Add to collection(s) Add to saved
  1. No category

Частные трансферты, безусловно, играют важную роль в жизни

advertisement 
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
Related documents
Андрей Юшков ВШМ СПбГУ (M.Sc. in Economics University of Bonn)
Андрей Юшков ВШМ СПбГУ (M.Sc. in Economics University of Bonn)
Download
advertisement