Магистерская программа «Государственные и муниципальные финансы» Кафедра государственного управления и экономики общественного сектора магистерская диссертация

Вид материала

Программа

Содержание 2.4. Анализ факторов, влияющих на занятость на рынке труда среднего медицинского персонала. Таблица 17. Тест Бройша-Пагана на выбор спецификации модели со сквозной регрессией и модели Random Effect. Таблица 18. Тест Хаусмана на выбор спецификации модели Fixed Effect и Random Effect.

Подобный материал:

• Магистерская программа «Государственные и муниципальные финансы» Кафедра государственного, 867.91kb.
• Программа дисциплины ''Полюса и зоны роста мировой экономики'' для направления 080100., 62.74kb.
• Рабочая программа по дисциплине Государственный кредит и госдолг 06. 04 «Финансы, 389.27kb.
• Магистерская программа Прикладная экономика Кафедра магистерская диссертация роль лизинга, 822.73kb.
• Программа дисциплины информационные системы в экономике и финансах для направления, 208.51kb.
• Программа дисциплины внутренний аудит для направления 080100. 68 «Экономика» подготовки, 319.46kb.
• М. В. Ломоносова Экономический факультет Кафедра «Финансы и кредит» Магистерская диссертация, 895.77kb.
• Программа дисциплины «Экономика общественного сектора» для направления 030900. 68 «Юриспруденция», 213.46kb.
• Методические указания к выполнению контрольной работы. Дисциплина «Государственные, 31.96kb.
• Программа дисциплины внешний аудит и консалтинг для подготовки магистров по направлению, 384.13kb.

2.4. Анализ факторов, влияющих на занятость на рынке труда среднего медицинского персонала.

Учитывая все ограничения, наложенные на исходные данные, мы получили выборку, состоящую из 325 наблюдений.

Попытаемся выявить, от каких факторов может зависеть заработная плата среднего медицинского персонала в регионе. Как и в случае с относительной занятостью врачей, оценим уравнение регрессии, имеющее следующий общий вид:


Qmedses_i = α + β₁ ozpmed_i + β₂ vrp_i + β₃ bezrabotica_i +ε_i. (2.4)


Прежде чем проверять на значимость простую сквозную регрессию, воспользуемся пошаговой процедурой исключения переменных (Табл. 11):


Таблица 11. Процедура исключения переменных в модели зависимости численности среднего медицинского персонала на 10000 человек от относительной заработной платы среднего медперсонала, уровня безработицы и валового регионального продукта на душу населения.



Оказывается, для этой группы работников все переменные значимы уже на 1% уровне и все они могут быть включены в модель в качестве факторов, объясняющих зависимость численности среднего медицинского персонала в регионе на 10000 человек населения (qmedses).

Теперь проведем оценку сквозной регрессии, включив в рассмотрение все имеющиеся переменные (Табл. 12):


Таблица 12. Уравнение зависимости численности среднего медицинского персонала на 10000 человек от относительной заработной платы среднего медицинского персонала, уровня безработицы и ВРП на душу населения.



Данная модель значима по F - тесту на 1% уровне значимости. Все переменные являются значимыми по t – тесту также уже на 1% уровне. Константа значима на 5% уровне. Коэффициенты R – квадрат и Adj R– квадрат недостаточно высоки (R – квадрат = 14,21%). Но для такого рода данных это естественно. Это говорит о том, что существуют еще и другие факторы, объясняющие уровень занятости, которые не были включены в модель. Поскольку средний медицинский персонал состоит преимущественно (около ¾ от общей численности) из медсестер, то можно сказать, что это женская профессия. То есть, например, на численность среднего медицинского персонала могут влиять такие факторы, как доход супруга, число детей в семье, влияние которых сложно оценить на региональных данных.

