Пример анализа панельных данных

Одной из самых острых социальных проблем во всем мире является криминализация общества в целом и экономики в частности. Данная проблема актуальна для экономических систем практически любого типа. Исследование взаимосвязи социально-экономической и криминальной ситуации позволяет выявить потенциал косвенных мер по снижению уровня региональной преступности.

Рассмотрим анализ системы социально-экономических детерминант преступности в субъектах Сибирского федерального округа (СФО) на основе панельных данных [80]. Анализ социально-экономической детерминации был проведен для общего уровня преступности и двух основных видов преступлений — против личности (на примере убийств и покушений на убийство) и против собственности (на примере краж чужого имущества).

Доступные из официальных источников [52, 69, 72] данные отражают динамику изменения соответствующих показателей для 12 субъектов СФО на протяжении шести лет (1998—2003 гг.). Это позволило рассматривать проведенное исследование как панельное и применить соответствующую технику.

В качестве характеристик уровня преступности в регионах использовались индексы концентрации отдельных видов преступлений, определяемые следующим образом [87]:

где СС1ас индекс концентрации преступлений вида с в регионе я; N — количество преступлений вида с, зарегистрированных на территории региона а.

Для характеристики общего уровня преступности и социально-экономических показателей используется коэффициент следующего вида:

где xit значение показателя по региону i в период V, xtсреднее по СФО значение показателя в период t.

Коэффициент (9.34) может быть интерпретирован как индекс концентрации соответствующего показателя по региону i в период Г.

Для оценивания влияния социально-экономических детерминант на индекс концентрации преступности была рассмотрена модель вида

где Y. — значение показателя уровня преступности в г-м регионе в момент времени t (году Г); р — генеральное среднее; а,. — региональный эффект; yt — временной эффект; X}t, ..., X" значения объясняющих переменных X1, ..., X" в г-м регионе в момент времени t; ej( — случайные ошибки.

Неизвестными параметрами являются: генеральное среднее, региональные и временные эффекты, а также набор коэффициентов bv ..., b.

Присутствие в модели (9.35) двух качественных факторов (временных и региональных эффектов) привело к необходимости введения идентифицирующих ограничений [27, 47] вида

Идентификация модели (9.35) проводилась методом наименьших квадратов на основе обобщенного обращения [27, 47].

В качестве зависимой переменной Y в модели (9.35) последовательно выступали: индекс концентрации убийств и покушений на убийство (К), краж чужого имущества (Y.,) и общего уровня преступности (У3), т.е. рассматривались три модели. При этом значения индексов для Y. и У2 получены с помощью выражения (9.33), а для Y.x — с помощью выражения (9.34). В качестве объясняющих переменных во все модели вошли следующие региональные показатели: валовой региональный продукт на душу населения (X1); количество автомобилей на душу населения (X2); удельный вес городского населения (X3); коэффициент разводимо- сти (X4); количество студентов на 10 000 человек (X5); реальные доходы на душу населения (X6); уровень общей безработицы (X7); доля населения с доходами ниже величины прожиточного минимума (X8); доля прибывших от общего числа прибывших и выбывших в пределах региона (X9); доля прибывших от общего числа прибывших и выбывших из других регионов (X10); доля прибывших от общего числа прибывших и выбывших из-за границ России (Xй); площадь жилья, приходящаяся на одного жителя (X12); число больничных коек на 10 000 населения (X13); ввод в действие жилых домов (X14); индекс промышленного производства (X15); оборот розничной торговли на душу населения (X16). Значения объясняющих переменных X1, ..., X" были получены в соответствии с преобразованием (9.34).

По результатам проведенного анализа всех трех моделей было выявлено, что фактор времени является статистически незначимым, что свидетельствует о стабильности описываемого явления во времени, т.е. о его стационарности.

Все три модели были идентифицированы повторно после исключения незначимых временных эффектов (оценки параметров представлены в табл. 9.3, 9.4).

Перейдем к интерпретации полученных результатов. Для индекса концентрации убийств и покушений на убийство все специфические для регионов эффекты оказались статистически значимыми. Отрицательный знак оценки параметров в моделях интерпретируется как антикриминоген- ный (сдерживающий концентрацию преступности в регионе) эффект соответствующей детерминанты; положительный — как криминогенный (способствующий концентрации преступности в регионе). Наибольшие криминогенные региональные эффекты были выявлены для Республик Алтай, Хакасия и Тыва, наибольшие антикриминогенные — для Новосибирской и Омской областей, Красноярского края.

Таблица 93

Детерминация преступности социально-экономическими факторами в СФО

Переменные (индексы концентрации)

Фактор

Убийства

O'.)

Кражи

(Y2)

Общий

уровень

' оу

ВРП на душу населения

X1

0,1108

0,1341

-0,0173

Количество автомобилей на душу населения

X2

-0,6885

0,3827

0,0808

Удельный вес городского населения

Х!

