Кейс: в скандинавской стране введён базовый универсальный доход — какие показатели социального благосостояния и поведения стоит отслеживать, чтобы оценить его влияние, и какие методологические трудности возникнут
Ниже — концентрированный план: какие индикаторы отслеживать и какие методологические проблемы ожидать + краткие решения. Что измерять (показатели и почему) - Доход и бедность: - Общий доход домохозяйств, медиана, среднее по перцентилям — для изменения распределения доходов. - Коэффициент Джини: \[G = \frac{\sum_{i=1}^n \sum_{j=1}^n |y_i - y_j|}{2 n^2 \bar{y}}\] - Доля ниже порога бедности (headcount): \[P_0 = \frac{1}{n}\sum_{i=1}^n I(y_i<z)\] - Норма бедности по глубине (poverty gap): \[P_1 = \frac{1}{n}\sum_{i=1}^n \frac{(z-y_i)_+}{z}\] - Замещение/взаимодействие с другими выплатами и налогами (net replacement rate). - Трудовая активность и рынок труда: - Участие в рабочей силе, занятость/безработица, часы работы, переходы (вовсе в/из работы), доля неполной занятости. - Интенсивность поиска работы и предложения труда, частота фриланса/самозанятости. - Эластичность предложения труда: \[\varepsilon = \frac{\Delta L / L}{\Delta Y / Y}\] - Поведение потребления и благосостояние: - Потребление по категориям (продовольствие, здоровье, образование). - Сбережения и долги, выплаты по кредитам. - Маргинальная склонность к потреблению (MPC) и мультипликатор фискальных выплат. - Здоровье и образование: - Самоощущение здоровья, обращения к врачам, госпитализации, меры психического здоровья (напр., шкала GHQ). - Запись в детские и образовательные учреждения, бросаемость, показатели успеваемости. - Социальное и поведенческое: - Субъективное благополучие (life satisfaction), доверие, социальная сплочённость, вовлечённость в НКО/волонтёрство. - Преступность, домашнее насилие, злоупотребление веществами. - Предпринимательство и риск: - Число стартапов/самозанятости, инвестиции в обучение/переподготовку. - Публичные финансы: - Фискальная стоимость (общие выплаты), чистый эффект на бюджет, изменения в налогах/соц.трансфертах. - ROI / cost‑benefit: \(\text{NPV}\) и мультипликатор \(\displaystyle m=\frac{\Delta Y}{\Delta G}\). - Долгосрочные демографические эффекты: - Натальный уровень, миграция, изменения состава домохозяйств. Какие данные собирать - Административные регистры (подоходные и соцвыплаты, налоговые, занятость, медицинские услуги, криминал). - Репрезентативные панельные обследования (до и после), модуль о субъективном благополучии. - Транзакционные/POS-данные и данные по потреблению. - Специальные эксперименты/кадо (RCT или фазы введения). Методологические трудности и как с ними работать - Причинность / контрфактическое воздействие: - При общем введении BUI нет внутреннего контроля; нужен дизайн (RCT, ранд. фаза, phased rollout) или синтетический контроль/различия-в-разницах (DiD). - DiD: \[\hat\delta_{DiD}=(\bar Y_{t1}^{T}-\bar Y_{t0}^{T})-(\bar Y_{t1}^{C}-\bar Y_{t0}^{C})\] — требует параллельных трендов. - Спилловеры и внешние эффекты: - Эффекты на неконтролируемые группы (работодатели, цены, арендная плата). Исправлять через макромодели, анализ пространственных взаимосвязей и сегментированный анализ. - Обобщаемость и внешний вид: - Реакции в одной скандинавской стране не обязательно переносимы в другие контексты (рынок труда, соцзащита). - Общие равновесные эффекты: - Изменение зарплат и спроса на труд; нужно учитывать спросовую сторону труда и работодателей. - Сдвиг в других программах: - BUI может заменить или взаимодействовать с другими трансферами — необходимо учитывать «замещение» и корректировать чистый доход. - Измерение дохода и самоотчётность: - Сильная склонность к ошибкам в опросах; поэтому опираться на админ.