voprecotestВопросы экономикиVoprosy Ekonomiki0042-8736Voprosy Ekonomiki, NP10.32609/0042-8736-2021-5-107-128voprecotest-3159Research ArticleЭКОНОМИКА ДОМАШНИХ ХОЗЯЙСТВECONOMICS OF HOUSEHOLDSЭндогенная классификация домохозяйств в регионах РоссииEndogenous Household Classification: Russian Regionshttps://orcid.org/0000-0002-4409-0429НартикоевА. Р.NartikoevA. R.

Нартикоев Алан Ревазович, аспирант факультета экономических наук

Москва

Alan R. Nartikoev

Moscow

alan.nartikoev@gmail.comhttps://orcid.org/0000-0003-3618-3040ПересецкийА. А.PeresetskyA. A.

Пересецкий Анатолий Абрамович, д.э.н., проф.

Москва

 

 

Anatoly A. Peresetsky

Moscow

 

 

aperesetsky@hse.ruНациональный исследовательский университет «Высшая школа экономики»РоссияHSE UniversityRussian Federation20211205202105107128Copyright © Voprosy Ekonomiki, NP, 20212021Voprosy Ekonomiki, NPVoprosy Ekonomiki, NPhttps://www.vopreco.ru/jour/about/submissions#copyrightNoticehttps://www.vopreco.ru/jour/article/view/3159

Для изучения социальной структуры в социологии выделяются группы (классы), которые характеризуются некоторой однородностью входящих в них индивидов. Наиболее часто встречается разбиение на три класса: высший, средний и низший. Критерии такого разбиения традиционно субъективны (экзогенны). В данной работе распределение домохозяйств в федеральных округах России моделируется в виде смеси трех логнормальных распределений. Смешивающие доли (вероятности) компонент смеси и параметры среднего трех логнормальных распределений моделируются как функции от индивидуальных характеристик домохозяйств. В результате получается эндогенное (выведенное из модели) разбиение домохозяйств на три кластера (нижний, средний, верхний). Такое разбиение позволяет анализировать различия между федеральными округами и закономерности межгрупповой динамики в 2014—2018 гг. Использованный в работе подход оказался весьма гибким для анализа распределения доходов, динамики этого распределения во времени, а также миграции между относительно однородными кластерами. Модель смеси распределений с эндогенно определяемыми вероятностями позволяет более тонко регистрировать эффекты детерминант неоднородности доходов внутри каждого кластера.

In order to study the structure of society, sociologists usually distinguish several homogeneous social groups, or classes. The most common division consists of three groups: upper, middle and lower classes. Such a partition is traditionally based on a subjective (exogenous) criteria adopted by a particular researcher. In this paper, the distribution of households in Russian federal districts is modeled as a mixture of three lognormal distributions. The mixing proportions (probabilities) of the mixture components and the corresponding distribution parameters are modeled as functions of the individual characteristics of households. The result is an endogenous decomposition of household sample into three clusters (lower, middle, upper). This classification allows analyzing the difference between regions and the patterns of intergroup dynamics in the period 2014—2018. The approach used in this work has demonstrated great flexibility in analyzing the distribution of income, the dynamics of this distribution over time, as well as a migration between relatively homogeneous clusters. The use of mixture density function with endogenously determined probabilities allows for precise detection of the effects of the income heterogeneity determinants within each cluster.

