Обзор исследования ЦБ Кривая Филлипса инфляция и NAIRU в Российских регионах. Обзор исследования ЦБ Кривая Филлипса инфляция и NAIRU в Российс. Обзор экономического исследования цб Кривая Филлипса инфляция и nairu в Российских регионах
 Скачать 114 Kb.
|
|
Обзор экономического исследования ЦБ “Кривая Филлипса: инфляция и NAIRU в Российских регионах” Краткий обзор Данная статья посвящена оцениванию кривой Филлипса на региональной панели данных по России. В работе при помощи обобщенного метода моментов оцениваются гибридная модель, а также ее частные случаи: адаптивная и неокейнсианская модели. Результаты показывают, что из трех рассмотренных модификаций фактический ряд данных наиболее точно описывается гибридной моделью включающей разрыв выпуска и учитывающей оба типа ожиданий экономических агентов: впередсмотрящие и назадсмотрящие. Отмечается, что кривая Филлипса, включающая показатель безработицы, некорректно описывает региональную панель. Авторы связывают результат со спецификой региональных рынков труда и разделяют региональную выборку на кластеры по показателям дохода и безработицы, в результате чего формируются три кластера: 1) с высоким среднедушевым доходом, высокой долей активного населения и низким уровнем безработицы. 2) с низким доходом, низкой долей активного населения и высоким уровнем безработицы. 3) со средними значениями каждого показателя. Результаты оценивания моделей показали, что на выборке «богатых» регионов кривая Филлипса не описывает данные, что объясняется природно-климатическими условиями в данных регионах и/или специфическим государственными надбавками. При этом инфляция и безработица в регионах, характеризующихся низкими и/или средними доходами, адекватно описывается кривой Филлипса. Полный обзор Введение Авторы ставят целью исследования моделирование кривой Филлипса на региональной панели данных. Работа состоит из трех частей. Первая часть содержит обзор подходов к построению кривой Филлипса. Во второй части работы проводится анализ эмпирических исследований, посвященных моделированию кривой на панельных данных и изучению специфики регионального рынка труда Российской Федерации. В третьей части представлены результаты исследования. Мотивация В последнее время имеет место существенный интерес российских исследователей к поведению регионов и, в частности, региональных цен. В силу того, что российский рынок труда представляет собой систему разнородных региональных рынков, с сильно разнящимися экономическими показателями, данное исследование способствует лучшему пониманию инфляционных процессов в регионах и проведению более взвешенной денежно-кредитной политики. Анализ эмпирических работ и обзор подходов В данной части исследования авторы приходят к выводу, что основная особенность макроэкономических показателей России заключается в наличии большого количества регионов, обладающих уникальными социальными, культурными и экономическими характеристиками. В связи с этим в настоящее время наблюдается большая неоднородность между экономическими показателями регионов, не позволяющая применять стандартные модели к средним значениям показателей по стране. Для получения более точных прогнозов инфляции для стран с большим количеством регионов на практике применяются панельные модели. Также отмечается, что обычно в работах, где кривая Филлипса не была обнаружена, исследователи приходят к выводу, что причиной этого является разнородность анализируемых стран. Несоответствие экономических условий между регионами препятствует установлению общей значимой взаимосвязи между уровнем безработицы и инфляции. Исследование кривой Филлипса на российских региональных данных 1. Используемые данные Панель состоит из 80 субъектов РФ, в которую не включается республика Крым и город федерального значения Севастополь, Ямало-Ненецкий автономный округ и Ханты-Мансийский автономный округ, Ненецкий автономный округ. Данные годовые, охватывают период с 2000 г. по 2015 г. в связи с ограниченностью информации и большими структурными сдвигами в 1998–1999 гг. В таблице ниже представлено описание переменных, используемых в данной работе. Все показатели включаются в модели на региональном уровне.  ИПЦ всех товаров и услуг измеряется в процентах к декабрю предыдущего года. Авторы рассматривают только два показателя: уровень безработицы и разрыв выпуска в связи с нехваткой информации относительно доли трудовых доходов в ВРП и удельных затрат на труд для регионов. Показатель уровня безработицы измерен в процентах в среднем за год по методологии МОТ. Ряды ( un)и ( inf) были прологарифмированы. Разрыв выпуска для регионов РФ был рассчитан как логарифм отношения ВРП в постоянных ценах 2008 г. к его трендовому значению:  Тренд определялся с помощью фильтра Ходрика – Прескотта. В качестве инструментов были взяты такие переменные, как логарифм отношения темпа прироста ВРП регионов к темпу прироста ВВП России ( grp ), а также доля экспорта региона в общем экспорте страны ( exp ). 2. Оценка кривой Филлипса на панельных данных Для построения кривой Филлипса были использованы три модификации модели. Первая, традиционная кривая Филлипса, которая имеет вид:  где  – темп инфляции;  – лаговое значение инфляции;  – уровень экономической активности, в качестве которого используются уровень безработицы или разрыв выпуска; – фиксированный индивидуальный эффект (  – индикатор региона;  – момент времени).Неокейнсианская кривая Филлипса имеет вид:  где  – впередсмотрящие инфляционные ожидания.Гибридная кривая Филлипса, которая включает два типа ожиданий одновременно, имеет вид:  Поскольку все три модели являются динамическими, авторы оценивают их панельным GMM Ареллано – Бонда. Данный метод помогает решить ряд проблем, в том числе проблемы, связанные с наличием запаздывающих переменных, которые влекут за собой автокорреляцию, а также с размерностью данных: набор данных панели характеризуется коротким промежутком времени (  ) и большим размером пространства регионов ( ). При использовании этого метода оценивание коэффициентов происходит на основе разностных уравнений, и так же, как и в модели с фиксированными эффектами, расчет таких уравнений помогает исключить регионально-специфические эффекты.Для учета среднего вклада пропущенных переменных в динамику рядов инфляции в оцениваемые уравнения включаются константы (  ).В качестве инструментов для каждой модели использовались переменные, которые коррелируют с эндогенными регрессорами ( , ): это  ,  и лаги темпов инфляции определенного порядка, начиная со второго, поскольку он не коррелирует с текущей ошибкой. Соблюдается эмпирическое правило, которое гласит, что количество инструментов не должно превышать число объектов. Тест Хансена, нулевая гипотеза которого заключается в том, что избыточные условия действительно выполняются, не отвергает корректность модели.Дополнительным критерием проверки корректности модели выбран тест Ареллано – Бонда (AB) на автокоррелированность. Соответственно для дополнительной проверки адекватности оцененной модели проверяется наличие автокоррелированности первого порядка и отсутствие автокоррелированности второго порядка. Из результатов оценки модели на всей региональной панели авторы сделали следующие выводы: 1) При оценке кривой Филлипса с уровнем безработицы в качестве показателя экономической активности коэффициент при этой переменной во всех трех моделях противоречит теоретическим гипотезам. 2) При разрыве выпуска все коэффициенты в спецификации трех моделей значимы и положительны в соответствии с экономической теорией. Инфляционные ожидания значимы во всех моделях. Кроме того, согласно расчетам, в гибридной кривой адаптивные ожидания оказывают большее влияние на инфляцию, чем рациональные. 3. Кластеризация регионов РФ Для кластерного анализа в данной работе используются следующие показатели: доля активного населения, доля безработных и доходы населения региона. Доля активного населения вычисляется с помощью отношения численности активного населения к численности жителей региона (  ). Доля безработных рассчитывается как число безработных к общему числу жителей региона ( ), что отличается от стандартной методологии расчета данного показателя и применяется в данной работе только при кластеризации для наглядности и сравнимости с долей активного населения. В качестве доходов населения используются среднегодовые доходы в рублях ( ).Кластеризация проводилась с помощью метода k-средних, целью которого является разделение n числа регионов на k кластеров, при этом каждое наблюдение относится тому кластеру, к центру которого оно ближе всего. В качестве меры близости используется евклидово расстояние. Перед началом проведения анализа была проведена стандартизация данных, чтобы переменные имели одинаковый вес в образовании кластеров. Для этого было вычислено среднее арифметическое и стандартное отклонение каждого показателя. Данные были усреднены только по регионам, так как кластеры рассчитывались на определенные даты. Затем каждое значение каждого показателя было преобразовано по следующей формуле:  где  – показатель, по которому проводилась кластеризация;  – среднее значение показателя по регионам;  – стандартное отклонение показателя по регионам;  – значение показателя в регионе .