Гипотеза:
- Основная: в странах Карибского бассейна более высокий уровень бедности и большая подверженность природным катастрофам связаны с худшим качеством охраны природы; воздействие катастроф усугубляет отрицательное влияние бедности на качество охраны (то есть взаимодействие усиливает эффект).
- Формально: модель вида
$${\text{ConservQuality}}_{it}={\beta }_0+{\beta }_1{\text{Poverty}}_{it}+{\beta }_2{\text{Exposure}}_{it}+{\beta }_3({\text{Poverty}}_{it}\times {\text{Exposure}}_{it})+{\mathbf{X}}_{it}\mathbf{\gamma }+{\epsilon }_{it},$$ где ожидаемые знаки: ${\beta }_1<0,{\beta }_2<0,{\beta }_3<0$.
План сбора данных для проверки гипотезы
1) Единицы и временной охват
- Единицы: страновой уровень для всех независимых государств и зависимых территорий Карибского региона; по возможности — субнациональные единицы (административные районы, прибрежные муниципалитеты, экорегионы).
- Временной ряд: ежегодные данные за период примерно $2000$–$2022$ (или максимум доступного периода).
2) Переменные и оперативизация
- Зависимая: качество охраны природы (ConservQuality). Метрики: доля охраняемых территорий (\%), эффективность управления (METT или аналог), скорость потери естественных местообитаний (гектары/год), индекс сохранности биоразнообразия (Biodiversity Intactness). Рекомендуется составить композитный индекс через нормализацию и PCA.
- Основные независимые:
- Poverty: уровень бедности (доля населения ниже национальной черты, или ниже линии $\$1.90$/день; индекс многоуровневой нищеты).
- Exposure: подверженность природным катастрофам — частота и интенсивность событий (количество событий в год, ожидаемые годовые потери в долл. или процент ВВП), индексы риска (WorldRiskIndex, INFORM).
- Контролы $\mathbf{X}$: ВВП на душу населения, неравенство (Gini), плотность населения, урбанизация (\%), доля экономики от туризма (\%), государственное управление (World Governance Indicators), внешняя помощь на охрану (% бюджета), землепользование (лесной покров \%), климатические тенденции.
3) Источники данных
- Бедность, ВВП, Gini, управление: World Bank, UNDP.
- Катастрофы: EM-DAT (CRED), Munich RE / NatCatSERVICE, INFORM, WorldRiskReport.
- Охрана природы: UNEP-WCMC / Protected Planet (территории), Global Database on Protected Area Management Effectiveness (METT), Global Forest Watch (изменение лесного покрова), IUCN Red List, локальные национальные отчёты.
- Субнационные данные: национальные статистические службы, национальные управления по охране природы, спутниковые продукты (MODIS, Landsat) для изменения покрова.
- Дополнительно: данные о помощи (OECD DAC), туризме (WTTC, национстат).
4) Процедура сбора и подготовки
- Составить список стран/территорий ($\sim 30$ единиц) и доступных субнациональных единиц.
- Скачать ежегодные показатели за период $2000$–$2022$; привести временные ряды к одинаковой частоте (год).
- Нормализовать и, при необходимости, агрегировать индексы в композитные переменные; документировать методику.
- Обработать пропуски: оценить механизм пропусков, использовать множественную имputation или исключение при небольшом количестве пропусков.
- Геопривязать данные о катастрофах и охраняемых территориях для субнационального анализа.
5) Методы анализа
- Панельная регрессия с фиксированными эффектами и кластерными стандартными ошибками по стране.
- Многоуровневые (hierarchical) модели для субнационных данных.
- Тест взаимодействия (${\beta }_3$) для проверки модерации эффекта бедности воздействием катастроф.
- Простые спецификации:
$${\text{ConservQuality}}_{it}={\beta }_0+{\beta }_1{\text{Poverty}}_{it}+{\beta }_2{\text{Exposure}}_{it}+{\beta }_3(\text{Poverty}\times \text{Exposure}{)}_{it}+{\delta }_i+{\tau }_t+{\epsilon }_{it},$$ где ${\delta }_i$ — фиксированные эффекты по стране, ${\tau }_t$ — годовые эффекты.
- Альтернативы/робастность: пространственные модели (spatial lag), инструментальные переменные при эндогенности (например исторические переменные как инструменты бедности), медианный регресс, разбиение по группам (низкий/высокий туризм).
6) Оценка мощности и устойчивости
- Оценить чувствительность результатов к выбору индекса ConservQuality и горизонта лагов (включать лаги бедности и катастроф).
- Провести placebo-тесты (на переменных, где эффект невозможен).
7) Практические и этические моменты
- Обратить внимание на сопоставимость определений бедности между странами.
- Соблюдать локальные правила доступа к данным и конфиденциальности (для индивидуальных/домашних данных).
- Документировать все трансформации и открыто публиковать код и агрегированные данные для верификации.
Краткий итог: проверить гипотезу можно, собрав панельные данные ($2000$–$2022$) по ~$30$ странам и, по возможности, субнационально; построить панельные регрессии с взаимодействием бедности и подверженности катастрофам и контролями; ожидать отрицательных коэффициентов для ${\beta }_1,{\beta }_2,{\beta }_3$, что подтвердит предложенную взаимосвязь.