распределение по доходамсмесь распределенийРоссиясредний классmixture modelsRussiaincome distributionmiddle classИсследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-310-90064. Авторы благодарны анонимным рецензентам, давшим ряд ценных советов и замечаний по улучшению статьи.The reported study was funded by RFBR, project number 20-310-90064ReferencesАйвазян С. А. (2012). Анализ качества и образа жизни населения. М.: Наука.Aivazian S. A. (2012). Analysis of population life quality and lifestyle. Moscow: Nauka. (In Russian).Аникин В. А. (2020). Социальные классы новой России — неравные и разные // Социологические исследования. № 2. С. 31—42. https://doi.org/10.31857/S013216250008492-4Anikin V. A. (2020). Social classes of the new Russia: Unequal and different. Sotsiologicheskie Issledovaniya, No. 2, pp. 31—42. (In Russian).] https://doi.org/10.31857/S013216250008492-4Всемирный банк (2014). Доклад об экономике России № 31: кризис доверия обнажает слабость экономики. М.: Всемирный банк в России.World Bank (2014). Russian economic report No. 31: Confidence crisis exposes economic weakness. Moscow: The World Bank in the Russian Federation.Дидэ Э. (1985). Методы анализа данных. Подход, основанный на методе динамических сгущений. М.: Финансы и статистика.Diday E. (1985). Methods of data analysis. Approach based on dynamic clusters. Moscow: Finansy i Statistika. (In Russian).Институт социологии РАН (2014). Средний класс в современной России: 10 лет спустя. Аналитический доклад. Москва.ISRAS (2014). Middle class in modern Russia: 10 years later. Analytical report. Moscow: Institute of Sociology of the Russian Academy of Sciences. (In Russian).Малева Т. М. (2008). Формирование массового среднего класса: желаемое и действительное: Доклад на III Всероссийском социологическом конгрессе. Москва, ГУ ВШЭ, 22 октября.Maleva T. M. (2008). Forming mass middle class: Expectations and reality. Paper presented at the 3rd Russian sociological congress, Moscow, HSE, October 22. (In Russian).Нартикоев А. Р., Пересецкий А. А. (2019). Моделирование динамики распределения доходов в России // Прикладная эконометрика. №. 54. С. 105—126.Nartikoev A. R., Peresetsky A. A. (2019). Modeling the dynamics of income distribution in Russia. Applied Econometrics, No. 54, pp. 105—126. (In Russian).Тихонова Н. Е. (2016). Влияние кризиса на жизнь российского среднего класса // Общественные науки и современность. № 4. С. 48—64.Tikhonova N. E. (2016). The impact of crisis on the life of Russian middle class. Obshchestvennye Nauki i Sovremennost, No. 4, pp. 48—64. (In Russian).Тихонова Н. Е. (2020). Особенности идентичностей и мировоззрения основных страт современного российского общества // Мир России. Т. 29, № 1. C. 6—30 https://doi.org/10.17323/1811-038X-2020-29-1-6-30Tikhоnova N. E. (2020). The worldviews and identities of the mass strata of modern Russian society. Universe of Russia, Vol. 29, No. 1, pp. 6—30. (In Russian). https://doi.org/10.17323/1811-038X-2020-29-1-6-30Тихонова Н. Е., Мареева С. В. (2009). Средний класс: теория и реальность. М.: Альфа-М.Tikhоnova N. E., Mareeva S. V. (2009). Middle class: Theory and reality. Moscow: Alpha-M. (In Russian).Chotikapanich D., Griffiths W. (2008). Estimating income distributions using a mixture of gamma densities. In: D. Chotikapanich (ed.). Modelling income distributions and Lorenz curves. New York: Springer, pp. 285—302.Chotikapanich D., Griffiths W. (2008). Estimating income distributions using a mixture of gamma densities. In: D. Chotikapanich (ed.). Modelling income distributions and Lorenz curves. New York: Springer, pp. 285—302.Cowell F. A., Flachaire E. (2015). Statistical methods for distributional analysis. In: A. B. Atkinson, F. Bourguignon (eds.). Handbook of income distribution, Vol. 2A. North-Holland: Elsevier, pp. 359—465. https://doi.org/10.1016/B978-0-444-59428-0.00007-2Cowell F. A., Flachaire E. (2015). Statistical methods for distributional analysis. In: A. B. Atkinson, F. Bourguignon (eds.). Handbook of income distribution, Vol. 2A. North-Holland: Elsevier, pp. 359—465. https://doi.org/10.1016/B978-0-444-59428-0.00007-2Cowell F. A., van Kerm P. (2015). Wealth inequality: A survey. Journal of Economic Surveys, Vol. 29, No. 4, pp. 671—710. https://doi.org/10.1111/joes.12114Cowell F. A., van Kerm P. (2015). Wealth inequality: A survey. Journal of Economic Surveys, Vol. 29, No. 4, pp. 671—710. https://doi.org/10.1111/joes.12114Flachaire E., Nunez O. (2007). Estimation of income distribution and detection of sub-populations: An explanatory model. Computational Statistics