Кратко и по существу — экономические и социальные последствия UBI в регионе с высоким безработицей, и какие данные/методы нужны для прогнозов.
Экономические последствия
- Снижение бедности и неравенства: прямой перевод приведёт к уменьшению доли населения ниже черты бедности и глубины нищеты (измерять через показатель дефицита бедности и Gini).
- Рост потребления и мультипликативный эффект: прирост потребления ≈ средняя предельная склонность к потреблению (MPC) умножить на сумму выплаты: $\Delta C\approx MPC\times B\times N$ (где $B$ — размер выплаты, $N$ — получатели).
- Давление на цены в краткосрочном горизонте (инфляция), особенно на локальные товары/услуги при ограниченном предложении.
- Воздействие на рынок труда:
- Снижение заинтересованности в неустойчивых/низкооплачиваемых работах у части населения; величина эффекта зависит от эластичности предложения труда ${ϵ}_s$: $\Delta L\approx {ϵ}_s\frac{\Delta w}{w}L$.
- Возможный рост предпринимательства и поисковой активности за счёт страховки дохода.
- Бюджетный эффект: общая стоимость $\text{Cost}=B\times N$. Нетто-стоимость = $\text{Cost}-\text{экономия на трансферах}-\Delta \text{налоговые поступления}$.
- Эффекты по секторам: рост спроса на услуги (розница, ЖКХ, транспорт), влияние на формальную/неформальную занятость.
Социальные последствия
- Улучшение здоровья и благосостояния: снижение стресса, улучшение показателей по питанию и здравоохранению.
- Рост инвестиций в образование/переквалификацию (если выплаты стабильны).
- Снижение преступности и правонарушений, связанных с бедностью.
- Социальная стабильность и изменение миграционных потоков (внутренних/внешних) в зависимости от относительной щедрости выплат.
- Снижение стигмы по сравнению с целевыми пособиями, но возможная политическая реакция/социальное напряжение при восприятии несправедливости распределения.
Какие данные нужны для прогноза
- Микроуровневые данные по домохозяйствам: доходы, потребление, источники дохода, сбережения, долги, состав домохозяйства, демография.
- Данные по рынку труда: статус занятости, часы работы, ставки заработной платы, длительность поиска, навыки, сектор занятости, неформальная занятость.
- Административные данные: налоговые поступления, расходы на социальные программы, регистрация получателей, выплаты.
- Ценовые данные по товарам/услугам и индексы инфляции по регионам/сектором.
- Данные по предпринимательской активности: регистрация фирм, самозанятость.
- Данные по здоровью, образованию, преступности и миграции для оценки социальных эффектов.
- Исторические и пространственные данные (панели/кросс-секции) для идентификации эффектов.
- Параметры производственных связей для моделирования общего равновесия (input–output таблицы или SAM).
Методы оценки и моделирования
- Экспериментальные методы:
- РКИ (рандомизированный контрольный эксперимент) для оценок causal effects на потребление, труд, здоровье. Для планирования выборки использовать формулу мощности, напр.: $n=\frac{2{\sigma }^2(z_{1-\alpha /2}+z_{1-\beta }{)}^2}{{\Delta }^2}$.
- Квазиикспериментальные:
- Разница в разностях (DiD) при наличии введения в одних территориях и отсутствии в других.
- Регрессия прерывания (RDD), если есть порог для получения.
- Синтетический контроль для оценки региональных пилотов.
- Инструментальные переменные (IV) для устранения обратной причинности.
- Микросимуляция:
- Бюджетно-распределительная микросимуляция для оценки распределительных и фискальных эффектов по доходным группам.
- Динамическая микросимуляция для долгосрочных эффектов (накопления, поведенческие изменения).
- Макро/общее равновесие:
- CGE-модели или макроэкономические модели для оценки инфляции, занятости и взаимодействия рынков (товары/труд/капитал).
- Структурные модели рынка труда:
- Моделирование резервных заработных плат, поиска и подбора работы (search-and-matching), чтобы спрогнозировать влияние на безработицу и длительность поиска.
- Анализ чувствительности и сценариев:
- Варианты по уровню выплаты $B$, таргетированию, финансированию (налоги, перераспределение), и по допущениям о MPC и эластичностях.
- Оценка распределительных эффектов:
- Измерители бедности (headcount, poverty gap), неравенства (Gini, Palma), фискальная инцидентность.
- Кросс-валидация результатов: комбинировать RCT/квазиподходы с моделями общего равновесия.
Практические рекомендации для прогноза
- Начать с пилота с RCT или фазового внедрения + сбор панельных данных.
- Подготовить базовую линию (baseline) и ключевые индикаторы (потребление, часы работы, доходы, здоровье, образование, преступность).
- Оценивать кратко-, средне- и долгосрочные эффекты, проводить стресс‑тесты фискальной устойчивости.
- Учитывать гетерогенность по возрасту, полу, образовательному уровню, формальной/неформальной занятости.
(Ключевые переменные для моделирования: $B$, $N$, $MPC$, ${ϵ}_s$ — эластичность предложения труда, бюджетный баланс $\Delta F$, показатели бедности и неравенства.)