Journal of Applied Economic Research
ISSN 2712-7435
УДК 332.055, 519.688
Измерение качества жизни населения при стохастическом выборе весов взвешенной главной компоненты
А. А. Мироненков, А. Н. Курбацкий, М. В. Мироненкова
Московский государственный университет имени М.В. Ломоносова, г. Москва, Россия
Аннотация
Качество жизни населения является латентной категорией, которую, в силу невозможности прямого измерения, приходится оценивать как интегральный индикатор множества переменных. Согласно устоявшейся методологии, одним из основных инструментов при этом является первая главная компонента, то есть линейная свертка переменных, обладающая свойством минимизации вариации исходных признаков. Тот факт, что вариация признаков учитывается с одинаковым весом, может вызывать критику экономистов. Лишенным этого недостатка развитием метода можно считать применение взвешенной главной компоненты, где весовые коэффициенты признаков при минимизации суммарной вариации задаются экспертно. Однако в этом случае возникает закономерный вопрос: не окажет ли экспертная субъективность существенное влияние на итоговый интегральный индикатор, как это происходит в случае его построения путем простой линейной свертки с экспертными весами? Целью данной работы является проверка применимости взвешенной первой главной компоненты как основного инструмента при построении интегрального индикатора качества жизни населения. В частности, предстоит проверить гипотезу о несущественности влияния неоднородности весов экспертных оценок на итоговый интегральный индикатор. При этом было бы полезно не только проиллюстрировать наличие или отсутствие, но и численно оценить меру этого влияния. В работе на основании эмпирических экспертных весов взвешенной главной компоненты по данным макростатистики проводится имитационное моделирование для оценки латентной переменной «качество жизни населения». При этом в отличие от большинства близких по тематике работ значения интегрального индикатора (и, соответственно, ранжирование наблюдений) представляются как интервальная оценка. Иными словами, результат оценивания представляется как случайная величина, где элементом случайности служит субъективность экспертного выбора весов взвешенной главной компоненты. Оказывается, даже в этом случае удается получить робастные и содержательные результаты, хорошо согласующиеся с выводами известных исследований в этой области.
Ключевые слова
интегральный индикатор; качество жизни населения; взвешенная первая главная компонента; стохастический выбор; имитационное моделирование.
JEL classification
C12, C55, C63, O57, R11Список использованной литературы
1. Айвазян С.А. Анализ качества и образа жизни населения (эконометрический подход). М: Наука, 2012. 432 с. URL: https://www.elibrary.ru/item.asp?id=26766525
2. Айвазян С.А., Исакин М.А. Интегральные индикаторы качества жизни населения региона как критерии эффективности социально-экономической политики, проводимой органами региональной власти // Прикладная эконометрика. 2006. Т. 1, № 1. С. 25–31. URL: https://www.elibrary.ru/item.asp?id=9510321
3. Айвазян С.А., Степанов В.С., Козлова М.И. Измерение синтетических категорий качества жизни населения региона и выявление ключевых направлений совершенствования социально-экономической политики (на примере Самарской области и ее муниципальных образований) // Прикладная эконометрика. 2006. Т. 2, № 2. С. 18–84. URL: https://www.elibrary.ru/item.asp?id=9482361
4. Макаров В.Л., Айвазян С.А., Афанасьев М.Ю., Бахтизин А.Р., Нанавян А.М. Оценка эффективности регионов РФ с учетом интеллектуального капитала, характеристик готовности к инновациям, уровня благосостояния и качества жизни населения // Экономика региона. 2014. № 4. С. 9–30. https://doi.org/10.17059/2014-4-1
