Факторы, влияющие на потребление алкоголя в России

work_days

Сколько всего рабочих дней было у Вас за последние 30 дней?

wage

совокупные трудовые доходы индивида (заработная плата на всех работах за вычетом налогов и прочих обязательных отчислений, премии, плата в натуральном виде, переведенная в деньги).

wage2

совокупные трудовые доходы индивида (заработная плата на всех работах за вычетом налогов и прочих обязательных отчислений, премии, плата в натуральном виде, переведенная в деньги).

income

Сколько всего денег в течение последних 30 дней Вы лично получили, считая все: зарплату, пенсии, премии, прибыли, пособия, материальную помощь, случайные заработки и другие денежные поступления

goodlife

удовлетворенность жизнью - переменная получена из ответа на вопрос: "Насколько Вы удовлетворены своей жизнью в целом в настоящее время?": {1 - удовлетворен (полностью удовлетворен / скорее удовлетворен, чем нет), 0 - другой вариант ответа}.

goodmoney

удовлетворенность заработной платой- переменная получена из ответа на вопрос: "Насколько Вы удовлетворены своей заработной платой в целом в настоящее время?": {1 - удовлетворен (полностью удовлетворен / скорее удовлетворен, чем нет), 0 - другой вариант ответа}.

Таблица 1.1.

Описание независимых переменных

База данных предоставляет нам возможность оценить модели с разными зависимыми переменными, представленных в Таблице 2:

Таблица 2.

Описание зависимых переменных

Первоначальный анализ данных вышеперечисленных переменных, который подразумевает определение имеющихся выбросов в выборке, включает себя построение графиков распределения, представленных в Приложении 2.

Модели потребления спиртных напитков (пиво, водка, вино) существенно отличаются друг от друга, поэтому было бы не совсем корректно рассматривать потребление алкоголя в целом, сведя весь алкоголь к этиловому спирту и просуммировав, как было сделано в иных работах по исследуемой тематике. Поэтому далее отдельно изучаются факторы, влияющие на потребление разных категорий.

В первую очередь будет оценена модель бинарного выбора, пробит модель, уравнение участия:

(4)

где:

Di - дамми для решения участия (1 - респондент употреблял алкоголь за последние 30 дней, 0 - в другом случае),

- оцниваемые параметры,

Pt-цены на алкоголь,

Xt - индивидуальные характеристики индивида, такие как возраст, пол, доход, уровень образования и др.,

- стандартная ошибка.

Для оценивания модели близорукого поведения А.В. Немцов предлагает использовать случайный индивидуальный эффект, в работе так же используется, пробит модель со случайным эффектом.

Также было предположено, что переменную возраст имеет значение добавить в модель и в квадратичной форме, так как, вероятнее всего, после достижения респондентом определенного возраста, потребление им алкоголя будет иметь другой знак и коэффициент, как показывают более ранние исследования, имеет место быть U-образная зависимость.

Динамическая модель в работе используется для того, чтобы учесть аддитивный характер блага, в данном случае алкогольных напитков. Одна из известных моделей спроса Cook and Moor (1995) гласит, что агент признает зависимость текущего потребления от прошлого. Следовательно, в исследовании будет использована динамическая модель, которая будет выглядеть следующим образом:

(5)

где:

- потребление аддиктивного продукта в период t,

- потребление алкоголя в период t-1,

, - оцениваемые параметры.

Однако построение динамической модели влечет за собой некоторые последствия в применяемых методах, а также в интерпретации. Без лагированной переменной регрессоры выступают полным описанием зависимой переменной. Лагированная переменная в уравнении предполагает же введение предыстории регрессоров, поэтому оценивание такой модели невозможно с помощью тобит модели, так как они будут являться неэффективными из-за эндогенности (лагированная переменная будет коррелировать со случайным членом). Данную проблему помогает решить обобщенный метод моментов (GMM), а именно метод Ареллано-Бонда (Arellano and Bond, 1991). В данном случае используется уравнение в первых разностях, который позволяет исключить ненаблюдаемый индивидуальный эффект. Метод МНК и FE-оценки дают несостоятельные оценки.

Существуют и другие методы избегания эндогенности, М.С. Пономарева (2013) в своей работе предлагает метод, который использовали Becker et al. (1994). Авторы предполагают, что потребление в настоящий период не зависит от уровня цен в других периодах, тем самым, включая данные цены в модель, можно получить несмещенные оценки параметров. В ряде работ показано, что потребление аддитивных благ описывается эмпирической моделью, которая подтверждает теорию рационального привыкания, например (Becker et al., 1994; Chaloupka, 1991; Bardsley and Olekans, 1998).

