Кратко: комбинируйте каузальные эмпирические методы (RCT / квазиэксперименты) для оценок эффекта, структурные и макро/локальные модели для долгосрочного прогноза; собирайте индивидуальные и административные панели, тайм‑юз и данные по фирмам/ценам. Ниже — с методами, формулами и списком данных.
1) Идентификация и эмпирические оценки (оценка причинно‑следственных эффектов)
- Рандомизированный дизайн (RCT) — лучший для внутренней валидности: измерять средний эффект и гетерогенность.
- Разностные методы (DiD) при отсутствии рандома:
$$Y_{it}=\alpha +\beta ({\text{Treat}}_i\times {\text{Post}}_t)+{\gamma }_i+{\delta }_t+{\epsilon }_{it},$$ где $\beta$ — средний эффект.
- Event‑study для динамики эффектов:
$$Y_{it}=\sum _{k\ne -1}{\beta }_k{D}_{t=k}+{\gamma }_i+{\delta }_t+{\epsilon }_{it}.$$ - Инструментальные переменные (IV), если есть эндогенность участия:
$$D_i=\pi Z_i+X_i^{\prime }\theta +u_i\text{(первая стадия)},Y_i=\beta {\hat{D}}_i+X_i^{\prime }\varphi +v_i.$$ - Синтетический контроль для анализа одного города vs. контрфактический «синтетический» город.
Что проверять: параллельные тренды, placebo‑тесты, баланс до вмешательства, гетерогенность по полу/возрасту/доходу.
2) Динамическая/структурная оценка (для долгосрочных последствий)
- Динамические эффекты, кумулятивные и отсроченные: моделировать динамику занятости/безработицы с панельными моделями и survival‑анализом (списки переходов, длительности).
- Структурные модели жизненного цикла / динамического выбора труда: решение агента
$$V(s)=\underset{a\in A}{\max }\{u(c,a)+\beta \mathbb{E}[V(s^{\prime })]\},$$ где поле состояний $s$ включает накопление, опыт, образование; позволяет симулировать долгосрочные траектории и политику.
- Микросимуляции и обобщённые равновесные (CGE) или региональные модельные оценки для учёта общих равновесных эффектов (цен, заработных плат, миграции).
3) Оценка эффектов на труд
- Контрольные показатели: участие в рабочей силе, занятость, часы (интенсивная/экстensive маржа), заработки, поисковая активность, вакансии, увольнения.
- Метрики/модели: оценки эластичности предложения труда; изменения резервной заработной платы; анализ переходов между занят/безработен/вне рынка.
- Формулы: оценка эл. предложения труда (частный случай):
$$\Delta \text{hours}=\eta \Delta \text{BBI}+X^{\prime }\gamma +\epsilon .$$
4) Оценка эффектов на семейные отношения
- Исходы: браки/разводы, фертильность, распределение времени внутри семьи, домашний труд, решения по работе матери/отца, внутридомашнее распределение ресурсов, благополучие детей (здоровье, успеваемость).
- Методы: DiD/IV по административным записям браков/разводов и рождаемостей; тайм‑юз‑опросы для перераспределения времени; качественные интервью для механизмов; модели внутридомашнего распределения (bargaining models).
- Примеры тестов: изменение вероятности развода $\mathrm{Pr}({\text{divorce}}_{it})$ через логит/пропенсити‑скоринг с балансировкой.
5) Оценка последствий для местной экономики
- Кратко: оценить спрос, цены, занятость в фирмах, создание/закрытие бизнеса, муниципальные финансы и миграционные потоки.
- Методы:
- Локальная мультипликаторная оценка: измерение эффекта дохода на продажи/занятость.
- Вход‑выход или региональная CGE‑модель для оценки внешних эффектов и перераспределения.
- Пространственные модели для миграции/коммьютинга.
- Анализ фирм: панельные регрессии по занятости фирм, вакансиям и заработной плате.
- Уравнение спроса/цен: отслеживать локальные CPI/арендные ставки и тестировать:
$$\Delta \log p_{jt}=\alpha +\beta {\text{BBIShare}}_{jt}+\text{controls}+{\epsilon }_{jt}.$$
6) Необходимые данные (минимум и расширенный набор)
- Индивидуальные панели (до и после, периодичность: минимум годовые, лучше квартальные), переменные:
- демография: возраст, пол, образование, состав семьи;
- занятость: статус, отрасль, часы, зарплата, тип занятости;
- доходы: заработная плата, трансферы (включая BBI), другие доходы;
- поиск работы, вакансии, рацион принятия решений;
- здоровье, образование детей, требования ухода.
- Тайм‑юз (time‑use) для оценки перераспределения рабочего/домашнего времени.
- Административные данные: регистры занятости, налоги/платежи, записи о браках/разводах/рождениях, выплаты пособий.
- Фирменные данные: число предприятий, занятость в фирмах, вакансии, продажи, цены.
- Локальные агрегаты: розничные продажи, арендные ставки, индекс цен, муниципальные бюджеты, криминал, миграционные потоки.
- Качественные данные: интервью, фокус‑группы для механизмов и побочных эффектов.
- Метаданные: информация о соблюдении условий и фактическом получении средств (take‑up), размер и регулярность выплат.
- Длина панели: для долгосрочной оценки желательно $\ge 5$–$10$ лет; частота наблюдений планируется так, чтобы фиксировать быстрые реакции (кв./полуг.) и долговременные тренды.
7) Дизайн сбора и валидация
- Базовый замер (baseline) до старта, затем как минимум midline и endline; для долгосрочных эффектов — периодические последующие замеры.
- Размер выборки и статистическая мощность: сделать power‑анализ на ожидаемые эффекты (например, ожидаемое изменение участия $\Delta p$).
- Связка опросов с административными данными по идентификаторам.
- Предусмотреть измерение внешних шоков (кризисы, локальные изменения спроса), которые могут исказить долгосрочные выводы.
8) Проверки робастности и интерпретация
- Placebo‑тесты, разные спецификации, оценка гетерогенности (пол, доход, возраст, домовладение).
- Разделение эффектов на механизмы: временные ресурсы vs. денежный эффект vs. психология/благоустройство.
- Учёт общих равновесных эффектов: если выплата даёт значимый доход населению, локальные цены/зарплаты могут измениться — нужны модели общего равновесия.
Рекомендуемые приоритеты: если можно — RCT + длительная панель (≥$5$ лет) + административная связка; при отсутствии рандома — DiD/synthetic control + структурная микросимуляция для долгосрочных прогнозов.