2. Торгово-экономическая политика и протестная активность: сетевой и регрессионный анализы

В эмпирической части данной исследовательской работы используются следующие методы: сетевой анализ и регрессионный анализ с анализом медиации. Сетевой анализ используется для того, чтобы построить торговые сети между государствами за исследуемый временной промежуток, и на основе торговых сетей определить показатели, которые будут задействованы в регрессионных моделях. В работе используется несколько видов регрессионных моделей. В качестве базовых моделей используются обычные линейные модели, которые далее преобразуются в модели с фиксированными эффектами на пространственно-временных данных (Time-Series Cross-Section), так как такой подход позволяет проследить за тенденциями изменений показателей с течением времени. Отдельное внимание уделено анализу медиаций (mediation analysis) с помощью ACME-моделей (Average Causal Mediation Effects), которые дают возможность оценить непрямое влияние одной переменной на другую через третью переменную, которая называется медиатором.

2.1 Сетевой анализ

Большинство исследований, затрагивающих торговую политику государства, в эмпирическом анализе рассматривали объем торговли государства в процентах от его валового внутреннего продукта. В данной исследовательской работе этот показатель тоже задействован, однако уже во второй части эмпирического анализа, посвященной проверке устойчивости результатов моделей. В качестве главного показателя, который отвечает за торговую политику в данном исследовании будет использоваться количество торговых партнеров государства. Данный показатель вычисляется на основе сетевого анализа.

Для того, чтобы построить торговые сети нами были использованы данные United Nations Comtrade Database UN Comtrade Database, Trade Data (current US $), URL: https://comtrade.un.org/ (Дата обращения: 04.03.2020) . В эмпирической части работы задействованы две выборки: первая выборка включает 120 стран и используется только для реализации сетевого анализа, вторая выборка включает 44 государства и именно она используется в основной эмпирической части исследования. Данные для сетевого анализа выглядят следующим образом: за каждый год для каждого государства зафиксированы объемы экспорта и импорта. На основе этих данных была составлена квадратная матрица размерности 120х120. Такая размерность обусловлена наличием данных по торговле. Таким образом, в базе данных у нас имелись пары каждой страны с каждой страной в качестве торговых партнеров на экспорт и импорт. Всего данные по торговле были взяты за период с 1990 года по 2018 год. Нижняя граница временного промежутка обусловлена отсутствием более ранних данных по протестной активности. Верхняя граница временного промежутка обусловлена отсутствием более поздних данных по торговле более, чем по половине стран.



Рис. 1 Торговая сеть за 2018 год

На рис. 1 приведен пример торговой сети за 2018 год. Стоит отметить, что расположение стран на рисунке не имеет никакого значения, так как метод, используемый для построения графа, основан на принципе случайного размещения вершин. Важно также заметить, что данный граф является не только направленным, но и взвешенным, т.е. при построении торговых сетей учитывалось не только направление торговых отношений (поставляет государство свои товары и услуги на экспорт или принимает чужие товары и услуги на импорт), но и объем торговли в текущих долларах США. Именно в связи с этим на графе отображены не все государства, которые были включены в выборку для сетевого анализа. Так, например, можно заметить, что некоторые вершины имеют больший диаметр в сравнении с остальными, это объясняется объемом торговли государства в исследуемый год в текущих долларах США (чем больше ребер у вершины, тем больший объем торговли был у страны в тот год). В связи с тем, что у некоторых государств за определенные года наблюдалось снижение торговли, их диаметр на графе по сравнению с остальными странами был настолько маленький, что не отображался при визуализации графа.

Всего было построено 28 сетей (по одной торговой сети за каждый год). Как уже было упомянуто ранее, для каждой сети была использована выборка в 120 стран. Далее на основе сети были сформированы несколько показателей, которые в данной исследовательской работе будут отвечать за торговую политику.

Из каждой сети для анализа были взяты 4 основные характеристики:

· Degree out (исходящая степень);

· Degree in (входящая степень);

· Degree all (исходящая степень + входящая степень);

· Betweenness (центральность по посредничеству).

Каждая из этих характеристик соответствует используемой в анализе переменной. Так, характеристика degree out отвечает за количество исходящих ребер из вершины, что в терминах данной исследовательской работы соответствует количеству торговых партнеров государства на экспорт. Иными словами, если значение данной переменной у страны равно n, это означает, что данная страна экспортирует свои товары и услуги странам, количество которых равно n. Данная характеристика в моделях будет обозначаться как переменная Export. Характеристика degree in, наоборот, отвечает за количество входящих ребер в вершины, т.е. за количество торговых партнеров на импорт. Данная характеристика в моделях будет обозначаться как переменная Import. Характеристика degree all отвечает за сумму входящих и исходящих ребер в вершину, переводя эту информацию в контекст данного исследования, эта характеристика отвечает за совокупность всех торговых партнеров, которые есть у государства (на экспорт и на импорт). Данная характеристика в моделях будет обозначаться как переменная All trade. Betweenness немного отличается от упомянутых выше характеристик и рассчитывается при помощи проходящих через каждую вершину кратчайших путей. В терминах данной работы это можно интерпретировать как важность страны в структуре торговой сети. Эта характеристика была взята для анализа, так как она хорошо демонстрирует то, насколько роль каждого государства важна в торговых отношениях. Таким образом, чем больше значение показателя Betweenness, тем важнее роль страны в торговой сети, и тем больше сеть потеряет при ее исключении.

Важно отметить, что для дальнейшего эмпирического анализа из общей выборки стран, которые использовались для проведения сетевого анализа, было взято 44 государства См. полный список стран в Приложении, так как именно они интересуют нас в дальнейшей части исследования. В связи с этим, все описательные статистики по переменным далее будут приводиться исключительно для выборки из 44 государств.

