные трансферты в России: структура и динамика. Москва, 2011 ОГЛАВЛЕНИЕ Введение ................................................................................................................................................................ 2 Обзор литературы ................................................................................................................................................ 4 Теоретический обзор ........................................................................................................................................... 7 Методология исследования .............................................................................................................................. 11 Анализ регрессий ............................................................................................................................................... 14 Оценка количества трансфертов. ................................................................................................................ 14 Оценка вероятности возникновения трансфертов. ................................................................................... 19 Оценка количества трансфертов с учетом вероятности их возникновения. ......................................... 23 Выводы ................................................................................................................................................................ 27 Заключение ......................................................................................................................................................... 29 Список использованной литературы ............................................................................................................. 31 Приложения ........................................................................................................................................................ 33 1 Введение Частные трансферты, безусловно, играют важную роль в жизни современного общества. Взаимопомощь заложена в человеческой природе от рождения, поддержка друзей и близких является неотъемлемым условием существования и развития любого социума. Люди склонны помогать своим родственникам, друзьям, соседям, просто знакомым и коллегам по работе. Родители в основном оказывают поддержку своим детям безвозмездно, также зачастую люди выручают друг друга из сочувствия и искреннего участия. Однако данная картина является неполной. В повседневной жизни существует множество ситуаций, когда трансферты между людьми обусловлены социальными нормами и традициями, а не исключительно альтруистическими намерениями. Так, например, никто не придет на день рождения или свадьбу без подарка. Соответственно, в обществе существуют определенные нормы оказания помощи, и никто не хочет казаться менее щедрым, чем остальные. Изучение частных трансфертов является актуальным вопросом в современном мире, так как в условиях нестабильной ситуации в экономике обмен между участниками домохозяйств имеет особенно большое значение. Формирование устойчивых социальных связей может выступать в роли негласного механизма страхования в обществе. Также посредством обмена семьи могут перераспределять между собой льготы и субсидии, полученные от государства, что приводит к неэффективности социальной политики. Данное исследование было проведено на базе данных Российского мониторинга экономического поведения населения, в которой содержится большое количество структурированной информации об объёме и качестве различных процессов обмена между домохозяйствами. Основной задачей данной работы является определение зависимости между полученными и отданными семьёй трансфертами, её уровнем дохода, возрастной структурой и количеством полученных льгот и пенсий. Предметом проведенного исследования являются частные трансферты, а объектом – их структура и динамика. В первую очередь было определено количество полученных и отданных семьёй трансфертов, далее была оценена вероятность получения и передачи. Финальным этапом исследования было определение количества переданных и полученных трансфертов с учетом вероятности возникновения обмена. Большая часть исследований, объясняющих природу возникновения трансфертов между домохозяйствами, отведена мотивам альтруизма и обмена. В данной работе была рассмотрена применимость модели полного альтруизма Беккера, в 2 рамках которой семья с высоким доходом более склонна помогать другим участникам домохозяйства, а также модель «теплого отношения» Адреони, на основании которой полезность участника домохозяйства положительно зависит от количества отданных трансфертов. Особое внимание было уделено теории обмена Эмерсона, в рамках которой с увеличением в благосостоянии у семьи появляется больше возможностей для создания стабильных связей с другими участниками домохозяйства, а также для укрепления своих позиций в ранее сформированных социальных сетях. Также на основании полученных результатов были сделаны выводы касательно характера трансфертов в России, их направленности и эффективности проводимой государством пенсионной и льготной политики. 3 Обзор литературы Исследования, проведенные в области частных трансфертов, отличаются большим разнообразием изучаемых взаимосвязей. Однако большая их часть посвящена зависимости между частными трансфертами и уровнем дохода и вопросам обмена среди разных возрастных групп. Большая часть исследований, посвященных изучению частных трансфертов, анализирует влияние доходов участников домохозяйства на количеством полученных ими трансфертов. Д. Кокс и М.Р. Ранк (1992) обнаружили положительную зависимость между этими величинами. Однако большинство эмпирических тестов свидетельствует об обратном отношении. В соответствии с теорией альтруизма, опубликованной Гари С. Беккером (1974), увеличение в доходе реципиента должно негативно сказываться на объеме и вероятности получения им трансфертов. Данная взаимосвязь находит много эмпирических подтверждений. Используя данные панельного исследования динамики доходов США, Дж. Г. Элтонжи, Ф. Хайаши и Л. Дж. Котликофф (1996) пришли к выводу, что доход индивида оказывает негативное влияние на количество получаемых им трансфертов на основании тобит модели. М.Р. Розенцвайг и К. Вольпин (1990) в своих исследованиях показали, что увеличение в доходе взрослого ребенка уменьшает вероятность проживания вместе с родителями, а также негативно сказывается на вероятности получения им трансферта в случае, если он живет отдельно. К. МакГэрри и Р.Ф. Шоени (1995) провели ряд исследований, учитывающих наличие фиксированных эффектов в семьях, и заключили, что взрослые дети с более низким уровнем дохода получают больше трансфертов. Т.А. Данн и Дж.В. Филлипс (1995) также обнаружили, что вероятность получения трансфертов выше у малообеспеченных детей в семье, однако вероятность получения наследства у всех одинаковая. Также большинство исследований свидетельствуют о том, что трансферты преимущественно имеют нисходящий характер, то есть в основном передаются от старших поколений младшим. Д. Кокс и М.Р. Ранк (1992) обнаружили, что средства, переданные младшим поколениям, составляют более 50 процентов от общего количества трансфертов. В.Г. Гейл и Дж.К. Шольц (1992) пришли к выводу, что вероятность передачи трансфертов другим участника домохозяйства увеличивается с возрастом и достигает своего максимального значения между 50 и 60 годами, в то время как получение наиболее вероятно в период между 30 и 40 годами. Анализ некоторых исследований ограничивается потоком трансфертов от родителей к детям. 4 М. Макдональд (1990) заключил, что участник домохозяйства, от которого наиболее вероятно получение трансфертов, является родителем. Также В.Г. Гейл и Дж.К. Шольц (1991) обнаружили, что более 80 процентов общих полученных участником домохозяйства трансфертов исходят от родителей. Многие исследования также принимают во внимание вероятность возникновения и объем отданных трансфертов и большинство из них рассматривают родителей в качестве потенциальных доноров в процессе обмена межпоколенными трансфертами. М.Р. Розенцвайг и К. Вольпин (1990) обнаружили, что увеличение в уровне дохода родителей положительно сказывается на вероятности получения трансферта ребенком, проживающем отдельно, а также уменьшает вероятность сожительства. Д. Кокс и М.Р. Ранк (1992) пришли к выводу, что уровень дохода родителей положительно сказывается на объеме, полученных взрослыми детьми, трансфертов, вне зависимости от их собственного дохода. Дж. Г. Элтонжи, Ф. Хайаши и Л. Дж. Котликофф (1996) также обнаружили положительную взаимосвязь между доходом родителей и количеством трансфертов, полученных их детьми. Отдельного внимания заслуживает статья Р. Куля и С. Стиллмана о частных трансфертах в переходной экономике. В своем исследовании они используют базу данных Российского мониторинга экономического положения и здоровья населения (RLMS) в период с 1994 по 2000 год. В своей работе они анализируют потоки частных трансфертов между домохозяйствами разных возрастных групп. Согласно результатам их исследования, потоки трансфертов имеют преимущественно нисходящий характер. Однако, на мой взгляд, методика их исследования недостаточно обоснована. При выявлении различных возрастных групп они используют возраст участника домохозяйства, отвечавшего на вопросы интервьюера, а согласно регламенту проведения опроса, данным респондентом является самая старшая женщина в домохозяйстве. Деление на группы подобным образом несет в себе определенные опасности и наиболее рациональным решением в данном контексте, на мой взгляд, было бы выявление возрастных категорий на основании главы домохозяйства, то есть участника с наибольшим доходом. Безусловно, отчасти эта проблема преодолевается за счет удаления из выборки многопоколенных семей, что оправдано большим объемом трансфертов между их членами. Под многополенными в контексте данной работы понимаются семьи, в которых пожилые родители проживают со своими взрослыми женатыми детьми, а также взрослые дети, которые сожительствуют с пожилыми родителями. Предполагается, что обмен трансфертами внутри подобных семей имеет достаточно интенсивный характер, однако измерить его на уровне использованной в 5 статье базы данных не представляется возможным. Это тоже является значительным ограничением данного исследования, а следовательно ставит под большое сомнение степень достоверности и качество полученных результатов. Результаты исследований в сфере частных трансфертов довольно неоднозначны и, безусловно, оставляют возможность для дальнейшего анализа в данной области. 