5. Айвазян С.А., Афанасьев М.Ю., Кудров А.В. Индикаторы основных направлений социально-экономического развития и их агрегаты в пространстве характеристик региональной дифференциации // Прикладная эконометрика. 2019. Т. 54. С. 51–69. https://doi.org/10.24411/1993-7601-2019-10003
6. Kurbatskii A., Mironenkov A. Estimating the Quality of Life Using Weighted Principal Components Method // Montenegrin Journal of Economics. 2023. Vol. 19, No. 1. Pp. 7–17. https://doi.org/10.14254/1800-5845/2023.19-1.1
7. Волкова М.И. Сравнение объективистского и субъективистского подходов к измерению синтетических латентных категорий качества жизни населения: результаты эмпирического анализа российских данных // Прикладная эконометрика. 2010. Т. 19, № 3. С. 62–90. URL: https://www.elibrary.ru/item.asp?id=15139171
8. Шаклеина М.В., Волкова М.И., Шаклеин К.И., Якиро С.Р. Теоретические и методологические проблемы измерения социальной комфортности: результаты эмпирического анализа на российских данных // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13, № 5. С. 135–152. https://doi.org/10.15838/esc.2020.5.71.8
9. Лещайкина М.В. Межстрановой эконометрический анализ социальной комфортности проживания населения // Прикладная эконометрика. 2014. Т. 36, № 4. С. 102–117. URL: https://www.elibrary.ru/item.asp?id=22782724
10. Волкова М. О методологических основах анализа качества жизни. Исторический аспект // Общество и экономика. 2018. № 10. С. 89–100. https://doi.org/10.31857/S020736760002281-8
11. Мироненков А.А. Иерархическая Парето-классификация регионов России по показателям качества жизни населения // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13, № 2. С. 171–185. https://doi.org/10.15838/esc.2020.2.68.11
12. Айвазян С.А., Афанасьев М.Ю., Кудров А.В. Интегральный индикатор качества условий жизни. // Цифровая экономика. 2019. № 1 (5). С. 43–56. https://doi.org/10.34706/DE-2019-01-05
13. Айвазян С.А., Афанасьев М.Ю., Кудров А.В. Метод кластеризации регионов РФ с учетом отраслевой структуры ВРП // Прикладная эконометрика. 2016. Т. 41, № 1. С. 24–46. URL: https://www.hse.ru/mirror/pubs/share/421012695.pdf
14. Blomquist G.C., Berger M.C., Hoehn J.P. New estimates of quality of life in urban areas // The American Economic Review. 1988. Vol. 78, No. 1. Pp. 89–107. URL: https://www.jstor.org/stable/pdf/1814700
15. Беляева Л.А. Качество жизни в субъективных оценках населения: Россия в европейском контексте // Вестник РУДН. Серия: Социология. 2018. Т. 18, № 4. С. 680–694. https://doi.org/10.22363/2313-2272-2018-18-4-680-694
16. Жгун Т.В. Построение интегральной характеристики качества жизни субъектов Российской Федерации с помощью метода главных компонент // Экономические и социальные перемены: факты, тенденции, прогноз. 2017. Т. 10, № 2. С. 214–235. https://doi.org/10.15838/esc/2017.2.50.12
17. Fantazzini D., Shakleina M., Yuras N. Big Data for computing social well-being indices of the Russian population // Applied Econometrics. 2018. Vol. 50. Pp. 43–66. URL: https://ssrn.com/abstract=3215502
18. Greco S., Ishizaka A., Tasiou M., Torrisi G. On the Methodological Framework of Composite Indices: A Review of the Issues of Weighting, Aggregation, and Robustness // Social Indicators Research. 2019. Vol. 141. Pp. 61–94. https://doi.org/10.1007/s11205-017-1832-9
19. Волкова М.И. Анализ факторов качества жизни населения России и Европы в рамках метода обобщенных главных компонент // Экономика и математические методы. 2019. Т. 55, № 3. C. 34–46. https://doi.org/10.31857/S042473880004678-4
20. Slottje D.J. Measuring the quality of life across countries // The Review of Economics and Statistics. 1991. Vol. 73, No. 4. Pp. 684–693. https://doi.org/10.2307/2109407
