Современные миграционные процессы

Размещено на http://www.allbest.ru/

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Глава 1. Миграция в России

1.1 Миграция. Определение и классификация

1.2 Внутренняя миграция в России

1.3 Обзор литературы

Глава 2. Моделирование миграционных потоков между регионами РФ

2.1 Описание собранных данных

2.2 Эконометрическая модель

2.3 Построение и оценка эконометрических моделей

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ



ВВЕДЕНИЕ

На территории Российской Федерации, площадью 17 125 105 квадратных километров, проживает 146 267 288 человек, по данным на 2015 год Согласно Федеральной службе государственной регистрации, кадастра и картографии (rosreestr.ru). Россия занимает первое место в мире по территории, девятое место по численности населения, которое характеризуется значительным этнокультурным многообразием. Неудивительно, что на таких огромных территориях население расселяется неоднородно, что даёт богатую почву для различных демографических, географических и социально-экономических исследований. Исследования миграционных процессов как раз входят в эти группы. Миграция стала объектом внимания ещё задолго до разработки классической теории миграции, разработанной Харрисом и Тодаро Harris J., Todaro M. (1970). Migration unemployment and development: a two sector analysis. American Economic Review, и интерес к ней только продолжал нарастать, число научных работ - увеличиваться. Особенности миграционных процессов в России привлекали не только российских учёных, но и иностранных. Проблемы миграции стали настолько актуальными, что в 2013 году был создан центр исследования миграции и этничности при российской академии народного хозяйства и государственной службы Центр исследования миграции и этничности, сайт РАНХиГС (ranepa.ru).

Учитывая богатую историю России, можно уверенно сказать, что объем работы по исследованию миграции, стоящий перед учёными, колоссален. Распад СССР стал причиной целого ряда миграционных проблем, вызывая движение больших потоков населения в России, Украине, Белоруссии и в других соседних странах. На фоне волн внешних миграций, существует ещё и положительное сальдо миграции сельского населения, деревни и сёла стабильно теряют наиболее перспективную молодую часть населения. И не смотря на общую тенденцию снижения интенсивности и масштабов миграции, последние пятнадцать лет наблюдается перелом в рамках межрегиональной миграции Мкртчян Н. (2005). Миграция в России: Западный дрейф. Демоскоп Weekly N185-186. Наблюдается определённый вектор передвижения населения России с востока, а именно из территорий Зауралья, на запад - в центральные и южные части страны, получивший название «Западный дрейф». Это исследование будет посвящено изучению миграции между регионами Российской Федерации.

Всего в составе России находятся 85 субъектов - 46 областей, 22 республики, 9 краёв, 3 города федерального значения, 4 автономных округа и одна автономная область. Различия между этими регионами достаточно велики по многим социальным, экономическим и демографическим показателям. С точки зрения теории это должно привести к активации межрегиональной миграции, однако, несмотря на неравенство между регионами, направление и масштаб миграционного потока остаётся постоянным вот уже более 20 лет. Несмотря на желание властей и определённые экономические стимуляции, население не желает заселять стратегически важные регионы Дальнего Востока и стремится в центральные районы европейской части России, где больше вакансий, мест отдыха с более широким спектром жизненных условий.

Целью данной работы стоит считать:

1. Изучить, какие факторы влияют на миграционные потоки между регионами.

2. Выяснить эффективность использования величины прибывшего населения в регион как зависимой величины в моделях регрессии.

Объектом данного исследования являются миграционные потоки между регионами России, а предметом - факторы, влияющие на эти потоки. Для достижения цели исследования был поставлен ряд задач. Первой задачей стал поиск научной литературы по теме, определение основных тенденций и характеристик миграции между регионами. Следующей задачей стал поиск переменных, отражающих характеристики (рынка жилья, качества жизни и т.д.) миграционных потоков, сбор данных. Далее было необходимо построить несколько эконометрических моделей для анализа зависимости миграционных потоков от выбранных характеристик регионов. Финальная задача - проанализировать полученные результаты. В конечном итоге будут предоставлены характеристики, влияющие на миграционные процессы, и будет сделан вывод об эффективности использования величины прибывшего населения в регион как зависимой величины в эконометрических моделях миграционных процессов. Поставим гипотезу: использование величины прибывшего населения в регион в качестве зависимой переменной в регрессионном анализе миграционных потоков эффективно.

В данном исследовании были собраны панельные данные из следующих источников:

1. Центральная база статистических данных, расположенная на сайте Росстата (http://cbsd.gks.ru/) , раздел «Региональный блок».

2. Единая межведомственная информационно-статистическая система (http://www.fedstat.ru/).

3. База данных показателей муниципальных образований, расположенная на сайте Росстата.

Все вычисления проводились с помощью статистического пакета Stata, версия 9.1. Сбор данных производился и редактировался с помощью профессионального пакета Microsoft Excel 2010.

Работа разбита на две главы, в первой будут приведены теоретические выкладки и обзор литературы, в то время как во второй главе производятся непосредственные вычисления, моделирование и анализ.



Глава 1. Миграция в России

1.1 Миграция. Определение и классификация

Понятие миграция было четко сформулировано и закреплено правовыми документами сравнительно недавно - в XX в. Этот период истории печально известен своими стихийными бедствиями, мировыми войнами, экономическими кризисами и другими невзгодами для человека. Вторая мировая война, война во Вьетнаме, восстания в Африке и Азии. Всё это сопровождалось изменениями территорий государств, или даже возникновением новых. Все вышеперечисленные явления сопровождались массовыми миграциями, как внешними, так и внутренними: миграции немцев из Прибалтики, миграции в связи с получением рабочих мест за границей на основе трудовых договоров в страны Европы и США так называемая «утечка умов», внутренние принудительные миграции в СССР и т.д. Таким образом, в послевоенное время остро встала необходимость разработать, закрепить, а также классифицировать понятие миграция. Наибольшее количество попыток дать понятию миграция четкое определение и структуру, было сделано в 60-70е года. Над этим работали такие ученые как Б.С. Хорев, В.И. Староверов, А.У. Хомра, Я. Щепаньский и др. В своей работе я буду рассматривать исключительно внутреннюю миграцию в регионах России, и буду отталкиваться от определения Е.Л. Плисецкого.