В таблице 1 приведены описательные статистики для четырех переменных, которые были получены при помощи сетевого анализа:

Таблица 1

Описательные статистики для переменных, полученных при помощи сетевого анализа

Название переменной	Мин.	1ый кв.	Медиана	Среднее	3ий кв.	Макс.
Export	0	73.5	86	70.13	89	91
Import	0	50	70	56.77	76	81
All trade	0	123.5	156	126.9	165	172
Betweenness	0	0	0	90.94	7	3336

Можно заметить, что вариативность по переменной Export, которая отвечает за количество торговых партнеров на экспорт, имеет не очень сильный разброс значений. Минимальное значение переменной составило 0, это говорит нам о том, что в данных присутствуют государства, которые ничего не поставляли на экспорт. Среднее значение переменной составляет 70, это означает, что за весь исследуемый временной промежуток в среднем по всем странам количество торговых партнеров на экспорт за один год составляет около 70 государств. Первый квартиль равен 73.5, из чего можно сделать вывод, что даже среди 25% самых низких значений по переменной Export есть такие наблюдения, которые превышают значение в 70 торговых партнеров, из чего можно сделать заключение, что в нашей выборке небольшое количество стран, которые мало экспортировали. Медианное значение равно 86, из чего мы делаем вывод, что более половины наблюдений в наших данных имели более 86 торговых партнеров на экспорт за год. Немного меньшие показатели наблюдаются по переменной Import, которая отвечает за количество торговых партнеров на импорт, ее среднее и медианное значения составили 56 и 70 соответственно. Это говорит нам о том, что государства, которые мы используем в выборке, более склонны к экспорту своих товаров и услуг, нежели к импорту.

2.2 Данные по экономической политике и протестной активности

Как уже было упомянуто в первой главе, в данной исследовательской работе экономическая политика государства была разделена на две составляющие: фискальную и монетарную политики.

Под фискальной политикой в данной работе понимается объем расходов государства в процентах от валового внутреннего продукта (Expenditure). Как уже было указано в первой главе, внимание было уделено именно бюджетной политике в связи с трудностями анализа налоговой политики на межстрановом уровне. Данные по переменной Expenditure были взяты с сайта OECD Data OECD Data, General Government Spending (% of GDP), URL: https://data.oecd.org/gga/general-government-spending.htm (Дата обращения: 01.03.2020) . Данные имеются по 44 государствам в период с 1990 года по 2018 год. Под монетарной политикой в данной работе понимается ключевая ставка рефинансирования (Interest rate). Данные по переменной Interest rate были также взяты с сайта OECD Data OECD Data, Long-term interest rates, URL: https://data.oecd.org/interest/long-term-interest-rates.htm (Дата обращения: 01.03.2020). Данные имеются по 44 государствам в период с 1990 года по 2018 год. По обеим переменным нижняя граница обозначена 1990 годом в связи с тем, что за более ранний период отсутствуют данные по зависимой переменной (протестная активность), а верхняя граница обозначена 2018 годом, так как данные за 2019 по переменным Expenditure и Interest rate имеются только по половине стран из выборки, таким образом, было принято решение не включать 2019 год в выборку. В таблице 2 приведены описательные статистики для переменных.

Таблица 2

Описательные статистики для переменных Expenditure и Interest rate

Название переменной	Мин.	1ый кв.	Медиана	Среднее	3ий кв.	Макс.
Expenditure	22.93	38.82	44.32	44.21	49.74	65.08
Interest rate	-0.36	3.27	4.89	5.42	7	87.34

Минимальное значение по переменной Expenditure составляет 22% от ВВП. Это значение относится к Чили в 2013 году. Первый квартиль равен 38.8%, что говорит нам о том, что 25% самых низких значений среди наблюдений в наших данных принимают значение от 22.9% до 38.8%. Среднее значение и медиана по переменной Expenditure практически идентичные (44.3% и 44.2% соответственно), это говорит нам об отсутствии скошенности распределения этого показателя. Третий квартиль равен 49.7%, это говорит нам о том, что 75% значений не превышают показатель расхода в 49.7% от ВВП. Максимальное значение расходов государства составило 65%, это значение соответствует Ирландии в 2010 году. На Рис. 2 изображена динамика по переменной Expenditure за весь исследуемый временной промежуток. На графике отображено среднее значение по всем странам. Так, можно увидеть, что значение варьируется от 43 до 47, самое низкое значение по данному показателю наблюдалось в 2007 году.

Рис. 2 Динамика по переменной Expenditure, 1990-2018гг.

На рисунке 3 изображены средние значения уже по каждой стране. Для того, чтобы график выглядел более компактно, было решено использовать кодировку стран ISO360, а не полные названия стран. Здесь мы можем заметить, что разброс значений по странам довольно сильный. Самые высокие расходы наблюдаются у Финляндии (более 53% от ВВП в среднем за временной промежуток с 1990 по 2018 гг.), а самые низкие у Швейцарии (35.5% от ВВП в среднем за временной промежуток с 1990 по 2018 гг.).

Рис. 3 Среднее значение по переменной Expenditure по странам за весь исследуемый временной промежуток

Под монетарной политикой в данной работе было решено понимать ключевую ставку. В таблице 2 приведена описательная статистика по переменной Interest rate, которая отвечает за монетарную политику. Можно заметить, что минимальное значение ключевой ставки составляет -0.36%. Несмотря на то, что значение ставки отрицательно, этому есть объяснение. В наших данных имеется 5 наблюдений, где ключевая ставка принимает отрицательное значение: Швейцария в 2015, 2016 и 2017 годах (-0.07%, -0.32% и -0.07% соответственно), Люксембург в 2016 году (-0.18%) и Япония в 2016 году (-0.07%). Отрицательная ключевая ставка как правило является одним из радикальных способов стимулирования экономики. Как уже описывалось ранее в данной работе, стимулирующая монетарная политика как правило выражается в снижении ключевой ставки со стороны центрального банка, отрицательная ставка хоть и является довольно редким явлением, но все еще работает в той же парадигме. Это делается для того, чтобы коммерческим банкам становилось невыгодно размещать свои средства на счетах центрального банка своей страны. Основное предположение в этом случае заключается в том, что из-за невыгодности размещения своих средств на счету ЦБ коммерческие банки будут инвестировать свои средства в экономику.