данные. - Несоблюдение/отсев/аттрицция: - Нужно следить за неявкой и корректировать веса/использовать bounding methods и multiple imputation. - Антецедентные ожидания и поведенческая адаптация: - Люди меняют поведение в ожидании выплат — важно иметь достаточный пред‑период и event‑study графики. - Множественные гипотезы и выявление эффектов: - Множественность требует корректировки (FDR, Bonferroni) и заранее зарегистрированного плана анализа. - Статистическая мощность и размер эффекта: - Для обнаружения малых эффектов нужны большие выборки. Пример приближённой формулы для размера выборки при двух группах: \[n=\frac{(z_{1-\alpha/2}+z_{1-\beta})^2 2\sigma^2}{\Delta^2}\] - Сезонность и тренды: - Контролировать сезонность, использовать длинные временные ряды и фиктивные переменные времени. - Кластеризация и корреляция в пределах сообществ: - Оценки стандартных ошибок должны быть кластеризованы (по регионам, работодателям). - Политические и этические ограничения: - Нельзя длительно лишать кого-то выплат ради эксперимента; пользоваться фазированным введением или регрессией прерывания там, где применимо. Рекомендации по дизайну оценки (кратко) - Использовать комбинацию: административные данные + панельные опросы. - Строгая предварительная спецификация (pre‑analysis plan), реестр гипотез. - Если возможно — рандомизация (фазовый rollout) или регрессия на пороге (если есть критерий попадания). - Для агрегированных макроэффектов — synthetic control и структурные модели общего равновесия. - Анализ гетерогенности по возрасту, полу, доходному перцентилю, региону и типу домохозяйства. - Проверять robustness (placebo tests, баланс до введения, event‑study визуализации). Кратко о приоритете - Первые приоритеты: доходы и бедность, занятость/часы работы, потребление, психическое здоровье, фискальная устойчивость. Одновременно проектировать дизайн, который даёт идентификацию причинного эффекта и отслеживает спилловеры. Если нужно, могу предложить пример пред‑аналитического плана с наборами переменных и тестами балансировки.
Что измерять (показатели и почему)
- Доход и бедность:
- Общий доход домохозяйств, медиана, среднее по перцентилям — для изменения распределения доходов.
- Коэффициент Джини: \[G = \frac{\sum_{i=1}^n \sum_{j=1}^n |y_i - y_j|}{2 n^2 \bar{y}}\]
- Доля ниже порога бедности (headcount): \[P_0 = \frac{1}{n}\sum_{i=1}^n I(y_i<z)\]
- Норма бедности по глубине (poverty gap): \[P_1 = \frac{1}{n}\sum_{i=1}^n \frac{(z-y_i)_+}{z}\]
- Замещение/взаимодействие с другими выплатами и налогами (net replacement rate).
- Трудовая активность и рынок труда:
- Участие в рабочей силе, занятость/безработица, часы работы, переходы (вовсе в/из работы), доля неполной занятости.
- Интенсивность поиска работы и предложения труда, частота фриланса/самозанятости.
- Эластичность предложения труда: \[\varepsilon = \frac{\Delta L / L}{\Delta Y / Y}\]
- Поведение потребления и благосостояние:
- Потребление по категориям (продовольствие, здоровье, образование).
- Сбережения и долги, выплаты по кредитам.
- Маргинальная склонность к потреблению (MPC) и мультипликатор фискальных выплат.
- Здоровье и образование:
- Самоощущение здоровья, обращения к врачам, госпитализации, меры психического здоровья (напр., шкала GHQ).
- Запись в детские и образовательные учреждения, бросаемость, показатели успеваемости.
- Социальное и поведенческое:
- Субъективное благополучие (life satisfaction), доверие, социальная сплочённость, вовлечённость в НКО/волонтёрство.
- Преступность, домашнее насилие, злоупотребление веществами.
- Предпринимательство и риск:
- Число стартапов/самозанятости, инвестиции в обучение/переподготовку.
- Публичные финансы:
- Фискальная стоимость (общие выплаты), чистый эффект на бюджет, изменения в налогах/соц.трансфертах.