21. Mazziotta M., Pareto A. Use and Misuse of PCA for Measuring Well-Being // Social Indicators Research. 2019. Vol. 142. Pp. 451–476. https://doi.org/10.1007/s11205-018-1933-0
22. Родченков М.В. Оценка удовлетворенности инвестиционного сообщества России качеством финансовой отчетности по международным стандартам // Journal of Applied Economic Research. 2023. Vol. 22, No. 1. C. 165–189. https://doi.org/10.15826/vestnik.2023.22.1.008
23. Литвинцева Г.П., Шмаков А.В., Стукаленко Е.А., Петров С.П. Оценка цифровой составляющей качества жизни населения в регионах Российской Федерации // Terra Economicus. 2019. Т. 17, № 3. С. 107–127. https://doi.org/10.23683/2073-6606-2019-17-3-107-127
24. Налоговая политика Российской Федерации в контексте целей устойчивого развития / под ред. И.А. Майбурова. М.: ЮНИТИ-ДАНА, 2023. 359 с. URL: https://taxsymposium.ru/index.php?option=com_content&view=article&id=496:nalogovaya-politika-rossijskoj-federatsii-v-kontekste-tselej-ustojchivogo-razvitiya&catid=91&Itemid=939&lang=ru
25. Lloyd C.D. Analysing population characteristics using geographically weighted principal components analysis: A case study of Northern Ireland in 2001 // Computers, Environment and Urban Systems. 2010. Vol. 34, Issue 5. Pp. 389–399. https://doi.org/10.1016/j.compenvurbsys.2010.02.005
26. Harris P., Brunsdon C., Charlton M. Geographically weighted principal components analysis // International Journal of Geographical Information Science. 2011. Vol. 25, Issue 10. Pp. 1717–1736. https://doi.org/10.1080/13658816.2011.554838
27. Wu Ch., Peng N., Ma X., Li Sh., Rao J. Assessing multiscale visual appearance characteristics of neighborhoods using geographically weighted principal component analysis in Shenzhen, China // Computers, Environment and Urban Systems. 2020. Vol. 84. 101547. https://doi.org/10.1016/j.compenvurbsys.2020.101547
28. Tomao A., Mattioli W., Fanfani D., Ferrara C., Quaranta G., Salvia R., Salvati L. Economic Downturns and Land-Use Change: A Spatial Analysis of Urban Transformations in Rome (Italy) Using a Geographically Weighted Principal Component Analysis // Sustainability. 2021. Vol. 13, Issue 20. 11293. https://doi.org/10.3390/su132011293
29. Fan Z., Liu E., Xu B. Weighted Principal Component Analysis // In: Artificial Intelligence and Computational Intelligence. Second International Conference, AICIS 2011, Taiyuan, China, September 24-25, 2011, Proceedings, Part I. Edited by H. Deng, D. Miao, J. Lei, F.L. Wang. Springer, Berlin, Heidelberg, 2011. Pp. 569–574. https://doi.org/10.1007/978-3-642-23896-3_70
30. Delchambre L. Weighted principal component analysis: a weighted covariance eigendecomposition approach // Monthly Notices of the Royal Astronomical Society. 2015. Vol. 446, Issue 4. Pp. 3545–3555. https://doi.org/10.1093/mnras/stu2219
31. Tsalmantza P., Hogg D.W. A data-driven model for spectra: Finding double redshifts in the sloan digital sky survey // The Astrophysical Journal. 2012. Vol. 753, No. 2. 122. https://doi.org/10.1088/0004-637X/753/2/122
32. Swallow B., Xiang W., Panovska-Griffiths J. Tracking thenational and regional COVID-19 epidemic status in the UK using weighted principal component analysis // Philosophical Transactions A. 2022. Vol. 380, Issue 2233, 20210302. https://doi.org/10.1098/rsta.2021.0302
33. Sood A.K., Chaturvedi V., Datta S., Mahapatra S.S. Optimization of process parameters in fused deposition modeling using weighted principal component analysis // Journal of Advanced Manufacturing Systems. 2011. Vol. 10, No. 2. Pp. 241–259. https://doi.org/10.1142/S0219686711002181
34. Qi L., Dou W., Chen J. Weighted principal component analysis-based service selection method for multimedia services in cloud // Computing. 2016. Vol. 98. Pp. 195–214. https://doi.org/10.1007/s00607-014-0413-x