Максимальное значение ключевой ставки за весь исследуемый временной промежуток составило 87.34%. Это значение является аномальным и соответствует России в 1999 году. Однако стоит отметить, что оно не создает скошенности распределения переменной. Так, первый квартиль равен 3.3%, то есть 25% самых низких значений по этой переменной не превышают значение 3.3%. Медиана и среднее значение различаются несильно и составляют 4.9% и 5.4% соответственно. Из этого можно сделать заключение о том, что половина значений ключевой ставки меньше 4.9%. Третий квартиль равен 7%, 75% всех наших наблюдений имеют значение ключевой ставки менее 7%.

Если смотреть на среднее значение ключевой ставки по годам по всем странам сразу, то общей тенденции проследить нельзя. Максимальное значение ставки наблюдается в 1990 году и составляет 8.8%. Самое низкое значение наблюдалось в 2017 году (2.8%).

Рис. 4 Динамика по переменной Rate, 1990-2018гг.

Интереснее посмотреть на то, какой разброс средних значений ключевой ставки наблюдается между странами. На графике показано среднее значение ключевой ставки за весь исследуемый временной промежуток по каждой стране. Самые низкие значения наблюдаются у Швейцарии (2.8%) и Японии (2.1%). Эти государства уже были упомянуты ранее в работе, как государства, которые применяли в своей экономики такие стимулирующие методы, как установление отрицательной ключевой ставки со стороны центрального банка. Можно сделать заключение, что эти государства и в остальное время в основном придерживались стимулирующей монетарной политики, в связи с чем держали низкие ключевые ставки. Самые высокие значения ключевой ставки наблюдаются у России (13.3%) и Южной Африки (11.1%). Стоит сразу отметить, что в случае России такое высокое значение не вызвано исключительно ключевой ставкой ЦБ в 1999, которая составила аномально большое значение. Среднее значение в 13.3% обусловлено тем, что в России на протяжении нескольких лет подряд поддерживали ключевую ставку более 15%.

Рис. 5 Среднее значение ключевой ставки за весь исследуемый временной промежуток по странам, 1990-2018 гг.

В качестве зависимой переменной в данной исследовательской работе выступает протестная активность. Протестная активность в данном исследовании была квантифицирована как количество протестных акций за каждый год в каждой конкретной стране. Данные по протестам были взяты из базы данных Mass Mobilization Project Harvard Dataverse, Mass Mobilization Protest Data (number of protests) URL: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/HTTWYL (Дата обращения: 08.03.2020) . Данные по протестной активности имеются по всем 44 странам, которые используются в выборке, за временной промежуток 1990 года по 2018 год. Нижняя граница временного промежутка обозначена отсутствием более ранних данных по протестной активности, верхняя граница обозначена отсутствием более поздних данных по экономическим показателям. В таблице 3 приведены описательные статистики для переменной Protest, которая отвечает за протестную активность.



Таблица 3

Описательные статистики для переменной Protest

Название переменной	Мин.	1ый кв.	Медиана	Среднее	3ий кв.	Макс.
Protest	0	0	2	4.67	6	62

Минимальное значение по зависимой переменной составляет 0, как и значение, которое является первым квартилем. Это говорит нам о том, что среди нашей выборки имеется не меньше 25% наблюдений, когда протестов не происходило. Стоит также отметить, что у нас различаются медиана и среднее значение, они составляют 2 и 4.7 соответственно. Таким образом, половина значений по протестной активности принимают значение меньше 2, однако среднее значение по выборке больше. Третий квартиль равен 6. Максимальное значение по переменной Protest составило 62. Это значение соответствует Германии в 2015 году.

Рис. 6 Динамика среднего значения протестной активности за весь исследуемый временной промежуток, 1990-2018 гг.

На рисунке можно увидеть то, как менялось среднее значение протестов за исследуемый временной промежуток. Самое низкое значение протестной активности наблюдалось в 2018 году (2.2), а самое высокое значение на два года ранее, в 2016 году (8.1). Примерно с 1995 года по 2010 среднее значение варьировалось от 3 до 6. Теперь посмотрим на разброс значений по странам.

Рис. 7 Среднее значение по переменной Protest по странам за весь исследуемый временной промежуток, 1990-2018 гг.

На рисунке изображено среднее значение зависимой переменной по странам. Мы можем увидеть, что разброс по переменной довольно значительный. Самые низкие средние значения у Люксембурга и Швейцарии (0.08 и 0.13 соответственно), а самое высокое значение по этой переменной у Великобритании (18.8).

2.3 Регрессионные модели и анализ медиации

В качестве базовой спецификации, которая выступит основой дальнейших моделей, было решено использовать следующую спецификацию модели:

Данная спецификация модели предполагает, что зависимой переменной является протестная активность (Protest), а объясняющими ее переменными являются количество торговых партнеров на экспорт (Export), расходы государства на население (Expenditure) и ключевая ставка (Rate). Индексы t и i обозначают фиксированные эффекты на года и страны соответственно, e_ti - значение ошибки для соответствующего ti наблюдения. Было решено сначала построить базовую регрессионную модель с фиксированными эффектами на года и страны, которая будет учитывать панельную структуру данных.

