Моделирование репродуктивного поведения россиян в периоды шоков 2000-2023 годов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Горский Дмитрий Ильич

• Горский Дмитрий Ильич
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Горский Дмитрий Ильич

Введение

Глава 1. Оценка влияния экономических шоков на рождаемость в России: программы материнского капитала и рецессия 2014 года

1.1 Программы материнского капитала в России и интервал между рождениями первого и второго ребенка

1.1.1 Описание программ материнского капитала и других факторов, влияющих на рождаемость

1.1.2 Методология исследования

1.1.3 Данные для анализа

1.1.4 Результаты анализа

1.1.5 Выводы об оценке влияния программ материнского капитала

1.2. Рождаемость в России в период рецессии 2014 года

1.2.1 Связь рождаемости с экономическими кризисами

1.2.2 Анализ результатов и выводы о связи рождаемости с экономическими кризисами

Глава 2. Влияние социоэкономических факторов на репродуктивные намерения россиян с детьми в начале пандемии СОУЮ-19 в 2020 году

2.1 Рождаемость в период пандемии СОУЮ-19

2.2 Данные и методология для анализа репродуктивных намерений россиян в начале пандемии СОУЮ-19

2.3 Результаты анализа

2.4 Оценка гетерогенности эффектов воздействия ковид-локдауна для разных групп населения

2.5 Выводы по главе

Глава 3. Изменение репродуктивных намерений россиян в период шоков 20222023 годов

3.1 Факторы изменения репродуктивных намерений россиян в период шоков 2022-2023 годов

3.2 Анализ результатов выборочного обследования населения в мае 2023 года

3.3 Модели изменения репродуктивных намерений

3.4 Результаты анализа

3.4.1 Определение наиболее значимых групп факторов

3.4.2 Результаты модели множественного выбора

3.4.3 Оценка результатов для подвыборок: семей с детьми и без детей, младше 30 лет и старше

3.4.4 Неоднородность репродуктивных намерений населения: метод честных деревьев

3.5 Выводы по главе

Заключение

Список литературы

Приложения

Введение

Введение диссертации (часть автореферата) на тему «Моделирование репродуктивного поведения россиян в периоды шоков 2000-2023 годов»

Актуальность исследования

В 2009 году численность населения России достигла минимального значения (142.7 млн человек) за период 2001-2024 годов (в границах 2014 года), согласно данным Росстата. В целом за десять лет, с 2011 по 2020 год, наблюдался небольшой рост численности населения с учетом миграции до 147.8 млн человек в 2018 году. Однако если рассматривать только естественный прирост населения в Российской Федерации, то с 2016 года этот показатель вновь становится отрицательным. В 2021 году естественная убыль населения достигла максимального значения в XXI веке (1 млн человек), в основном за счет роста показателей смертности во время пандемии коронавируса (COVID-19)1.

Правительство уже второе десятилетие ставит цель вывести показатели естественного прироста населения в позитивную зону, и один из самых известных способов, за счет которого этого добиваются - федеральная программа материнского капитала, введенная с 2007 года. В последние годы стимулирование рождаемости осуществляется за счет комплекса пронаталистских мер в рамках национальных проектов «Демография» (с 2019 по 2024 годы) и «Семья» (с 2025 по 2030 годы). В исследовании изучается эффективность федеральной программы материнского капитала как самой знаковой меры стимулирования рождаемости в России, но выявляются и другие факторы, влияющие на репродуктивные намерения и фактическую рождаемость.

Динамику рождаемости в России с 2000 года можно разделить на три этапа (Фрейка, Захаров, 2014; Захаров, 2023). С 2000 по 2007 год наблюдается медленный рост абсолютного числа рождений 2. Ученые объясняют это экономическими

1 Данные Росстата, секция Демография, Численность и состав населения

2 Данный показатель зависит от численности населения, возрастно-половой и брачной

структуры и от конъюнктурных событий (экономический кризис или подъем, военные события, природные катастрофы, семейно-демографическая политика).