6 Теоретический обзор На данный момент существует множество теорий, объясняющих возникновение частных трансфертов и последующий обмен ими домохозяйствами. В рамках экономики семьи можно выделить два основных мотива передачи трансфертов, альтруизм и обмен. Гэри С. Беккер (1974) предложил модель полного альтруизма, которая подразумевает, что родители заботятся о благосостоянии своих детей. Перераспределение богатства, с целью достижения оптимального распределения ресурсов среди участников домохозяйства происходит как с помощью оставления наследства, так и с помощью передачи подарков при жизни. Модель полного альтруизма подразумевает двойной компенсирующий эффект, так как желаемый уровень распределения богатства достигается как между родителями и детьми, так и среди детей. Более того, данная концепция относится не только к обмену трансфертами между родителями и детьми, но также подходит для любых других участников домохозяйства. Модель, разработанная Беккером, подразумевает, что один участник домохозяйства (1) абсолютно альтруистичен по отношению к другому (2), и передает ему трансферты, когда уровень дохода второго недостаточно высок. В свою очередь второй участник домохозяйства оказывает поддержку первому в случае, когда его уровень благосостояния ниже желаемого уровня. Взаимосвязь полезностей двух участников домохозяйства может быть представлена в следующем виде: U1=U(C1,U2), U2=U(C2,U1), где U1 и U2 C1 и C2 обозначают уровни полезности и потребления для участника 1 и 2 соответственно. Далее, данная модель предполагает, что участники домохозяйств не накапливают состояние и не имеют возможности занимать средства. C1=I1+T1, C2=I2+T2, где I1 и I2 обозначают уровень дохода перед получением трансфертов T1 и T2 обозначают чистые полученные трансферты (полученные за вычетом отданных) участников 1 и 2 соответственно. Одним из основополагающих выводов данной модели является негативная зависимость между изначальным уровнем дохода участника домохозяйства и величиной передаваемого ему трансферта. Соответственно, в рамках модели полного 7 альтруизма увеличение благосостояния домохозяйства должно приводить к уменьшению получаемых им частных трансфертов. Роберт Дж. Барро (1974) также утверждал, что в случае эффективно функционирующей системы обмена частными трансфертами, любая государственная социальная политика нивелируется, и увеличение в размере пособий целевым общественным группам приводит к равнозначному увеличению в количестве трансфертов, исходящих от данных групп другим участникам домохозяйства. Следовательно, в рамках модели альтруизма увеличение в социальных выплатах должно положительно влиять на вероятность возникновения частных трансфертов между домохозяйствами, а также и непосредственно на их величину. Публикация Беккера привлекла значительное внимание, что привело к появлению целого ряда дочерних концепций альтруизма. Из их числа мне бы хотелось выделить теорию альтруизма, предложенную Дж. Адреони (1989). Основной идеей его работы является добавление эффекта «теплого отношения» в модель полного альтруизма Беккера. В рамках предложенной им теории, люди получают удовольствие от самого акта передачи трансферта. Предполагается, что участники домохозяйства преследуют сугубо эгоистические цели при оказании поддержки, так как они максимизируют собственную полезность, которая положительно зависит от количества отданных трансфертов. U1=U(C1,U2,Т2), U2=U(C2,U1,Т1), Следовательно, оказание помощи не зависит от личных качеств участника домохозяйства, которому она адресована, а значит, не зависит и от его дохода. Соответственно, в рамках модели «теплого отношения» увеличение благосостояния домохозяйства не должно влиять на количество получаемых им трансфертов. Выводы на основании данной модели в отношении социальных трансфертов аналогичны модели полного альтруизма: увеличение в социальных выплатах стимулирует обмен трансфертами между участниками домохозяйств. Альтернативным подходом к объяснению возникновения потоков трансфертов между домохозяйствами является модель обмена. Основной идеей данной теории является предположение о том, что все участники домохозяйства абсолютно эгоистичны и заботятся исключительно о собственном благосостоянии. На данный момент существует большое разнообразие моделей, объясняющих потоки трансфертов с помощью данной концепции. В рамках теории обмена родители могут оплачивать образование детей, рассчитывая на ответную помощь в поздние года собственной 8 жизни. Другие участники домохозяйства также могут дарить подарки и оказывать всякого рода поддержку из расчета получить ответную помощь в будущем. Котликофф и Спивак (1981) разработали модель полного обмена, предполагающую взаимовыгодные отношения между участниками домохозяйства. Р. Ли и Т. Миллер (1994) предложили модель стратегического обмена, в рамках которой участники домохозяйства соревнуются, а также манипулируют друг другом, стремясь увеличить собственное благосостояние. Так, например, дети конкурируют друг с другом за право получить большее наследство, лучшее образование, а также за возможность оказания наименьшей помощи родителям. Последние, в свою очередь, стараются получить максимальное количество трансфертов при минимальных затратах на детей. Отдельного внимания заслуживает вклад Эмерсона (1972) в развитие теории обмена. В рамках предложенной им модели, участники домохозяйств передают трансферты с целью формирования стабильных социальных связей для дальнейших взаимовыгодных отношений. Следовательно, основным мотивом передачи трансфертов служит построение более сложных социальных сетей, в которых все участники готовы оказать друг другу поддержку. Посредством таких действий люди могут отчасти застраховаться от будущей неопределенности. Особенно важную роль формирование сетей может играть в условиях неэффективной государственной социальной политики. Отсутствие уверенности в поддержке со стороны государства может подталкивать людей искать альтернативные пути обеспечения стабильности и уверенности в своём будущем. Таким образом, построение устойчивых социальных связей может являться одним из способов страхования от будущей неопределенности. Выводы о направлении трансфертов, основанные на модели обмена, как правило, неопределенные и зависят от конкретных отношений, сложившихся между участниками домохозяйства. Однако в рамках модели обмена, предложенной Эмерсоном, можно ожидать положительную зависимость между количеством получаемых семьёй трансфертов и её доходом. Чем выше уровень благосостояния семьи, тем больше вероятность формирования с данной семьёй социальных связей, а, следовательно, тем больше поток трансфертов, получаемых данной семьёй. Д. Кокс и М.Р. Ранк (1992) также определили влияние государственной социальной политики. На основании выдвинутой ими гипотезы, социальные трансферты отчасти вытесняют частные, однако в то же время увеличивают их значение. Таким образом, социальные выплаты имеют негативное влияние на вероятность возникновения трансфертов между домохозяйствами, но положительно сказываются на их величине. 9 Франко Модильяни (1988) в своей статье о роли межпоколенных трансфертов в распределении богатства между домохозяйствами в качестве основных причин возникновения обмена выделяет предпринимательские или капиталистические наследства. В рамках выдвинутой им теории, мотивы, руководящие людьми при накоплении сбережений, сводятся в основном к накоплению личного богатства с целью увеличения собственного влияния и престижа. Соответственно, накопленное благосостояние переходит по наследству следующему поколению, что приводит к высокой концентрации состояния в определенных семьях. Другой подход к проблеме возникновения потоков благосостояния между домохозяйствами выдвинул Дж. Б. Дэвис (1981). В своей работе он объясняет процесс передачи трансфертов с помощью гипотезы жизненного цикла. Данная теория подразумевает, что количество благосостояния плавно снижается с момента выхода на пенсию. Исследования, проведенные Л. Дж. Котликоффым и А. Спиваком (1981), показали, что в условиях отсутствия рынка полного страхования от жизненной неопределенности люди могут оставлять значительные, накопленные из соображений предосторожности, наследства. Подобные завещания представляют собой, так называемое, отложенное потребление, которое использовал бы сам умерший, если бы жил дольше. Вышеупомянутые теории предполагают, что поток трансфертов имеет преимущественно наследственную структуру, а, следовательно, имеет нисходящий характер, то есть трансферты в основном передаются от старших участников домохозяйств более молодым. Как уже было упомянуто ранее в моей работе, Р.Куль и С. Стиллмана выдвинули аналогичную теорию. Так как они проводили исследование на базе данных RLMS c 1994 по 2000 год, в своей работе мне было бы интересно посмотреть, насколько изменилась структура трансфертов за прошедшее время. 10 Методология исследования В своей работе я использовала базу данных Российского мониторинга экономического поведения населения (Russia Longitudinal Monitoring Survey) за период 2002-2007 (с 11 по 16 волны). Данный опрос проводится с 1994 года и на данный момент осуществляется при поддержке Высшей Школы Экономики. Исследование освещает широкий спектр социальных и экономических аспектов современной жизни российского общества. Под семьями в RLMS подразумеваются все люди, проживающие на одной жилой площади, а также неженатые дети, временно проходящие обучение в других городах. С целью сохранить репрезентативность исходной выборки в использованную в работе базу были включены только те семьи, которые остались жить по месту прописки на момент 2002 года. Таким образом, в базе осталось 16446 наблюдений. Составление переменных проводились на основе семейных вопросников. Респондентов просили оценить в рублях количество переданных, а также полученных трансфертов за последние тридцать дней. Также опрашиваемые оценили доход семьи за тот же период времени в рублевом эквиваленте. На основании ответов на вопросы анкеты были сгенерированы переменные, отвечающие за количество отданных и полученных трансфертов. Из приведенной ниже таблицы видно, что опрошенные семьи получали трансферты в основном от своих родителей, других людей и детей, в то время как отдавали в основном детям, внукам и внучкам и родителям. Это наблюдение может служить подтверждением в защиту теории о нисходящем характере трансфертов в России, так как поток благосостояния в основном переходит от старших поколений младшим. Рисунок 1. Структура полученных и отданных трансфертов (значения трансфертов указаны в рублях) 11 Далее было обнаружено, что распределения трансфертов в городах и областных центрах имеют схожие черты. Для этих двух типов населенных пунктов характерны достаточно большие по величине объемы передачи трансфертов. В то же время поселкам городского типа и селам присущ небольшой по величине, но более частый обмен трансфертами. На основании данного наблюдения была сгенерирована новая переменная, принимающая значение единицы для городов и областных центров и значение нуля для поселков городского типа и сел. Далее для каждой семьи были сгенерированы переменные, отвечающие за количество детей (младше семи лет), школьников (от семи до восемнадцати лет), людей трудоспособного возраста (от восемнадцати до пятидесяти пяти лет для женщин и до шестидесяти для мужчин), а также пенсионеров (от пятидесяти пяти для женщин и шестидесяти для мужчин). Также были составлены значения среднего дохода, средней пенсии и средних льгот для каждой семьи. Значение средней пенсии было получено путем деления полученной семьёй пенсии на количество людей пенсионного возраста в семье, средний доход путем деления на количество людей младше пенсионного возраста, а льготы на общее количество человек в семье. В таблице 1 представлены описательные статистики использованных в работе переменных (описательные статистики всех переменных, с которыми проводилась работа при подборе спецификаций моделей, находятся в приложениях). Таблица 1. Переменные Набл. Сред.