Во-первых, стоит отметить, что из полученных при помощи сетевого анализа характеристик торговой сети было решено использовать только показатель, который отвечает за количество торговых партнеров на экспорт. Этому есть несколько объяснений. Во-первых, в проведенном ранее исследовании, посвященном влиянию торговой либерализации на протестную активность Бурзаева А. Д. Влияние торговой либерализации на протестную активность // НИУ ВШЭ. Курсовая работа (3 курс). 2019. , было выявлено, что сильнее всего на протестную активность оказывает эффект количество торговых партнеров на экспорт. Тогда в отличие от данной исследовательской работы на выборке из 52 государств в период с 1995 по 2014 гг. все внимание было уделено исключительно характеристикам, которые были получены при помощи сетевого анализа. Было обнаружено, что сильнее всего на протестную активность оказало влияние количество торговых партнеров именно на экспорт. Также было обнаружено значимое влияние переменной Betweenness. Второе объяснение использования именно переменной Export заключается в том, что нас интересует именно торговая политика государства. Торговая политика стран как правило заключается в торговле этой страны с остальными государствами. Как уже упоминалось ранее в данной исследовательской работе, большинство исследований до этого, которые изучали то, как между собой связаны торговая политика и неравенство, или торговая политика и протестная активность, под торговой политикой понимали объем торговли в процентах от валового внутреннего продукта. В связи с этим, для того, чтобы не отступать от большинства исследований в этой области, было решено использовать именно количество торговых партнеров на экспорт, так как именно эта характеристика торговой сети больше всех приближена к объему торговли в процентах от ВВП. Таким образом, в данной исследовательской работе будет использоваться именно количество торговых партнеров на экспорт. Результаты базовой модели, приведены в таблице 4.

Таблица 4

Результаты регрессионной модели базовой спецификации

Опираясь на данные из таблицы 4, мы можем увидеть, что коэффициенты при всех предикторах являются статистически значимыми. Коэффициент при переменной Expenditure равен -0.32 и является значимым, таким образом, мы можем сказать, что при увеличении расходов государства на 1 п.п. от валового внутреннего продукта, количество протестов сократится на 0.32 в среднем при прочих равных условиях. Коэффициент при переменной Rate также является значимым и составляет 0.54, таким образом, при увеличении ключевой ставки на 1 п.п., количество протестов в государстве увеличится на 0.54 в среднем при прочих равных. Важно заметить, что увеличение расходов происходит в том, случае, когда государство проводит стимулирующую фискальную политику, таким образом, наша изначальная гипотеза подтвердилась. Увеличение расходов со стороны государства снижает уровень протестной активности среди населения. Повышение ключевой ставки, наоборот, приводит к увеличению количества протестов в государстве, из чего можно сделать вывод, что в случае понижения ключевой ставки количество протестных акций сократится. Таким образом, в данном случае стимулирующая монетарная политика также приводит к тому, что уровень протестной активности снижается. Третьей переменной, влияние которой исследовалось на протестную активность, была переменная Export. В данной модели коэффициент при этой переменной составил -0.05 и является значимым, на основе этого можно сказать, что при увеличении количества торговых партнеров на 1, количество протестов сократится на 0.05 в среднем по выборке при прочих равных условиях. Таким образом, предположение о том, что в государствах, которые придерживаются политики открытой торговли, наблюдается меньший уровень протестной активности, подтвердилось. Таким образом, на данном этапе, опираясь на результаты модели базовой спецификации, все поставленные гипотезы подтвердились.

На следующем этапе в модель были добавлены две контрольные переменные: индекс Джини и темпы экономического роста. Индекс Джини отвечает за уровень неравенства среди населения. Он измеряет степень, в которой распределение доходов (или, в некоторых случаях, потребительских расходов) между отдельными лицами или домохозяйствами в рамках экономики отклоняется от абсолютно равного распределения. Кривая Лоренца показывает совокупный процент от общего полученного дохода по отношению к совокупному числу получателей, начиная с самого бедного человека или домохозяйства. Индекс Джини измеряет площадь между кривой Лоренца и гипотетической линией абсолютного равенства, выраженную в процентах от максимальной площади под линией. Таким образом, индекс Джини, равный 0, означает совершенное равенство, а индекс 100 - совершенное неравенство. Данные по индексу Джини были взяты из базы данных Всемирного Банка The World Bank data, GINI index (World Bank estimate), URL: https://data.worldbank.org/indicator/SI.POV.GINI?view=chart (Дата обращения: 03.03.2020) . Переменная, отвечающая за темпы экономического роста в данном исследовании квантифицирована как процент роста валового внутреннего продукта по отношению к предыдущему году. Данные по переменной также были взяты из базы данных Всемирного Банка. В таблице 5 приведены описательные статистики контрольных переменных

Таблица 5

Описательные статистика контрольных переменных

Название переменной	Мин.	1ый кв.	Медиана	Среднее	3ий кв	Макс.
GINI Index	23.7	29.3	33.8	36.19	39.8	64.8
GDP growth	-14.814	1.516	2.979	3.091	4.747	25.163

Минимальное значение индекса Джини составляет 23.7 и соответствует Словении в 2008 году, стоит также отметить, что У Словении наблюдаются один из самых низких показателей индекса Джини среди всех государств в выборке, которую мы используем для данного исследования. Среднее значение индекса Джини по странам составляет 36.2. Максимальное значение индекса Джини составило 64.8 и соответствует Южной Африке. Также стоит отметить, что наиболее высокие индексы наблюдаются в Южной Африке и Бразилии.

Минимальное значение темпов экономического роста составило -14.8%. Этот показатель темпов экономического роста наблюдался в Литве в 2009 году, т.е. объем валового внутреннего продукта Литвы в 2009 оказался на 14.8% ниже объема валового продукта Литвы в 2008 году. Медиана и среднее значение темпов экономического роста по выборке составляет 3% и 3.1% соответственно, что говорит нам о том, что в большинстве случаев объем ВВП государств не претерпевает значительных изменений. Максимальное значение по данной переменной составило 25.2% и наблюдается в Ирландии в 2015 году.