«Миграция населения - территориальная подвижность населения, связанная с его перемещением по территории страны (или между государствами), обусловленная, как правило, влиянием разнообразных факторов - социально-экономических, военно-политических, религиозных, природных, экологических; особенностями исторического и хозяйственного развития отдельных регионов и стран. Основным признаком миграции является территориальный признак, а изменение географии расселения - это основное следствие миграции»

Для полноценного отображения классификации миграции, разработанной Е.Л. Плисецким http://geo.1september.ru, удобно воспользоваться схемой.

Рис. 1. Классификация миграции населения

Миграция на уровне регионов также тесно сопряжена с понятием «маятниковая миграции», которая характеризуется локальными повторяющимися передвижениями из одного пункта в другой, и обратно. Чаще всего это поездки на работу и домой, что нередко случается вблизи крупных населенных пунктов, таких как Москва и Санкт-Петербург, где местным жителям выгоднее покупать жилье в близлежащих поселках и населенных пунктах и добираться на работу в Москве или Санкт-Петербурге при помощи автомобиля.

Как внешняя, так и внутренняя миграция оказывает значительное влияние на жизнедеятельность страны. В первую очередь миграция непосредственно влияет на демографию района. Структура района «оттока» (район, откуда мигрирует население) и района «притяжения» (район, куда мигрирует население) значительно изменяется. В районе оттока темпы роста населения снижаются, из-за снижения рождаемости, так как чаще всего мигрируют более молодые слои населения. Миграция является далеко не последним фактором роста урбанизации населенного пункта, например в 20-е годы в СССР начался отток населения, что привело к увеличению численности городского населения на 75 миллионов человек к 80-ому году. Также не следует забывать про процессы освоения Дальнего Востока и Сибири, где за счет мигрантов появляются новые города и села, например Нефтеюганск, Братск, Тында и другие.

Несмотря на то, что в общих случаях, миграция распределяет трудовые ресурсы, население и положительно влияет на социально-экономическое развитие регионов страны, бывают случаи, когда внутренняя миграция оказывала негативный эффект на экономику на уровне регионов. Приток мигрантов в районы с низкими темпами социального и экономического развития вынуждает государство и местные власти увеличивать расходы в бюджете на обустройство новоселов. Однако в общем случае приток необходимых работников в районы производства только увеличивает прирост ценных ресурсов и сырья из данного региона.

1.2 Внутренняя миграция в России

В России, которая занимает территорию в 17 125 407 км² , проживает 146 267 288 человек (на 2015 год). Она делится на 12 экономических районов и состоит из 85-ти субъектов Российской Федерации. Не удивительно, что при таких обстоятельствах различия между регионами России по социальным, экономическим и демографическим показателям велики и продолжают расти. Согласно теории, такая ситуация должна активировать межрегиональную миграцию, однако несмотря на серьёзные социально-экономические неравенства, миграция по-прежнему устойчива в своём направлении на Запад и крупные города, где есть больше мест приложения труда, учебных заведений, где лучше общие жизненные условия.

Рис. 2. Динамика внутренней миграции в России, млн.чел. Вакуленко Е.С., Мкртчян Н.В. (2011) Детерминанты российской миграции

Согласно рисунку 2, объемы внутренней миграции снижались с 1989 года до 2002. Начиная с 2002 года, уровень стабилизировался на отметке приблизительно в 2 млн. человек. После 2002 года, объемы внутренней миграции показывают удивительную стойкость и невосприимчивость к развитию и трансформации экономики России за этот период. Однако согласно исследованию Елены Вакуленко и Никиты Мкртчяна, за видимой стабильностью объемов миграции скрывается один феномен - факторы, влияющие на внутреннюю миграцию, менялись с течением времени. В то время как одни факторы теряли свою значимость, другие факторы её набирали. Давайте рассмотрим мнения других авторов по этой проблеме.



1.3 Обзор литературы

Рассмотрим работы, посвященные внутренней миграции в России. Безусловно, стоит начать с работы Юрия Андриенко и Сергея Гуриева, под названием «Разработка модели внутренних и внешних миграционных потоков населения для регионов Российской Федерации». Основная заслуга данного исследования - разработка методологии по созданию модели и анализу внутренней и внешней миграции. Сами же авторы опирались на усовершенствованную гравитационную модель, где каждой паре регионов присваивались фиксированные эффекты. Совместно с индивидуальными социально-экономическими и демографическими показателями для каждого региона, учитываются все возможные факторы для любой пары регионов. Разумеется, в модель входят стандартные факторы, такие как население обоих регионов (прибытия и выбытия), денежный доход населения, уровень безработицы, индикаторы рынка труда и другие. Ю. Андриенко и С. Гуриев замечают, что миграционные процессы зачастую зависят от так называемых жизненных циклов, например окончание школы, женитьба, достижение пенсионного возраста. Природный фактор также находится далеко не на последнем месте - мигранты учитывают климатические условия, плодородность земли (особенно если речь идет о заселении новых земель), вероятность стихийных бедствий. С моей точки зрения, модель отлично подходит для прогнозирования долгосрочной миграции, особенно внутренней, так как при оценке внешней миграции авторы рассматривают зарубежную страну в качестве одного региона, то есть они не учитывают определенное количество важных индивидуальных характеристик на микро-уровне. Однако пользоваться данной моделью можно только при наличии определенного прогноза значения эндогенных переменных модели, а социальные и демографические факторы довольно сложно прогнозировать с необходимой точностью. Несмотря на эти трудности, модель предоставляет возможность без труда анализировать текущие миграционные процессы в данный момент времени. В результате расчетов, авторы пришли к нескольким выводам.

Во-первых, прогнозировалось уменьшение объемов внутренней миграции России до 2012 года, после чего значительно увеличится мобильность населения, что приведет к высоким показателям миграции к 2025-ому году, сравнимыми с девяностыми годами.