причинами и демографическими — когортными эффектами. Репродуктивного возраста достигает многочисленная когорта 1980-х годов рождения — дети послевоенного поколения. При этом растут экономические показатели: ВВП, заработные платы, снижается безработица 3. С 2008 по 2014 год рост числа рождений ускоряется: российская экономика быстро восстанавливается после мирового кризиса 2008 года, с 2007 года начинает действовать федеральная программа материнского капитала, и с каждым годом увеличивается информированность населения о существовании программы (Slonimczyk, Yurko, 2014). В 2011 и 2012 годах в 85% регионов России вводятся региональные программы материнского капитала (Vakulenko et al., 2024) 4. Но с 2015 года начинается период падения числа рождений (Петрякова, 2016). В наиболее активный репродуктивный возраст входит малочисленная когорта 1990-х годов. Дополнительное негативное влияние оказывает череда экономических кризисов, эффекты санкций и контрсанкций и падение цен на нефть приводят к обвалу рубля 2014-2015 годов (Борисова и др., 2016), в 2020 году случается пандемия COVID-19, с 2022 — российско-украинский конфликт. При этом большая часть авторов исследований, касающихся этого периода, описывают долгосрочную динамику показателей рождаемости, а не приводят количественные оценки влияния недавних эпидемиологических, социальных и экономических шоков. Поэтому особенно востребованными становятся работы, в которых с помощью различных статистических методов удается разделить эффекты различных факторов и количественно оценить их величину. Необходимость учета внешних, контекстных событий обычно вызывает наибольшую методологическую сложность в демографии и подчеркивается в статье Бирюковой и Козлова (2023).

3 Объем ВВП за 2000-2008 гг. вырос на 83%, реальная зарплата выросла в 3.4 раза, уровень безработицы снизился с 10.6% до 6.3%. Кудрин А.Л., Гурвич Е.Т. (2014) Новая модель роста для российской экономики. Вопросы экономики, (12): 4-36.

4 При этом в одних регионах региональные программы продлены до текущего момента, а в других уже отменены.

Применение эконометрических методов и методов машинного обучения позволяет показать, как в периоды социально-экономических шоков с 2000 по 2023 годы в России изменяется влияние различных факторов на показатели рождаемости (интервал между рождениями первого и второго ребенка и вероятность рождения второго ребенка, годовой темп прироста абсолютного числа рождений, вероятность намерений родить еще одного ребенка, вероятность изменения репродуктивных намерений). В экономике под шоком понимается резкое изменение экономических зависимостей в результате внешних воздействий. В данном исследовании рассматриваются следующие воздействия: введение программ материнского капитала на федеральном и региональном уровнях; снижение мировых цен на нефть и введение экономических санкций и контрсанкций, результатом чего становится валютный кризис 2014-2015 годов; пандемия COVID-19; российско-украинский конфликт. Использование современного статистического инструментария позволяет разделять эффекты факторов различной природы и включать в модель характеристики различного уровня: индивидуального, уровня домохозяйства и уровня регионов. Используя свежие микроэкономические данные и акцентируя внимание на экономических, а не только демографических взаимосвязях, возможно количественно объяснить причины падения показателей рождаемости в последние годы и предложить модификации мер семейно-демографической политики.

В исследовании помимо таких демографических показателей рождаемости как вероятность рождения второго ребенка и абсолютное число рождений используются и социологические — показатели репродуктивных намерений. Хотя намерения могут быть неустойчивыми в краткосрочном периоде, данные показывают, что они обладают достаточной предсказательной силой для объяснения динамики рождаемости (Kodzi et al., 2010). В работе Макаренцевой и Бирюковой (2023) отмечается, что уровень реализации положительных репродуктивных намерений в течение 3 лет в России с первой половины 2000-х годов является стабильным и составляет 40%, реализация отрицательных

намерений — 97%. Таким образом, они помогают фиксировать настроения в обществе и служат предикторами для будущей динамики рождаемости.

Объект, предмет исследования

Объект исследования данной диссертационной работы — показатели репродуктивного поведения: намерений и рождаемости в России в период с 2000 по 2023 годы. Предмет исследования — микро- и макроэкономические факторы рождаемости и репродуктивных намерений в периоды экономических и иных шоков.

Цель и задачи исследования

Цель данного исследования - анализ динамики репродуктивного поведения: намерений и рождаемости в России с 2000 по 2023 годы и объяснение влияния на неё микро- и макроэкономических факторов в периоды шоков различной природы.

Задачами исследования являются:

1. Систематизация научной литературы по вопросам выявления факторов, влияющих на показатели рождаемости на микроуровне, на уровне домохозяйства, на макроуровне; оценки эффективности политик по стимулированию рождаемости; анализа рождаемости в периоды шоков: экономических кризисов и пандемии COVID-19; связи намерений и рождаемости; роли субъективных факторов и концепции нарративов будущего.