Таким образом, после добавления в модель контрольных переменных спецификация модели будет выглядеть следующим образом:

Данная спецификация модели предполагает, что зависимой переменной является протестная активность (Protest), а объясняющими ее переменными являются количество торговых партнеров на экспорт (Export), расходы государства на население (Expenditure) и ключевая ставка (Rate). Также в модель добавлены контрольные переменные: уровень экономического неравенства (GINI) и темпы экономического роста (GDP growth). Индексы t и i обозначают фиксированные эффекты на года и страны соответственно, e_ti - значение ошибки для соответствующего ti наблюдения.

Результаты модели приведены в таблице 6 (для удобства результаты модели с контрольными переменными были приведены вместе с результатами модели без контрольных переменных).



Таблица 6

Результаты регрессионных моделей базовой спецификации и спецификации с контрольными переменными.

В данной модели значимыми оказались коэффициенты при тех же предикторах, что и в модели базовой спецификации: Expenditure, Rate и Export. Значения коэффициентов при переменных Expenditure и Rate остались практически такими же (-0.33 и 0.43 соответственно), таким образом негативное влияние стимулирующей фискальной и монетарной политик на уровень протестной активности сохраняется. Однако в модели, в которую были добавлены две контрольные переменные, с сохранением значимости изменился знак у коэффициента при переменной Export. Теперь он равен 0.89, из чего можно сделать заключение, что при увеличении торговых партнеров на экспорт количество протестных акций в государстве увеличится на 0.89 в среднем при прочих равных условиях. Это противоречит гипотезе данной работы, которая заключается в том, что в государствах, которые придерживаются политики открытой торговли, наблюдается меньший уровень протестной активности, однако этому также имеются предположительные объяснения. Как уже упоминалось в начале данной работы, в исследованиях, которые занимаются изучением взаимосвязи торговой политики и экономического неравенства, существует два направления. В данной работе было решено придерживаться направления, в основе которого лежит идея, что ведение политики открытой торговли приводит к снижению уровня протестной активности. Второе направление, наоборот, представители второго направления, наоборот, считают, что политика открытой торговли приводит к торговой, а потом и к экономической глобализациям, которые лишь усугубляют экономическое неравенство населения, что в свою очередь приводит к росту протестной активности. Вероятно, что при учете в модели таких показателей, как темпы экономического роста и индекс Джини, эффект торговой политики оказался положительным, т.е. увеличение торговых партнеров на экспорт приводит к увеличению протестов в государстве.

Для того, чтобы достоверно проверить наши гипотезы о том, что торгово-экономическая политика влияет на протестную активность не напрямую, а через экономическое неравенство, было решено использовать в качестве методов не только панельную регрессию, но и анализ медиации (mediation analysis). Анализ медиации стремится выявить и объяснить механизм или процесс, лежащий в основе наблюдаемой связи между независимой и зависимой переменными, посредством включения третьей гипотетической переменной, известной как переменная-посредник (медиатор). В отличие от прямой причинно-следственной связи между независимой переменной и зависимой переменной, анализ медиации предполагает, что независимая переменная влияет на медиатор, который в свою очередь, оказывает влияние на зависимую переменную. Таким образом медиатор способствует выявлению взаимосвязи между независимыми и зависимыми переменными.

Для проведения анализа медиации было принято решение рассмотреть влияние каждого из компонентов торгово-экономической политики государства на протестную активность по отдельности. Таким образом, было построено три отдельные модели, на основе которых были проверены гипотезы данной работы.

Первая модель имеет следующую спецификацию (Рис. 8):

Рис. 8 Спецификация модели анализа медиации (фискальная политика)

Таким образом, данная модель оценивает не только прямой эффект объема расходов государства на население на протестную активность, но и опосредованный эффект фискальной политики на протестную активность через экономическое неравенство.

Результаты данной модели предоставлены в таблице 7.

Таблица 7

Результаты анализа медиации (фискальная политика)

Опираясь на результаты из таблицы 7, мы видим, что значимость наблюдается только у опосредованного эффекта (ACME - Average Casual Mediation Effect), в то время как прямой эффект (ADE - Average Direct Effect) оказался незначимым. При интерпретации полученных результатов в анализе медиации основной интерес представляет значимость измеренного эффекта и знак при полученном коэффициенте. В данной модели коэффициент ACME равен -0.02 и является значимым, что в свою очередь говорит нам о том, в модели данной спецификации влияние фискальной политики на протестную активность оказалось значимым только в случае, когда влияние происходит через экономическое неравенство. Также стоит отметить, что у коэффициента наблюдается отрицательный знак, из чего можно сделать заключение, что при увеличении объема расходов государства на население количество протестов в данной стране сократится.

Таким образом, негативное влияние фискальной политики было обнаружено при построении трех регрессионных моделей. Во всех трех моделях коэффициент при переменной Expenditure был значимым и имел отрицательный знак. Это дает нам основание подтвердить изначально поставленную гипотезу, которая заключалась в том, что увеличение расходов государства на население способствует снижению протестной активности среди населения.

Вторая модель, которая тоже была построена при использовании анализа медиации, имеет следующую спецификацию (Рис. 9):

Рис. 9 Спецификация модели анализа медиации (монетарная политика)

В данной модели данная модель оценивает не только прямой эффект ключевой ставки на протестную активность, но и опосредованный эффект монетарной политики на протестную активность через экономическое неравенство. Результаты модели представлены в таблице 8.

