Мобильность и стабильность на российском рынке труда

Как отмечают исследователи, традиционный эконометрический анализ панельных данных (модели латентных изменений и иерархические модели) плохо подходит для изучения индивидуальных траекторий изменения какого-либо показателя. Это происходит из-за того, что в фокусе оказываются только индивидуальные отклонения от среднего значения показателя по всей выборке. При этом существующие методы выделяют траектории для групп населения, которые уже различаются на основе наблюдаемого признака (к примеру, по полу – мужчин и женщин) [Nagin, 2005]. Тем самым исследователь имплицитно предполагает, что траектории показателя отличаются только из-за различий людей в одном этом наблюдаемом признаке (половой принадлежности). В действительности причины отличий в траекториях могут быть намного сложнее и объясняться как ненаблюдаемыми различиями в психотипе или локусе контроля респондентов, так и сочетанием сразу нескольких социально-демографических характеристик (например, пола, дохода и типа поселения).

В противоположность этому, методика моделирования групповых различий в индивидуальных траекториях на основе формальной статистической модели позволяет с самого начала выделить внутри выборочной совокупности отличные друг от друга группы респондентов со сходными траекториями изменения показателя [Ibid]. Эта методика относится к группе так называемых моделей латентных классов (latent class models'), в рамках которых происходит классификация респондентов на основе значений некой ненаблюдаемой напрямую характеристики, определяющей их сходство [Nagin, Jones, 2012]. При этом базовая предпосылка модели состоит в том, что в совокупности может существовать несколько различных подгрупп населения, каждая – со своим собственным средним значением показателя и характерной траекторией его изменения [Nagin, 2005]. Для оценки параметров модели используется метод максимального правдоподобия.

Само понятие траектории предполагает, что основной интерес представляет распределение значений ключевой переменной в зависимости от времени наблюдения, которое можно обозначить как P (

Y_i | Time_i). Случайный вектор Y_i представляет собой последовательность значений наблюдаемой переменной для индивида i во времени, а вектор Time_i

– время наблюдения в момент регистрации каждого из значений наблюдаемой переменной [Nagin, Jones, 2012]. Тем самым для каждого индивида i распределение значений зависимой переменной может быть записано следующим образом:

 (10-1)

где π^j – индикатор принадлежности к группе

j с определенной траекторией; β – вектор с неизвестными параметрами, обозначающий условное распределение Y_i с учетом членства в группе j, который, в частности, определяет вид траектории интересующей переменной [Ibid].

В рамках данного метода исследователь задает количество и вид траекторий показателя (линейный, квадратический, кубический), которые могут существовать в генеральной совокупности. Далее алгоритм осуществляет поиск данных траекторий. Процедура повторяется несколько раз с разным количеством траекторий. Итоговое число траекторий определяется путем сравнения полученных результатов. При этом выделенные траектории должны максимально различаться между собой по своему виду[155].

Далее для конкретного индивида вычисляется вероятность его принадлежности к каждому из выявленных в совокупности типов траекторий. После этого окончательная групповая принадлежность индивида определяется путем отнесения его к той траектории, следование которой для него является наиболее вероятным. Как подчеркивают авторы метода [Ibid], отнесение респондента к какой-либо групповой траектории не требует того, чтобы он принимал участие в каждой из волн обследования. Выделяемые в рамках метода группы индивидов представляют собой так называемые латентные страты, так как принадлежащие к ним индивиды демонстрируют приблизительно сходные индивидуальные траектории изменения показателя во времени.

В настоящей работе вероятность P (Y_i | Time_i) была специфицирована при помощи цензурированного нормального распределения. Оно используется при анализе шкал, приближенных к непрерывным и ограниченных наличием заданного минимума и (или) максимума. Данный вид анализа проводился на подвыборках мужчин и женщин отдельно по каждому из показателей социального самочувствия, в результате чего было выделено пять траекторий их изменения.

К достоинствам описываемого метода относится и то, что моделирование групповых траекторий позволяет изолировать эффект неизменных индивидуальных характеристик, а также оценить влияние изменяющихся характеристик на саму траекторию [Nagin, Jones, 2012]. Поэтому в нашем исследовании мы рассматриваем влияние наступления различных жизненных событий на групповые траектории социального самочувствия. В настоящей главе будет прослежено влияние наступления жизненных событий, связанных с изменением статуса на рынке труда (потерей и нахождением занятости), а также появлением ребенка, вступлением в брак или его расторжением.