CC BY
6
детей, оставшихся без попечения родителей
В 2013 году из 145 исковых требований о лишении родительских прав, которые поступили и были рассмотрены судом — по 22 были приняты решения об отказе. По состоянию на 1 июля 2014 года, из 84 рассмотренных исков по 18 из них суд принял решение об отказе.
Суд исходит из того, что лишение родительских прав является исключительной и одновременно высшей мерой ответственности, применяемой в ситуации, когда защитить права и интересы ребенка другим путем невозможно.
Число сирот в России сократилось на 30 процентов, почти 150 детских домов закрыты - таковы результаты пятилетней работы общественного института по правам ребенка. Их озвучил уполномоченный при президенте РФ по правам ребенка Павел Астахов на заседании международного форума "Многодетная семья и будущее России"."Сократилось число сирот, снизилось число случаев лишения родительских прав, а также увеличилось число родителей, восстановленных в правах. Всего на 3,5 процента, но это уже положительная тенденция".
В текущем 2015 году в России число детей оставшихся без попечения родителей составило 99 тысяч 944 ребенка (именно такую цифру давал государственный банк данных о детях, оставшихся без попечения родителей, в начале июля 2014 года). По оптимистичным планам, к концу года эта цифра может снизиться до 82 тысяч.
В настоящее время одним из путей решения проблемы защиты прав ребенка считается совершенствование законодательного регулирования ответственности родителей за воспитание детей[2].
Использованные источники:
1.Семейный кодекс РФ [электронный ресурс]-режим доступа://http://www.consultant.ru
2. Пчелинцева Л.М. Семейное право России [электронный ресурс]-режим доступа://http://www.alleng.ru
Валимухаметова Э.Р. магистрант 1 года обучения факультет информатики и робототехники Уфимский государственный авиационный технический
университет Россия, г. Уфа
ОЦЕНИВАНИЕ ПРОСТРАНСТВЕННО-РЕГРЕССИОННЫХ
МОДЕЛЕЙ
Большинство существующих программных пакетов не дают возможности оценить пространственно-регрессионные модели. Тем не менее, многие из программных продуктов содержат встроенный язык программирования, позволяющий самостоятельно прописывать код
программы. В статье рассматривается оценка моделей с пространственными эффектами в двух наиболее популярных статистических пакетах: STATA и R.
Ключевые слова: пространственная регрессия, панельные данные, эконометрическая модель
SPATIAL REGRESSION MODEL ESTIMATION
Most standard statistics packages do not contain estimation routines for spatialeconometric models. However, most packages do contain a built-in programming language, so that in principle you could implement the estimation routines yourself. This paper provides the description of two most popular types of software providing spatial regression estimation: STATA and R.
Key words: spatial regression, econometric model, SLM, SEM
В последние годы пространственная эконометрика стала самостоятельным научным направлением. Повышенное внимание к этой области знаний обусловлено, по мнению Л. Анселина, двумя факторами: во-первых, методы пространственной эконометрики позволяют изучать непосредственное взаимодействие между объектами с учетом эффектов, возникающих из-за близкого расположения; во-вторых, большое распространение геоинформационных систем и связанное с этим наличие геокодированных наборов социально-экономических данных предопределили создание специальных методов, учитывающих отличительные характеристики подобных географических данных.
В основном выделяют три направления исследований в области пространственных взаимодействий:
- тестирование конвергенции;
- количественная оценка пространственных различий;
- выявление факторов межрегиональных различий.
Методы пространственной эконометрики, используемые при исследованиях в упомянутых выше направлениях и представляющие широкий интерес у ученых-экономистов: построение матриц пространственных весов, тестирование наличия пространственных эффектов на основе расчета глобальных и локальных индексов пространственной автокорреляции, оценивание моделей с пространственными эффектами.
Большинство современных статистических пакетов не позволяют строить матрицы пространственных весов, рассчитывать коэффициенты пространственной автокорреляции и оценивать пространственно-регрессионные модели, однако в настоящее время появляются и развиваются многофункциональные эконометрические пакеты, позволяющие писать авторские коды программ для оценки пространственных эффектов и построения пространственно-регрессионных эконометрических моделей.