Таблица 8

Результаты анализа медиации (Монетарная политика)

Опираясь на результаты из таблицы 8, можно увидеть, что значимость наблюдается только у опосредованного эффекта, то есть изменение ключевой ставки влияет на протестную активность только в том случае, когда присутствует медиатор в виде экономического неравенства. Коэффициент ACME является положительным, в связи с этим мы можем сделать вывод о том, что повышение ключевой ставки приводит к увеличению количества протестов в государстве. Таким образом, значимый положительный эффект монетарной политики сохраняется при построении трех регрессионных моделей, т.е. при повышении ключевой ставки количество протестов увеличивается, или наоборот, при снижении ключевой ставки количество протестов сокращается. Это дает нам основания для подтверждения гипотезы, которая была сформулирована в начале работы: снижение ключевой ставки способствует уменьшению уровня протестной активности среди населения.

Третья модель имеет следующую спецификацию (Рис. 10):



Рис. 10 Спецификация модели анализа медиации (торговая политика)

В данной модели данная модель оценивает не только прямой эффект количества торговых партнеров на экспорт на протестную активность, но и опосредованный эффект торговой политики на протестную активность через экономическое неравенство.

Результаты данной модели представлены в таблице 9

Таблица 9

Результаты анализа медиации (торговая политика)

Опираясь на результаты из таблицы 9, можно увидеть, что значимыми оказались прямой и совокупный эффект количества торговых партнеров. В отличие от предыдущих двух моделей, в которых значимым был лишь опосредованный эффект, здесь он оказался незначимым. Это говорит нам о том, что торговая политика оказывает влияние на протестную активность напрямую, а не через экономическое неравенство, как предполагалось изначально. Знак при коэффициенте ADE является отрицательным, из чего можно сделать заключение, что с увеличением торговых партнеров количество протестов сокращается. Таким образом, в двух моделях эффект торговой политики на протестную активность оказался значимым и отрицательным (модель базовой спецификации и прямой эффект в модели анализа медиации). В модели, где была добавлена переменная, отвечающая на экономическое неравенство, значение коэффициента при переменной Export сменил знак и стал положительным. Скорее всего это было вызвано тем, что при отсутствии переменной, отвечающей за экономическое неравенство, мы могли более явно исследовать влияние именно торговой политики на протестную активность, в то время как при включении дополнительной переменной характер связи мог поменяться, однако это не обязательно связано с тем, что экономическое неравенство выступает в качестве связующего звена между торговой политикой и неравенством. Это отчетливо видно в модели анализа медиации, где значимым оказался только прямой эффект, в то время как опосредованный эффект оказался незначимым. В связи с этим мы можем только частично подтвердить нашу гипотезу о том, что политика открытой торговли со стороны государства способствует снижению протестной активности среди населения. Если изначально предполагалось, что влияние торговой политики на протестную активность будет происходить через экономическое неравенство, то в ходе эмпирического анализа было обнаружено, что мы можем уверенно говорить лишь о прямом эффекте. Однако этому также имеется объяснение. Как было упомянуто в первой главе данной исследовательской работы, существует отдельное направление исследований, которое занимается изучением взаимосвязи торговой политики и протестной активности напрямую, а не изучением влияния торговой политика на экономическое неравенство.



2.4 Проверка результатов на устойчивость

Результаты моделей были проверены на устойчивость. Для проверки устойчивости результатов сначала была построена модель, где переменная Export, которая отвечала за количество торговых партнеров на экспорт, была заменена переменной Trade, которая представляет собой объем торговли в процентах от валового внутреннего продукта. Результаты обоих моделей для удобства приведены в одной таблице (таблица 10) для сравнения.

Таблица 10

Результаты базовой модели и модели с переменной Trade

Можно увидеть, что в обоих моделях при переменной Expenditure мы наблюдаем коэффициент, который является значимым и имеет одинаковый знак. Также стоит отметить, что в моделях значения коэффициентов очень похожи и различаются менее, чем на 0.1. Так, в первой модели при увеличении расходов на 1% количество протестов снизится на 0.32 при прочих равных условиях, а во второй модели при увеличении расходов на 1% количество протестов сократится на 0.26 в среднем при прочих равных. Коэффициент при переменной Rate также является значимым в обеих моделях и сохранил положительный знак. Согласно результатам первой модели, при увеличении ключевой ставки на 1 п.п., количество протестов увеличится на 0.54 в среднем при прочих равных условиях, а во второй модели при увеличении ключевой ставки на 1 п.п. количество протестов возрастет на 0.43 с среднем при прочих равных. Таким образом влияние переменных Expenditure и Rate остается одинаковым и можно говорить об устойчивости результатов. Отдельно стоит уделить внимание описанию результатов по переменным Export и Trade. Как уже было описано выше, переменная Export отображает количество торговых партнеров на экспорт, а переменная Trade - объем торговли в процентах от валового внутреннего продукта. Таким образом, политике открытой торговле в случае переменной Export соответствует увеличение количества торговых партнеров на экспорт, и соответственно увеличение значения данной переменной. В случае переменной Trade политике открытой торговли, согласно теории, соответствует увеличение объемов торговли, т.е. так же увеличение значения данной переменной. Опираясь на результаты таблицы видно, что коэффициенты при обеих переменных являются значимыми и имеют отрицательный знак. В связи с этим можно сделать вывод о том, что в случае, когда государство придерживается политики открытой торговли (в случае наших моделей либо увеличивает количество торговых партнеров на экспорт, либо увеличивает объем торговли в % от ВВП), количество протестов в данной государстве сокращается.

Также была построена модель, в которой переменная Rate (ключевая ставка), которая отвечала за монетарную политику, была заменена на переменную M1. М1 - индекс, который уже был описан в первой главе данного исследования. Денежный агрегат М1 состоит из наличных денежных средств и хорошо описывает денежный рынок государства. Таким образом, предполагается, что чем выше значение данного индекса, тем ниже уровень неравенства, что в свою очередь приводит к сокращению количества протестов в государстве.

