Влияние миграции труда на благосостояние США

Для описания выбранной  ситуации была выбрана линейная модель. Рассчитав ее коэффициенты по методу наименьших квадратов, получим следующую функциональную зависимость:

exp= -619,331 + 0,044migr+ 0,054usa + 0,024gdp– 0,011dist + 70,979nafta + 62,449lang, где

exp– величина экспорта между странами (млрд долл),

migr – количество иммигрантов, прибывших из данной страны в США (тыс чел),

usa – ВВП США (млрд долл),

gdp – ВВП данной страны (млрд долл),

dist – расстояние между странами (км),

nafta – дамми-переменная, показывающая входят ли страны в НАФТА,

lang - дамми-переменная, показывающая имеют ли страны общий язык.

Видно, что для  всех переменных, кроме расстояния между странами, характерен положительный  коэффициент. В рамках линейной модели это значит, что такие переменные, как количество мигрантов, ВВП обеих  стран, членство в НАФТА и наличие  общего языка прямо пропорциональны экспорту, а расстояние обратно пропорционально ему. Такие результаты совпадают с экономической интуицией, ведь у далеких друг от друга стран высокие транспортные издержки, а, следовательно, торговля между ними ведется в меньших объемах.

Учитывая то, что в нашей модели мы рассматриваем временные ряды, необходимо узнать, коррелируют ли между собой погрешности в модели, поскольку если это действительно происходит, то полученные данные могут оказаться не совсем корректными, оценка не будет являться состоятельной. Для проверки наличия в модели автокорреляции был использован тест Дарбина – Уотсона. Напомним, что критерий Дарбина – Уотсона применяется для нахождения автокорреляции первого порядка элементов исследуемой последовательности, и в зависимости от его значения можно судить о наличии или отсутствии в модели автокорреляции: величина критерия варьируется от 0 до 4, и чем ближе оно к краям отрезка, тем сильнее ошибки сильнее коррелируют между собой. Если же значение критерия близко к середине отрезка (то есть к двум), значит влияние автокорреляции в модели незначительно. В нашей модели величина коэффициента составляет 1.755751, что говорит о несущественном влиянии автокорреляции на полученные результаты, стало быть наши оценки коэффициентов уравнения регрессии являются состоятельными.

Теперь, выяснив, что в модели отсутствуют мультиколлениарность и автокорреляция, можно перейти  к интерпретации полученных оценок коэффициентов модели и проверке основных гипотез касательно ее актуальности. В приложениях приведен полный процесс расчета самих коэффициентов, а так же их стандартных ошибок, коэффициента детерминации и значений критериев Фишера для регрессии в целом и Стьюдента для каждой переменной в отдельности, а так же нахождение критических значений критериев. Напомним, что критерий Фишера, как и величина коэффициента детерминации, определяет значимость регрессии в целом, а критерий Стьюдента – проверяет значимость отдельной переменной в регрессии. Процедура определения значимости проходит следующим образом: по формулам считаются значения коэффициентов для модели, с учетом уровня значимости, количества наблюдений и степеней свободы переменных, а затем сравниваются с критическими. Если наблюдаемое значение критерия по модулю больше критического, то регрессия/переменная значимы. Ниже приведены результаты расчетов.

Коэффициенты		St. Error	Т(набл)	R2	0,977523
С	-619,331	127,4009	-4,86128	F(набл)	166,7083
migr	0,044118	0,12055	0,365969	F(крит)	2,527655
usa	0,053631	0,010098	5,311016	T(крит)	2,068658
gdp	0,024026	0,002311	10,39529
dist	-0,01072	0,002081	-5,1513
nafta	70,97937	23,42249	3,030394
lang	62,44896	22,74333	2,745814

 

Начнем с  модели в целом. Как уже было обозначено ранее, в выборке у нас 30 наблюдений, в модели участвуют 6 переменных, выбранный уровень надежности составляет 5%. Значение коэффициента детерминации близко к единице, что говорит о том, что спецификация модели выбрана достаточно удачная и она имеет достаточно высокую объясняющую способность. Наблюдаемая величина критерия Фишера в сравнении с критической еще раз это подтверждает: F(набл)=166.7 намного больше, чем F(крит)=2.5, что говорит о том, что в целом регрессия значима.

С критерием Стьюдента все получается не так гладко. Как мы знаем, значимость переменной определяется в сравнении наблюдаемого и критического значения критерия. В таблице полученных результатов видно, что при заданных условиях наблюдаемая величина критерия больше для всех переменных, кроме миграции. Таким образом, в нашей модели зависимости экспорта из США от различных параметров незначимым является лишь количество в стране иммигрантов. Все остальные факторы существенны, что соответствует экономической логике.

 

Выводы

Экспорт из одной  страны в другую действительно зависит  от объемов произведенной в обеих странах продукции, расстояния между странами (согласно уже упомянутой гравитационной модели), а так же различным облегчающим коммуникации и торговлю факторам, вроде членства в торговых альянсах и общих языков. Однако это не значит, что в целом миграция из одной страны в другую на торговлю между ними не влияет, это лишь один из выводов применительно к нашей модели. Во-первых, при большем уровне значимости миграция действительно может быть влияющим фактором, просто на результат регрессии она в данном случае воздействует меньше. Во-вторых, в обзоре литературы мы уже указывали на влияние миграции на микроуровне, поэтому оно имеет место быть, просто наша модель его не отражает. В-третьих, в работе мы рассмотрели выборку объемом 30, этого оказалось достаточно, чтобы определить влияние остальных переменных, однако возможно, этого мало для вычленения влияния миграции, поскольку она воздействует более тонко.

В заключение стоит  сказать, что несмотря на полученные в ходе проверки критерия Стьюдента выводы о неважности в ряде выборок для модели значений миграции, мы уже объяснили, что причины этого не в неверной спецификации модели, поскольку этот фактор объективно влияет, а в небольшой величине выборки и уровне значимости. Тем не менее, нам удалось разработать достаточно крепкую модель с хорошей объясняющей способностью, характеризующую экспорт из США в другие страны, и показать, что она адекватна не только с точки зрения математической точности, но и со стороны экономической логики.

 

 

 

 

 

 

 

 

Список источников:

1. S. Girma and Y. Zhihao. The link between immigration and trade: evidence from the UK.
2. Jeremy I. Bulow, Lawrence H. Summers. A Theory of Dual Labor Markets with Application to Industrial Policy, Discrimination, and Keynesian Unemployment.
3. Terrie L. Walmsley, L. Alan Winters, S. Amer Ahmed. Measuring the Impact of the Movement of Labor Using a Model of Bilateral Migration Flows.
4. Т. Петрова "США-Мексика: по обе стороны границы. Проблемы трансграничного сотрудничества"

 

5. 2010 Yearbook of Immigration Statistics. Office of Immigration Statistics
6. http://economics.about.com

¹ 2010 Yearbook of Immigration Statistics. Office of Immigration Statistics

² Т. Петрова "США-Мексика: по обе стороны границы. Проблемы трансграничного сотрудничества"

³ Jeremy I. Bulow, Lawrence H. Summers. A Theory of Dual Labor Markets with Application to Industrial Policy, Discrimination, and Keynesian Unemployment.

⁴ Terrie L. Walmsley, L. Alan Winters, S. Amer Ahmed. Measuring the Impact of the Movement of Labor Using a Model of Bilateral Migration Flows.

⁵ Аналогичная модель применялась в S. Girma and Y. Zhihao. The link between immigration and trade: evidence from the UK.