зн. Стнд.откл. Мин.зн. Макс.зн. Variable Obs Mean Std. Dev. Min Max 1.465349 nfm Количество людей в семье 16446 2.810349 _id Идентификационный номер семьи 16446 805627.5 year Год 16446 2004.259 nsmall Количество детей 16446 giventotal Отданные трансферты rectotal 1 13 10101 1600053 1.708966 2002 2007 .1614982 .4124146 0 5 10497 811.7793 3793.811 0 200000 Полученные трансферты 4261 2079.044 5367.223 0 180000 net Чистые трансферты 2844 1839.434 6505.449 -32925 180000 incomepercap Средний доход 15994 3669.202 4890.327 0 225000 old Количество пенсионеров 16446 .6722607 .7625103 0 4 middle Количество людей трудоспособного возраста 16446 1.396084 1.451222 0 10 school Количество школьников 16446 .433236 .7037317 0 6 4261 .9065947 .2910337 0 1 10497 .4056397 .4910388 0 1 RT GT Семья получила хотя бы один трансферт Семья отдала хотя бы один трансферт 417178 12 pensionper~p Средняя пенсия 7997 2526.573 1449.163 9 26000 socpercap Средние льготы 16117 42.29781 122.2786 0 1950 2844 .9627286 .1894595 0 1 2844 .3642757 .4813111 0 1 16446 .5947343 .8323756 0 6 16446 .6355953 .4812775 0 1 RorG AND ds status Семья получила или отдала хотя бы один трансферт Семья получила и отдала хотя бы один трансферт Количество школьников+Количество детей Тип населенного пункта Основная цель проведенного исследования заключалась в определении зависимости между полученными и отданными семьёй трансфертами, её уровнем дохода, количеством полученных льгот и возрастной структурой. В первую очередь было определено количество полученных и отданных семьёй трансфертов, далее была оценена вероятность получения и передачи. Финальным этапом было определение количества переданных и полученных трансфертов с учетом вероятности возникновения обмена. В общем виде представленные далее в моей работе регрессии выглядят следующим образом. Для модели с фиксированными эффектами: giventotalit= αi + β1incomepercapit + β2pensionpercapit + β3socpercapit + β4oldit + β5smallit + β6schoolit + uit Для модели со случайными эффектами: rectotalit= β0 + β1incomepercapit + β2pensionpercapit + β3socpercapit + β4oldit + β5smallit + β6schoolit + αi + uit netit= β0 + β1incomepercapit + β2pensionpercapit + β3socpercapit + β4oldit + β5smallit + β6schoolit + αi + uit Для модели пробит: P(GTit=1)=Φ(β1statusi+β2pensionpercapit+β3socpercapit+β4middleit+β5smalitl+β6schoolit+αi+ui t) и P(GTit=0)=1Φ(β1statusi+β2pensionpercapit+β3socpercapitt+β4middleit+β5smalitl+β6schoolit+αi+uit) P(RTit=1)=Φ(β1statusi+β2pensionpercapit+β3socpercapit+β4middleit+β5smalitl+β6schoolit+αi+uit ) и P(RTit=0)=1Φ(β1statusi+β2pensionpercapit+β3socpercapitt+β4middleit+β5smalitl+β6schoolit+αi+uit) P(RorGit=1)=Φ(β1statusi+β2pensionpercapit+β3socpercapit+β4middleit+β5smalitl+β6schoolit+αi +uit) и P(RorGit=0)=1Φ(β1statusi+β2pensionpercapit+β3socpercapitt+β4middleit+β5smalitl+β6schoolit+αi+uit) P(ANDit=1)=Φ(β1statusi+β2pensionpercapit+β3socpercapit+β4middleit+β5smalitl+β6schoolit+αi +uit) и P(ANDit=0)=1Φ(β1statusi+β2pensionpercapit+β3socpercapitt+β4middleit+β5smalitl+β6schoolit+αi+uit) 13 Анализ регрессий Оценка количества трансфертов. Анализ моделей в работе был начат с оценки совокупной регрессии (pooled model) для количества отданных трансфертов. Практически все переменные оказались значимы на однопроцентном уровне. Однако результаты совокупной регрессии могут быть в большой степени смещены вследствие потери важных объясняющих переменных (omitted variable bias). Основной предпосылкой данной модели является отсутствие индивидуальных эффектов, как во времени, так и среди семей, что, скорее всего, не отражает реальную ситуацию. Поэтому, далее была оценена регрессия с фиксированными эффектами (fixed effects model). Эта модель позволяет учитывать эффекты, которые постоянны во времени, но различны среди семей. Данная регрессия оценивается методом наименьших квадратов с включением фиктивных переменных, которые отвечают за неизменные во времени, но различные среди семей характеристики. Значение Критерия Фишера для регрессии с фиксированными эфеектами, F(1653, 3273)=2.22, а вероятность наблюдать такой результат при условии, что нулевая гипотеза верна (p-value), 0.0000. Следовательно, нулевая гипотеза, в рамках которой все фиктивные переменные являются незначимыми, отвергается в пользу альтернативной, что как минимум одна из них значима. Соответственно, модель с фиксированными эффектами больше подходит для оценки исследуемых данных, чем совокупная. Также была оценена регрессия со случайными эффектами, которая позволяет учитывать не только эффекты, которые постоянны во времени, но отличаются среди семей, но и общие среди семей и различные во времени эффекты. На основании теста Бройша-Пагана со значением хи-квадрат 341.44 (p-value=0.0000) была отвергнута нулевая гипотеза об идентичности совокупной регрессии и регрессии со случайными эффектами в пользу выбора регрессии со случайными эффектами. Но тест Хаусмана (p-value=0.0190) показал, что модель с фиксированными эффектами единственная гарантирует состоятельные оценки. Результаты регрессии 1 отображают количество отданных трансфертов в зависимости от среднего дохода семьи, средних полученных пенсий, льгот, а также от количества людей пенсионного возраста, детей и школьников в семье. Значимыми оказываются коэффициенты при значениях среднего дохода, пенсии, количестве детей и школьников. Как и следовало ожидать, с увеличением дохода объём переданных семьёй трансфертов увеличивается. Стоит отметить, что пенсия также положительно влияет на зависимую переменную, причем эффект от пенсионных выплат превышает 14 влияние дохода. Данное наблюдение является свидетельством в пользу аргумента о перераспределении полученных от государства выплат среди участников домохозяйства. Регрессия 1 (FE) Переменные Средний доход Средняя пенсия Средние льготы Количество пенсионеров Количество детей Количество школьников Константа Количество наблюдений Количество семей R2 Стандартные ошибки указаны в скобках Отданные трансферты 0.0226*** [0.00776] 0.0927*** [0.0337] 0.00566 [0.254] 106.8 [144.1] -400.1* [239.2] -578.4*** [153.9] 394.5* [231.4] 4,933 1,654 0.011 *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне На основании результатов регрессии 1, количество детей и школьников в семье имеет негативное влияние на объем исходящих трансфертов. Данная зависимость подтверждает предположение о нисходящем характере трансфертов, так как дети до восемнадцати лет в основном принимают на себя роль реципиентов в процессе обмена, а, следовательно, количество получаемых от старших поколений, как правило, значительно превышает объём отдаваемых родителям, а также бабушкам и дедушкам, трансфертов. Соответственно, семья с большим количеством детей в основном получает, а не отдает. Также негативное влияние количества детей и школьников в семье можно объяснить большими затратами на их содержание и образование. До восемнадцати лет люди обычно не приносят доход в семью. Таким образом, отсутствие вклада в семейный бюджет, а также значительные расходы на содержание и образование школьников и детей отрицательно сказывается на количестве отдаваемых семьёй трансфертов. Значимость константы может свидетельствовать о наличии важных переменных, которые не изменяются во времени и включены в неё. Положительное влияние дохода на количество отданных трансфертов не противоречит теории полного альтруизма Беккера, в рамках которой семья с высоким 15 доходом более склонна помогать другим участникам домохозяйства. Также эта взаимосвязь не опровергает модель «теплого отношения» Адреони, на основании которой полезность участника домохозяйства положительно зависит от количества отданных трансфертов. Этот результат можно интерпретировать и с точки зрения теории обмена Эмерсона, так как с увеличением в благосостоянии у семьи появляется больше возможностей для создания стабильных связей с другими участниками домохозяйства, а также для укрепления своих позиций в ранее сформированных социальных сетях. Положительное влияние пенсии подтверждает предположение о том, что увеличение в социальных выплатах должно стимулировать обмен трансфертами среди участников домохозяйств. Данное утверждение не опровергает теории альтруизма Беккера и Адреони, а также не противоречит теории обмена Эмерсона. Следующим шагом исследования было проведение аналогичной процедуры для оценки количества полученных семьей трансфертов. На основании Критерия Фишера и теста Бройша-Пагана я исключила из дальнейшего анализа совокупную регрессию, однако тест Хаусмана на этот раз показал, что оценки модели со случайными эффектами эффективны. Регрессия 2 (RE) Переменные Средний доход Средняя пенсия Средние льготы Количество пенсионеров Количество детей Количество школьников Константа Количество наблюдений Количество семей *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне Полученные трансферты 0.388*** [0.0312] 0.0392 [0.0851] 0.354 [0.557] 286.5 [220.7] 403.7 [344.9] 1,048*** [229.1] -419.3 [371.5] 1,713 871 Стандартные ошибки указаны в скобках На основании регрессии 2 можно прийти к выводу, что только средний доход и количество школьников значимо влияют на объем полученных трансфертов. Положительная взаимосвязь между детьми школьного возраста и количеством 16 входящих трансфертов вполне объяснима с позиций нисходящего характера трансфертов. Чем больше в семье детей, тем более вероятно оказание данной семьи помощи со стороны старших поколений. Основываясь на результате регрессии, можно также предположить, что с увеличением среднего дохода объем полученных трансфертов также возрастает. Данный результат противоречит как модели полного альтруизма Беккера, которая подразумевает отрицательную зависимость между этими величинами, так и модели «теплого отношения» Адреони, в рамках которой уровень благосостояния не должен влиять на количество трансфертов. Положительная взаимосвязь между доходом семьи и количеством полученных ей трансфертов может быть объяснена только с позиций теории обмена. Регрессия 3 (RE) Переменные Средний доход Средняя пенсия Средние льготы Количество пенсионеров Количество детей Количество школьников Константа Количество наблюдений Количество семей *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне Чистые трансферты 0.270*** [0.0429] 0.153 [0.122] 0.616 [0.756] -176.4 [347.0] 161.0 [554.9] 1,119*** [349.0] -294.1 [592.3] 1,183 683 Стандартные ошибки указаны в скобках Далее было оценено количество чистых трансфертов с помощью тех же объясняющих переменных. По результатам вышеописанных тестов выбор был остановлен на модели со случайными эффектами. На основании результатов регрессии 3, чистые трансферты значимо положительно зависят от количества детей школьного возраста в семье, что является подтверждением в пользу предположения о нисходящем характере трансфертов. Семья с детьми школьного возраста более склонна получать, нежели отдавать трансферты, а, следовательно, выступает в роли реципиента в обменных отношениях между участниками домохозяйств. Положительная взаимосвязь между количеством полученных семьёй трансфертов и её уровнем благосостояния может быть объяснена с точки зрения теории обмена Эмерсона. Чем выше доход семьи, 17 тем вероятней формирование с ней стабильных социальных связей, а значит и больше объем передаваемых ей трансфертов. 