Анализ проводился для четырех лет (2010, 2011, 2012 и 2015 гг.). Это было сделано для того, чтобы сравнить, как много регионов переходят из одной группы в другую, и на основе этого сформировать единый вывод относительно наполнения кластеров. Первый кластер содержит в себе 8 регионов: г. Москва, Тюменская область, Магаданская область, Сахалинская область, Мурманская область, Республика Коми, Камчатский край и Чукотский автономный округ. Для этого кластера характерны высокий среднедушевой доход, высокая доля активного населения и низкий уровень безработицы. Как видно, это богатые регионы, которые получают дотации и живут за счет доходов от полезных ископаемых, а также Москва. Во второй кластер входит 21 регион: Чеченская Республика, Ингушская Республика, Республика Дагестан, Забайкальский край, Республика Хакасия, Республика Тыва, Республика Алтай, Республика Бурятия, Воронежская область, Рязанская область, Тамбовская область, Республика Башкортостан, Пензенская область, Республика Адыгея, Республика Калмыкия, Краснодарский край, Волгоградская область, Ростовская область, Ставропольский край, Кабардино-Балкарская Республика, Карачаево-Черкесская Республика. Этот кластер имеет низкий среднедушевой доход, низкую долю активного населения и высокий уровень безработицы. В третий кластер вошли оставшиеся 51 регион. Он имеет среднедушевой доход, уровень безработицы и долю активного населения среднего уровня. 4. Оценка кривой Филлипса в кластерах Построение кривой Филлипса для каждого кластера проводилось по аналогии с подразделом 2. Из анализа результатов оценок авторы сделали следующие выводы: 1) Ни одна спецификация не позволяет получить адекватные оценки кривой Филлипса для первого кластера. 2) Для второго кластера адекватной получилась только гибридная модель, где, в свою очередь, адаптивные ожидания оказывают большее влияние на формирование инфляции, чем рациональные. 3) В рамках третьего кластера моделирование кривой Филлипса оказалось наиболее успешным. Традиционная и гибридная кривые показали теоретически верные результаты: инфляционные ожидания так же, как и во втором кластере, преимущественно назадсмотрящие. Авторы также получили результаты кривой Филлипса, оцененной на данных по объединенным второму и третьему кластерам. Таким образом авторы проверяют предположение, согласно которому именно первый кластер препятствует построению кривой на всей панели данных. Результаты показали, что для 72 регионов России кривая Филлипса строится теоретически правильно. Авторы отмечают, что наилучшей оказывается гибридная модель, в которой учитываются оба типа ожиданий. Заключение В работе получены оценки модели кривой Филлипса на региональной панели данных. Наилучшей моделью, описывающей инфляционные процессы на всей региональной панели, оказалась кривая Филлипса, включающая показатель разрыва выпуска. Коэффициент при темпе инфляции в предыдущий момент времени оказался равным 0,61, а при впередсмотрящих ожиданиях 0,53, что является правдоподобной оценкой и согласуется с предположением о том, что в России преимущественно адаптивные ожидания. Региональный рынок труда в России в высокой степени неоднороден, поэтому регионы РФ были разбиты на кластеры по занятости и доходам населения, в результате чего были получены три группы. В рамках первого кластера, куда были отнесены «богатые» регионы, получающие северные надбавки и доходы от нефтедобычи, модель Филлипса не описывает данные, поскольку цены в таких регионах определяются региональной спецификой, а также высокими транспортными издержками, необходимыми для доставки товаров в эти края. Оставшиеся регионы, которые входят во второй и третий кластеры, не получают доходы, характерные для регионов первого кластера, тем самым ожидаемо подходят под описание экономической теории. В подтверждение этому результаты оценок показали, что данные по регионам из второго и третьего кластеров по отдельности и совместно (72 региона) адекватно описываются кривой Филлипса. Полученные результаты учитывают специфические особенности региональных рынков труда, что повышает качество экономического анализа и позволяет более обоснованно поддерживать принятие решения по денежно-кредитной политике. Подводя итог, модель, представленная в данном исследовании, является практически ценной для моей дальнейшей работы. Анализ проводится по панельным данным, а также показывает работоспособность и плодотворность данного подхода. При дополнительных модификациях и улучшениях, основанных на других подобных работах, модель можно использовать для более подробного анализа кривой Филлипса на российских региональных данных. |