and Data Analysis, Vol. 51, No. 7, pp. 3368—3380. https://doi.org/10.1016/j.csda.2006.07.004Flachaire E., Nunez O. (2007). Estimation of income distribution and detection of sub-populations: An explanatory model. Computational Statistics and Data Analysis, Vol. 51, No. 7, pp. 3368—3380. https://doi.org/10.1016/j.csda.2006.07.004Fourrier-Nicolai E., Lubrano M. (2020). Bayesian inference for TIP curves: An application to child poverty in Germany. Journal of Economic Inequality, Vol. 18, No. 1, pp. 91—111. https://doi.org/10.1007/s10888-019-09426-6Fourrier-Nicolai E., Lubrano M. (2020). Bayesian inference for TIP curves: An application to child poverty in Germany. Journal of Economic Inequality, Vol. 18, No. 1, pp. 91—111. https://doi.org/10.1007/s10888-019-09426-6García-Fernández R. M., Gottlieb G., Palacios-González F. (2013). Polarization, growth and social policy in the case of Israel, 1997—2008. Economics: The Open-Access, Open-Assessment E-Journal, Vol. 7, No. 2013-1, pp. 1—40. https://doi.org/10.5018/economics-ejournal.ja.2013-15García-Fernández R. M., Gottlieb G., Palacios-González F. (2013). Polarization, growth and social policy in the case of Israel, 1997—2008. Economics: The Open-Access, Open-Assessment E-Journal, Vol. 7, No. 2013-1, pp. 1—40. https://doi.org/10.5018/economics-ejournal.ja.2013-15Gontmakher E., Ross C. (2015). The middle class and democratisation in Russia. Europe-Asia Studies, Vol. 67, No. 2, pp. 269—284. https://doi.org/10.1080/09668136. 2014.1001578Gontmakher E., Ross C. (2015). The middle class and democratisation in Russia. Europe-Asia Studies, Vol. 67, No. 2, pp. 269—284. https://doi.org/10.1080/09668136. 2014.1001578Hagenaars A. J. M., de Vos K., Zaidi M. A. (1994), Poverty statistics in the late 1980s: Research based on micro-data. Luxembourg: Office for official publications of the European Communities.Hagenaars A. J. M., de Vos K., Zaidi M. A. (1994), Poverty statistics in the late 1980s: Research based on micro-data. Luxembourg: Office for official publications of the European Communities.López Rodríguez M. I., Barac M. (2019). Inequality of Spanish household expenditure for the 2006—2016 period — Are we converging? Ekonomika Regiona, Vol. 15, No. 3, pp. 780—790. https://doi.org/10.17059/2019-3-12López Rodríguez M. I., Barac M. (2019). Inequality of Spanish household expenditure for the 2006—2016 period — Are we converging? Ekonomika Regiona, Vol. 15, No. 3, pp. 780—790. https://doi.org/10.17059/2019-3-12Lubrano M., Ndoye A. A. J. (2016). Income inequality decomposition using a finite mixture of log-normal distributions: A Bayesian approach. Computational Statistics and Data Analysis, Vol. 100, pp. 830—846. https://doi.org/10.1016/j.csda.2014.10.009Lubrano M., Ndoye A. A. J. (2016). Income inequality decomposition using a finite mixture of log-normal distributions: A Bayesian approach. Computational Statistics and Data Analysis, Vol. 100, pp. 830—846. https://doi.org/10.1016/j.csda.2014.10.009Pittau M. G., Zelli R. (2006). Empirical evidence of income dynamics across EU regions. Journal of Applied Econometrics, Vol. 21, No. 5, pp. 605—628. https://doi.org/10.1002/jae.855Pittau M. G., Zelli R. (2006). Empirical evidence of income dynamics across EU regions. Journal of Applied Econometrics, Vol. 21, No. 5, pp. 605—628. https://doi.org/10.1002/jae.855Pittau M. G., Zelli R., Johnson P. A. (2010). Mixture models, convergence clubs and polarization. Review of Income Wealth, Vol. 56, No. 1, pp. 102—122. https://doi.org/10.1111/j.1475-4991.2009.00365.xPittau M. G., Zelli R., Johnson P. A. (2010). Mixture models, convergence clubs and polarization. Review of Income Wealth, Vol. 56, No. 1, pp. 102—122. https://doi.org/10.1111/j.1475-4991.2009.00365.xPittau M. G., Zelli R., Massari R. (2016). Evidence of convergence clubs using mixture models. Econometric Reviews, Vol. 35, No. 7, pp. 1317—1342. https://doi.org/10.1080/07474938.2014.977062Pittau M. G., Zelli R., Massari R. (2016). Evidence of convergence clubs using mixture models. Econometric Reviews, Vol. 35, No. 7, pp. 1317—1342. https://doi.org/10.1080/07474938.2014.977062Winkelried D., Torres J. (2019). Economic mobility along the business cycle. The case of Peru. Applied Economics, Vol. 51, No. 18, pp. 1894—1906. https://doi.org/10.1080/00036846.2018.1529401Winkelried D., Torres J. (2019). Economic mobility along the business cycle. The case of Peru. Applied Economics, Vol. 51, No. 18, pp. 1894—1906. https://doi.org/10.1080/00036846.2018.1529401

The authors declare that there are no conflicts of interest present.