18 Оценка вероятности возникновения трансфертов. Следующим шагом проведенного исследование была оценка вероятности возникновения трансфертов с помощью пробит модели. Регрессия 4 (Probit) Переменные Тип населенного пункта Средняя пенсия Средние льготы Количество пенсионеров Количество людей трудоспособного возраста Количество детей Количество школьников Константа Количество наблюдений Количество семей *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне Семья отдала хотя бы один трансферт -0.0301 [0.0334] 0.000207*** [2.22e-05] -0.000319* [0.000166] 0.485*** [0.0698] -0.0858*** [0.0305] -0.469*** [0.122] -0.500*** [0.0710] -0.0437 [0.149] 4,999 1,660 Стандартные ошибки указаны в скобках На основании регрессии 4 можно прийти к выводу, что вероятность передачи семьёй трансфертов положительно зависит от средней пенсии и количества пенсионеров в семье, причем обе переменные значимы на высоком уровне. Данный факт подтверждает как предположение о нисходящем характере трансфертов, так и о перераспределении государственных выплат среди участников домохозяйств. Проживающие отдельно от более молодых членов семьи, пенсионеры склонны перенаправлять значительную часть, полученной от государства пенсии своим детям и внукам. Аргументом в защиту подобной интерпретации также является значимая негативная зависимость между количеством людей трудоспособного возраста, количеством детей и школьников, и вероятностью передачи трансфертов. Следовательно, можно предположить, что пенсионеры выступают, как правило, в роли доноров в процессе межпоколенного обмена, в то время как люди моложе пенсионного возраста выступают в роли реципиентов. Среднее значение льгот, предоставленных семье, оказывается значимым на десятипроцентном уровне, и коэффициент при этой 19 переменной отрицательный. Следовательно, можно прийти к выводу, что увеличение в социальной поддержке со стороны государства уменьшает вероятность отдачи трансфертов. Этот факт может быть интерпретирован с точки зрения модели обмена, в рамках которой домохозяйства передают трансферты из соображений страхования от неопределенности в будущем. В данном контексте при увеличении количества льгот, предоставленных семье, её участники могут почувствовать себя более защищенными, а, следовательно, необходимость в передаче трансфертов другим участникам домохозяйства, с целью укрепления социальных связей, пропадает. Следовательно, отрицательная зависимость между вероятностью передачи трансфертов и количеством полученных льгот у семьи может быть интерпретирована как доказательство состоятельности теории обмена в условиях реальных отношениях между семьями. Регрессия 5 (Probit) Переменные Тип населенного пункта Средняя пенсия Средние льготы Количество пенсионеров Количество людей трудоспособного возраста Количество детей Количество школьников Константа Количество наблюдений Количество семей *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне Семья получила хотя бы один трансферт 0.273*** [0.0740] 3.11e-06 [5.20e-05] 0.000442 [0.000398] -0.484*** [0.146] -0.0982 [0.0752] 0.326 [0.272] 0.128 [0.174] 1.854*** [0.324] 1,731 879 Стандартные ошибки указаны в скобках Далее была оценена вероятность получения семьей трансфертов. На основании результатов регрессии 5, тип населенного пункта значимо положительно влияет на зависимую переменную. Следовательно, в городской среде вероятность получения трансфертов выше, чем в провинции. Данный факт может быть интерпретирован с точки зрения преимущественной направленности трансфертов из сельской местности в города. В русской провинции по нынешний день большое значение имеет домашнее 20 производство, а значит, жители деревень и сел могут помогать продуктами натурального хозяйства своим друзьям и родственникам, проживающим в городах. Количество пенсионеров в данной модели значимо негативно сказывается на вероятности получения трансферта семьёй. Данная зависимость снова подтверждает предположение о нисходящем характере трансфертов, а так же о выступлении людей пенсионного возраста в роли доноров в процессе межпоколенного обмена. Следующий шаг исследования заключался в оценке вероятности участия семьи в трансфертной деятельности, то есть вероятности того, что семья получила или отдала хотя бы один трансферт. Значимыми в регрессии 6.1 оказались коэффициенты при переменных средней пенсии и количестве людей трудоспособного возраста. Регрессия 6 (Probit) Переменные Тип населенного пункта Средняя пенсия Средние льготы Количество пенсионеров Количество людей трудоспособного возраста Количество детей Количество школьников Константа Количество наблюдений Количество семей *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне 6.1 Семья получила или отдала хотя бы один трансферт 6.2 Семья получила и отдала хотя бы один трансферт 0.0857 [0.0758] -0.000188*** [5.97e-05] 0.000884 [0.000578] 0.0871 [0.185] 0.0296 [0.0500] -0.000117*** [4.34e-05] -0.000255 [0.000290] 0.251** [0.119] -0.152** 0.0168 [0.0760] -0.0827 [0.264] -0.126 [0.164] 2.400*** [0.450] [0.0584] -0.360* [0.207] -0.0748 [0.123] -0.396 [0.247] 1,194 688 1,194 688 Стандартные ошибки указаны в скобках Количество людей трудоспособного возраста негативно влияет на вероятность участия семьи в процессе обмена, что может свидетельствовать о большей степени самодостаточности таких семей, а, следовательно, меньшей необходимости участия в трансфертной деятельности. Подобная интерпретация свидетельствует о состоятельности теории обмена Эмерсона. Увеличение в средней пенсии на основании результатов данной модели приводит к уменьшению вероятности участия семьи в трансфертной деятельности. Скорее всего, подобная зависимость объясняется тем 21 фактом, что с увеличением в государственных выплатах уровень поддержки, оказываемый пенсионерам от других участников домохозяйства, снижается. Причем эффект от снижения в оказываемой помощи превалирует над эффектом от увеличения в передаваемых трансфертах. Также была оценена вероятность того, что семья одновременно получила и отдала хотя бы один трансферт. В регрессии 6.2 значимыми оказались коэффициенты при средней пенсии, количестве пенсионеров и количестве детей. Количество пенсионеров в семье положительно сказывается на возможности участия семьи в двустороннем процессе обмена. Данная взаимосвязь свидетельствует о том, что пенсионеры склонны как отдавать, так и получать трансферты. Однако увеличение в значении средней пенсии отрицательно влияет на вероятность участия семьи в двусторонней трансфертной деятельности. Негативная взаимосвязь между этими величинами может быть объяснена аналогичным регрессии 6.1 образом. С увеличением в социальной поддержке со стороны государства вероятность помощи пенсионерам снижается, а вероятность возникновения исходящих от них трансфертов увеличивается. Следовательно, увеличение в пенсии негативно влияет на возникновение двусторонней трансфертной деятельности для семей с пожилыми людьми, в то время как количество пенсионеров в семье положительно сказывается на подобной возможности. С увеличением в выплатах со стороны государства пенсионеры принимают на себя роль доноров в процессах межпоколенного обмена. Негативное влияние количества детей также является доказательством в пользу предположения о нисходящем характере трансфертов, так как дети, как правило, выступают в роли реципиентов в процессе межпоколенного обмена. Кроме того, воспитание и образование детей требует больших затрат, а, следовательно, количество средств и благ, которые могут быть переданы другим семьям, значительно уменьшается в семьях с больших количеством детей. 22 Оценка количества трансфертов с учетом вероятности их возникновения. Из-за проблемы самоотбора собранные данные могут не являться репрезентативными для всего населения. Так, например, количество трансфертов оценивается только для тех семей, которые участвовали в процессе обмена. Соответственно, характеристики потенциальных участников остаются ненаблюдаемыми, хотя, безусловно, являются крайне важными для определения истинных мотивов поведения людей. Одним из способов борьбы с данной проблемой является метод коррекции Хекмана (Heckman correction), который оценивается в два этапа. На первом этапе оценивается вероятность участия семьи в процессе обмена, а на втором эта оценка включается в регрессию наряду с другими объясняющими переменными. Если предположить, что на самом деле вероятность участия семьи в процессе обмена определяет в первую очередь её возрастная структура, то можно оценить модель коррекции Хекмана для количества переданных трансфертов. Все переменные, заданные для определения вероятности передачи семьёй трансфертов, оказываются значимыми на высоком уровне. Регрессия 7 (HC) Переменные Количество людей в семье Тип населенного пункта Средний доход Средняя пенсия Средние льготы (1) Отданные трансферты (4) select athrho lnsigma 0.831*** [0.0209] Количество людей трудоспособного возраста 0.0515*** [0.0109] -0.214*** [0.0389] -0.148*** [0.0226] Количество детей Количество школьников Количество наблюдений *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне (3) -58.36** [23.94] -253.8*** [73.80] 0.0561*** [0.00720] 0.163*** [0.0247] -0.0967 [0.209] Количество пенсионеров Константа (2) 685.0*** [108.5] -0.856*** [0.0311] 0.182*** [0.0274] 7.801*** [0.0105] 10,882 10,882 10,882 10,882 Стандартные ошибки указаны в скобках 23 На основании результатов регрессии 7, размер семьи негативно влияет на количество отданных ей трансфертов. Данный результат может свидетельствовать об интенсивном обмене внутри семьи. Также можно предположить, что увеличение размера семьи происходит в первую очередь за счет возрастания в ней количества детей. По достижении возраста, когда дети способны самостоятельно себя обеспечивать, они, как правило, переезжают от родителей. Разумеется, детям несвойственно выступать в роли доноров в процессе обмена, а значит и количество отданных семьёй трансфертов должно быть ниже в семьях с большим количеством детей. Тип населенного пункта также оказывает значимое влияние на количество отданных трансфертов. Для жителей городов и областных центров объём отданных семьёй за последний месяц трансфертов в среднем на двести пятьдесят четыре рубля меньше, чем для жителей сел и поселков городского типа. Данная зависимость может быть объяснена высокой степенью сплоченности среди жителей провинции, а также большим количеством трансфертов между ними в виде натуральных товаров. Пенсионные выплаты также оказывают положительное влияние на зависимую переменную, что в очередной раз подтверждает предположение о нисходящем характере трансфертов. Также этот факт свидетельствует в пользу аргумента о частичном перераспределении государственных выплат целевым группам среди участников домохозяйства. С увеличением среднего размера пенсии на сто рублей, отданные семьёй за последний месяц трансферты должны возрасти примерно на шестнадцать рублей. Незначимый коэффициент при количестве льгот может быть интерпретирован по-разному. С одной стороны, он может быть рассмотрен как свидетельство в пользу эффективной государственной политики. Но скорее отсутствие влияния на количество отданных трансфертов свидетельствует о незначительном количестве предоставляемых льгот. Влияние среднего дохода имеет положительный эффект на объём исходящих трансфертов. Такая зависимость имеет понятное логическое объяснение – с увеличением дохода способность оказывать помощь у семьи возрастает. Также этот результат не противоречит как ни одной из форм теорий альтруизма, так и теории обмена. Следующим шагом в моём исследовании была оценка методом коррекции Хекмана количества полученных семьёй трансфертов. На этот раз среди переменных, определяющих вероятность получения трансферта домохозяйством, я использовала суммарное число детей и школьников. На основании регрессии 8 можно прийти к выводу, что количество людей в семье значимо влияет на полученные семьёй трансферты. С ростом количества людей в 24 семье возможности для получения трансфертов от других участников домохозяйства расширяются, а, следовательно, и объем полученных трансфертов увеличивается. Кроме того, данный результат может быть обоснован с позиций той же логики, как и в случае регрессии 7. Увеличение количества людей вероятней всего происходит за счет появления детей в семье, а так как дети в основном принимают роль реципиентов в процессе обмена между семьями, объём полученных трансфертов для семей с большим количеством людей также больше. Регрессия 8 (HC) Переменные Количество людей в семье (1) Полученные трансферты (2) (3) (4) select athrho lnsigma 428.7*** [77.02] Тип населенного пункта Средний доход Средняя пенсия Средние льготы -423.0** [209.6] 0.396*** [0.0305] -0.0315 [0.0820] 0.679 [0.548] Количество пенсионеров 0.438*** [0.0217] Количество людей трудоспособного возраста -0.180*** [0.0141] Количество детей и школьников 0.0899*** [0.0241] Константа Количество наблюдений *** Коэффициент значим на 1% уровне, ** на 5% уровне,* на 10% уровне -339.8 [557.1] -1.385*** [0.0338] 0.00398 [0.0951] 8.260*** [0.0171] 13,898 13,898 13,898 13,898 Стандартные ошибки указаны в скобках Также результаты регрессии свидетельствуют о том, что в городах и областных центрах количество полученных семьёй трансфертов за последний месяц в среднем на четыреста двадцать три рубля меньше, чем для жителей сел и поселков городского типа. Этот результат также объясняется тем фактом, что в деревенской местности люди более тесно связаны, а, следовательно, более склонны оказывать друг другу помощь. Кроме того, для провинции также характерен большой объем обмена натуральными товарами среди участников домохозяйств. 25 Средний доход положительно сказывается на количестве полученных семьёй трансфертов. Этот результат опровергает теорию альтруизма Беккера, в рамках которой с увеличением дохода количество трансфертов, получаемых семьёй, должно уменьшаться. Также данная зависимость не может быть объяснена с точки зрения модели «теплого отношения» Адреони, которая подразумевает, что количество получаемых семьёй трансфертов не должно зависеть от её дохода. Однако этот результат вполне совместим с предсказаниями модели обмена Эмерсона, в рамках которой участники домохозяйств передают трансферты с целью формирования стабильных социальных связей для дальнейших взаимовыгодных отношений. Увеличение в доходе может быть расценено как хороший сигнал со стороны других участников домохозяйства, а, следовательно, «инвестиции» в данную семью должны вырасти. Соответственно, чем выше уровень благосостояния семьи, тем больше вероятность формирования с ней социальных связей и тем значительней объём получаемых ей трансфертов. 26 Выводы Проведенное исследование подтвердило предположение о нисходящем характере трансфертов. Семьи с несовершеннолетними детьми более склонны получать, нежели отдавать, а, следовательно, выступают в роли реципиентов в обменных отношениях. Также количество людей трудоспособного возраста негативно влияет на вероятность участия семьи в процессе обмена, что может свидетельствовать о большей степени самодостаточности таких семей, а, следовательно, меньшей необходимости участия в трансфертной деятельности. Подобная интерпретация свидетельствует о состоятельности теории обмена Эмерсона, в рамках которой посредством передачи трансфертов люди стараются застраховаться от будущей неопределенности. Пенсионеры склонны как отдавать, так и получать трансферты. Однако с увеличением в пенсионных выплатах вероятность помощи пенсионерам снижается, а вероятность возникновения исходящих от них трансфертов увеличивается. Следовательно, можно прийти к выводу, что с увеличением в социальной поддержке со стороны государства пенсионеры принимают на себя роль доноров в процессах межпоколенного обмена. Положительное влияние пенсии на количество отданных семьёй трансфертов также подтверждает предположение о том, что увеличение в социальных выплатах стимулирует процесс обмена среди участников домохозяйств, а также предположение о частичном перераспределении государственных выплат, а, следовательно, относительной неэффективности пенсионной политики. Данное утверждение не опровергает теории альтруизма Беккера и Адреони, а также не противоречит теории обмена Эмерсона. На основании проведенного исследования, увеличение в количестве получаемых семьёй льгот уменьшает вероятность отдачи трансфертов. Этот факт может быть интерпретирован только с точки зрения модели обмена Эмерсона. В контексте данной теории при увеличении количества льгот, предоставленных семье, её участники могут почувствовать себя более защищенными, а, следовательно, необходимость в передаче трансфертов другим участникам домохозяйства, с целью укрепления социальных связей, значительно снижается. Тип населенного пункта также оказывает значимое влияние на процесс обмена трансфертами. Для жителей городов и областных центров объём отданных и полученных семьёй трансфертов намного ниже, чем для жителей сел и поселков городского типа. Подобная зависимость может быть объяснена высокой степенью сплоченности среди жителей провинции, а также большим количеством трансфертов 27 между ними в виде натуральных товаров. Однако в городской среде вероятность получения трансфертов выше, чем в сельской местности. Данный факт может быть интерпретирован с точки зрения преимущественной направленности трансфертов из провинции в города. Жители деревень и сел могут помогать продуктами натурального хозяйства своим друзьям и родственникам, проживающим в более крупных населенных пунктах. Средний доход положительно сказывается на количестве получаемых семьёй трансфертов. Данный результат опровергает теорию альтруизма Беккера, в рамках которой с увеличением дохода количество трансфертов, получаемых семьёй, должно уменьшаться. Также данная зависимость не может быть объяснена с точки зрения модели «теплого отношения» Адреони, которая подразумевает, что количество получаемых семьёй трансфертов не должно зависеть от её дохода. Однако этот результат вполне совместим с предсказаниями модели обмена Эмерсона, в рамках которой участники домохозяйств передают трансферты с целью формирования стабильных социальных связей для дальнейших взаимовыгодных отношений. Соответственно, чем выше уровень благосостояния семьи, тем больше вероятность формирования с ней социальных связей и тем значительней объём получаемых ей трансфертов. 28 Заключение На основании проведенного исследования можно прийти к выводу, что в России трансферты в основном имеют нисходящий характер, то есть передаются от старшего поколения младшему. Увеличение в пенсионных выплатах положительно влияет на количество отдаваемых семьёй трансфертов. Также количество пенсионеров в семье увеличивает вероятность передачи трансфертов, в то время как от количества детей выявлена отрицательная зависимость. На основании данных наблюдений можно предположить, что пенсионеры выступают в роли доноров, а несовершеннолетние участники домохозяйств в роли реципиентов в процессе обмена. Что касается государственной социальной политики, результаты проведенных исследований показали, что пенсионная политика оказывается крайне значимой в условиях российских реалий, однако имеет место частичное перераспределение полученных от государства выплат. Следовательно, можно сделать вывод об относительной неэффективности, проводимой пенсионной политики. Объём полученных семьёй льгот отрицательно сказывается на вероятности участия семьи в процессе обмена, соответственно, можно предположить, что проводимая льготная политика является достаточно эффективной. На основе результатов проведенного исследования, обмен трансфертами среди жителей провинции носит более интенсивный характер, нежели среди представителей городского населения. Однако потоки трансфертов в основном направлены из сельской местности в крупные населенные пункты. Подобные наблюдения могут быть объяснены с точки зрения более тесных социальных связей среди жителей провинции, а также с позиций развитого натурального хозяйства в сельской местности, продукты которого могут направляться проживающим в городах друзьям и родственникам. Влияние государственной социальной политики на обмен трансфертами между домохозяйствами может быть объяснено как в рамках моделей полного альтруизма Беккера и «теплого отношения» Адреони, так и с помощью теории обмена Эмерсона. Однако положительную зависимость между уровнем дохода семьи и количеством передаваемых ей трансфертов можно интерпретировать только с помощью концепции обмена. Следовательно, результаты проведенного исследования свидетельствуют о несостоятельности моделей альтруизма в объяснении процесса обмена частными трансфертами в России. Обмен частными трансфертами имеет ключевое значение в современной России. В условиях отсутствия развитых государственных социальных институтов посредством 29 обмена частными трансфертами семьи могут страховаться от неопределенности в будущем развитии событий. Данное предположение находит подтверждение в рамках теории обмена Эмерсона. Участники домохозяйств могут передавать трансферты с целью формирования стабильных социальных связей для дальнейших взаимовыгодных отношений. Следовательно, основным мотивом передачи трансфертов может служить построение более сложных социальных сетей, в которых все участники готовы оказать друг другу поддержку. Особенно важную роль формирование сетей играет в условиях неэффективной государственной социальной политики. Отсутствие уверенности в поддержке со стороны государства может подталкивать людей искать альтернативные пути обеспечения стабильности и уверенности в своём будущем. 