Также для оценки частоты потребления А.В. Немцов предлагает оценить Тобит модель. Оценки Тобит регрессии также проводятся в STATA с помощью процедуры xttobit. Среди независимых переменных в уравнении потребления используются цены на различные виды спиртных напитков (водка, пиво, вино). Аналогичная модель будет построена для объема потребляемого алкоголя, так как зависимая переменная так же цензурирована слева.

(6)

где:

частота потребления алкогольных напитков в период t или объем потребляемого алкогольного напитка.

Для вероятности потребляемого алкоголя, частоты и объема потребляемого алкоголя будут построены также модели, оцененные МНК, для того чтобы сравнить качество моделей, но как было сказано ранее, оценки МНК часто дают несостоятельные оценки, так как зависимая переменная специфична (цензурирована).

В исследовании А.В. Немцова, Я.М. Рощиной и С.В. Арженовского предлагается использовать в качестве независимой переменной - цены, взятые с Росстата, так как предполагается, что они наиболее точны, в сравнении с данными РЛМС.

Поэтому в данной работе принято решение взять данные с Росстата, аналогично предыдущим работам.

Для определения наилучших моделей, оцененных МНК и Тобит, будет применен информационный критерий Акаике, то есть наилучшей моделью будет являться та, для которой данный критерий наименьший. А также следует обратить внимание на коэффициент детерминации, который показывает на сколько точно могут быть интерпретированы результаты. В моделях будут использоваться робастные оценки, чтобы избежать проблемы гетероскедастичности.

3. Описание результатов

Перед построением модели было принято решение проверить выборку на устойчивость, для этого были оценены описательные статистики репрезентативной выборки из РМЭЗ ВШЭ за 2014 год и сформированной выборки в SPSS выборка за 4 года (2011-2014 года). Полученные результаты представлены в Таблице 3 и Таблице 4. Можно сделать вывод о том, что выборка не смещена, так как описательные статистики в целом неизменны при переходе от периода в 1 год к четырем годам.

Таблица 2.

Сравнение описательных статистик. Проверка на робастность

Анализ зависимых переменных, который представлен в Таблице 3, показывает, что выборка репрезентативна и по данным показателям. Так как описательные статистики репрезентативной выборки за 2014 год совпадают по большей мере с показателями за четыре исследуемых года, а именно 2011-2014 года.

Таблица 3.

Сравнение описательных статистик. Проверка на робастность

Также для получения адекватных данных выборка была очищена от выбросов (Приложение 2). Данные РМЭЗ представляют собой информацию о репрезентативном населении страны, поэтому не включают в себя высокодоходные группы населения, что показывает диаграмма распределения доходов. Имеет смысл удалить индивидов, чей доход превышает 200 тысяч рублей. Таких наблюдений 16 штук за все 4 года.

Как говорилось ранее, было принято исключить индивидов младше 14 лет, так как среди них единицы употребляют алкогольные напитки. Удаляем тех индивидов, которые потребляют более 10 000 мл этилового спирта в течение года, так как данное значение является аномальной для данной выборки.

Был проведен анализ на наличие линейной зависимости между независимыми переменными, чтобы избежать мультиколлинеарности в моделях. Если значение коэффициента корреляции превышает 0,7, то данную переменную лучше исключить из модели. Результаты представлены в Приложении 1. В данном случае не было выявлено таких переменных.

3.1 Эмпирическая оценка детерминантов потребления алкоголя в целом

Модели, как показывает тест на общую значимость, являются значимыми на 1% уровне (p=0). Однако стоит отметить тот факт, что модели, оцененные МНК, описывают порядка 10% процентов значений, эта цифра не многим ниже, чем значение R-squared в аналогичных исследованиях. Далее будут подробно рассмотрены результаты каждой модели.

В моделях значимы константы (p<0.01; p<0.05; p<0.1), это значит, что присутствуют другие факторы, которые влияют на потребление. Полученные результаты отображены в Таблице 5.

Уравнение участия, оцененное методом Аррелано-Бонда, покаывает, что переменная "потребления в предыдущем периоде" значима на 5% уровне и имеет прямое влияние на вероятность того, что индивид потребляет алкоголь. То есть если индивид потреблял алкоголь в предыдущем периоде, то вероятность потребления им алкоголя в настоящем выше. Подтвердилась так же гипотеза о том, что вероятность потребления алкоголя среди людей, проживающих в городах и областных центрах выше, чем у жителей сельской местности. Предполагается, что это связано с тем, что с сельской местности меньше доходы, а также доступность магазинов.