35. Burnaev E.V., Chernova S.S. On an iterative algorithm for calculating weighted principal components // Journal of Communications Technology and Electronics. 2015. Vol. 60. Pp. 619–624. https://doi.org/10.1134/S1064226915060042
36. De Mol C., Giannone D., Reichlin L. Forecasting using a large number of predictors: Is Bayesian shrinkage a valid alternative to principal components? // Journal of Econometrics. 2008. Vol. 146, Issue 2. Pp. 318–328. https://doi.org/10.1016/j.jeconom.2008.08.011
37. Audigier V., Husson F., Josse J. Multiple imputation for continuous variables using a Bayesian principal component analysis // Journal of Statistical Computation and Simulation. 2016. Vol. 86, Issue 11. Pp. 2140–2156. https://doi.org/10.1080/00949655.2015.1104683
38. Jolliffe I.T. Principal Component Analysis. Second Edition. New York: Springer, 2002. 488 p. https://doi.org/10.1007/b98835
39. Мироненков А.А. Интервальные оценки показателей интегрального индикатора качества жизни населения в зависимости от выбора весов взвешенной главной компоненты // Применение многомерного статистического анализа в экономике и оценке качества : труды XII Международной научной конференции им. С. А. Айвазяна. М. : ВШЭ, 2022. С. 96–98. https://doi.org/10.17323/978-5-7598-2716-0
40. Полтерович В.М. Конкуренция, сотрудничество и удовлетворенность жизнью. Ч. 1. Семерка европейских лидеров. // Экономические и социальные перемены: факты, тенденции, прогноз. 2022. Т. 15, № 2. С. 31–43. https://doi.org/10.15838/esc.2022.2.80.2
41. Helliwell J.F., Layard R., Sachs J., De Neve J.-E., Aknin L.B., Wang S. World Happiness Report 2021. New York: Sustainable Development Solutions Network, 2021. 210 p. URL: https://www.wellbeingintlstudiesrepository.org/hw_happiness/5/
42. Helliwell J.F., Huang H., Wang S., Norton M. Statistical Appendix 1 for Chapter 2 of World Happiness Report 2021. 51 p. URL: https://happiness-report.s3.amazonaws.com/2021/Appendix1WHR2021C2.pdf
Благодарности
Работа выполнена при финансовой поддержке Российского научного фонда, проект № 20-68-47030.
Информация об авторах
Мироненков Алексей Алексеевич
Cтарший преподаватель кафедры эконометрики и математических методов экономики Московской школы экономики Московского государственного университета им. М. В. Ломоносова, г. Москва, Россия (119234, г. Москва, Ленинские горы, 1, строение 61); ORCID https://orcid.org/0000-0001-5754-8825 e-mail: mironenkov@mse.msu.ru
Курбацкий Алексей Николаевич
Кандидат физико-математических наук, доцент, заведующий кафедрой эконометрики и математических методов экономики Московской школы экономики Московского государственного университета им. М. В. Ломоносова, г. Москва, Россия (119234, г. Москва, Ленинские горы, 1, строение 61); ORCID https://orcid.org/0000-0001-6478-8034 e-mail: kurbatskiian@my.msu.ru
Мироненкова Марина Владимировна
Старший преподаватель кафедры эконометрики и математических методов экономики Московской школы экономики Московского государственного университета им. М. В. Ломоносова, г. Москва, Россия (119234, г. Москва, Ленинские горы, 1, строение 61); ORCID https://orcid.org/0009-0002-5297-0642 e-mail: mironenkovamv@my.msu.ru
Для цитирования
Мироненков А.А., Курбацкий А.Н., Мироненкова М.В. Измерение качества жизни населения при стохастическом выборе весов взвешенной главной компоненты // Journal of Applied Economic Research. 2024. Т. 23, № 1. С. 82-109. https://doi.org/10.15826/vestnik.2024.23.1.004
Информация о статье
Дата поступления 5 октября 2023 г.; дата поступления после рецензирования 24 ноября 2023 г.; дата принятия к печати 6 декабря 2023 г.
DOI: https://doi.org/10.15826/vestnik.2024.23.1.004
Скачать полный текст статьи:
~722 кБ, *.pdf
(Размещен
10.03.2024)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte