Analysis of the impact of socio-economic factors on consumer expenditures of households in Russia

Texto integral

Проблема факторов, влияющих на потребительские расходы российских домохозяйств, всегда вызывала большой интерес у исследователей. Уровень потребительских расходов домохозяйств важен для оценки состояния экономики и прогнозирования ее развития, поэтому выявление факторов, влияющих на поведение потребителей, представляет научно- практический интерес.

В России, за последнее десятилетие, номинальные потребительские расходы в целом характеризовались положительной динамикой, однако в периоды кризисов - валютного кризиса 2014-2015гг. и «коронакризиса» 2020-2021гг. – наблюдались практически нулевые и даже отрицательные темпы роста (рис. 1). Значительное число исследователей (в т.ч. Россинская Г.В., Беляевский И.К., Маллаева М.И., Мельникова А.С., Безновская В.В., Коваленко Н.В.) подтверждают определяющее влияние дохода на расходы домашних хозяйств. Однако в условиях высокой изменчивости окружающего мира представляется важным выявление и других социально-экономических факторов, влияющих на потребительское поведение.

Рис. 1 Динамика потребительских расходов домохозяйств в среднем по России за 2011-2020 гг.

Целью данного исследования является анализ влияния группы социально- экономических факторов на потребительские расходы российских домашних хозяйств.

Информационную базу исследования составили статистические данные Федеральной службы государственной статистики [1], а также данные Национальной программы повышения финансовой грамотности граждан, реализуемой Минфином России совместно с Роспотребнадзором [2]. Расчет описательной статистики и однофакторный дисперсионный анализ проводились в MS Excel, а построение регрессионных моделей – в Eviews 12 SV.

Выборка данных для анализа была сформирована по субъектам РФ за 2019 год, она состоит из 85 наблюдений по каждому из 6 показателей, включая зависимую переменную Потребительские расходы домохозяйств и группу из 5 исследуемых факторов (таблица 1).

Таблица 1

Описание переменных 

Первоначальная гипотеза предполагала, что существует прямая связь между номинальными потребительскими расходами домохозяйств и индексом потребительских цен (ИПЦ), поскольку при повышении общего уровня цен потребительская корзина дорожает. Кроме того, ожидалось, что потребительские расходы будут увеличиваться при росте уровня заболеваемости и уровня пользования интернетом. Опираясь на исследование Третьяковой и Рожковой [4], можно судить о том, что во время болезни расходы увеличиваются в связи с ростом потребности в медикаментах, и что доступность интернета стимулирует рост потребительских расходов. Поскольку в интернете совершать покупки быстрее, чем в офлайн магазинах, и почти на всех веб-сайтах размещается большое количество рекламных объявлений, стимулы к покупкам различных товаров и услуг увеличиваются с повышением доступности сети. Между потребительскими расходами и отсутствием работы у членов домохозяйства предполагалась обратная связь, поскольку безработный человек лишен постоянного источника дохода и вынужден сокращать объем своего потребления. Также ожидалось, что при увеличении уровня финансовой грамотности потребительские расходы будут снижаться, поскольку компетентный человек склонен использовать свой доход более рационально, например, создавая сбережения или инвестируя в финансовые инструменты.

Перед построением регрессионных моделей данные были проанализированы на наличие нетипичных наблюдений. На рис. 2 представлены диаграммы рассеивания объясняющих переменных. Красным цветом выделено наблюдение по г. Москва, как нетипичное наблюдение, поскольку по оси потребительских расходов (SPEND) оно отклоняется от других наблюдений на всех диаграммах.

Рис. 2. Диаграммы рассеивания объясняющих переменных до удаления выброса.

В таблице 2 представлена описательная статистика анализируемого массива данных до и после удаления выброса, что позволяет сделать вывод о том, как повлияло на переменные исключение нетипичного наблюдения.

Таблица 2

Описательная статистика переменных

Можно заметить, что значения статистик почти не изменились для всех переменных, кроме SPEND. Для данной переменной после удаления выброса среднее значение приблизилось к медианному, значение эксцесса уменьшилось почти в 3,5 раза, приближаясь к нулю, и значение асимметричности еще больше приблизилось к нулю. Также максимальное значение потребительских расходов уменьшилось более чем на 10 тыс. рублей, то есть интервал значений уменьшился. Следовательно, распределение данных о потребительских расходах стало более однородным, ближе к нормальному, при этом распределение других величин существенно не ухудшилось.

На основании вида диаграмм рассеивания регрессоров (рис. 3) было принято решение о логарифмических преобразованиях для переменных UNEMPL, FINLIT и PRICE.

Рис. 3 Диаграммы рассеивания объясняющих переменных после удаления выброса.

У остальных переменных относительно хорошо выражена линейная зависимость от объясняемой переменной.

Далее были оценены модели регрессии с зависимой переменной в различных функциональных видах (таблица 3). Как можно заметить, по значению R² Модель 2 (полулогарифмическая) лучше, чем линейная Модель 1, поэтому дополнительно была оценена Модель 3 с описанными ранее преобразованиями переменных (линейная в логарифмах). Данная модель показывает лучшее качество подгонки по значению R² среди всех оцененных моделей, поэтому далее будет представлена интерпретация именно этой регрессии.

Таблица 3

Результаты оценки регрессионных моделей

Модель 3 в целом значима, поскольку P-value у F-st. равно 0. Все коэффициенты являются значимыми на 10% уровне, кроме LN(FINLIT). Стоит заметить, что уровень финансовой грамотности (FINLIT) оказался незначим во всех оцененных моделях. Далее была проведена проверка Модели 3 на мультиколлинеарность. Как можно заметить из таблицы 4, корреляция между регрессорами не превышает 0,28 по модулю, а значение VIF не превышает 2, поэтому можно сделать вывод об отсутствии связи между объясняемыми переменными и мультиколлинеарности в модели.

Таблица 4

Корреляционная матрица и VIF-факторы регрессоров

Из итоговой модели была исключена переменная LN(FINLIT) из-за ее незначимости, и после этого итоговая модель будет иметь следующий вид:

LN(SPEND) = –27,8314+ 0,0004*ILLNESS + 0,0145*INTER + 7,9746*LN(PRICE) –0,2668*LN(UNEMPL)

При условии неизменности других факторов, полученные значения можно проинтерпретировать следующим образом: при увеличении уровня использования интернета на 1% потребительские расходы увеличиваются на 1,45%; при увеличении уровня заболеваемости на 1 случай на 1000 чел. населения потребительские расходы увеличиваются на 0,04%; при увеличении уровня безработицы на 1% потребительские расходы уменьшаются на 0,27%; при увеличении ИПЦ на 1% потребительские расходы увеличиваются на 7,97%.

Далее был проведен анализ влияния фактора географического положения региона на потребительские расходы. Для этого потребительские расходы субъектов РФ (SPEND) были рассмотрены в разрезе федеральных округов (ФО). Предполагалось, что расходы могут быть распределены неравномерно из-за асимметрии в развитии регионов, вызванной экономико- географическими особенностями. По результатам однофакторного дисперсионного анализа, которые представлены в таблице 5, можно сделать вывод о существовании связи между потребительскими расходами и географическим расположением региона, поскольку P-value меньше любого адекватного значения уровня значимости α.

Таблица 5

Однофакторный дисперсионный анализ

Далее, для каждого федерального округа, субъекты из анализируемой выборки были сгруппированы по потребительским расходам относительно медианного значения по РФ за 2019 г. (таблица 6).

Таблица 6

Группировка субъектов РФ по потребительским расходам (относительно медианного значения в целом по России за 2019 г.)

Были выявлены три группы регионов: с высокой дисперсией, где преобладают субъекты с потребительскими расходами выше медианного значения (Дальневосточный, Северо-западный и Уральский ФО), со средней дисперсией, где субъекты с потребительскими расходами выше и ниже медианного значения распределены поровну (Приволжский и Центральные ФО) и с низкой дисперсией, где преобладают субъекты с расходами ниже медианного значения (Южный, Сибирский и Северо-Кавказский ФО). Таким образом наиболее схожими ситуациями среди субъектов характеризуются регионы с низким уровнем потребительских расходов.

Итоговая регрессионная модель может быть применена для прогнозирования значения средних потребительских расходов при условии наличия информации о значениях, которые будут принимать объясняющие переменные. Использование экспертных базовых значений факторов [5; 6] позволило оценить потребительские расходы домохозяйств РФ в 2022 г. на уровне, превышающем 28 тыс. руб. (таблица 6), что может свидетельствовать о восстановлении положительной динамики роста данного показателя.

Таблица 6

Прогнозирование потребительских расходов на 2022 г.

В данном исследовании было проанализировано влияние пяти количественных факторов (индекс потребительских цен, уровень безработицы, уровень заболеваемости, уровень использования интернета, уровень финансовой грамотности) и одного качественного фактора (географического положения региона) на потребительские расходы российских домохозяйств. В целом, сформулированные гипотезы были подтверждены, однако уровень финансовой грамотности оказался незначимым во всех оцененных моделях регрессии. Таким образом, на потребительские расходы домохозяйств растут при увеличении уровня цен, уровня заболеваемости и уровня использования интернета, но уменьшаются при отсутствии работы у членов домохозяйств. Также, согласно результатам однофакторного дисперсионного анализа, потребительские расходы зависят от географического положения регионов. Более того, было выявлено, что наиболее схожими ситуациями среди субъектов характеризуются регионы с низким уровнем потребительских расходов.

Полученные результаты могут быть применены для прогнозирования потребительских расходов, необходимом, в частности, при разработке программ по поддержке семей в условиях изменения социально-экономических показателей.

Sobre autores

N. Lashina

Autor responsável pela correspondência
Email: ogarevonline@yandex.ru
Rússia

Bibliografia

Arquivos suplementares

Arquivos suplementares

Ação

1. JATS XML

Baixar

2. Figure 1 Dynamics of household consumer spending on average in Russia for 2011-2020

Baixar (66KB)

Metadados

3. Fig. 2. Diagrams of the dispersion of explanatory variables before the removal of the outlier.

Baixar (90KB)

Metadados

4. Fig. 3 Diagrams of the dispersion of explanatory variables after removal of the outlier.

Baixar (95KB)

Metadados