- ROI / cost‑benefit: \(\text{NPV}\) и мультипликатор \(\displaystyle m=\frac{\Delta Y}{\Delta G}\).
- Долгосрочные демографические эффекты:
- Натальный уровень, миграция, изменения состава домохозяйств.
Какие данные собирать
- Административные регистры (подоходные и соцвыплаты, налоговые, занятость, медицинские услуги, криминал).
- Репрезентативные панельные обследования (до и после), модуль о субъективном благополучии.
- Транзакционные/POS-данные и данные по потреблению.
- Специальные эксперименты/кадо (RCT или фазы введения).
Методологические трудности и как с ними работать
- Причинность / контрфактическое воздействие:
- При общем введении BUI нет внутреннего контроля; нужен дизайн (RCT, ранд. фаза, phased rollout) или синтетический контроль/различия-в-разницах (DiD).
- DiD: \[\hat\delta_{DiD}=(\bar Y_{t1}^{T}-\bar Y_{t0}^{T})-(\bar Y_{t1}^{C}-\bar Y_{t0}^{C})\] — требует параллельных трендов.
- Спилловеры и внешние эффекты:
- Эффекты на неконтролируемые группы (работодатели, цены, арендная плата). Исправлять через макромодели, анализ пространственных взаимосвязей и сегментированный анализ.
- Обобщаемость и внешний вид:
- Реакции в одной скандинавской стране не обязательно переносимы в другие контексты (рынок труда, соцзащита).
- Общие равновесные эффекты:
- Изменение зарплат и спроса на труд; нужно учитывать спросовую сторону труда и работодателей.
- Сдвиг в других программах:
- BUI может заменить или взаимодействовать с другими трансферами — необходимо учитывать «замещение» и корректировать чистый доход.
- Измерение дохода и самоотчётность:
- Сильная склонность к ошибкам в опросах; поэтому опираться на админ.данные.
- Несоблюдение/отсев/аттрицция:
- Нужно следить за неявкой и корректировать веса/использовать bounding methods и multiple imputation.
- Антецедентные ожидания и поведенческая адаптация:
- Люди меняют поведение в ожидании выплат — важно иметь достаточный пред‑период и event‑study графики.
- Множественные гипотезы и выявление эффектов:
- Множественность требует корректировки (FDR, Bonferroni) и заранее зарегистрированного плана анализа.
- Статистическая мощность и размер эффекта:
- Для обнаружения малых эффектов нужны большие выборки. Пример приближённой формулы для размера выборки при двух группах: \[n=\frac{(z_{1-\alpha/2}+z_{1-\beta})^2 2\sigma^2}{\Delta^2}\]
- Сезонность и тренды:
- Контролировать сезонность, использовать длинные временные ряды и фиктивные переменные времени.
- Кластеризация и корреляция в пределах сообществ:
- Оценки стандартных ошибок должны быть кластеризованы (по регионам, работодателям).
- Политические и этические ограничения:
- Нельзя длительно лишать кого-то выплат ради эксперимента; пользоваться фазированным введением или регрессией прерывания там, где применимо.
Рекомендации по дизайну оценки (кратко)
- Использовать комбинацию: административные данные + панельные опросы.
- Строгая предварительная спецификация (pre‑analysis plan), реестр гипотез.
- Если возможно — рандомизация (фазовый rollout) или регрессия на пороге (если есть критерий попадания).
- Для агрегированных макроэффектов — synthetic control и структурные модели общего равновесия.
- Анализ гетерогенности по возрасту, полу, доходному перцентилю, региону и типу домохозяйства.
- Проверять robustness (placebo tests, баланс до введения, event‑study визуализации).
Кратко о приоритете
- Первые приоритеты: доходы и бедность, занятость/часы работы, потребление, психическое здоровье, фискальная устойчивость. Одновременно проектировать дизайн, который даёт идентификацию причинного эффекта и отслеживает спилловеры.
Если нужно, могу предложить пример пред‑аналитического плана с наборами переменных и тестами балансировки.