CC BY
13
УДК 519.866
Н.И. Клемашев1, А. А. Шананин2
1 Московский государственный университет им. М. В. Ломоносова 2 Московский физико-технический институт (государственный университет)
Непараметрический метод анализа бюджетной
статистики
Рассматривается проблема построения экономических индексов при нарушении условий рационализируемости. Предложен эвристический подход к решению задачи о разбиении домашних хозяйств на минимальное количество социальных групп, для которых существуют экономические индексы. Данный подход иллюстрируется на примере бюджетной статистики Великобритании. Полученное разбиение домашних хозяйств на социальные классы допускает наглядную экономическую интерпретацию.
Ключевые слова: индексы Конюса-Дивизиа, непараметрический метод, торговая статистика, бюджетная статистика.
1. Введение
Для построения экономических индексов с помощью непараметрического метода анализа торговой статистики (см., например, [1]) необходима рационализируемость торговой статистики. Торговая статистика может оказаться нерационализируемой из-за ошибок в первичной информации о ценах и объёмах потребления или из-за фундаментальной невозможности описания наблюдаемого агрегированного поведения моделью рационального репрезентативного потребителя. В первом случае можно прибегнуть к обобщённому непараметрическому методу (см., например, [1]), в результате которого будут получены экономические индексы. Во втором случае предпочтительнее выделить минимально возможное количество социальных классов, поведение каждого из которых описывается моделью рационального репрезентативного потребителя, а их совокупное поведение согласуется с исходной торговой статистикой. Для этого оказывается удобным работать с бюджетной, а не торговой статистикой. В этом случае, применяя непараметрический метод к торговым статистикам социальных классов, мы получим набор пар индексов потребления и цен (для каждой социальной группы один индекс потребления и согласованный с ним индекс цен). Далее будут рассмотрены непараметрический метод обработки торговой статистики, постановка задачи о нахождении минимального числа социальных групп и эвристический приём для определения этого числа на примере бюджетной статистики Великобритании.
2. Описание непараметрического метода
Рассмотрим группу, состоящую из т видов товаров. В паретовской теории потребительского спроса исходной информацией для вычисления индексов являются обратные функции спроса Р(X) или функции спроса X(Р). В реальности же мы можем оперировать лишь с наблюдаемой торговой статистикой ((Р*, Xt)}'^=i, которая определяет значения обратных функций спроса в конечном числе точек (X. При этом рационализируемость торговой статистики понимается как возможность продолжить ее до обратных функций спроса, рационализируемых в классе Фя вогнутых, положительно-однородных первой степени, непрерывных на множестве R™ функций, положительных на множестве int Л™. У возникающей проблемы интегрируемости торговой статистики есть решение, связывающее вычисление индексов Конюса-Дивизиа с теорией выявленного предпочтения. Это решение основано на следующей теореме.
Теорема Африата—Вериана [2, 3]. Следующие свойства торговой статистики ((РЬ,ХЬ)}^=1 эквивалентны:
1) существует функция полезности Р(X) е Фя, рационализирующая торговую статистику, то есть
X1 е А^шах{^(X) | (Р\ X) < (Р*, Хг), X ^ 0}, £ е Т/Г;
2) торговая статистика удовлетворяет однородной сильной аксиоме выявленного предпочтения, то есть для любого упорядоченного набора {Ь1, ..., С Т,Т выполнено
(Рн ,Х*2 ){Р*2 ,Х*3)... (Р*к ,Х11) ^ (Рн ,Х11 ){Р*2 ,Х*2) ... (Р*к ,Х*к);
3) существует 'решение (А^ ..., Хт) > 0 системы линейных неравенств
К(РТ,Хг) ^ \t(Pt,Xt), t,T е 1,Т; (1)
4) функция F(X) = min{ At ) | t е 1,Т}, где (Ai, ..., Хт) > 0 — 'решение системы (1), рационализирует торговую статистику.