30 Список использованной литературы Барсукова С.Ю. Сетевые обмены российских домохозяйств: опыт эмпирического исследования // Социс. 2005. № 8. Гладникова Е.В. Межпоколенные трансферты: направление, участники и факторы, их определяющие // Социальная политика: экспертиза, рекомендации, обзоры (SPERO). 2007. № 7. Градосельская Г.В. Социальные сети: обмен частными трансфертами // Социологический журнал. 1999. № ½. Фадеева О.П. Межсемейная сеть: механизмы взаимоподдержки в российском селе. Неформальная экономика: Россия и мир. М: Логос, 1999. Adreoni J. Giving with Impure Altruism: Applications to Charities and Ricardian Equivalence // The Journal of Political Economy. 1989. № 97. Altonji J.G., Hayashi F., Kotlikoff L.J. The Effects of Earnings and Wealth on Time and Money Transfers Between Parents and Children // National Bureau of Economic Research Working Paper. 1996. № 5522. Arrondel L., Masson A. Altruism, exchange or indirect reciprocity: what do the data on family transfers show? Handbook of the Economics of Giving, Altruism and Reciprocity. Paris: Elsevier, 2006 Barro R.J. Are government bonds net wealth // Journal of Political Economy. 1974. № 82. Becker G.S. A theory of social interactions // Journal of Political Economy. 1974. № 82. Cox D., Eser Z., Jimenez E. Motives for private transfers over the life cycle: An analytical framework and evidence for Peru // Journal of Development Economics. 1998. № 55. Cox D., Rank M.R. Inter vivos transfers and intergenerational exchange // Review of Economics and Statistics. 1992. № 74. Davies J.B. Uncertain lifetime, consumption and dissaving in retirement // Journal of Political Economy. 1981. № 89. Dunn T.A., Phillips J.W. Do parents divide resources equally among children? Evidence from the AHEAD Survey // Center for Policy Research, Maxwell School, Syracuse University, Aging Studies, Program Paper. 1997. № 5. Emerson R.M. Exchange theory, part I: a psychological basis for social exchange. Sociological theories in progress. Boston: Houghton Mifflin, 1972. Gale W.G., Scholz J.K. IRAS and Household Saving // The American Economic Review. 1994. № 5. Kotlikoff L.J., Spivak A. The family as an incomplete annuities market // Journal of Political Economy. 1981. № 89. 31 Kuhn R., Stillman S. Understanding Interhousehold Transfers in a Transition Economy: Evidence from Russia // IZA Discussion Paper. 2002. № 574. Lee R., Miller T. Population age structure, intergenerational transfers, and Wealth // Journal of Human Resources. 1994. № 29. MacDonald M. Family Background, the Life-Cycle and Interhousehold Transfers // National Survey of Families and Households Working Paper. 1990. № 13. McGarry K., Schoeni R.F. Transfer Behavior in the Health and Retirement Survey: Measurement and the Redistribution of Resources Within the Family // Journal of Human Resources. 1995. № 30. Modigliani F. The role of intergenerational transfers and life cycle saving in the accumulation of wealth // Journal of Economic Perspectives. 1988. № 2. Rosenzweig M.R., Wolpin K. Intergenerational Support and the Life-Cycle Incomes of Young Men and Their Parents: Human Capital Investments, Coresidence and Intergenerational Financial Transfers // Journal of Labor Economics. 1993. № 1. Schoeni R.F. Private Interhousehold Transfers of Money and Time: New Empirical Evidence // Review of Income and Wealth. 1997. № 4. Kungl Vetenskapsakademien. The Royal Swedish Academy of Sciences. http://www.nsu.ru/ef/tsy/ecmr/nobel/nobel2k.htm, 2000. 32 Приложения Количество наблюдений 3,445 2,991 2,756 2,608 2,413 2,233 16,446 Процент 20.95 18.19 16.76 15.86 14.67 13.58 100.00 областной центр город ПГТ село 2002 2004 2006 2008 Год 2002 2004 2006 2008 Год 2002 2003 2004 2005 2006 2007 Всего 0 50000 100000 150000 200000 0 50000 100000 150000 200000 150000 200000 Отданные трансферты областной центр город ПГТ село 2002 2004 2006 2008 Год 2002 2004 2006 2008 Graphs by ТИП НАСЕЛЕННОГО ПУНКТА 0 50000 100000 150000 200000 0 50000 100000 Полученные трансферты Graphs by ТИП НАСЕЛЕННОГО ПУНКТА 33 Variable Obs Mean Std. Dev. Min Max typeofplace a3 a8 nfm f14 16446 16446 16446 16446 16446 2.301411 12.538 1.79533 2.810349 1409605 1.233339 16.02624 1.765985 1.465349 1.17e+07 1 1 1 1 0 4 92 99 13 1.00e+08 _id year max min agemax 16446 16446 16446 16446 16446 805627.5 2004.259 1947.735 1971.101 56.31363 417178 1.708966 16.16543 25.85612 16.18623 10101 2002 1900 1906 17 1600053 2007 1987 2007 103 agemin givenpartr givenchtr givengrpar givengrchtr 16446 11542 11142 11746 11333 32.94856 124.7149 466.3952 8.199728 135.1219 25.85665 1758.341 3254.679 206.3508 930.1363 0 0 0 0 0 95 150000 200000 15000 48000 givenothertr recpartr recchtr recgrpartr recgrchtr 11534 4497 4459 4574 4555 78.33276 902.096 484.3456 56.50721 14.24708 536.5335 3766.677 2668.26 804.5599 198.7576 0 0 0 0 0 19100 180000 90000 50000 7000 recotherre~r recotherfrtr recsoctr recpension recgrantst~y 4515 4541 4574 16380 16413 367.1045 188.6899 50.69928 1885.987 24.11266 2010.44 1453.125 636.2103 2302.613 222.9934 0 0 0 0 0 50000 45000 22520 26000 11500 recunempben recalimony recsocflat nfem nmale 16412 16414 16117 16446 16446 16.21161 45.64628 78.89439 1.564636 1.245713 182.7488 465.7205 211.0039 .8879036 .9718467 0 0 0 0 0 7100 20000 3900 7 7 noldmale noldfem nsmall nschfem nschmale 16446 16446 16446 16446 16446 .1917184 .4805424 .1614982 .2125745 .2206616 .3939735 .5423547 .4124146 .4770717 .485623 0 0 0 0 0 2 3 5 5 4 nwrkfem nwrkmale Rother giventotal rectotal 16446 16446 4476 10497 4261 .6980421 .6980421 546.9082 811.7793 2079.044 .7256109 .7256109 2572.465 3793.811 5367.223 0 0 0 0 0 5 5 50000 200000 180000 net place incomepercap givenpercap recpercap 2844 16446 15994 10497 4261 1839.434 .6355953 3669.202 395.67 909.4923 6505.449 .4812775 4890.327 1951.656 2161.003 -32925 0 0 0 0 180000 1 225000 100000 60000 34 netpercap logpen net2 lognet soc 2844 9703 2844 2172 4487 757.2948 7.856834 1839.487 7.073643 134.1139 2600.641 .6573629 6505.434 1.270601 683.1547 -16462.5 2.197225 -32925 2.302585 0 60000 10.16585 180000 12.10071 23320 logincome income income2 income3 income4 15929 15994 15633 15929 15569 8.704732 9901.019 7918.886 9941.422 7951.777 1.004443 16937.66 17098.49 16960.34 17125.86 4.248495 0 -15303 70 -15303 13.71015 900000 896874 900000 896874 logincome4 logincomep~p income3per~p logincome3~p INCOME 12614 15929 15929 15929 15583 8.473867 7.81695 3684.174 7.81695 8000.58 1.402436 .915359 4894.663 .915359 17131.14 12.47665 2.821379 16.авг 2.821379 -7701 13.70667 12.32386 225000 12.32386 896874 INCOMEpercap income555 pension soctr socfl 15583 15949 9703 184 16117 2690.421 7994.163 3183.805 1260.318 78.89439 4986.482 16987.24 2195.108 2929.476 211.0039 -3500 -7701 9 18 0 224218.5 896874 26000 22520 3900 old middle school percentnsm~l RT 16446 16446 16446 16446 4261 .6722607 1.396084 .433236 .0401235 .9065947 .7625103 1.451222 .7037317 .1024265 .2910337 0 0 0 0 0 4 10 6 .6666667 1 logINCOME 12643 8.483801 1.396186 logINCOMEp~p GT pensionper~p socpercap 12643 10497 7997 16117 7.478374 .4056397 2526.573 42.29781 1.287167 .4910388 1449.163 122.2786 12.47665 12.47665 0 9 0 nss ipc mo ipc2 pens 16446 8956 16446 14560 16446 .5947343 5558.676 2.068345 4749.736 1878.418 .8323756 8831.388 1.321828 6905.109 2301.079 0 0 0 0 0 6 450000 11 300000 26000 penspercap P ipercap inpeca ANY 8208 16446 14560 15994 2844 2461.623 .5899915 4749.736 3669.202 1.289733 1485.255 .4918498 6905.109 4890.327 .5295557 0 0 0 0 0 26000 1 300000 225000 2 RorG AND _est_fe _est_re ds 2844 2844 16446 16446 16446 .9627286 .3642757 .1314605 .1314605 .5947343 .1894595 .4813111 .3379136 .3379136 .8323756 0 0 0 0 0 1 1 1 1 6 13.70667 12.32038 1 26000 1950 35 . reg giventotal incomepercap pensionpercap socpercap old nsmall school Source SS df MS Model Residual 1.1987e+09 2.8571e+10 6 4926 199784125 5800098.07 Total 2.9770e+10 4932 6036088.37 giventotal Coef. incomepercap pensionper~p socpercap old nsmall school _cons .0531528 .1603907 -.1464989 507.8511 -179.8839 -264.2172 -522.469 . xtreg giventotal Std. Err. t .0071643 .0243937 .2016053 67.8576 120.86 66.36626 125.0467 7.42 6.58 -0.73 7.48 -1.49 -3.98 -4.18 Number of obs F( 6, 4926) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.000 0.000 0.467 0.000 0.137 0.000 0.000 = = = = = = 4933 34.44 0.0000 0.0403 0.0391 2408.3 [95% Conf. Interval] .0391076 .1125681 -.5417351 374.82 -416.8234 -394.3247 -767.6163 .067198 .2082133 .2487373 640.8822 57.05557 -134.1098 -277.3218 incomepercap pensionpercap socpercap old nsmall school, re Random-effects GLS regression Group variable: _id Number of obs Number of groups = = 4933 1654 R-sq: Obs per group: min = avg = max = 1 3.0 6 within = 0.0090 between = 0.0576 overall = 0.0392 Random effects u_i ~ Gaussian corr(u_i, X) = 0 (assumed) Wald chi2(6) Prob > chi2 giventotal Coef. Std. Err. z incomepercap pensionper~p socpercap old nsmall school _cons .0376909 .1436968 -.0671698 377.047 -187.7724 -317.9057 -225.6748 .006891 .0260509 .2087504 85.36773 142.5332 81.14478 150.9261 sigma_u sigma_e rho 1607.6215 2027.9653 .38590593 (fraction of variance due to u_i) 5.47 5.52 -0.32 4.42 -1.32 -3.92 -1.50 P>|z| 0.000 0.000 0.748 0.000 0.188 0.000 0.135 = = 116.58 0.0000 [95% Conf. Interval] .0241847 .092638 -.476313 209.7293 -467.1323 -476.9466 -521.4846 .0511971 .1947557 .3419734 544.3646 91.58753 -158.8649 70.13489 . xttest0 Breusch and Pagan Lagrangian multiplier test for random effects giventotal[_id,t] = Xb + u[_id] + e[_id,t] Estimated results: Var givento~l e u Test: 6036088 4112643 2584447 sd = sqrt(Var) 2456.845 2027.965 1607.621 Var(u) = 0 chi2(1) = Prob > chi2 = 341.44 0.0000 36 . xtreg giventotal incomepercap pensionpercap socpercap old nsmall school, fe Fixed-effects (within) regression Group variable: _id Number of obs Number of groups = = 4933 1654 R-sq: Obs per group: min = avg = max = 1 3.0 6 within = 0.0112 