Во-вторых, самым значимым показателем, оказывающим влияние на миграцию населения, является реальный доход. Даже небольшое увеличение реального дохода в одном регионе дает большой положительный эффект не только на этот регион, но и вообще на все регионы, причем было замечено, что положительный эффект в долгосрочном периоде в разы больше краткосрочного.

Статья (Nguyen-Hoang, McPeak, 2010) посвящена внутренней миграции во Вьетнаме. Здесь модель была необычно тем, что использовала прибыль и безработицу как эндогенные переменные. В общем случае, на миграцию влияли такие факторы как стоимость переезда, большое различие между текущим доходом и ожидаемым, более качественные государственные услуги в других регионах, а также общая демографическая картина. В отличие от мигрантов в других странах, Вьетнамцы абсолютно безразличны к расстоянию между регионом «оттока» и регионом «притяжения». Также достойны внимания ещё два факта. Во-первых, хоть мигранты и учитывают ожидаемый доход в будущем месте жительства, механизм зависимости миграции от дохода не является линейным. Для того чтобы житель решил мигрировать из одного города в другой, разница между текущим доходом и ожидаемым, должна достигнуть определенного уровня. Во-вторых, исследование показало, что миграция в большей степени зависит от уровня безработицы в регионе «оттока», нежели в регионе «притяжения», что тоже является довольно ценным фактом в изучении миграции.

Работа (Napolitano, Bonasia, 2010) заключалась в расширении модели Харриса-Тодаро 1970-го года для выявления особенностей внутренней миграции в Италии. Помимо стандартных переменных, таких как среднедушевой доход и темп безработицы, исследователи ввели цены на жилье, плотность населения, загрязненность углекислым газом и уровень преступности. Модель строилась для двух декад: с 1985 по 1995 и с 1995 по 2006. Результаты, полученные учеными, служили доказательством определенной несостоятельности классических моделей в объяснении миграционных процессов. В первой декаде с низкими темпами миграции средняя заработная плата была более высокой, чем в декаде с высокими темпами миграции, и это при относительно большой дисперсии заработных плат. Наибольшее влияние на миграцию в первой декаде, по мнению ученых, оказала разница стоимости жилья в разных провинциях Италии, что еще раз показывает слабость традиционных моделей. Плотность населения не оказывала практически никакого влияния на выбор мигрантов. Уровень преступности, как и ожидалось, негативно влиял на предпочтения населения мигрировать в тот или иной регион. Несмотря на, казалось бы, отрицательный эффект таких показателей как загрязненность углекислым газом и плотность населения, их можно рассматривать как индикатор агломерационного эффекта, то есть чем выше эти показатели, тем больше агломерационный эффект. Наибольшей, по моему мнению, полезностью данной статьи обладает тот факт, что эти ученые выяснили - в каждом регионе факторы имеют разное значение. В одном случае ключевым фактором была стоимость жилья, в другом безработица.

Также стоит упомянуть работу Никиты Мкртчяна по исследованию территориального распределения населения под названием «Миграция в России: западный дрейф». Она посвящена проблеме продолжительной миграции населения с Востока России в её Европейскую часть, которая занимает всего лишь 15% площади страны, однако именно там проживает 66% населения. Разделив исследуемую территорию на семь федеральных округов, автор решил, что подобная методика неэффективна ввиду неоднородности Южного и Сибирского округа, поэтому он принял решение разделить территорию страны на 5 крупных регионов за период с 1991 по 2003гг, и продолжить собирать данные по миграции, отталкиваясь именно от них.

Рисунок 3. Миграция населения между крупными регионами Мкртчян Н. (2005). Миграция в России: Западный дрейф.

Первое наблюдение в данной работе - наиболее очевидное. В России ярко выражена «центростремительность» миграционных потоков, центром притяжения является Москва, сюда население стекается со всех остальных регионов, далее идёт Санкт-Петербург, притягивающий дополнительных мигрантов из соседних областей.

Абсолютными донорами по наблюдениям автора являются Якутия, Чукотский автономный округ, Корякский автономный округ, Сахалинская, Камчатская и Магаданская области. Социально-экономические факторы наряду с транспортным фактором здесь являются главными побудителями для населения, чтобы мигрировать в более благоприятные регионы для проживания.

Касательно Урала, Западной Сибири и Европейского Севера, автор подметил недоучёт оттока населения в период между проведёнными переписями населения, также возможно имел место недоучёт выезда в страны СНГ.

Рисунок 4. Нетто-миграция Мкртчян Н. (2005). Миграция в России: Западный дрейф.

Рассмотрев каждый из 5 крупных регионов, автор приходит к выводу, что даже при наличии разных по направленности и силе потоков миграции внутри территории России, основной вектор перемещения мигрантов по-прежнему с востока на запад. Сравнивая Дальний Восток и Сибирь с северными районами Канады, автор прогнозирует сохранение силы и стабильности потока передвижения населения. В работе нет иных путей решения проблемы Западного дрейфа, кроме как привлечение иммигрантов из соседних стран, то есть национальная политика на уровне регионов Российской Федерации бессильна.

Особое внимание стоит уделить работе Е.С. Вакуленко, Н.В. Мкртчяна и К.К. Фурманова под названием «Моделирование миграционных потоков между регионами Российской Федерации». В этом исследовании оценивается гравитационная модель миграции между регионами Российской Федерации на основе панельных данных с 2001 по 2008 год. Данное исследование проливает свет на многие необозначенные вопросы в этой теме.

Во-первых, в работе отмечена модификация системы регистрации граждан, которая была проведена в 1995, а именно замена постоянной и временной прописки на регистрацию по месту жительства и пребывания, а данные о регистрации по месту жительства лежат в основе миграционной статистики. Таким образом, данные до и после 1995 года становятся несовместимыми между собой. На графике изменения не заметны, это объясняется тем, что подобные перестройки систем сбора статистики обычно требуют нескольких лет для реализации. Это ставит под сомнение многие работы, основывающиеся на данных за вторую половину 90-х годов, и ограничивает наше исследование периодом с 2000 по 2015 год.

