Построение кривой Филлипса на региональных данных

Abstract

Данная статья посвящена оцениванию кривой Филлипса на региональной панели данных по России, что позволит глубже понять степень региональной неоднородности основных макроэкономических показателей.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. Таким образом, можно считать, что инфляционные ожидания населения России включают как адап­тивную, так и рациональную компоненты. В то же время кривая Филлипса, включающая показатель безработицы, некорректно описывает региональную панель. Мы связываем этот результат со спецификой региональных рынков труда и разделяем 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. Полученные результаты позволяют глубже понять механизмы ценообразования в российских регионах, особенности рынков труда и формирования макропеременных на региональном уровне.

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 10 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.