Таблица 11

Результаты анализа медиации (монетарная политика - М1)

Можно увидеть, что значимость так же наблюдается только у опосредованного эффекта (ACME), в то время как прямой эффект оказался незначимым. Как уже было описано выше, увеличение денежного агрегата М1 как правило происходит в ходе проведения стимулирующей монетарной политики. В таблице 11 мы видим, что коэффициент имеет отрицательный знак, в связи с чем мы можем сделать заключение о том, что увеличение денежного агрегата М1 через влияние на уровень экономического неравенства приводит к снижению количества протестов. Таким образом, данная модель также подтверждает идею о том, что стимулирующая монетарная политика приводит к сокращению уровня протестной активности.

2.5 Результаты моделей

Таким образом, результаты моделей были проверены на устойчивость. Опираясь на результаты моделей, можно сделать несколько выводов. При исследовании влияния фискальной политики на протестную активность было обнаружено, что в случае, когда государство проводит стимулирующую фискальную политику, уровень протестной активности среди населения снижается. Под стимулирующей фискальной политикой в данной исследовательской работе понимается увеличение доли расходов на население в % от валового внутреннего продукта. Таким образом, было установлено, что при увеличении доли расходов от ВВП, количество протестов сокращается. Также при помощи анализа медиации было обнаружено, что имеется значимый негативный эффект стимулирующей фискальной политики на уровень протестной активности через экономическое неравенство. При исследовании влияния монетарной политики было обнаружено, что сдерживающая монетарная политика оказывает значимый положительный эффект на уровень протестной активности. Под сдерживающей монетарной политикой в данной работе понимается повышение ключевой ставки. Таким образом, при увеличении ключевой ставки количество протестов также будет расти, в обратном случае, при снижении ключевой ставки, что является инструментом стимулирующей монетарной политики, уровень протестной активности будет сокращаться. Также при помощи анализа медиации было обнаружено, что повышение ключевой ставки оказывает значимый положительный эффект на протестную активность через влияние на уровень экономического неравенства. Отдельно стоит уделить внимание результатам, которые были получены относительно влияния торговой политики на протестную активность. Изначальная гипотеза заключалась в том, что в государствах, которые придерживаются политики открытой торговли, наблюдается более низкий уровень протестной активности. Также предполагалось, что политика открытой торговли будет оказывать влияние на уровень протестной активности через экономическое неравенство. В ходе эмпирического анализа было обнаружено, что предположение об опосредованном влиянии торговой политики на протестную активность через экономическое неравенство не подтвердилось. Однако был обнаружен прямой эффект торговой политики на протестную активность. Таким образом, при увеличении количества торговых партнеров на экспорт, количество протестов в государстве сокращается.



Заключение

В данной исследовательской работе проверялось несколько гипотез, которые заключались в том, что увеличение расходов государства на население, снижение ключевой ставки и политика открытой торговли способствуют снижению протестной активности среди населения.

В первой главе были рассмотрены основные направления исследований, которые занимаются изучением торгово-экономической политики, экономического неравенства и протестной активности. Помимо этого, были разобраны основные механизмы и инструменты реализации фискальной и монетарной политик. В большинстве исследований было обнаружено, что стимулирующие фискальная и монетарная политика как правило приводят к уменьшению уровня экономического неравенства, что в свою очередь приводит к сокращению количества протестов. Также было установлено, что до сих пор не существует единого мнения относительно влияния торговой политики на неравенство и протесты.

На основе предыдущих исследований были концептуализированы и операционализированы понятия фискальной политики, монетарной политики, экономического неравенства и протестной активности. Фискальная политика была сведена до бюджетной политики и операционализирована как объем расходов государства в процентах от валового внутреннего продукта. Монетарная политика была операционализирована как значение ключевой ставки. Экономическое неравенство было определено как значение индекса Джини, а протестная активность как количество протестов в государстве за год. Отдельно было уделено внимание торговой политике, которая в большинстве предыдущих исследований определялась как объем торговли в процентах от валового внутреннего продукта. В данной исследовательской работе понятие торговой политики было сведено до характеристики Degree In, которая была получена при использовании сетевого анализа, и отображала количество торговых партнеров на экспорт.

Во второй главе данной работы был произведен сетевой анализ международной торговли, в ходе которого было построено 28 торговых сетей за период с 1990 года по 2018 год. Далее были построены регрессионные модели. Всего было построено 7 моделей: модель базовой спецификации, модель с добавлением контрольных переменных, три ACME-модели, которые используются для обнаружения непрямого эффекта между переменными с использованием переменной-медиатора, и две модели для проверки результатов на устойчивость.

В ходе эмпирического анализа было обнаружено, что стимулирующая фискальная политика, под которой понимается увеличение объема расходов на население, приводит к сокращению количества протестов. Эффект стимулирующей монетарной политики (снижение ключевой ставки) так же оказался значимым и негативным, т.е. при снижении ключевой ставки количество протестов в стране сокращается. Отдельно стоит отметить, что при реализации анализа медиации было обнаружено, что как увеличение расходов на население, так и снижение ключевой ставки приводят к снижению уровня протестной активности через переменную-медиатор, которой является уровень экономического неравенства. Таким образом, изначальные гипотезы о том, что увеличение расходов на население и снижение ключевой ставки приводят к снижению протестной активности, подтвердились. Говоря о результатах, которые были получены при исследовании влияния торговой политики, стоит отметить, что не все предположения нашли подтверждение. Было обнаружено, что политика открытой торговли имеет прямой эффект на уровень протестной активности и приводит к его сокращению, в то время как предположение об опосредованной связи торговой политики и протестной активности через экономическое неравенство не подтвердилось.