Во-вторых, исследование уделяет особое внимание вопросу расстояния, которое обычно не учитывалось в подобных работах. Для этого была собрана матрица межрайонной миграции, которая собирается, но не публикуется Росстатом и матрица расстояний между центрами городов, рассчитанные по методике, разработанной в работе Татевосова.

Основой для исследования стало применение гравитационной модели, которая берет своё начало от закона пространственного взаимодействия: «Демографическая сила притяжения между регионами прямо пропорциональна квадрату расстояния между регионами» (Изард, 1966). Сейчас, однако, данный термин применяется к любой модели регрессии, в которой некий поток между регионами является объясняемой переменной, а к населению и расстоянию добавляются дополнительные переменные в качестве объясняющих. Согласно Е.Н. Вакуленко, зачастую переменные берутся в логарифмах, то есть первоначальная гипотеза Стюарта становится частным случаем в такой модели, а именно его закон, сформулированный в 1941 году: «Демографическая сила притяжения между регионами прямо пропорциональна населению в регионе выбытия и регионе прибытия и обратно пропорциональна квадрату расстояния между регионами». Панельные данные, использованные в модели, позволили учесть результат воздействия всех факторов с неизменным во времени влиянием на миграционный поток.

Стоит обратить внимание и на саму эконометрическую модель, использованную в исследовании. Как уже упоминалось ранее, фактору времени и расстояния было уделено особое внимание, поэтому у всех коэффициентов в уравнении регрессии имеется индекс t ввиду того, что коэффициенты данной модели изменялись в течение заданного периода. Для упрощения модели, предполагалось, что изменения коэффициентов можно описать линейным трендом. Также, согласно выводам из работы Андриенко и Гуриева (2006), объясняющие переменные были взяты с временным лагом в один год, так как включая в правую часть переменную, измеренную в тот же период времени, мы вносим в модель эндогенность. Также были проанализированы наблюдения, с группировкой по расстоянию между центрами регионов. Результатом проведения эконометрического анализа стало:

1. Для оценки качества подгонки был использован коэффициент детерминации R²-within, его величина для всей выборки оказалась довольно низкой - 0,08.

2. Деление пар регионов на группы показало, что значение R²-within колеблется от группы к группе.

3. В группах, куда вошли наиболее близкие регионы, величина R²-within принимает максимальное среди остальных групп значение в 0,26. Это говорит о том, что миграционные потоки в регионах с наименьшим расстоянием между собой подвержены наибольшему влиянию социальных и экономических факторов, учтённых в модели.

4. В первую очередь, миграционный поток подвержен влиянию численности населения. Из характеристик рынка труда, единственной значимой оказалась доля убыточных предприятий в регионах выбытия населения, но к концу анализируемого периода, значительно выросло влияние темпа роста заработной платы. Среди характеристик жилья, лидирует величина обеспеченности жильём - люди стараются не мигрировать из регионов, которые обеспечены жильём. Наконец, наиболее влиятельной переменной среди характеристик уровня жизни стал уровень загрязнения атмосферы. Высокий показатель загрязнения атмосферы стимулирует население мигрировать в далёкие регионы.

Таким образом, можно сделать вывод, что влияние социальных и экономических факторов на миграционные потоки менялось в течение анализируемого периода с 2002 по 2008гг, а также, что данные факторы определяют миграционные потоки в регионах, расположенных наиболее близко друг к другу.



Глава 2. Моделирование миграционных потоков между регионами РФ

2.1 Описание собранных данных

Сбор данных для анализа миграционных процессов производился из следующих источников:

4. Центральная база статистических данных, расположенная на сайте Росстата (http://cbsd.gks.ru/) , раздел «Региональный блок».

5. Единая межведомственная информационно-статистическая система (http://www.fedstat.ru/).

6. База данных показателей муниципальных образований, расположенная на сайте Росстата.

Во время создания выборки были исключены следующие регионы:

1. 6 автономных округов (Коми-Пермяцкий автономный округ, Таймырский автономный округ, Эвенкийский автономный округ, Усть-Ордынский Бурятский автономный округ, Агинский Бурятский автономный округ, Корякский автономный округ), входящих в состав более крупных регионов.

2. Чеченская республика ввиду неполноты данных по этому региону.

Данные собирались для периода с 2002 года по 2010 год (период в 9 лет). В качестве зависимой переменной в модели регрессии использовалась величина прибывших за год, а также величина чистого миграционного прироста, полученная в результате разности величины прибывших за год и величины выбывших за год. Стоит заметить, что учитывался только межрегиональный поток миграции, так как предполагается, что миграция внутри одного региона заслуживает отдельного анализа.

Теперь рассмотрим данные, которые использовались в качестве независимых переменных, задающих значение зависимых переменных чистого миграционного прироста и величины прибывшего населения за год.

Характеристики населения:

1. Среднегодовая численность постоянного населения (человек). Эта характеристика является базовой для любой гравитационной модели миграционных потоков. Предполагалось, что рост данной величины будет положительно влиять на миграционный прирост.

2. Городское население (процент). Удельный вес городского населения в общей численности населения.

Характеристики рынка труда и общего уровня жизни населения:

3. Безработица (процент). Уровень безработицы по методологии МОТ в среднем за год. Предполагалось, что чем выше уровень безработицы, тем меньше величина прибывающих мигрантов, однако согласно некоторым исследованиям, приведённым выше, уровень безработицы незначительно влияет на миграционный прирост.

4. Коэффициент напряжённости. Рассчитывается как величина незанятого населения в год (человек), делённая на количество заявленных вакансий. Предполагалось, что высокий коэффициент напряжённости негативно влияет на миграционный прирост и уменьшает величину прибывшего населения.

5. Заработная плата населения. Среднемесячная номинальная начисленная заработная плата на одного работника по полному кругу организаций (в рублях), скорректированная на величину прожиточного минимума (в рублях). Предполагалось, что высокий показатель заработной платы позитивно влияет на рост прибывших в регион и на общий миграционный прирост.

6. Доходы населения. Среднедушевые денежные доходы населения (в рублях) в месяц, скорректированные на прожиточный минимум (в рублях). Предполагалось, что величина доходов населения будет влиять аналогично величине заработной платы.

7. Темп роста заработной платы. Реальная заработная плата в процентах к предыдущему году. Предполагалось, что население будет стремиться в регионы с высокими темпами заработной платы.

8. Темп роста доходов населения. Реальные денежные доходы в процентах к предыдущему году. Предполагалось, что темп роста доходов влияет на миграционный прирост аналогично темпу роста заработной платы.

Характеристики рынка жилья и обеспеченности населения жильём:

9. Ввод квартир. Ввод в действие общей площади квартир в жилых домах (в тыс. квадратных метров) за год. Предполагалось, что население стремится в регионы, где производится строительство новых жилых помещений.

10. Доступность жилья. Отношение цены одного квадратного метра жилья в регионе к месячному среднедушевому доходу (в рублях). Предполагалось, что чем меньше данный коэффициент, тем доступнее жильё в регионе, а это привлекает мигрантов.

11. Обеспеченность населения жильём. Площадь жилищ (в квадратных метрах), приходящаяся в среднем на одного жителя в регионе в среднем на конец года.

Характеристики качества жизни населения:

12. Смертность. Коэффициент смертности трудоспособного населения. Предполагается, что чем выше коэффициент, тем меньше прирост мигрантов в данный регион.

13. Продолжительность жизни. Ожидаемая продолжительность жизни (лет) для всего населения обоих полов. Предполагалось, что чем выше продолжительность жизни, тем больше величина прибывшего населения в регион.

14. Врачи. Численность населения (человек) на одного врача в регионе на конец года.

15. Больничные койки. Количество человек на одну больничную койку в регионе на конец года. Предполагалось, что для обоих показателей, как для показателя «Врачи», так и для показателя «Больничные койки», характерно обратное влияние на приток мигрантов, то есть чем больше данный коэффициент (больше людей на одну койку и врача), тем меньше величина прибывшего населения в регион.

16. Преступность. Число зарегистрированных тяжёлых преступлений на одну единицу населения (человек) в регионе на конец года.

17. Загрязнение. Выбросы в атмосферу загрязняющих веществ, отходящих от стационарных источников (тыс. тонн) в регионе на конец года. Предполагалось, что аналогично с показателями «Врачи» и «Больничные койки», показатели «Преступность» и «Загрязнение» отрицательно влияют на величину прибывшего населения и миграционного прироста.

Таким образом, были собраны панельные данные по 19-ти переменным для 82-двух регионов за период с 2002 года по 2008 год. Оценка миграционных процессов с помощью модели анализа панельных данных предоставляет следующие преимущества:

Во-первых, увеличиваются степени свободы за счёт большого количества наблюдений и снижения коллинеарности между переменными, что улучшает эффективность оценок.

Во-вторых, появляется возможность для анализа таких экономических вопросов, которые не могут быть проанализированы с помощью простых временных рядов или cross-sectional данных. Также это позволяет предотвращать смещение агрегированности, которое возникает, как и в анализе cross-sectional данных (нет учёта ненаблюдаемых индивидуальных характеристик), так и у временных рядов - там анализируется временная эволюция среднего «репрезентативного» объекта.

И, наконец, в-третьих, появляется возможность отследить эволюцию каждой из характеристик объектов в любой момент времени.

миграция население внутренний регион

2.2 Эконометрическая модель

В качестве эконометрической модели для анализа данных, была использована регрессионная модель панельных данных.

где,

i - порядковый номер региона

t - время

в - вектор коэффициентов размерности К х 1

- вектор матрицы К объясняющих переменных

- однокомпонентная модель случайной ошибки

- ненаблюдаемые индивидуальные эффекты

- остаточное возмущение

Ненаблюдаемые индивидуальные эффекты не зависят от времени и отвечают за региональные характеристики, не включённые в регрессию. Остаточное возмущение меняется во времени и зависит от объектов, его можно рассматривать как обыкновенную случайную составляющую в регрессии.

Также была использована модель с фиксированными эффектами, где ненаблюдаемые индивидуальные эффекты - фиксированные параметры, а остаточное возмущение независимо и одинаково распределённая случайная величина. независимо от для всех i и t. Выбор пал на модель с детерминированными эффектами, так как нам интересен именно уникальный набор из 82-х регионов Российской Федерации, и особенности их характеристик.

Стоит упомянуть и линейную модель регрессии. Пускай это и сквозная регрессия по всем годам и регионам, оценённая методом наименьших квадратов, которая не учитывает панельной структуры собранных данных, однако она позволяет выстроить общую картину, что поможет в дальнейшем.



2.3 Построение и оценка эконометрических моделей

В данном исследовании проводилось сравнение двух моделей миграционных потоков. В первом случае в качестве зависимой переменной мы используем чистый миграционный прирост, выражающийся в разности величин прибывших в регион и выбывших из региона за год (человек). Вторая модель использует в качестве зависимой переменной только величину прибывших мигрантов в регион за год (человек), таким образом, мы анализируем только привлекающий аспект каждого региона. При этом независимые переменные в обеих моделях остаются одинаковыми. Согласно гипотезе данного исследования, характеристики, влияющие на зависимые переменные (миграционный прирост и прибывшее население за год), будут иметь разную степень значимости и влияния.

В первую очередь стоит проверить данные на мультиколлинеарность. В программном пакете Stata можно воспользоваться оператором VIF. Допустимой нормой для параметра VIF будем считать величину в 5,00.

Таб. 1. Значение VIF для всех переменных

Variable	VIF	1/VIF
dwage	9.69	0.10319917
dincome	9.15	0.10928962
pop	7.53	0.13280212
avlife	5.85	0.17094017
mort	5.07	0.19723866
inflats	4.41	0.22675737
berth	3.49	0.28653295
unemp	3.38	0.29585799
pcity	2.75	0.36363636
spflats	2.59	0.38610039
poll	2.53	0.39525692
crime	2.42	0.41322314
ctens	1.83	0.54644809
avflats	1.58	0.63291139
pdoc	1.35	0.74074074
rincome	1.2	0.83333333
Mean VIF	3.92

Насколько видно из таблицы, доход и заработная плата сильно коррелируют между собой. В результате построения нескольких линейных регрессий, было решено исключить наименее эффективную характеристику, а именно - среднедушевой доход. После исключения этой характеристики из панельных данных, получились следующие значения VIF.