between = 0.0259 overall = 0.0226 corr(u_i, Xb) F(6,3273) Prob > F = -0.0193 giventotal Coef. incomepercap pensionper~p socpercap old nsmall school _cons .0226251 .0927286 .0056592 106.7528 -400.0691 -578.3921 394.4731 .0077627 .0336812 .2542549 144.1134 239.191 153.8891 231.3644 sigma_u sigma_e rho 2157.6728 2027.9653 .53095898 (fraction of variance due to u_i) F test that all u_i=0: Std. Err. t 2.91 2.75 0.02 0.74 -1.67 -3.76 1.70 F(1653, 3273) = P>|t| = = 0.004 0.006 0.982 0.459 0.095 0.000 0.088 6.17 0.0000 [95% Conf. Interval] .0074049 .0266903 -.4928556 -175.8089 -869.0483 -880.1207 -59.16054 2.22 .0378454 .1587669 .504174 389.3144 68.91008 -276.6635 848.1067 Prob > F = 0.0000 . estimates store fe . xtreg giventotal incomepercap pensionpercap socpercap old nsmall school, re Random-effects GLS regression Group variable: _id Number of obs Number of groups = = 4933 1654 R-sq: Obs per group: min = avg = max = 1 3.0 6 within = 0.0090 between = 0.0576 overall = 0.0392 Random effects u_i ~ Gaussian corr(u_i, X) = 0 (assumed) Std. Err. Wald chi2(6) Prob > chi2 giventotal Coef. z incomepercap pensionper~p socpercap old nsmall school _cons .0376909 .1436968 -.0671698 377.047 -187.7724 -317.9057 -225.6748 .006891 .0260509 .2087504 85.36773 142.5332 81.14478 150.9261 sigma_u sigma_e rho 1607.6215 2027.9653 .38590593 (fraction of variance due to u_i) 5.47 5.52 -0.32 4.42 -1.32 -3.92 -1.50 P>|z| 0.000 0.000 0.748 0.000 0.188 0.000 0.135 = = 116.58 0.0000 [95% Conf. Interval] .0241847 .092638 -.476313 209.7293 -467.1323 -476.9466 -521.4846 .0511971 .1947557 .3419734 544.3646 91.58753 -158.8649 70.13489 . estimates store re . hausman fe re Note: the rank of the differenced variance matrix (5) does not equal the number of coefficients being tested (6); be sure this is what you expect, or there may be problems computing the test. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale. Coefficients (b) (B) fe re incomepercap pensionper~p socpercap old nsmall school .0226251 .0927286 .0056592 106.7528 -400.0691 -578.3921 .0376909 .1436968 -.0671698 377.047 -187.7724 -317.9057 (b-B) Difference -.0150658 -.0509682 .072829 -270.2942 -212.2967 -260.4863 sqrt(diag(V_b-V_B)) S.E. .003574 .0213488 .1451511 116.1079 192.0849 130.7569 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 13.52 Prob>chi2 = 0.0190 37 . xtreg rectotal incomepercap pensionpercap socpercap old nsmall school, fe Fixed-effects (within) regression Group variable: _id Number of obs Number of groups = = 1713 871 R-sq: Obs per group: min = avg = max = 1 2.0 6 within = 0.0928 between = 0.1192 overall = 0.1082 corr(u_i, Xb) F(6,836) Prob > F = -0.0229 rectotal Coef. incomepercap pensionper~p socpercap old nsmall school _cons .3737581 .045998 1.112849 393.202 1436.131 841.3007 -674.0234 .0477717 .1312314 .8418894 486.9243 705.769 534.7277 759.894 sigma_u sigma_e rho 3561.2228 3468.183 .51323349 (fraction of variance due to u_i) F test that all u_i=0: Std. Err. t 7.82 0.35 1.32 0.81 2.03 1.57 -0.89 F(870, 836) = P>|t| = = 0.000 0.726 0.187 0.420 0.042 0.116 0.375 14.25 0.0000 [95% Conf. Interval] .2799915 -.2115837 -.539616 -562.5357 50.8436 -208.2659 -2165.548 1.49 .4675246 .3035797 2.765314 1348.94 2821.418 1890.867 817.5008 Prob > F = 0.0000 . estimates store fe . xtreg rectotal incomepercap pensionpercap socpercap old nsmall school, re Random-effects GLS regression Group variable: _id Number of obs Number of groups = = 1713 871 R-sq: Obs per group: min = avg = max = 1 2.0 6 within = 0.0888 between = 0.1350 overall = 0.1163 Random effects u_i ~ Gaussian corr(u_i, X) = 0 (assumed) Std. Err. Wald chi2(6) Prob > chi2 rectotal Coef. z incomepercap pensionper~p socpercap old nsmall school _cons .387852 .0392205 .3542834 286.5397 403.7037 1047.746 -419.2721 .0312219 .0850903 .5570995 220.6568 344.8887 229.0644 371.5124 sigma_u sigma_e rho 2038.3836 3468.183 .25674662 (fraction of variance due to u_i) 12.42 0.46 0.64 1.30 1.17 4.57 -1.13 P>|z| 0.000 0.645 0.525 0.194 0.242 0.000 0.259 = = 213.37 0.0000 [95% Conf. Interval] .3266583 -.1275535 -.7376117 -145.9397 -272.2657 598.7882 -1147.423 .4490458 .2059944 1.446178 719.0192 1079.673 1496.704 308.8789 . estimates store re . hausman fe re Note: the rank of the differenced variance matrix (5) does not equal the number of coefficients being tested (6); be sure this is what you expect, or there may be problems computing the test. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale. Coefficients (b) (B) fe re incomepercap pensionper~p socpercap old nsmall school .3737581 .045998 1.112849 393.202 1436.131 841.3007 .387852 .0392205 .3542834 286.5397 403.7037 1047.746 (b-B) Difference -.014094 .0067776 .7585659 106.6623 1032.427 -206.4455 sqrt(diag(V_b-V_B)) S.E. .036157 .0999065 .6312035 434.0574 615.7611 483.1803 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 5.53 Prob>chi2 = 0.3549 38 . xtreg net incomepercap pensionpercap socpercap old nsmall school, fe Fixed-effects (within) regression Group variable: _id Number of obs Number of groups = = 1183 683 R-sq: Obs per group: min = avg = max = 1 1.7 6 within = 0.0329 between = 0.0474 overall = 0.0380 corr(u_i, Xb) F(6,494) Prob > F = 0.0044 net Coef. incomepercap pensionper~p socpercap old nsmall school _cons .1246374 .3391131 1.297759 -547.7939 1104.482 442.5083 161.9873 .0647049 .1893592 1.058439 776.1247 1256.906 749.6167 1196.635 sigma_u sigma_e rho 4982.8732 3701.0321 .64446341 (fraction of variance due to u_i) F test that all u_i=0: Std. Err. t 1.93 1.79 1.23 -0.71 0.88 0.59 0.14 F(682, 494) = P>|t| = = 0.055 0.074 0.221 0.481 0.380 0.555 0.892 2.80 0.0110 [95% Conf. Interval] -.0024934 -.0329357 -.7818376 -2072.706 -1365.058 -1030.322 -2189.134 2.14 .2517682 .7111618 3.377356 977.1186 3574.022 1915.338 2513.109 Prob > F = 0.0000 . estimates store fe . xtreg net incomepercap pensionpercap socpercap old nsmall school, re Random-effects GLS regression Group variable: _id Number of obs Number of groups = = 1183 683 R-sq: Obs per group: min = avg = max = 1 1.7 6 within = 0.0246 between = 0.0902 overall = 0.0609 Random effects u_i ~ Gaussian corr(u_i, X) = 0 (assumed) Std. Err. Wald chi2(6) Prob > chi2 net Coef. z incomepercap pensionper~p socpercap old nsmall school _cons .2702669 .1525613 .616052 -176.3588 161.008 1118.719 -294.0676 .0428807 .1223901 .7564561 347.0332 554.8589 349.0025 592.2979 sigma_u sigma_e rho 3689.0745 3701.0321 .49838194 (fraction of variance due to u_i) 6.30 1.25 0.81 -0.51 0.29 3.21 -0.50 P>|z| 0.000 0.213 0.415 0.611 0.772 0.001 0.620 = = 68.09 0.0000 [95% Conf. Interval] .1862223 -.087319 -.8665748 -856.5313 -926.4955 434.687 -1454.95 .3543114 .3924415 2.098679 503.8137 1248.512 1802.752 866.8149 . estimates store re . hausman fe re Note: the rank of the differenced variance matrix (5) does not equal the number of coefficients being tested (6); be sure this is what you expect, or there may be problems computing the test. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale. Coefficients (b) (B) fe re incomepercap pensionper~p socpercap old nsmall school .1246374 .3391131 1.297759 -547.7939 1104.482 442.5083 .2702669 .1525613 .616052 -176.3588 161.008 1118.719 (b-B) Difference -.1456295 .1865518 .681707 -371.4351 943.4743 -676.2111 sqrt(diag(V_b-V_B)) S.E. .0484559 .1444907 .7403151 694.2172 1127.805 663.4172 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 6.22 Prob>chi2 = 0.2849 39 . xtprobit GT status pensionpercap socpercap old middle nsmall school Fitting comparison model: Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = -3424.603 = -3247.3735 = -3245.9587 = -3245.9582 log log log log log log log log likelihood likelihood likelihood likelihood likelihood likelihood likelihood likelihood = = = = = = = = -3245.9582 -3116.9218 -3028.3799 -2966.54 -2925.1143 -2901.6524 -2896.7947 -2915.9363 log log log log likelihood likelihood likelihood likelihood = = = = -2896.4506 -2868.7749 -2868.0677 -2868.0674 Fitting full model: rho rho rho rho rho rho rho rho = = = = = = = = 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 Iteration Iteration Iteration Iteration 0: 1: 2: 3: Random-effects probit regression Group variable: _id Number of obs Number of groups = = 4999 1660 Random effects u_i ~ Gaussian Obs per group: min = avg = max = 1 3.0 6 Log likelihood Wald chi2(7) Prob > chi2 = -2868.0674 GT Coef. Std. Err. status pensionper~p socpercap old middle nsmall school _cons -.0301269 -.0002075 -.000319 .4850439 -.085846 -.4689548 -.4996163 -.0437279 .0333526 .0000222 .0001663 .0697752 .0304963 .1218394 .0709664 .1487624 /lnsig2u .4970766 sigma_u rho 1.28215 .6217721 z -0.90 -9.35 -1.92 6.95 -2.81 -3.85 -7.04 -0.29 P>|z| 226.48 0.0000 [95% Conf. Interval] -.0954967 -.0002509 -.000645 .3482869 -.1456176 -.7077557 -.638708 -.3352969 .035243 -.000164 6.98e-06 .6218008 -.0260744 -.230154 -.3605247 .2478411 .0924545 .315869 .6782841 .0592703 .0217427 1.171089 .5783172 1.403743 .6633556 Likelihood-ratio test of rho=0: chibar2(01) = 0.366 0.000 0.055 0.000 0.005 0.000 0.000 0.769 = = 755.78 Prob >= chibar2 = 0.000 40 . xtprobit RT status pensionpercap socpercap old middle nsmall school Fitting comparison model: Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = -774.26286 = -745.21343 = -745.0047 = -745.00466 log log log log log log likelihood likelihood likelihood likelihood likelihood likelihood = = = = = = -745.00466 -720.63033 -705.94985 -697.83807 -695.02905 -697.19936 log log log log log log log likelihood likelihood likelihood likelihood likelihood likelihood likelihood = = = = = = = -695.03096 -661.9955 -661.12241 -661.10601 -661.10566 -661.10546 -661.10546 Fitting full model: rho rho rho rho rho rho = = = = = = 0.0 0.1 0.2 0.3 0.4 0.5 Iteration Iteration Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: 5: 6: Random-effects probit regression Group variable: _id Number of obs Number of groups = = 1731 879 Random effects u_i ~ Gaussian Obs per group: min = avg = max = 1 2.0 6 Log likelihood Wald chi2(7) Prob > chi2 = -661.10546 RT Coef. Std. Err. status pensionper~p socpercap old middle nsmall school _cons .2731448 3.11e-06 .0004424 -.4838704 -.098217 .3257394 .1278873 1.85414 .0739525 .000052 .0003981 .1464291 .0751704 .2717964 .1737614 .3241362 /lnsig2u .8092976 sigma_u rho 1.498776 .6919598 z 3.69 0.06 1.11 -3.30 -1.31 1.20 0.74 5.72 P>|z| 28.25 0.0002 [95% Conf. Interval] .1282005 -.0000989 -.0003379 -.7708662 -.2455484 -.2069717 -.2126788 1.218845 .418089 .0001051 .0012227 -.1968746 .0491144 .8584506 .4684534 2.489435 .2180009 .3820237 1.236571 .1633672 .0464672 1.210474 .5943611 1.855744 .7749667 Likelihood-ratio test of rho=0: chibar2(01) = 0.000 0.952 0.266 0.001 0.191 0.231 0.462 0.000 = = 167.80 Prob >= chibar2 = 0.000 . 