Кратко о сопоставлении понятий
- Социальная мобильность — степень изменения социально‑экономического статуса индивида относительно статуса его родителей (межпоколенная мобильность) или перемещения между слоями внутри жизни (интрагенерационная). Обычно измеряется через межпоколенную эластичность доходов (IGE), ранговый наклон (rank‑rank slope) и вероятности перехода между классами.
- Неравенство возможностей — доля вариации результатов (дохода, образования и т. п.), которая обусловлена обстоятельствами, не зависящими от усилий индивида (семейное происхождение, место рождения, пол и т. п.). В формуле часто представляется как доля дисперсии, объясняемая обстоятельствами.
Ключевая связь: если больше вариации результата объясняется обстоятельствами (высокое неравенство возможностей), то межпоколенная мобильность снижается — происхождение сильнее детерминирует исходы. Гипотеза: по мере роста неравенства возможностей социальная мобильность падает.
Эмпирический план исследования (шаги)
1) Вопросы и гипотезы
- Основная гипотеза: регионы/когорты с более высоким неравенством возможностей демонстрируют более низкую межпоколенную мобильность.
- Доп. гипотезы: эффект усиливается для низших квинтилей доходного распределения; влияние медиаторов (доступ к образованию, здравоохранению) частично объясняет связь.
2) Данные
- Источник: RLMS‑HSE (российское лонгитюдное обследование), если возможно дополнить административными данными (НДФЛ/пенсионные), данные переписи/выборок по регионам.
- Переменные: текущий доход/постоянный доход взрослого (Y_child), доход/статус родителей в юности (Y_parent) или образование/профессия родителей (C — обстоятельства), регион, год рождения, пол, миграция, образование ребенка, показатели доступа к услугам.
- Выборка: когорты, у которых можно надежно измерить родительский статус (взрослые 30–50 лет).
3) Измерения
- Межпоколенная эластичность дохода (IGE): оценить коэффициент в регрессии
$$\log Y_{child}=\alpha +\beta \log Y_{parent}+\epsilon ,$$ где низкая $\beta$ = высокая мобильность.
- Rank‑rank slope: ранги доходов детей против рангов родителей; наклон $\rho$.
- Неравенство возможностей (IOp) — доля дисперсии, объясняемая обстоятельствами:
$$IOp=\frac{\mathrm{Var}(\mathbb{E}[Y\mid C])}{\mathrm{Var}(Y)}.$$ Альтернативно оценка через регрессию дохода на набор обстоятельств и взятие объяснённой дисперсии.
4) Идентификация взаимосвязи
- Аналитика на двух уровнях:
a) Индивидуальный уровень: оценить мобильность и включить меры возможностей в модель как факторы/медиаторы.
b) Региональный/когортный уровень: для каждого региона (или когорты) вычислить IOp и мобильность (${\beta }_r$, ${\rho }_r$), затем регрессировать:
$$Mobilit{y}_r={\gamma }_0+{\gamma }_{1}IO{p}_r+X_r^{\prime }\gamma +u_r,$$ где $X_r$ — контрольные переменные региона (уровень дохода, занятость, бюджет на образование и т. п.). Ожидаемый знак ${\gamma }_1<0$.
- Квазиейдинстенные стратегии для причинности:
- Использовать квази‑эксперименты (школьные реформы, изменения финансирования образования, доступность вузов) как инструменты для изменения возможностей в отдельных регионах/когортах — 2SLS.
- Сравнение соседних регионов с разными политиками (разностные методы, diff‑in‑diff) для проверки изменений мобильности после реформ.
- Сиблинг/семейные фикс‑эффекты для контроля неконтролируемых семейных факторов при оценке влияния вмешательств в возможности.
5) Контроль за проблемами оценивания
- Смещение измерения дохода родителей (ретроспективная ошибка) — использовать альтернативные индикаторы (образование, профессия) и усреднённые/лонгитюдные показатели.
- Отбор в выборке (миграция, недоступность административных данных) — корректировать весами и тестировать чувствительность.
- Эндогенность медиаторов (образование ребенка): использовать IV (реформы образования, дистанция до школ/университетов в молодости).
- Проверки на устойчивость: разные метрики мобильности (IGE и rank‑rank), разные наборы обстоятельств для IOp, разные возрастные когорты.
6) Оценка вкладов и декомпозиция
- Декомпозиция изменения мобильности по каналам: вклад образования, здравоохранения, рынка труда.
- Применить методику «атрибуции» или Oaxaca‑Blinder‑подобную декомпозицию для выяснения, какие обстоятельства больше всего увеличивают IOp.
7) Статистика и мощность
- Для региональных регрессий нужна достаточная число регионов/кластеров — по возможности использовать субъекты РФ или более мелкие гео‑единицы; проводить бутстрэп для доверительных интервалов.
- На индивидуальном уровне обеспечить достаточно большие когорты для точной оценки $\beta$.
8) Интерпретация и политика
- Интерпретировать результаты в контексте «Great Gatsby» (корреляция между неравенством возможностей и мобильностью).
- На практике предлагать политики, снижающие IOp (целенаправленное финансирование начального/дошкольного образования, меры поддержки для семей с низкими ресурсами) и тестировать их влияние на мобильность.
Краткое резюме методологии
- Вычислить IOp (доля дисперсии, объяснённой обстоятельствами) и показатели межпоколенной мобильности (IGE, rank‑rank) по регионам/когортам.
- Оценить связь на уровне регионов: регрессировать мобильность на IOp с набором контролей; использовать IV/реформы для причинной интерпретации.
- Применить сиблинг‑FE, альтернативные метрики и декомпозиции для проверки механизмов и устойчивости.
Если нужно, могу кратко расписать конкретную кодовую схему (статы/R/Python), список переменных RLMS и пример спецификации 2SLS для выбранного инструмента.