Знаки коэффициентов у нас получились похожими на те, что были при оценке факторов, влияющих на занятость врачей. Так, относительная заработная плата среднего медицинского персонала (ozpmed) отрицательно влияет на численность среднего медицинского персонала (qmedses) в регионе. А валовой региональный продукт (vrp) – положительно. Коэффициент при теперь уже значимом факторе безработицы (bezrabotica) получился положительным. То есть чем выше уровень безработицы в регионе, тем больше в нем среднего медицинского персонала. С одной стороны, это можно объяснить тем, что женщины, получившие квалификацию медсестры, больше держатся за свое рабочее место там, где выше безработица и нет других альтернатив занятости. С другой стороны, для того чтобы получить квалификацию среднего медицинского персонала, не требуется столь значительного времени, как скажем для получения статуса врача. Поэтому люди, наблюдая высокую безработицу в регионе, чаще изначально осознанно идут в медицину, где занятость гарантирована.

Теперь воспользуемся тем, что имеющиеся данные являются панельными, и построим модель с детерминированным индивидуальным эффектом (FE).

Уравнение для панельных данных будет иметь следующий вид (табл. 13):


Qmedses_it = α + β₁ ozpmed_it + β₂ vrp_it + β₃ bezrabotica_it +ε_it. (2.5)


Таблица 13. Уравнение зависимости численности среднего медицинского персонала на 10000 человек от относительной заработной платы среднего медицинского персонала, уровня безработицы и ВРП на душу населения, в модели Fixed Effect.



Как видно из t – теста, фактор безработицы (bezrabotica) перестает быть значимым и при общей значимости спецификации модели, его нужно исключить. Построим модель с детерминированным индивидуальным эффектом, исключив безработицу (таблица 14):


Таблица 14. Уравнение зависимости численности среднего медицинского персонала на 10000 человек от относительной заработной платы среднего медицинского персонала и ВРП на душу населения, в модели Fixed Effect.



Теперь все коэффициенты (включая константу) и сама модель являются значимыми уже на 1% уровне. Коэффициент детерминации R – квадрат (within) равен 20,61%. Это выше, чем для сквозного оценивания модели.

Коэффициенты в модели изменили знаки, по сравнению со сквозным оцениванием регрессии. Так, относительная заработная плата среднего медицинского персонала (ozpmed) положительно влияет на его численность в регионе.

По F – тесту модель с детерминированным индивидуальным эффектом является более предпочтительной, чем модель, оцененная сквозной регрессией: Prob > F = 0.000. Большая часть вариации данных (97%) приходится на индивидуальные эффекты: rho = 0.9725. Модель в среднем наблюдается 5.6 лет из 6. Это говорит о том, что имеющиеся данные представлены в достаточно полном объеме.

Теперь рассмотрим модель со случайным индивидуальным эффектом (RE) (табл. 15):


Таблица 15. Уравнение зависимости численности среднего медицинского персонала на 10000 человек от относительной заработной платы среднего медицинского персонала, уровня безработицы и ВРП на душу населения, в модели Random Effect.



Фактор безработицы (bezrabotica) оказался не значимым и для этой спецификации модели оценки панельных данных. Построим модель RE, исключив безработицу (таблица 16):


Таблица 16. Уравнение зависимости численности среднего медицинского персонала на 10000 человек от относительной заработной платы среднего медицинского персонала и ВРП на душу населения, в модели Random Effect.



Несмотря на то, что модель в целом значима, коэффициент детерминации (between) для данной спецификации является крайне низким: R – квадрат = 0,08%. Проведем выбор между объединенной моделью и моделью со случайным индивидуальным эффектом. Воспользуемся тестом Бройша – Пагана (табл. 17):


Таблица 17. Тест Бройша-Пагана на выбор спецификации модели со сквозной регрессией и модели Random Effect.



Вывод: Модель с индивидуальным эффектом (RE) – предпочтительнее, даже несмотря на низкий коэффициент детерминации.

Теперь произведем выбор между двумя спецификациями панельных данных (FE и RE). Воспользуемся тестом Хаусмана (табл. 18):


Таблица 18. Тест Хаусмана на выбор спецификации модели Fixed Effect и Random Effect.



По результатам теста, гипотеза о состоятельности оценок модели Random Effect отвергается в пользу альтернативной о состоятельности оценок модели Fixed Effect. Поскольку более предпочтительной является модель с детерминированным индивидуальным эффектом, итоговое уравнение для занятости среднего медперсонала будет иметь вид (таблица 14):


Qmedses_it = 87.253 + 7.093 ozpmed_it + 2.089 lnvrp_it + ε_it. (2.6)