Список электронных ресурсов

1. The World Bank data, Export of Goods and Services (% of GDP) URL: https://data.worldbank.org/indicator/NE.EXP.GNFS.ZS?view=chart (Дата обращения: 02.03.2020)

2. UN Comtrade Database, Trade Data (current US $), URL: https://comtrade.un.org/ (Дата обращения: 04.03.2020)

3. The World Bank data, GDP growth (annual %) URL: https://data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG?view=chart (Дата обращения: 02.03.2020)

4. Harvard Dataverse, Mass Mobilization Protest Data (number of protests) URL: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/HTTWYL (Дата обращения: 08.03.2020)

5. The World Bank data, GINI index (World Bank estimate), URL: https://data.worldbank.org/indicator/SI.POV.GINI?view=chart (Дата обращения: 03.03.2020)

6. OECD Data, General Government Spending (% of GDP), URL: https://data.oecd.org/gga/general-government-spending.htm (Дата обращения: 01.03.2020)

7. OECD Data, Narrow money (M1), URL: https://data.oecd.org/money/narrow-money-m1.htm (Дата обращения: 01.03.2020)

8. OECD Data, Long-term interest rates, URL: https://data.oecd.org/interest/long-term-interest-rates.htm (Дата обращения: 01.03.2020)



Список использованной литературы

1. Alderson A. S. Globalization and the Great U-Turn: Income Inequality Trends in 16 OECD Countries // AJS. 2002. Vol. 107. N. 5. P. 1244-99.

2. Alesina A., Perotti R. Income distribution, political instability, and investment // European Economic Review. 1996. N. 40. P. 1203- 1228.

3. Ampudia M., Georgarakos D., Slacalek J., Tristani O., Vermeulen P., Violante G. L. Monetary Policy and Household Inequality // ECB Working Paper Series. 2018. N. 2170. 38 p.

4. Atkinson A. B. On Measurement of Inequality // Journal of Economic Theory. 1970. Vol. 2. P. 244-263.

5. Atkinson A. B. On the Measurement of Poverty // Econometrica. 1987. Vol. 55. N. 4. P. 749-764.

6. Bhatti A. A., Batool Z., Naqvi H. A. Fiscal Policy and Its Role in Reducing Income Inequality: A CGE Analysis for Pakistan // The Pakistan Development Review. 2015. Vol. 54. N. 4. P. 843-862.

7. Bourguignon F. Income Distribution and Differences in Needs // Arrow and the Foundation of the Theory of Economic Policy. 1987. P. 350-370.

8. Coibion O., Gorodnichenko Y., Kueng L., Silvia J. Innocent Bystanders? Monetary Policy and Inequality in the U.S. // NBER Working Paper Series. 2012. N. 18170. 55 p.

9. Colciago A., Samarina A., Haan J. Central Bank Policies and Income and Wealth Inequality: a Survey // Journal of Economic Surveys. 2019. Vol. 33. N. 4. P. 1199-1231.

10. Cubero R., Hollar I.Equity and Fiscal Policy: The Income Di Effects of Taxation and Social Spending in Central America // IMF Wor WP. 2010. Vol. 10. N. 1. 43 p.

11. Dodson K. Globalization and Protest Expansion // Social Problems. 2015. Vol. 62. N. 1. P. 15-39.

12. Elmawazini K., Sharif A., Manga P., Drucker P. Trade Globalization, Financial Globalization and Inequality within South-East Europe and CIS Countries // The Journal of Developing Areas. 2013. Vol. 47. N. 2. P. 303-317.

13. Falkinger J. Social Instability and Redistribution of Income // European Journal of Political Economy. 1999. Vol. 15. P. 35-51.

14. Furceri D., Loungani P., Zdzienicka A. The Effects of Monetary Policy Shocks on Inequality // Journal of International Money and Finance. 2017. N. 85. P. 165-186.

15. Gemmell N. The Incidence of Government Expenditure and Redistribution in the United Kingdom // Economica New Series. 1985. Vol. 52. N. 207. P. 335-344.

16. Grand J. Equity versus efficiency: The elusive trade-off // Ethics. 1990. Vol. 100. N. 3. P. 554-568.

17. Gregorio J., Lee J. W. Education and Income Distribution: New Evidencefrom Cross-Country Data // Development Discussion Papers. 1999. N. 714. P. 395-415.

18. Huntington S. P. Political Order in Changing Societies // Yale University Press. 1969. 488 p.

19. Kaplan G., Moll B., Violante G. L. Monetary Policy According to HANK // American Economic Review. 2018. Vol. 108. N. 3. P. 697-743.

20. Kose S., Guven A. Government education expenditures and income inequality: evidence from provinces of Turkey // SEER: Journal for Labour and Social Affairs in Eastern Europe. 2007. Vol. 10. N. 1. P. 79-101.

21. Lenza M., Slacalek J. How Does Monetary Policy Affect Income and Wealth Inequality? Evidence from Quantitative Easing in the Euro Area // ECB Working Paper Series. 2018. N. 2190. 50 p.

22. Ma E. Monetary Policy and Inequality: How Does One Affect the Other? // Scociety for Economic Dynamics. 2018. 61 p.

23. Meier A. Panacea, Curse, or Nonevent? Unconventional Monetary Policy in the United Kingdom // IMF Working Paper. 2009. N. 09/163. 48 p.

24. Park K. H. Income Inequality and Economic Progress: An Empirical Test of the Institutionalist Approach // The American Journal of Economics and Sociology. 1996. Vol. 55. N. 1. P. 87-97.

25. Rabin A. A., Leland B. Y. The Monetary Transmission Mechanism // Eastern Economic Journal. 1997. Vol. 23. N. 3. 294 p.

26. Rodriguez-Pose A. Trade and Regional Inequality // Economic Geography. 2012. Vol. 88, N. 2. P. 109-136.

27. Rogowski R. How Trade Affects Domestic Political Alignments // Princeton University Press. 1989. 208 p.

...