В таблице приведено сравнение статистических пакетов и
программных продуктов, осуществляющих пространственное моделирование данных.
Таблица - Сравнение программных продуктов, позволяющих осуществлять пространственное моделирование
Программный продукт Преимущества Недостатки
STATA Обладает одним из наиболее широких наборов статистической поддержки для построения пространственно-регрессионных моделей. Платный ресурс
MatLab Простота в работе. Удобный графический интерфейс. Высокая стоимость лицензии
GeoDa Предназначен для построения матриц пространственных весов и построения пространственно-регрессионных моделей. Оценка исключительно кросс-секционных данных
R-system Большой спектр надстроек для оценки матриц пространственных весов и пространственно-регрессионных моделей. Свободно распространяется. Сложность обучения
Более подробно рассмотрим оценивание пространственно-регрессионных моделей в программных пакетах STATA и R.
Для оценки регрессионных моделей с пространственными эффектами на кросс-секционных данных в пакете STATA используется надстройка spatreg, которая включает в себя различного рода команды, например:
• Spatcorr - построение пространственной коррелограммы на основе индексов Морана и Гири.
• Spatwmat - импорт или построение матрицы пространственных
весов.
• Spatgsa - расчет трех видов глобальных пространственных индексов: Морана, Гири и Гетиса-Орда, их t-статистик и стандартных отклонений.
• Spatlsa - расчет четырех видов локальных пространственных индексов: Морана, Гири, а также два индекса Гетиса-Орда, их t-статистик и стандартных отклонений.
Надстройка spatreg позволяет оценивать два вида пространственно-регрессионных моделей: spatial lag и spatial error model. Ниже приводится пример использования данной операции при оценивании пространственных
моделей зависимости уровня преступности от доходов местных жителей:
spatreg crime income, weights(W) eigenval(E) model(lag)
(1)
spatreg crime income, weights(W) eigenval(E) model(error)
(2)
Преимущество R пакета перед программным продуктом STATA - его открытый доступ. Однако, интерфейс R-пакета характеризуется отсутствием меню с заранее прописанными для пользователя действиями, тем не менее язык программирования, используемый в данном прораммном продукте, является достаточно несложным.
Набор надстроек для построения и оценки моделей с пространственными эффектами является самым обширным среди существующих программных продуктов (sp, spdep, splm). Основная надстройка для оценивания пространственно-регрессионных моделей, в частности на панельных данных - splm, включающая команды pvcm, pgmm, pggls и другие.
Для того, чтобы оценить в R-пакете модель пространственного лага (SLM), необходимо использовать функцию lagsarlm, для оценки пространственной модели ошибок (SEM) соответственно - errorsarlm. Еще одним отличием данного программного продукта перед STATA является построение и оценка пространственной модели Дарбина: lagsarlm with type = «mixed». При этом оценивание пространственных регрессий осуществляется не только с помощью метода максимального правдоподобия и инструментальных переменных, а также на основе метода моментов и обобщенного МНК, учитывающих фиксированные и случайные эффекты как для сбалансированных панельных данных, так и для несбалансированных (unbalanced panel).
Таким образом, рассмотрены основные надстройки и команды наиболее популярных и распространенных программных продуктов для оценки моделей с пространственными эффектами: STATA и R.
Использованные источники:
1. Anselin L., Florax R.J.G.M. & Rey S. J. (ed.) Advances in Spatial Econometrics. Methodology, Tools and Applications. Springer, Berlin. - 2004.
2. Julie Le Gallo, and Hubert Jayet, "Spatial Panel Econometrics," in Láslo Mátyás and Patrick Sevestre, eds., The Econometrics of Panel Data, New York, N.Y.: Springer, 2008, pp. 625-659.
3. Kapoor, M., Harry H. Kelejian, and Ingmar R. Prucha, "Panel Data Models with Spatially Autocorrelated Error Components.,"Journal of Econometrics, 2007, 140 (1), 97-130.