2. Разработка эконометрических моделей длительности для выявления роли федеральной и региональных программ материнского капитала в изменении интервала между рождениями первого и второго ребенка.

3. Количественная оценка эффектов воздействия экономического кризиса 2014 года на показатели рождаемости в России.

4. Построение микроэконометрических моделей для оценки влияния социально-экономических факторов на репродуктивные намерения россиян с детьми в начале пандемии COVID-19.

5. Применение методов машинного обучения и эконометрики для исследования роли субъективных факторов в формировании репродуктивных намерений в период социально-экономических шоков 2022-2023 гг., возникших во время российско-украинского конфликта.

6. Разработка моделей честных деревьев и применение статистических тестов для выявления неоднородности эффектов пандемии и шоков 2022-2023 годов на намерения родить для индивидов с различными характеристиками.

Степень разработанности темы исследования

Рассмотрим основные теоретические подходы к выявлению закономерностей между деторождением и экономическими факторами. Беккер предложил рассматривать деторождение как процесс принятия рационального решения в рамках стандартной неоклассической модели потребительского спроса (Becker, 1960). Его постулат состоял в сравнении детей с «товарами длительного пользования». Когда родители воспитывают детей и тратят на них свои ресурсы, они увеличивают «полезность» детей для себя, что формирует «стоимость» детей. В модели (Becker, Lewis, 1973) предложено, что при росте зарплаты ценность времени женщины также растет, и рождение ребенка становится для женщины экономически «невыгодным». Отсюда следует, что при наличии большого дохода семья может инвестировать в ребенка больше средств, тем самым увеличивая его «качество». При этом чем дороже стоит время родителей, тем менее выгодно тратить его на вынашивание и воспитание детей. Тем самым более богатые семьи делают выбор в пользу меньшего количества детей большего «качества». Другой популярной теоретической моделью, связывающей доход и показатели рождаемости, является так называемая гипотеза Истерлина (Easterlin 1966, 1987). Её суть в том, что уровень рождаемости зависит от способности молодых пар достичь уровня жизни, равного или лучшего, чем у них было в детстве. Пары с более

высоким относительным доходом (доход по сравнению с ожиданиями) чаще вступают в брак в молодом возрасте и имеют больше детей, тогда как при экономических трудностях брак и рождение детей откладываются. Однако в современных работах, объясняющих динамику рождаемости, находит подтверждения теория, что теперь в развитых странах рождаемость меньше зависит от дохода, а занятость женщин может даже способствовать росту рождаемости (Goldin, 2021; Doepke et al., 2023). Новые модели объясняют это через факторы, помогающие женщинам совмещать карьеру и семью: семейно-демографическая политика, участие отцов в воспитании детей, более благоприятные социальные нормы и гибкость рынков труда.

В эмпирических работах на ранних этапах изучения изменений репродуктивного поведения под влиянием шоков фокус внимания исследователей был в большей степени сосредоточен на объективных факторах. Основными переменными, обычно включаемыми в эконометрические модели, являлись социально-демографические характеристики респондентов. На индивидуальном уровне это пол индивида, его возраст, место проживания, уровень образования, брачный статус, наличие братьев и сестер, состояние здоровья (Amuedo-Dorantes, Kimmel, 2005; Gustafsson, 2001; Kneale, Joshi, 2008). На уровне домохозяйства на репродуктивное поведение может влиять состав семьи (количество уже рожденных детей и их возраст), жилищные условия, разделение домашнего труда в паре (Cooke, 2009; Goldin, 2006; Olah, 2003). На макроуровне на показатели рождаемости влияют доступность жилья, охват дошкольными учреждениями, вероисповедание, распространенное в регионе (Казенин, Козлов, 2016; Рощина, Бойков, 2005).

Большой пласт эмпирической литературы посвящен исследованию связи экономических показателей и показателей рождаемости. Наиболее подробно изучено влияние экономических кризисов. В ряде работ наблюдается проциклическая связь между состоянием экономики и рождаемостью. Эта связь

широко иллюстрируется примерами наиболее известных шоков: экономическим кризисом 2007-2009 годов, нефтяным кризисом 1970-х годов, распадом СССР, снижением производства в Японии (Goldstein et al., 2013; Adsera, 2011; Philipov, Kohler, 2001; Ogawa, 2003). Исследователи подчеркивают роль располагаемого дохода и демонстрируют, что на практике ввиду высокой неопределенности люди не могут отделить краткосрочный период спада на рынке труда от долгосрочного, а также определить, окажет ли нынешний кризис долгосрочное влияние на уровень их доходов, что приводит к решению отложить рождение детей (Lin, 2010; Adsera, Menendez, 2011; Aassve et al., 2021; Ranjan, 1999; Wang et al., 2022), особенно у молодых пар. Также существуют работы, где показано, что абсолютные показатели рождаемости могут быть прогнозными индикаторами для экономического роста (Buckles et al., 2021). Авторы показывают, что темпы прироста числа зачатий начинают снижаться за несколько кварталов до начала рецессии.

