Материалы подготовлены командой "Not LATE yet" в рамках хакатона PandemicDataHack по треку №2 "Уволить нельзя нанять. Оценка влияния пандемии на рынок труда", 18 - 20 декабря 2020 г.
Ставнийчук Анна
Калашнов Георгий
Сучкова Ольга
Векерле Константин
Осаволюк Александра
Код и данные:
https://github.com/go95/covid_labo
Защита решения 20.12.20:
В работе даётся оценка динамики зарегистрированной безработицы в ответ на введение региональных ограничительных мер в первую волну распространения COVID-19 в России, что интересно и важно для формирования стратегии поддержки населения в кризис. В нашем исследовании показано, что рост зарегистрированной безработицы обусловлен не столько повышением пособий (о чём стало известно всем гражданам во всех регионах одновременно), сколько ограничительными мерами, вводимыми с разной жёсткостью в разное время. Также проверяется гипотеза о гетерогенности этого эффекта в разрезе отраслей, поскольку её учет позволяет сконцентрировать меры помощи населению именно на тех отраслях, которые в большей степени пострадали от карантина. Мы строим панельную регрессию в разрезе "регион-отрасль-неделя" и, подтверждая свои предположения, мы получаем, что отрасли розничной торговли, общественного питания, развлечений и транспорта пострадали больше всего. Помимо этих очевидных отраслей мы обнаружили другие, которые нуждаются в поддержке: легкую промышленность и пищевую промышленность. Предложенный подход позволяет также оценить гетерогенность эффекта в других измерениях: например, гендерную и возрастную разницу.
JEL-codes: C23, E24, E65, I18, J21
Оценка эффекта карантина на безработицу интересна для формирования стратегии поддержки населения в кризис. Согласно распространённому мнению, имеет место некоторая "корыстность" заявителей в связи с ростом размера пособий по безработице в 2020 году (Общество и пандемия: опыт и уроки борьбы с COVID-19 в России, 2020). В нашем исследовании доказывается, что рост зарегистрированной безработицы обусловлен не только повышением пособий (и упрощением процедуры их оформления), о чём стало известно всем гражданам во всех регионах одновременно, но и ограничительными мерами, вводимыми с разной жёсткостью в разное время. Гетерогенность этого эффекта позволяет сконцентрировать меры помощи населению именно на тех отраслях, которые в большей степени пострадали от карантина.
Мы строим панельную регрессию введения карантинных ограничений на зарегистрированную безработицу в разрезе "регион-отрасль-неделя", в которой упрощение процедуры обращения и повышение пособий (произошедшие одновременно для всей страны) учитываются в фиксированных эффектах времени, а вводимые региональные ограничительные меры - в качестве бинарных переменных сдвига и наклона, отражая аддитивный и мультипликативный эффект для отраслей и регионов.
В исследовании проверяется следующие гипотезы:
Подтверждая свои предположения, мы получаем, что отрасли розничной торговли, общественного питания, развлечений и транспорта пострадали больше всего. Помимо этих очевидных отраслей мы обнаружили другие, которые тоже нуждаются в поддержке: легкую промышленность и пищевую промышленность. Наш подход позволяет также оценить гетерогенность эффекта в других измерениях: например, гендерную и возрастную разницу.
Имеющиеся данные позволяют рассматривать последствия пандемии в совершенно различных аспектах. Например, возможно использование модели дожития Кокса для оценки влияния факторов продолжительности поиска работы, но при этом полученные выводы о влиянии индивидуальных характеристик граждан не позволят сформулировать рекомендации, которые можно применить прямо сейчас, когда существует острая необходимость в мерах поддержки и стабилизации ситуации. В настоящее время наиболее актуальной и востребованной темой является поддержка людей, работавших в самых пострадавших от спада экономики отраслях, а также недопущение усложнения системы регистрации и снижения размера помощи.
Поскольку целью исследования было посмотреть отраслевые эффекты региональных карантинов, то для анализа был выбран второй набор данных с более унифицированным и агрегированным указанием видов экономической деятельности по справочнику ИАС ОБВ «Работа в России».
Модель специфицирована аналогично исследованию департамента экономики Калифорнийского университета в Беркли (2020), в которой оценивается эффект от объявления местного карантина на прирост заявок на пособие по безработице по еженедельным данным в разрезе штатов. При прочих равных каждую неделю местные карантины увеличивали количество заявок на 1.9%. Суммарно 17 миллионов заявок на пособие по безработице между 14 марта и 4 апреля в США были поданы именно по причине карантинов.
Однако в отличие от этого исследования мы делаем дополнительную разбивку в разрезе "отрасль-регион-неделя".