Пусть (А1, ..., Хт) > 0 — решение системы (1). Тогда, как показано в [1], индексы потребительского спроса Конюса-Дивизиа имеют значение
F (X1) = Xt(P\Xг), t = Т7Р, а индексы цен Конюса-Дивизиа имеют значение
Q(Pt) = 1, t = 1Т. Xt
В отличие от торговой статистики {(Рь, Xb)}J=i, где Рь — вектор цен на товары, а Хь — вектор спроса на эти товары в период времени t, бюджетная статистика содержит информацию о потреблении товаров {Хг'а | t = 1,Т, а = 1,М} различными социальными группами. Здесь Xt,a — вектор спроса на товары социальной группой а в период времени t. Если торговая статистика | {^Рь, X]a=i | не является рационализируемой, то естественно поставить вопрос о разбиении социальных групп на минимальное число к непересекающихся классов {Л1, ..., Лк}, Цз=1 Лк = {1, ..., М}, каждый из которых
порождает рационализируемую торговую статистику j ^Р1, X| .
3. Численные эксперименты 3.1. Данные
Данные о потреблении составлены по результатам опроса домашних хозяйств Family Expenditure Survey, проводимого в Соединённом Королевстве. Мы использовали результаты опроса за 1975-1999 годы. В рамках данного опроса проводилось исследование структуры расходов домашних хозяйств. Для этого каждый год составлялась выборка из примерно 7000 домашних хозяйств. О каждом домашнем хозяйстве собирались данные о расходах по 68-ми товарам в течение двух недель, а также различные характеристики домашнего хозяйства (регион проживания, доход, состав домашнего хозяйства и т.п.). Данные по распределению совокупного расхода каждого домашнего хозяйства между этими товарами доступны в виде онлайн-приложения к статье [4]. Цены представляют собой индексы, выражающие стоимости товаров в ценах 1975 года. Данные по ценам были предоставлены авторами работы [4].
Графики кривых Лоренца для 1975 и 1999 годов представлены на рис. 1. Сплошной линией изображена биссектриса неотрицательного ортанта. Видно, что неравенство распределения дохода по слоям населения в 1999 году выше, чем в 1975. График индекса
Джини1 приведён на рис. 2. Из графика виден сильный рост неравенства в распределении доходов в период с 1983 по 1989 годы.
Доля населения (%)
Рис. 1. Кривые Лоренца для 1975 и 1999 гг.
3.2. Товарные группы и индексы Конюса-Дивизиа
Все 68 товаров были разбиты на четыре товарные группы: «Продукты питания», «Дом и связь», «Одежда и обувь», «Транспорт и развлечения». Показатели нерациональности для группы «Все товары», а также для выделенных четырёх товарных групп приведены в табл. 1. Показатель нерациональности характеризует степень нерационализируемости торговой статистики. Подробнее см. в [1]. Для всех групп показатели нерациональности
1 Индекс Джини — количественная мера неравенства в распределении доходов. Вычисляется как удвоенная площадь фигуры, заключённой между кривой Лоренца и биссектрисой неотрицательного ортанта.
отличаются от единицы на величину, не превосходящую 5 ■ 10 3, что позволяет говорить об адекватности выбора товарных групп.
Таблица1
Показатели нерациональности товарных групп
Группа Показатель нерациональности
Все товары 1.00009
Продукты питания 1.00055
Дом и связь 1.00482
Одежда и обувь 1.00063
Транспорт и развлечения 1.00221
Для первичного анализа социальной структуры общества было выделено 10 социальных страт по возрастанию дохода, т.е. в страту г попали домашние хозяйства, доход которых лежит в пределах от наибольшего дохода среди 10(г — 1)% беднейших домашних хозяйств до наибольшего дохода среди 10г% беднейших домашних хозяйств. Показатели нерациональности торговых статистик для каждой из выделенных страт приведены в табл. 2. Как и в случае с товарными группами, модуль разности между показателями нерациональности и единицей не превосходит 8 ■ 10-3.
Таблица2
Показатели нерациональности для десяти страт
Номер страты Показатель нерациональности
1 1.00789
2 1.00364
3 1.00374
4 1.00159
5 1.00044
6 0.99999
7 1.00003
8 1.00132
9 1.00256
10 1.00281
В работе [1] проводился анализ устойчивости индексов Конюса-Дивизиа к предварительному агрегированию в товарные группы. Для этого сопоставлялись значения индексов Конюса-Дивизиа, полученные непосредственно для всей торговой статистики (способ 1), и индексов, вычисленных по торговой статистике, образованной из индексов Конюса-Дивизиа товарных групп (способ 2). В данной работе мы также проводим анализ устойчивости индексов Конюса-Дивизиа к различным способам их построения. В дополнение к двум способам, рассмотренным в [1], рассматриваем также третий способ - построить индексы спроса и цен для социальных страт и затем вычислить индексы всей торговой статистики через индексы торговой статистики, составленной из индексов для социальных страт (способ 3). Обозначим индексы цен и спроса для всех товаров, вычисленные способом j, через {Qlи {Fj!соответственно. Максимальное относительно отличие индексов спроса и цен, вычисленных способами 1 и 2, вычисляемое как
max |max j IQ*QlQil } , max j } } ■ 100%,
составляет 0.98%. Максимальное относительно отличие индексов спроса и цен, вычисленных способами 1 и 3, оказалось выше и составляет 4.11%. Полученные результаты служат
подтверждением устойчивости индексов Конюса-Дивизиа к предварительному агрегированию как по товарным группам, так и по социальным стратам. Графики индексов цен и спроса, вычисленные тремя способами, приведены на рис. 3.
-Способ!--Способ 2 ......Способ 3 -Способ!--Способ 2 ......Способ 3
6 1.4
а) б)
Рис. 3. а) Индексы цен, вычисленные тремя способами. б) Индексы спроса, вычисленные тремя способами
3.3. Анализ социальной структуры
Для анализа социальной структуры общества все домашние хозяйства были разбиты на 100 страт по уровням дохода. Мы исходили из гипотезы о том, что нерационализиру-емость группы «Все товары» связана с сильно отличающимися структурами потребления богатейших домашних хозяйств и всех остальных. Для проверки этой гипотезы мы попытались разбить все домашний хозяйства на два класса - богатейшие домашние хозяйства и все остальные - так, чтобы товарная группа, состоящая из всех товаров, была рационализируема для каждого из двух классов.
Рис. 4. Верхняя граница для класса всех остальных домашних хозяйств
Товарная группа «Все товары» рационализируема в период с 1975 по 1987 годы. Для рационализируемости группы «Все товары» в период с 1975 по 1988 годы нужно отделить 1% богатейших домашних хозяйств в 1988 году. Для дальнейших лет мы искали минимальный размер класса богатейших домашних хозяйств, отделение которого приводило к рационализируемости группы «Все товары». В итоге была выведена зависимость верхней
границы2 класса всех остальных домашних хозяйств (без богатейших) от года. График этой зависимости представлен на рис. 4. Примечательно, что размер класса богатейших домашних хозяйств, предпочтения которых сильно отличаются от предпочтений остальных домашних хозяйств, растёт со временем. Однако размер класса остаётся небольшим -в 1999 году этот класс состоял из четырёх процентов богатейших домашних хозяйств.
Для краткости, класс богатейших домашних хозяйств назовём классом 2, а класс всех остальных домашних хозяйств - классом 1. Графики индексов спроса на все товары двух классов представлены на рис. 5. Индекс спроса богатейших домашних хозяйств растёт быстрыми темпами - более чем двукратное увеличение за 11 лет. Индекс спроса всех остальных домашних хозяйств более стабилен.
1^75 1980 1985 1990 1995 2000
Год
Рис. 5. Индексы спроса на все товары для двух классов
Рис. 6. Доля расходов класса богатейших домашних хозяйств
На рис. 6 приводится график доли расходов класса богатейших домашних хозяйств в расходах всех домашних хозяйств. Видно, что эта доля очень быстро растёт. В 1999 году
2Под верхней границей класса понимается наибольший номер страты, входящей в данный класс.
доля расходов класса богатейших домашних хозяйств составляет больше 12%, несмотря на то, что этот класс состоит всего лишь из четырёх процентов всех домашних хозяйств.
Рис. 7. Структуры потребления двух классов
ТаблицаЗ
Количественные характеристики структур потребления
Товарная группа Класс 1 Класс 2
Продукты питания 0.27161 0.17737
Одежда и обувь 0.12294 0.093739
Дом и связь 0.30658 0.34376
Транспорт и развлечения 0.29887 0.38513
Для сопоставления структур потребления мы сравнивали доли потребления товаров из четырёх товарных групп, рассмотренных ранее. Для этого были вычислены индексы спроса3 Конюса-Дивизиа. Обозначим индексы спроса на товары из товарной группы г (г = 1, 4) для класса @ = 1,2) через }Т=То(//), где Т = 1999, То(1) = 1975, 20(2) = 1988. В качестве оценки средней доли потребления товарной группы г для класса @ мы рассматривали величину
*№ =
2^=Т0(/3) рьф
V4 ^Т
¿^,3=1 Ы=То(0) рЬф
где }Т=т0(р) - индексы спроса на все товары для класса р. Значения средних долей потребления представлены в виде диаграммы на рис. 7, а также в табл. 3. Основное отличие между двумя классами заключается в соотношении долей потребления товаров из групп «Продукты питания» и «Транспорт и развлечения». У класса богатейших домашних хозяйств потребление товаров из группы «Транспорт и развлечения» примерно в два раза
3Товарные группы нерационализируемы для выделенных двух классов. Для построения индексов ис-
пользовался обобщённый непараметрический метод.
выше, чем потребление товаров из группы «Продукты питания». Для класса всех остальных домашних хозяйств доли потребления товаров из этих двух групп почти совпадают.
4. Заключение
Мы рассмотрели подход к обработке и анализу бюджетной статистики при условии нерационализируемости торговой статистики для совокупного потребления всех домашних хозяйств. Сформулировав задачу о поиске минимального количества социальных групп, которые порождают рационализируемые торговый статистики, мы предложили эвристический подход к решению данной задачи. Используя данный подход на примере бюджетной статистики Великобритании, мы показали, что минимальное количество социальных групп, на которые нужно разбить домашние хозяйства, равно двум. Кроме того, структура полученных социальных групп допускает наглядную экономическую интерпретацию — с конца 80-х годов прошлого века в Великобритании начал формироваться обособленный класс наиболее обеспеченных домашних хозяйств, структура потребления которых сильно отличается от структуры потребления остальных домашних хозяйств.
Работа выполнена при финансовой поддержке РФФИ проект 14-07-00075.
Литература
1. Кондраков И. А, Поспелова Л. Я., Шананин А. А. Обобщенный непараметрический метод. Применение к анализу товарных рынков // Труды МФТИ. — 2010. — Т. 2, № 3. — С. 32-45.
2. Afriat S.N. On a system of inequalities in demand analysis and extension of the classical method // International economic review. — 1973. — V. 14, N 2. — P. 460-472.
3. Varian H. R. Non-parametric tests of consumer behavior // The review of economic studies. — 1983. — V. 50, N 1. — P. 99-110.
4. Blundell R., Browning M., Crawford I. Best nonparametric bounds on demand responses // Econometrica. — 2008. — V. 76, N 6. — P. 1227-1262.
Bibliography
1. Kondrakov I. A, Pospelova L.Y., Shananin A. A. Generalized nonparametric method. Application to the analysis of commodity markets // Proceedings of MIPT. — 2010. — V. 2, N 3. — P. 32-45. — (in Russian).
2. Afriat S. N. On a system of inequalities in demand analysis and extension of the classical method // International economic review. — 1973. — V. 14, N 2. — P. 460-472.
3. Varian H. R. Non-parametric tests of consumer behavior // The review of economic studies. — 1983. — V. 50, N 1. — P. 99-110.
4. Blundell R., Browning M., Crawford I. Best nonparametric bounds on demand responses // Econometrica. — 2008. — V. 76, N 6. — P. 1227-1262.
Поступила в редакцию 15.12.2014.