Таб.2. Значение VIF после удаления переменной

Variable	VIF	1/VIF
pop	4.83	0.20703934
avlife	4.81	0.20790021
mort	4.16	0.24038462
inflats	4.01	0.24937656
berth	3.13	0.31948882
unemp	3.01	0.33222591
dwage	1.87	0.53475936
pcity	1.58	0.63291139
spflats	1.51	0.66225166
poll	1.49	0.67114094
crime	1.32	0.75757576
ctens	1.28	0.78125
avflats	1.25	0.8
pdoc	1.22	0.81967213
rincome	1.2	0.83333333
Mean VIF	2.264

Теперь максимальное значение VIF равно 4,83, что лежит в пределах нормы, а среднее значение в два раза ниже. Такой уровень мультиколлинеарности нас вполне устраивает.

Теперь стоит обратить внимание на нормальность распределения зависимых величин.



Рис. 5. Распределение зависимых величин

Левый график показывает нормальность распределения чистого миграционного прироста, в то время как правый график показывает нормальность распределения величины прибывших в регион. Для уменьшения асимметрии распределения эконометрической величины, можно перейти к логарифмам показателей. Однако, насколько согласно законам математики, невозможно извлечь логарифм из неположительного числа, поэтому в нашем случае возможен переход к логарифму только у величины прибывших в регион.

Рис. 6. Корректировка распределения после логарифмирования

На графике видно, что теперь распределение величины прибывших в регион приближено к нормальному.

Также можно построить график распределения остатков регрессии. Прологарифмировав независимые переменные, приблизим распределение остатков регрессии к нормальному. Теперь будем работать с логарифмом полученных переменных.

Рис. 7. Корректировка распределения остатков

После вышеупомянутой обработки данных мы можем приступить к непосредственному моделированию миграционных процессов между регионами. Мы построим четыре регрессионные модели:

1. Линейная модель регрессии, где в качестве зависимой величины будет выступать чистый миграционный прирост (человек).

2. Линейная модель регрессии, где в качестве зависимой величины будет выступать величина прибывших в регион за год (человек).

3. Модель регрессии с фиксированными эффектами, где в качестве зависимой величины будет выступать чистый миграционный прирост.

4. Модель регрессии с детерминированными эффектами, где в качестве зависимой величины будет выступать величина прибывших в регион за год.

Далее мы сравним первую модель со второй и третью модель с четвёртой.



Таб. 3. Результаты анализа линейной регрессии

Зависимая переменная Y	Миграционный прирост	Число прибывшего населения
	F(16, 721) =	44.5	F(16, 721) =	300.25
	Prob > F =	0.0000	Prob > F =	0.0000
	R-squared =	0.4696	R-squared =	0.8695
	Adj R-squared =	0.4857	Adj R-squared =	0.8666
	Coef	P > |t|	Coef	P > |t|
Население	3848.846	0.000	0.9955365	0.000
Плотность населения	-1219.921	0.538	-0.3456811	0.002
Безработица	-10280.42	0.000	-0.2159863	0.000
Напряжённость населения	297.9581	0.365	0.1254567	0.000
Заработная плата	8540.562	0.000	0.4708345	0.000
Темп роста зарплаты	-3192.729	0.345	0.112292	0.548
Темп роста доходов	-3767.428	0.326	-0.0723777	0.732
Ввод жилья	1474.523	0.002	-0.0871251	0.001
Доступность жилья	-4621.03	0.000	-0.3470816	0.000
Обеспеченность жильём	-14575.81	0.000	0.1239515	0.323
Смертность	-2957.93	0.114	-0.7152338	0.000
Продолжительность жизни	-47457.39	0.000	-3.625897	0.000
Врачи	1607.17	0.207	0.1490851	0.034
Больничные койки	2507.666	0.209	0.5190942	0.000
Преступность	480.0203	0.592	0.2922842	0.000
Загрязнение	-3592.971	0.000	-0.0316025	0.029

Сначала рассмотрим полученные данные по линейной регрессии. Насколько видно из коэффициента детерминации, используя величину прибывшего населения в качестве зависимой переменной, мы получаем в два раза более точную модель в терминах подгонки регрессионной модели к наблюдаемым значениям. Коэффициент детерминации второй модели почти в два раза больше, чем у первой модели.

Взглянув на значение Prob > F, которое очень мало у обеих моделей, мы можем сделать вывод, что нулевая гипотеза, согласно которой все коэффициенты модели равны нулю, отвергается с очень высоким шансом (более 99,99%).

Величина населения, как и ожидалось, значима в обеих моделях и прямо пропорционально влияет на прирост мигрантов, то есть чем больше населения живёт в регионе, тем больше оно привлекает мигрантов. Что касается плотности населения, то она незначима в первой модели и отрицательно влияет на число прибывших мигрантов во второй модели. Безработица значима в обеих моделях и влияет отрицательно.

В общих чертах, модель, использующая величину миграционного прироста, показала себя очень слабо, большинство переменных оказалась в незначимой зоне P > |t|, меньше 0,05. Например, среди характеристик качества жизни населения, значимы только «Продолжительность жизни» и «Загрязнение». Вторая же модель значительно лучше характеризует по сути то же явление, используя при этом величину прибывшего в регион населения. Единственные различия в знаках коэффициентов у моделей - «Ввод жилья» и «Обеспеченность жильём». В остальном знаки коэффициентов совпадают.

Таким образом, согласно второй модели, высокие заработные платы, а также большое количество врачей и больничных коек, притягивает мигрантов, в то время как высокая плотность населения, высокий уровень безработицы и смертности отталкивает население от миграции в данный район.