2,3260

0,1174

2,2951

Коэффициент разво- димости

X4

-0,0684

0,1809

0,2458

Количество студентов на 10 000 человек

X5

-0,4171

-0,0801

0,1979

Реальные доходы на душу населения

X6

-0,9589

0,1955

-0,2627

Уровень общей безработицы

X7

0,0939

0,1020

0,1671

Окончание табл. 93

Переменные (индексы концентрации)

Фактор

Убийства

Кражи

(У2)

Общий

уровень

э)

Доля населения с доходами ниже величины прожиточного минимума

X8

0,7207

-0,1610

0,3211

Доля прибывших от общего числа прибывших и выбывших в пределах региона

X9

-0,7149

-0,3589

0,2125

Доля прибывших от общего числа прибывших и выбывших из других регионов

X10

-0,0371

-0,0892

0,1311

Доля прибывших от общего числа прибывших и выбывших из-за границ России

X”

-0,3011

0,1937

0,0792

Площадь жилья, приходящаяся на одного жителя

X12

1,8116

0,1389

0,0181

Число больничных коек на 10 000 населения

X13

0,9990

0,1831

0,1789

Ввод в действие жилых домов

X14

-0,0414

0,0549

-0,0131

Индекс промышленного производства

X15

0,0929

-0,0140

-0,0097

Оборот розничной торговли на душу населения

Х16

0,4955

-0,1252

0,0036

Таблица 9.4

Региональная специфика детерминации преступности социально-экономическими факторами в СФО

Переменные

(индексы

концентрации)

Убийства

(У,)

Кражи

(Y2)

Общий уровень

(Уз)

Республика Алтай

1,4217

0,1980

1,2130

Республика Бурятия

-0,0965

0,1750

0,5011

Республика Тыва

0,8265

-0,2511

0,6766

Республика Хакасия

0,5393

0,1437

-0,2203

Алтайский край

-0,1832

-0,0012

0,2617

Красноярский край

-0,5268

-0,1652

-0,1604

Иркутская область

-0,3352

0,0695

-0,7307

Кемеровская

область

-0,2132

-0,1095

-0,4667

Новосибирская

область

-0,7427

0,05789

-0,3207

Омская область

-0,7505

0,0558

-0,3741

Томская область

0,1605

0,0141

-0,5202

Читинская область

-0,0999

-0,0481

0,1407

Коэффициент

детерминации

0,92

0,76

0,87

Среди социально-экономических детерминант, оказывающих сдерживающее воздействие на концентрацию убийств в регионе, были выявлены следующие:

  • • общее социально-экономическое благополучие и уровень обеспеченности граждан;
  • • накопление человеческого капитала (концентрация студентов в регионе);
  • • благоприятные миграционные процессы.

Среди криминогенных детерминант наибольшее влияние на концентрацию убийств оказывает значительная доля городского населения на территории. Это может быть объяснено снижением социального взаимодействия и контроля в более урбанизированных регионах.

Для модели, в которой в качестве зависимой переменной выступал индекс концентрации краж чужого имущества, все индивидуальные региональные эффекты также оказались статистически значимыми. Значительные региональные эффекты криминогенного характера были выявлены для Республик Алтай, Бурятия и Хакасия; антикримино- генного — для Республики Тыва, Красноярского края и Кемеровской области. Следует заметить, что значения оценок специфических региональных эффектов для данного вида преступлений оказались ниже, чем для уровня концентрации убийств. Это объясняется тем, что кражи являются наиболее многочисленной группой преступлений против собственности и в большей мере мотивированы и обусловлены социально-экономическими детерминантами, в той или иной мере учтенными в данный модели.

В модели, где в качестве зависимой переменной выступал индекс концентрации общего уровня преступности, наибольшие криминогенные специфические региональные эффекты были выявлены для Республик Алтай, Бурятия и Тыва. Среди регионов с наиболее значительными анти- криминогенными эффектами — Иркутская, Кемеровская, Новосибирская, Омская и Томская области.

Как очевидно из рассмотренного примера, несмотря на кажущуюся сложность модели дисперсионного анализа, получаемые на ее основе результаты имеют удобную качественную интерпретацию в терминах решаемой задачи.

Контрольные вопросы и задания

  • 1. Каковы основные трудности, возникающие при использовании качественных факторов в регрессионном анализе?
  • 2. Каким образом определяются фиктивные переменные?
  • 3. Как выглядит модель дисперсионного анализа?
  • 4. В каких случаях используются эффекты взаимодействия?
  • 5. В чем разница между случайными и фиксированными эффектами качественных факторов?
  • 6. Каковы особенности идентификации моделей с качественными факторами?
  • 7. Как проводится редукция модели?
  • 8. Что такое функции, допускающие оценку?
  • 9. В чем заключается 5-метод множественных сравнений?
  • 10. Как проводится проверка значимости качественного фактора?
  • 11. Что называют панельными данными?
  • 12. Какие методы оценивания компонент дисперсии вы знаете?
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >