Краткое сравнение по ключевым параметрам (идеи, механизмы, типовые эмпирические спецификации, сильные и слабые стороны, следствия для политики).
1) Культурно‑структурная модель
- Суть: неравенство объясняется сочетанием системных (структурных) ограничений и культурных норм/ценностей, которые формируют ожидания, поведение и доступ к ресурсам. Учитывает институции, классовые и пространственные контексты.
- Механизмы: сегментация рынка труда, дискриминация, институциональные барьеры, культурные практики (нормы труда, репродуктивная роль и т.п.), воспроизводство социального статуса.
- Типовая эмпирическая модель: многоуровневая регрессия, где влияние контекста выделяется отдельно:
$$y_{ij}=X_{ij}\beta +Z_j\delta +u_j+{\epsilon }_{ij},$$ где $y_{ij}$ — доход индивида $i$ в группе/регионе $j$, $Z_j$ — структурно‑культурные характеристики региона.
- Прогнозы/тесты: сильная взаимосвязь между институциональными/культурными переменными и распределением доходов; стабильность неравенства при сохранении структур.
- Сильные стороны: объясняет системное воспроизводство неравенства, учитывает контекст и институции.
- Ограничения: трудно точно измерить «культуру», сложна каузальная идентификация; менее фокусируется на индивидуальных решениях.
- Политика: институционные реформы, изменение норм, борьба с сегментацией и дискриминацией.
2) Теория человеческого капитала
- Суть: различия в доходах объясняются вложениями в образование, обучение и опыт — это инвестиции, дающие доходность.
- Механизмы: обучение повышает продуктивность, рынок платит премию за образование и опыт; выбор инвестиций обусловлен дисконтной ставкой, затратами и ожиданиями.
- Типовая эмпирическая спецификация (уравнение Минцера):
$$\ln w_i={\beta }_0+{\beta }_1{s}_i+{\beta }_2{x}_i+{\beta }_3{x}_i^2+{\epsilon }_i,$$ где $s_i$ — годы обучения, $x_i$ — опыт.
- Прогнозы/тесты: повышение среднего образования снижает неравенство, возврат на образование (${\beta }_1$) определяет степень дифференциации доходов.
- Сильные стороны: четкая микрооснованность, измеримые предикторы, удобна для количественной политики (образование, тренинги).
- Ограничения: недооценивает влияние структурных барьеров, дискриминации, неравного доступа; предполагает, что вложения всегда трансформируются в доход при равных условиях.
- Политика: расширение доступа к образованию, обучение, субсидии для инвестиций в человеческий капитал.
3) Теории сетей и доступа к ресурсам
- Суть: доходы зависят от положения в социальных/профессиональных сетях и от доступа к потокам информации, рабочим местам, ресурсам и поддержке.
- Механизмы: гранты информации о вакансиях, рекомендации, доступ к капиталу, социальный контроль; структурные позиции (центральность, бри́джи) дают премию.
- Типовая модель с сетевыми переменными:
$$y_i=X_i\beta +\gamma C_i+\eta R_i+{\epsilon }_i,$$ где $C_i$ — мера центральности (deg, betweenness), $R_i$ — доступ к ресурсам через сеть.
- Прогнозы/тесты: позиции в сети предсказывают доход сверх двухмерных характеристик; изменение структуры сети меняет распределение доходов.
- Сильные стороны: объясняет неформальные каналы неравенства, транзакционные эффекты, роль кластеров и «слабых связей».
- Ограничения: сложность сбора сетевых данных, проблемы каузальности (одно и то же положение сети может быть следствием, а не причиной дохода); меньше фокусируется на институциональном уровне.
- Политика: стимулирование инклюзивных сетей, программы нетворкинга, повышение доступа к информации и ресурсам в маргинализированных группах.
Сравнительная итоговая сводка
- Уровень анализа: человеческий капитал — индивид/инвестиции; сети — межличностные связи; культурно‑структурная — макроинституциональный и культурный контекст.
- Каузальная логика: человеческий капитал — инвестиции→прибыль; сети — положение→доступ→прибыль; культурно‑структурная — институты/нормы→возможности и ограничения→распределение.
- Комбинация подходов обычно наиболее информативна: например, возвраты на образование (${\beta }_1$) зависят от сетевого положения ($\gamma$) и институционального контекста ($Z_j$).
(При необходимости могу ещё кратко привести типовые эмпирические тесты или указать сильнейшие показатели для каждой модели.)