Теперь перейдём к рассмотрению модели регрессии с детерминированными эффектами, где данные будут рассматриваться непосредственно как панельные:

Таб. 4. Результаты анализа within-регрессии

Зависимая переменная Y	Миграционный прирост	Число прибывшего населения
	F(16, 640) =	3.99	F(16, 640) =	28.47
	Prob > F =	0.0000	Prob > F =	0.0000
	R-sq. within =	0.6794	R-sq. within =	0.8841
	R-sq. between =	0.5272	R-sq. between =	0.6767
	overall =	0.4645	overall =	0.8424
	Coef	P > |t|	Coef	P > |t|
Население	3753.756	0.000	0.9871791	0.000
Плотность населения	-3095.867	0.123	-0.5213028	0.000
Безработица	-10274.09	0.000	-0.1842282	0.000
Напряжённость населения	34.96187	0.916	0.0946827	0.000
Заработная плата	15119.1	0.000	0.9760388	0.000
Темп роста зарплаты	46.05045	0.992	-0.0602614	0.801
Темп роста доходов	-817.3302	0.848	-0.430185	0.060
Ввод жилья	1313.538	0.004	-0.0872118	0.000
Доступность жилья	-1701.462	0.095	-0.1756384	0.001
Обеспеченность жильём	-10870.76	0.000	0.5189063	0.000
Смертность	-1170.546	0.612	-0.5105185	0.000
Продолжительность жизни	-31326.61	0.008	-2.12004	0.001
Врачи	1001.86	0.430	0.0848905	0.212
Больничные койки	2674.179	0.183	0.624511	0.000
Преступность	159.2554	0.878	0.2633452	0.000
Загрязнение	-3785.253	0.000	-0.0511242	0.000
Prob > F =	0.0000	0.0000

О качестве подгонки данных моделей стоит судить по коэффициенту детерминации R-squared(within). Он приблизительно такой же, как и у двух предыдущих моделей линейной регрессии, причём сохраняется та же тенденция - подгонка модели с миграционным приростом в качестве зависимой переменной примерно в два раза хуже, чем у модели с величиной прибывшего населения. Также стоит сравнить значение R-squared(within) и R-squared(between). У обеих моделей within значение выше, чем between, что говорит о том, у этих моделей межиндивидуальные различия выражаются сильнее, чем динамические. Однако разница между within и between значениями лучше выражена у второй модели.

Что касается значимости параметров, то тут лидирует вторая модель. У первой же большинство параметров перескочило за «критическую отметку» в 0,050 в графе P > |t|.

В целом же, отличий между знаками коэффициентов моделей не так много. «Ввод жилья» ведёт себя странно в рамках модели с величиной прибытия в качестве зависимой переменной, отрицательно влияя на количество мигрантов в регионе прибытия. «Обеспеченность жильём» наоборот более адекватна именно в этой модели, притягивая мигрантов посредством высокого объема жилья на одного человека в регионе.

Общая картина согласуется с остальными исследованиями миграции между регионами России. Плотность населения и безработица отрицательно влияют на приток мигрантов. Величина прибывших в регион уменьшается с ростом этих переменных. Высокая заработная плата является стимулом для мигрантов в районе притяжения, однако показатели динамики (темпы роста) не значимы в этой модели. Характеристики жилья ведут себя адекватно - чем больше площади жилья на одного человека в регионе и чем оно (жильё) дешевле, тем больше величина прибывших в регион. Высокий уровень смертности и загрязнения отталкивает население от региона, а увеличение количества врачей и больничных коек наоборот притягивает.



ЗАКЛЮЧЕНИЕ

Межрегиональные миграции - весьма обширное поле для работы многих учёных, особенно в России, учитывая её демографические особенности. В этой работе была сделана попытка внести свой небольшой вклад в исследование миграции. В процессе исследование был выполнен ряд задач. Во-первых, была дана общая характеристика межрегиональной миграции за последнее десятилетие. Во-вторых, был проведён обзор существующей литературы и исследований по данной теме. Далее были определены характеристики регионов, влияющие на приток мигрантов, и собраны панельные данные из 19 переменных для 82-х регионов за 2002-2010 гг. В результате, эконометрический анализ показал, что:

Иногда уместно использовать величину прибывшего населения в регион в качестве зависимой в моделях регрессии. Зачастую модели с миграционным приростом в качестве зависимой переменной оказываются неэффективными. Использование величины прибывшего населения в регион позволяет логарифмировать эту переменную, приблизив распределение к нормальному, и уменьшить асимметрию. Величина миграционного прироста может быть отрицательной, поэтому иногда её невозможно логарифмировать. Величина прибывшего населения, по сути, характеризует то же самое явление, что и величина миграционного прироста, так что её использование в рамках миграционных процессов уместно и логично. Что касается моделей непосредственно в данной работе, модели, использующие величину прибывших, показали себя значительно лучше. Коэффициент детерминации в этих моделях почти в два раза выше, больше коэффициентов в при переменных имеет значимость. В итоге, можно уверенно сказать, что гипотеза данного исследования подтвердилась.

Что касается характеристик, влияющих на величину прибывших в регион, то большинство из них согласуется с другими исследованиями миграции между регионами и миграции в общем. Высокий уровень плотности населения и безработицы негативно влияет на число прибывших мигрантов в регион. Среднемесячная заработная плата и среднедушевые доходы населения, хоть и скорректированные на прожиточный минимум, в соответствии с каждым регионом, всё равно сильно коррелировали между собой, что плохо сказалось бы на модели. После построения нескольких дополнительных моделей, было решено, что заработная плата более эффективная характеристика региона, поэтому переменная «Денежные доходы» была исключена. После построения модели выяснилось, что заработная плата положительно влияет на число прибывшего населения в регион, динамические же показатели (темп роста доходов и реальной заработной платы) имели слишком маленькую значимость, чтобы как-то влиять на миграционные процессы. Среди характеристик рынка жилья, неадекватна оценка только у ввода жилья, согласно которой, чем больше введено нового жилья за год в регионе, тем меньше он привлекает мигрантов. Однако остальные характеристики рынка труда согласуются с логикой - чем доступнее жильё в регионе и чем его больше, тем больше величина приехавших в этот регион мигрантов. Обращаясь к характеристикам качества жизни, стоит заметить, что в модели, использующей миграционный прирост, почти все переменные незначимы. Во второй же модели увеличение количества врачей и больничных коек на одного человека ведёт к повышению количества мигрантов в данном регионе.

Данное исследование оставляет много места для дальнейшего развития. Во-первых, в этой модели не было учтено географических особенностей каждого региона. Учесть их можно двумя способами - либо добавить температурные переменные, либо использовать матрицы расстояний между центрами регионов. Также возможна группировка, указанная в работе (Мкртчян Н., 2005), где регионы группируются на пять зон: принимающая зона, лежащая в европейской части России, Европейский север, Урал и Западная Сибирь, Республики ЮФО и, наконец, Основная отдающая зона, расположенная за Уралом. В пакете Stata такое возможно при вводе дополнительных фиктивных переменных. Хоть в данной работе динамические различия проявлялись слабо, в исследованиях других авторов подмечено, что влияние многих факторов меняется во времени, что тоже можно учесть в будущих моделях. Также не будет лишним наличие авторегрессора, например, учитывать миграционный прирост в регионе за предыдущий год. Однако не стоит забывать, что большое количество переменных перегружает модель, делая интерпретацию результатов трудоёмким процессом. Один из выходов в этой проблеме - использование интегральных показателей рынка труда, жилья, качества жизни и так далее. Однако и в этом способе есть множество определённых нюансов, которые мы оставим для будущих работ.



СПИСОК ЛИТЕРАТУРЫ

1. Андриенко Ю., Гуриев С. (2006). Разработка прикладной модели внутренних и внешних миграционных потоков населения для регионов Российской Федерации. Отчет по проекту в рамках Программы поддержки независимых экономических аналитических центров МОНФ, ЦЭФИР.

2. Вакуленко Е. С., Мкртчян Н.В., Фурманов К.К. (2011) Моделирование регистрируемых миграционных потоков между регионами Российской Федерации. Прикладная эконометрика №?1?(21)?

3. Вакуленко Е.С., Мкртчян Н.В. (2011) Детерминанты российской миграции. OPEC - Экспертный сайт ВШЭ. http://www.opec.ru

4. Изард У. (1996) Методы регионального анализа: введение в науку о регионах. М.: Прогресс.

5. Магнус Я.Р., Катышев П.К., Пересецкий А.А. (2004). Эконометрика. Начальный курс: 6-е изд., М.: Дело.

6. Мкртчян Н. (2005). Миграция в России: Западный дрейф. Демоскоп Weekly, №185-186, 10-23

7. Плисецкий Е.Л. (2003) Современные миграционные процессы в России. Журнал География N37

8. Ратникова Т.А. (2004) Анализ панельных данных в пакете «Stata» Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных» ГУ-ВШЭ, Москва

9. Рязанцев С. (2005) «Внутрироссийская трудовая миграция населения: тенденции и социально-экономические последствия», Вопросы экономики, № 7.

10. Татевосов Т.В. (1973). Исследование пространственных закономерностей миграции населения. Статистика миграции населения. М.: Статистика, 35-48.

11. Флоринская Ю., Рощина Т., (2004) «Трудовая миграция из малых городов России: масштабы, направления, социальные эффекты», Демоскоп Weekly, №175-176.

12. Чудиновских О. C. (2008). Статистика миграции знает не все. Демоскоп Weekly, 335-336, 2-15 июня.

13. Blanchard O. and Katz L. (1992) «Regional Evolutions», Brookings Papers on Economic Activity, 1.

14. Brown A. (1997) “The Economic Determinants of Internal Migration Flows in Russia during Transition”, WDI WP №. 89.

15. Cebula R., (1993) «The Impact of Living Costs on Geographic Mobility», The Quarterly Review of Economics and Finance, 33, 1, 101-105.

16. Gerber T. (2000). Regional migration dynamics in Russia since the collapse of communism, University of Arizona, Mimeo.

17. Gerber T. (2006). Regional economic performance and net migration rates in Russia, 1993-2002. International Migration Review, 40 (3), 661-697.

18. Harris J., Todaro M. (1970). Migration unemployment and development: a two sector analysis. American Economic Review, 60(1), 126-142

19. Kumo К. (2006). Interregional population migration in Russia: Using an origin to destination matrix. DP

20. Martin R., Sunley P. (1998) «Slow Convergence? The New Endogenous growth Theory and Regional Development», Economic Geography, Vol. 74, No3.

21. Napolitano O., Bonasia M. (2010). Determinants of different internal migration trends: The Italian experience. MPRA Paper, 21734. http://mpra.ub.uni-muenchen.de/21734/.

22. Nguyen-Hoang P., McPeak J. (2010). Leaving or staying: Inter-provincial migration in Vietnam. Asian and Pacific Migration Journal, 19 (4), 473-500.

23. Pissarides C., and McMaster I. (1990) «Regional Migration, Wages and Unemployment: Empirical Evidence And Implications For Policy», Oxford Economic Papers, 42, 812-831.

24. Pissarides C., and Wadsworth J., (1989) «Unemployment And The Inter-Regional Mobility of Labour», The Economic Journal, 99, 739-755.

25. Roback J. (1982) “Wages, Rents and the Quality of Life”, Journal of Political Economy, Vol. 90, No. 6.

26. Schultz T., (1982) «Lifetime migration within educational strata in Venezuela: Estimates of a logistic model», Economic Development and Cultural Change 31, 559-593.

27. Series A, №483, The Institute of Economic Research, Hitotsubashi University, Tokyo.

28. Stock J. H., Watson M. W. (2006). Heteroskedasticity-robust standard errors for fixed effects panel data regression. NBER Technical Working Paper, 323.

29. Федеральная служба государственной регистрации, кадастра и картографии. Росреестр. https://www.rosreestr.ru.

30. Федеральная служба государственной статистики. Информационный портал. http://www.gks.ru.

31. Единая межведомственная информационно-статистическая система. http://www.fedstat.ru/

Размещено на Allbest.ru