Наличие партнера (супруга/супруги) переменная "havepartner" увеличивает вероятность потребления алкоголя. Данная переменная значима в пробит-модели участия и тобит-модели, оценивающей частоту потребления алкоголя, на 1% уровне. Влияние переменной, определяющей наличие партнера у индивида, на объем потребляемого алкоголя не выявлено. Наличие пары у индивида положительно сказывается на частоте потребления алкоголя, то есть индивиды пьют с большей вероятностью, но при этом частота потребления снижается. Влияние факта, что индивид является вдовцом, на вероятность потребления алкоголя в целом не определено. Однако объем потребления алкоголя среди вдовцов выше, нежели тех, кто ими не является.

Таблица 5.

Факторы, влияющие на потребление этанола

Примечание: *- значим на 10% уровне значимости **- значим на 5% уровне значимости ***- значим на 1% уровне значимости.

Наличие высшего образования (h_edu) увеличивает вероятность потребления алкоголя в общем, а также частоту потребления, это следует из пробит модели уравнения участия и тобит модели учравнения частоты потребления. Однако объем потребления алкоголя у людей, имеющих диплом о высшем образовании, ниже, чем у людей, у кого образование ниже уровнем, это следует из тобит модели частоты потребления.

Согласно модели, существует обратная U-образная зависимость между вероятностью потребления алкоголя и возрастом (age), однако переменная возраста в квадрате принимает значение, которое близко к нулю. Объем потребления алкоголя так же до определенного возраста растет, потом начинает снижаться. Обратная U-образная зависимость выявлена в случае частоты потребления алкоголя. Согласно полученным результатам мужчины (gender) потребляют алкоголь с большей вероятностью, в больших объемах, однако реже чем женщины.

Работающие люди (work) пьют с большей вероятностью и чаще. Объем потребления алкоголя для людей, имеющих большее количество рабочих дней, ниже. Неудовлетворенность доходом увеличивает вероятность того, что индивид будет пить и частоту потребления алкоголя в целом.

Наличие детей (child) является сдерживающим фактором, если говорить об объеме потребления алкоголя. Однако люди, имеющие детей, пьют чаще, чем те, у кого детей нет.

Факт того, что индивид служил в армии (army), увеличивает вероятность, что он будет пить и объемы потребления алкоголя, однако снижает частоту потребления алкоголя в цело. Это может быть связано со стрессом, пережитым во время службы. А стресс в свою очередь повышает вероятность употребления алкоголя.

Влияние оценки здоровья индивидом(good_health) на потребления алкоголя не было определено, так как данный фактор не значим ни в одной модели. Переменные, отвечающие за цену различных алкогольных напитков (пиво, вино, водка) не значимы. Их влияние определить не удалось.

Индивиды, которые распивают алкоголь дома (home), как пьют больше и чаще. Данный фактор значим во всех моделях. Влияние фактора удовлетворенности жизнью не было определено. Следовательно, нельзя говорить о том, опровергалась или подтвердилась гипотеза.

3.2 Эмпирическая оценка детерминантов потребления водки

Таблица 6 иллюстрирует результаты оценки факторов, влияющих на потребление водки. Согласно полученным оценкам можно сделать следующие выводы.

Подтвердилась гипотеза о влияние потребления алкоголя в предыдущем периоде на потребление в настоящем (Сt-1). Причем данный факт значим как для вероятности потребления алкоголя, так и для объема, и частоты потребления.

Факт проживания в городе (city) и в областных центрах является фактором, увеличивающим вероятность распития крепких алкогольных напитков и частоту потребления. Влияние на объемы потребления алкоголя оказалось так же положительным.

Наличие отношений (havepartner) у респондента снижает вероятность того, что индивид будет пить водку, однако влияние на объем и частоту потребления не было определено.

Люди, имеющие высшее, среднее образование (m_edu, h_edu) с меньшей вероятностью пьют водку и в меньших объемах. Это подтверждает факт дифференциации в характере потребления различных алкогольных напитков. Влияние на частоту потребления выявить не удалось.

Была выявлена образная U-образная зависимость между объёмом, вероятностью и частотой потребления водки и возрастом (age). То есть до какого-то возраста индивиды увеличивают потребление водки и после него, потребление начинает снижаться. Гипотеза не подтвердилась. При этом стоить обратить внимание, что коэффициент, отвечающий за нелинейную форму зависимости, стремится к нулю. Поэтому можно говорить о том, что с возрастом растет вероятность потребления водки, объемы и частота.

Влияние пола (gender) на потребление водки не было определено.

Таблица 6.

Факторы, влияющие на потребление водки

Примечание: *- значим на 10% уровне значимости **- значим на 5% уровне значимости ***- значим на 1% уровне значимости

Наличие работы (work) увеличивает вероятность, что индивид будет пить. Неудовлетворенность работой уменьшает потребление алкоголя. Количество рабочих дней так же не выявлено.

Удовлетворенность жизнью (happy_live) не значима практически во всех моделях. Поэтому отследить влияние данного фактора не удалось. Удовлетво...