41 . xtprobit RorG status pensionpercap socpercap old middle nsmall school Fitting comparison model: Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: log log log log log likelihood likelihood likelihood likelihood likelihood = = = = = -266.46659 -249.81883 -249.15417 -249.15157 -249.15157 Fitting full model: rho = rho = rho = 0.0 0.1 0.2 Iteration Iteration Iteration Iteration Iteration Iteration Iteration log likelihood = -249.15157 log likelihood = -247.73158 log likelihood = -249.11578 0: 1: 2: 3: 4: 5: 6: log log log log log log log likelihood likelihood likelihood likelihood likelihood likelihood likelihood = = = = = = = -247.73158 -245.96826 -243.75979 -243.68418 -243.62939 -243.62922 -243.62922 Random-effects probit regression Group variable: _id Number of obs Number of groups = = 1194 688 Random effects u_i ~ Gaussian Obs per group: min = avg = max = 1 1.7 6 Log likelihood Wald chi2(7) Prob > chi2 = -243.62922 RorG Coef. Std. Err. status pensionper~p socpercap old middle nsmall school _cons .0856538 -.0001879 .0008839 .0870903 -.1520842 -.082734 -.1257102 2.399728 .0758204 .0000597 .000578 .1850991 .0759656 .2636778 .1642427 .449757 /lnsig2u -.308547 sigma_u rho .8570376 .4234694 z 1.13 -3.15 1.53 0.47 -2.00 -0.31 -0.77 5.34 P>|z| 21.13 0.0036 [95% Conf. Interval] -.0629514 -.0003049 -.0002491 -.2756973 -.300974 -.5995331 -.44762 1.51822 .234259 -.0000709 .0020168 .4498779 -.0031944 .4340651 .1961997 3.281235 .5231932 -1.333987 .7168929 .2241981 .127734 .5132494 .2085007 1.431104 .6719224 Likelihood-ratio test of rho=0: chibar2(01) = 0.259 0.002 0.126 0.638 0.045 0.754 0.444 0.000 = = 11.04 Prob >= chibar2 = 0.000 . 42 . xtprobit AND status pensionpercap socpercap old middle nsmall school Fitting comparison model: Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = -798.6371 = -787.55327 = -787.54525 = -787.54525 log log log log log log log likelihood likelihood likelihood likelihood likelihood likelihood likelihood = = = = = = = log log log log likelihood likelihood likelihood likelihood = -758.18893 = -755.7764 = -755.73732 = -755.7373 Fitting full model: rho rho rho rho rho rho rho = = = = = = = 0.0 0.1 0.2 0.3 0.4 0.5 0.6 Iteration Iteration Iteration Iteration 0: 1: 2: 3: -787.54525 -775.22473 -766.77167 -761.27961 -758.40653 -758.18638 -761.07066 Random-effects probit regression Group variable: _id Number of obs Number of groups = = 1194 688 Random effects u_i ~ Gaussian Obs per group: min = avg = max = 1 1.7 6 Log likelihood = Wald chi2(7) Prob > chi2 -755.7373 AND Coef. Std. Err. status pensionper~p socpercap old middle nsmall school _cons .0296149 -.0001173 -.0002552 .2514012 .0167955 -.3601819 -.0747594 -.3962075 .0499883 .0000434 .0002898 .1192577 .0583969 .2072573 .1234542 .2467833 /lnsig2u -.0258318 sigma_u rho .9871671 .4935424 z 0.59 -2.70 -0.88 2.11 0.29 -1.74 -0.61 -1.61 P>|z| 18.44 0.0101 [95% Conf. Interval] -.0683603 -.0002024 -.0008232 .0176604 -.0976603 -.7663988 -.3167251 -.8798939 .1275901 -.0000322 .0003128 .485142 .1312512 .046035 .1672063 .0874789 .2428887 -.501885 .4502213 .1198859 .060712 .7780671 .3770978 1.252461 .6106918 Likelihood-ratio test of rho=0: chibar2(01) = 0.554 0.007 0.379 0.035 0.774 0.082 0.545 0.108 = = 63.62 Prob >= chibar2 = 0.000 . 43 . heckman giventotal nfm status incomepercap pensionpercap socpercap, select > d middle nsmall school) Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: log log log log log likelihood likelihood likelihood likelihood likelihood = = = = = -51684.963 -51603.481 -51597.836 -51597.801 -51597.801 Heckman selection model (regression model with sample selection) Log likelihood = -51597.8 Coef. giventotal nfm status incomepercap pensionper~p socpercap _cons (ol Std. Err. z Number of obs Censored obs Uncensored obs = = = 10882 5949 4933 Wald chi2(5) Prob > chi2 = = 145.18 0.0000 P>|z| [95% Conf. Interval] -55.99496 104.0553 .0568356 .1622314 -.0612476 277.3175 23.91294 28.56266 .0072137 .0246408 .2103217 127.1537 -2.34 3.64 7.88 6.58 -0.29 2.18 0.019 0.000 0.000 0.000 0.771 0.029 -102.8635 48.07352 .0426971 .1139364 -.4734705 28.1009 -9.126469 160.0371 .0709741 .2105264 .3509752 526.5341 old middle nsmall school _cons .830968 -.0514345 -.2141433 -.1479378 -.8558426 .0208559 .01092 .0389011 .0225562 .0310533 39.84 -4.71 -5.50 -6.56 -27.56 0.000 0.000 0.000 0.000 0.000 .7900913 -.0728372 -.2903881 -.192147 -.916706 .8718448 -.0300317 -.1378986 -.1037285 -.7949792 /athrho /lnsigma -.1825135 7.800852 .0273369 .0105466 -6.68 739.66 0.000 0.000 -.2360929 7.780181 -.1289342 7.821523 rho sigma lambda -.1805136 2442.682 -440.9374 .0264461 25.76191 66.16439 -.231802 2392.708 -570.6172 -.1282244 2493.7 -311.2576 select LR test of indep. eqns. (rho = 0): chi2(1) = 34.66 Prob > chi2 = 0.0000 44 . heckman rectotal nfm status incomepercap pensionpercap socpercap, select > middle ds) Iteration 0: Iteration 1: log likelihood = log likelihood = -21178.64 -21178.64 Heckman selection model (regression model with sample selection) Log likelihood = -21178.64 Coef. (old Std. Err. z Number of obs Censored obs Uncensored obs = = = 13898 12185 1713 Wald chi2(5) Prob > chi2 = = 227.16 0.0000 P>|z| [95% Conf. Interval] rectotal nfm status incomepercap pensionper~p socpercap _cons 429.8069 99.48884 .3951319 -.0364545 .6230596 -839.7351 77.38841 79.49225 .0306282 .0820321 .5506247 582.4515 5.55 1.25 12.90 -0.44 1.13 -1.44 0.000 0.211 0.000 0.657 0.258 0.149 278.1284 -56.3131 .3351018 -.1972344 -.456145 -1981.319 581.4854 255.2908 .455162 .1243254 1.702264 301.849 old middle ds _cons .4376011 -.1803163 -.0899583 -1.385008 .0217364 .0140539 .0241294 .0337887 20.13 -12.83 -3.73 -40.99 0.000 0.000 0.000 0.000 .3949985 -.2078616 -.1372511 -1.451232 .4802037 -.1527711 -.0426655 -1.318783 /athrho /lnsigma -.0018225 8.260479 .0965903 .0170852 -0.02 483.49 0.985 0.000 -.1911359 8.226992 .1874909 8.293965 rho sigma lambda -.0018225 3867.945 -7.04922 .0965899 66.08459 373.6055 -.1888418 3740.566 -739.3026 .1853245 3999.661 725.2041 select LR test of indep. eqns. (rho = 0): chi2(1) = 0.00 Prob > chi2 = 0.9850 45 . heckman net nfm status incomepercap, select Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: log log log log log likelihood likelihood likelihood likelihood likelihood = = = = = -35894.136 -35882.758 -35880.476 -35880.421 -35880.421 Heckman selection model (regression model with sample selection) Log likelihood = -35880.42 Coef. (old middle ds) Std. Err. z Number of obs Censored obs Uncensored obs = = = 16408 13602 2806 Wald chi2(3) Prob > chi2 = = 354.30 0.0000 P>|z| [95% Conf. Interval] net nfm status incomepercap _cons 515.2282 58.28385 .3746995 -306.9331 84.10815 97.24557 .0209121 695.9981 6.13 0.60 17.92 -0.44 0.000 0.549 0.000 0.659 350.3793 -132.314 .3337126 -1671.064 680.0771 248.8817 .4156863 1057.198 old middle ds _cons -.1797306 -.0897474 .0514866 -.7454602 .0181229 .0095031 .0150224 .0249584 -9.92 -9.44 3.43 -29.87 0.000 0.000 0.001 0.000 -.2152507 -.1083731 .0220433 -.7943777 -.1442105 -.0711217 .0809299 -.6965427 /athrho /lnsigma -.1048039 8.725728 .0686448 .0145684 -1.53 598.95 0.127 0.000 -.2393453 8.697175 .0297375 8.754282 rho sigma lambda -.1044219 6159.361 -643.172 .0678963 89.73198 422.0424 -.2348773 5985.977 -1470.36 .0297287 6337.768 184.0158 select LR test of indep. eqns. (rho = 0): chi2(1) = 1.88 Prob > chi2 = 0.1699 46 . heckman giventotal nfm status incomepercap pensionpercap socpercap, select (old middle nsmall school) Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: log log log log log likelihood likelihood likelihood likelihood likelihood = = = = = -51684.963 -51603.481 -51597.836 -51597.801 -51597.801 Heckman selection model (regression model with sample selection) Log likelihood = -51597.8 Coef. giventotal nfm status incomepercap pensionper~p socpercap _cons Std. Err. z Number of obs Censored obs Uncensored obs = = = 10882 5949 4933 Wald chi2(5) Prob > chi2 = = 145.18 0.0000 P>|z| [95% Conf. Interval] -55.99496 104.0553 .0568356 .1622314 -.0612476 277.3175 23.91294 28.56266 .0072137 .0246408 .2103217 127.1537 -2.34 3.64 7.88 6.58 -0.29 2.18 0.019 0.000 0.000 0.000 0.771 0.029 -102.8635 48.07352 .0426971 .1139364 -.4734705 28.1009 -9.126469 160.0371 .0709741 .2105264 .3509752 526.5341 old middle nsmall school _cons .830968 -.0514345 -.2141433 -.1479378 -.8558426 .0208559 .01092 .0389011 .0225562 .0310533 39.84 -4.71 -5.50 -6.56 -27.56 0.000 0.000 0.000 0.000 0.000 .7900913 -.0728372 -.2903881 -.192147 -.916706 .8718448 -.0300317 -.1378986 -.1037285 -.7949792 /athrho /lnsigma -.1825135 7.800852 .0273369 .0105466 -6.68 739.66 0.000 0.000 -.2360929 7.780181 -.1289342 7.821523 rho sigma lambda -.1805136 2442.682 -440.9374 .0264461 25.76191 66.16439 -.231802 2392.708 -570.6172 -.1282244 2493.7 -311.2576 select LR test of indep. eqns. (rho = 0): chi2(1) = 34.66 Prob > chi2 = 0.0000 . . heckman giventotal nfm status incomepercap pensionpercap socpercap, select (old middle nsmall school) > robust Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: log log log log log pseudolikelihood pseudolikelihood pseudolikelihood pseudolikelihood pseudolikelihood = = = = = -51684.963 -51603.481 -51597.836 -51597.801 -51597.801 Heckman selection model (regression model with sample selection) Log pseudolikelihood = -51597.8 Coef. giventotal nfm status incomepercap pensionper~p socpercap _cons Robust Std. Err. z Number of obs Censored obs Uncensored obs = = = 10882 5949 4933 Wald chi2(5) Prob > chi2 = = 34.45 0.0000 P>|z| [95% Conf. Interval] -55.99496 104.0553 .0568356 .1622314 -.0612476 277.3175 16.9455 28.82304 .0274717 .0496086 .2054667 140.6915 -3.30 3.61 2.07 3.27 -0.30 1.97 0.001 0.000 0.039 0.001 0.766 0.049 -89.20754 47.56319 .002992 .0650003 -.463955 1.567237 -22.78239 160.5474 .1106792 .2594626 .3414597 553.0677 old middle nsmall school _cons .830968 -.0514345 -.2141433 -.1479378 -.8558426 .0210307 .0105668 .0387172 .0220725 .0284642 39.51 -4.87 -5.53 -6.70 -30.07 0.000 0.000 0.000 0.000 0.000 .7897485 -.072145 -.2900275 -.1911991 -.9116313 .8721876 -.0307239 -.1382591 -.1046764 -.8000539 /athrho /lnsigma -.1825135 7.800852 .0245042 .0907255 -7.45 85.98 0.000 0.000 -.2305408 7.623033 -.1344863 7.978671 rho sigma lambda -.1805136 2442.682 -440.9374 .0237057 221.6137 57.00614 -.2265415 2044.755 -552.6674 -.1336813 2918.05 -329.2074 select Wald test of indep. eqns. (rho = 0): chi2(1) = 55.48 Prob > chi2 = 0.0000 . 47 . corr incomepercap pensionpercap socpercap old middle school nsmall nfm status (obs=7649) incomep~ pensio~p socper~p incomepercap pensionper~p socpercap old middle school nsmall nfm status 1.0000 0.3188 0.1147 -0.0072 0.0288 -0.0530 -0.0118 -0.0016 0.0975 1.0000 0.1705 -0.0535 0.0327 0.0034 -0.0352 0.0353 0.1305 1.0000 -0.0529 -0.1605 -0.1292 -0.0865 -0.2163 0.2058 old middle school nsmall nfm status 1.0000 -0.1042 -0.0554 -0.0350 0.1994 -0.0395 1.0000 0.3116 0.2856 0.7103 -0.0497 1.0000 0.1545 0.6503 -0.0812 1.0000 0.5094 -0.0500 1.0000 -0.0839 1.0000 48