Ещё одним важным экономическим фактором являются меры семейно-демографической политики по поддержке рождаемости. В России самая известная из программ — это федеральная и региональные программы материнского (семейного) капитала (МСК). В нескольких статьях (Slonimczyk, Yurko, 2014; Sorvachev, Yakovlev, 2019) при использовании современного инструментария, позволяющего выявить причинно-следственную связь между мерами государственной политики и изменением показателей рождаемости, обнаружено положительное влияние федеральной программы материнского капитала на суммарный коэффициент рождаемости как в краткосрочной, так и в долгосрочной перспективе. В России наиболее популярным направлением использования средств МСК с первого года действия федеральной программы является улучшение жилищных условий, что ограничивает возможности для прямого сравнения результатов с мировыми практиками стимулирования рождаемости: прямыми денежными выплатами и изменением продолжительности декретного отпуска (Gonzalez, 2013; Canaan, 2022). Все более востребованными становятся исследования, затрагивающие региональные программы материнского капитала,

их положительное влияние на вероятность рождения второго и третьего детей подтверждается в статьях (Вакуленко и др. 2023а, Денисова и др., 2024).

В большинстве исследований, изучающих влияние пандемии COVID-19 и её последствий на рождаемость, приводится вывод о снижении суммарного коэффициента рождаемости (Wang et al., 2022, Вакуленко и др., 2022). В качестве причин снижения показателей рождаемости в этот период в основном называются материальные трудности, риски, связанные со здоровьем женщины и ее будущего ребенка, ухудшение отношений между партнерами, рост числа разводов, неопределенность. Примечательно, что исключение из данного правила составили лишь скандинавские страны с высоким уровнем расходов на государственную поддержку населения (Lappegard et al., 2022, Neyer et al., 2022, Nisen et al., 2022), где, наоборот, наблюдалось даже положительное влияние пандемии на рождаемость (например, на количество зачатий в Норвегии при сравнении показателей за несколько месяцев до и после введения локдауна).

Более современный подход к изучению изменений репродуктивного поведения под влиянием шоков включает в анализ, помимо объективных, субъективные факторы. В исследованиях изменения рождаемости начали включать переменные, связанные с эмоциями, которые испытывают респонденты относительно происходящего кризиса (Philipov, 2003; Billari et al., 2009). Кроме того, было замечено, что степень изменения репродуктивных намерений может варьироваться в зависимости от страны, которая столкнулась с кризисом. В странах с высоким уровнем доверия населения к политике государства потенциальные родители реже откладывают рождение детей или отказываются от него под воздействием шоков (Aassve et al., 2021). Решение сместить фокус с объективных характеристик на субъективные также поддерживает концепция нарративов будущего (Vignoli et al., 2020a). Поскольку людям часто приходится принимать решения в условиях ограниченной информации, чтобы дополнить картину мира, они могут также опираться на свои ожидания и представления, которые были

сформированы в процессе обработки информации. Из этих компонентов затем формируются предполагаемые версии будущего, из которых создаются репродуктивные намерения. Учитывая, что процесс рождения от решения родить ребёнка до его появления занимает длительный период, люди вынуждены действовать в условиях неопределённости, а значит полагаться не только на текущие знания о настоящем, но и на свои представления о будущем, чтобы учесть все возможные риски (Vignoli et al., 2020Ь). Кроме переменных, напрямую отражающих эмоциональное состояние респондентов, хорошим предиктором может служить восприятие объективных факторов через призму субъективного отношения. Данные показывают, что субъективное восприятие уровня своего благосостояния и оптимизм относительно будущего влияют на решение о рождении ребёнка (Perelli-Harris, 2006). Так, после распада СССР падение рождаемости в образовавшихся странах (в том числе соседних странах Социалистического блока) носило схожий характер несмотря на то, что падение экономики в России или Болгарии было значительнее, чем в Чехии и Словении ^Ы^у, Dorbritz, 2003; Sobotka et al., 2011).

Научная новизна исследования

1. На основании предложенных спецификаций эконометрических моделей длительности установлено, что благодаря введению федеральной программы материнского капитала в 2007 году, сократился интервал между рождениями первого и второго ребенка. Также выявлена прямая положительная зависимость между размером федеральной и региональных выплат и вероятностью рождения второго ребенка.

2. С помощью методов оценки эффектов воздействия (разность разностей и синтетический контроль) кризиса 2014 года выявлено, что в России наблюдается проциклическая зависимость между экономическими показателями и абсолютными показателями рождаемости: резкое падение уровня ВВП вызывает спад числа рождений. При расчете времени от

момента зачатия оказывается, что показатели рождаемости начинают реагировать на рецессию с запаздыванием.

3. На основании предложенных спецификаций моделей бинарного выбора и различных моделей машинного обучения показано, что краткосрочное влияние COVID-19 в начале пандемии на репродуктивные намерения в России - ациклическое: население воспринимало период экономической нестабильности как время возможностей для деторождения. Однако шок, связанный с пандемией, оказывает меньшее влияние на намерения, чем объективные социально-экономические факторы.

4. Для периода шоков 2022-2023 годов на данных специально разработанной опросной анкеты5 и разработанных моделей с качественными зависимыми переменными изучена роль психологических факторов при принятии различных репродуктивных решений в моменты неопределенности. Показано, что значительное влияние на репродуктивные намерения россиян в период шоков оказывают субъективные факторы, связанные с усилившимися за последний год эмоциями респондентов (чувства тревоги и страха, умиротворения и счастья), менее значимыми оказываются объективные характеристики (возраст, пол, наличие партнера и детей). Таким образом, для России апробирована теория нарративов (Vignoli et а1., 2020а), суть которой заключается в том, что в периоды неопределенности индивиды принимают решение о рождаемости не только на основании своего понимания настоящего, но и субъективных представлениях о будущем.

5. а) На основании оцененных моделей честных деревьев в целом не обнаружено гетерогенности эффектов пандемии на намерения родить еще одного ребенка для разных групп респондентов, кроме подвыборки с

5 База данных «Репродуктивное поведение населения в условиях социально-экономических шоков 20202022 годов», номер РИД 6.0042-2023. Вакуленко Е.С., Бирюкова С.С., Макаренцева А.О.

доходами на душу домохозяйства выше среднего: на них пандемия оказывает более сильное воздействие.

б) С помощью моделей множественного выбора в условиях принятия решений об изменении репродуктивных намерений во время шоков 20222023 годов показаны различия для респондентов до и после 30 лет, а также с детьми и без детей: на отказ от рождения ребенка более вероятно решаются более возрастные женщины или женщины, у которых есть дети. Важной частью каждой из глав исследования является модификация существующих методов эконометрического моделирования и методов машинного обучения для учета особенностей российской экономики, наличия структурных сдвигов и их адаптация к моделированию репродуктивного поведения.

Методология исследования

В диссертации используются эконометрические модели и модели машинного обучения. Набор эконометрических моделей включает: модели длительности (модель пропорциональных рисков Кокса и модели ускоренного времени), метод разности разностей, метод синтетического контроля, модели бинарного выбора, модели множественного выбора. Набор методов машинного обучения включает: регрессию лассо, регрессию ридж, метод случайного леса, метод опорных векторов, метод двойного машинного обучения (Double Machine Learning) для оценки эффектов воздействия, метод честных деревьев для выявления гетерогенности эффектов воздействия и кластеризацию открытых вопросов анкет методом K-средних.

Исследования выполнены на следующих российских и международных базах данных: данные Российского мониторинга экономического положения и здоровья населения (РМЭЗ) НИУ ВШЭ с 2000 по 2019 годы, данные Росстата6 с 2000 по 2019 годы, База данных по рождаемости (Human Fertility Database) с 2011 по 2017 годы,

6 Федеральная служба государственной статистики

данные Организации экономического сотрудничества и развития (OECD) с 2011 по 2017 годы, данные опроса Человек, семья, общество (ЧСО)7 (май 2020), данные выборочного обследования НИУ ВШЭ8 (май 2023).

Положения, выносимые автором на защиту

1. После введения федеральной программы материнского капитала сократился интервал между рождениями первого и второго ребенка: интенсивность потока рождений второго ребенка — мгновенная вероятность рождения (функция риска) — на 88.1% выше для женщин, имеющих право на участие в программе. Индексация размера федеральной программы материнского капитала приводит к увеличению интенсивности потока рождений второго ребенка на 2.1%, индексация размера региональной программы на третьего ребенка — на 4.2%;

2. Падение годового темпа прироста числа рождений, вызванное экономическим кризисом 2014 года, составляет 8 процентных пунктов. Абсолютные показатели рождаемости реагируют на рецессию спустя год и девять месяцев после ее начала;

3. Пандемия оказала влияние только на краткосрочные репродуктивные намерения (до трех лет с момента опроса), но не изменила общих намерений на горизонте всего репродуктивного периода. Влияние пандемии значимо меньше индивидуальных факторов и мер

w n w

государственной поддержки материнства. В частности, важнейшим фактором для намерений родить второго и последующих детей (наибольший вклад в объяснение дисперсии — 54%) является возраст

7 Данные телефонного выборочного количественного опроса «Человек, семья, общество - 2020» (ЧСО), который был проведен Институтом социального анализа и прогнозирования РАНХиГС в марте-мае 2020 года по репрезентативной выборке. Рогозин Д., Макаренцева А., Карцева М., Галиева Н., Мануильская К., Бурдяк А., Гришина Е. (2021). Человек, семья, общество 2020-21

8 База данных «Репродуктивное поведение населения в условиях социально-экономических шоков 20202022 годов», номер РИД 6.0042-2023. Вакуленко Е.С., Бирюкова С.С., Макаренцева А.О.

респондента, то есть объективные физиологические ограничения (особенно этот фактор значим для женщин). Вторым по значимости фактором является возможность получить материнский капитал на второго ребенка (вклад — 14%). Количество уже имеющихся детей в семье отрицательно связано с намерением родить последующих детей, что объясняется реализацией репродуктивных намерений (вклад — 11%). Группу важнейших факторов для намерений родить детей замыкает наличие жилья, необходимое для расширения семьи (вклад — 11%);

4. В период шоков 2022-2023 годов наиболее важные факторы для изменений репродуктивных намерений — психологические (тревожность, страх, удовлетворенность жизнью), а также отношение к курсу страны. Эти группы факторов вносят 60% в объяснение дисперсии. Наличие детей, чувство тревожности и страха, несогласие с курсом страны положительно связаны с решением отложить или отказаться от рождения ребенка. Стабильное или растущее благосостояние, значимость маткапитала для респондента, поддержка курса страны, физиологические дедлайны, чувство счастья связаны с увеличением вероятности родить или ускорить рождение ребенка, несмотря на общую неопределенность и экономические шоки;

5. а) Для подвыборки с доходами на душу домохозяйства выше среднего в регионе (отношение дохода на душу домохозяйства к прожиточному минимуму в регионе от медианы до третьего квартиля) эффект воздействия пандемии в два раза больше эффекта воздействия для всей выборки (0.12 против 0.061). Скорее всего это связано с тем, что упущенные возможности для этой группы населения (простой, потеря заработков, безработица) во время пандемии оказались выше, чем для других, а значит альтернативная стоимость детей в этот период для них оказалась ниже.

б) Во время шоков 2022-2023 годов связь негативных эмоций с отказом от рождения сильнее проявляется среди женщин в возрасте после 30 лет по сравнению с более молодыми женщинами. Однако такие факторы, как

высокая общая удовлетворенность жизнью и высокая субъективная оценка материального положения частично нивелируют эффект тревожности: такие респонденты с меньшей вероятностью отказываются от рождения детей (средний эффект воздействия для данной подвыборки 0.14 против 0.20 для всей выборки).

Список литературы диссертационного исследования кандидат наук Горский Дмитрий Ильич, 2025 год

Список литературы

Бирюкова С.С., Козлов В.А. (2023). Демографические исследования в современном контексте: долгосрочные тренды развития и влияние внешних шоков. Мониторинг общественного мнения: экономические и социальные перемены. (2): 3-13. https://doi.Org/10.14515/monitoring.2023.2.2412

Борисова И.Ю., Замараев Б.А., Козлова И.Г., Назарова А.Г., Суханов Е.Ю. (2016). Российская экономика под гнетом санкций и дешевой нефти. Вопросы экономики. (7):5-35. https://doi.org/10.32609/0042-8736-2016-7-5-35

Вакуленко Е.С., Горский Д.И., Кондратьева В.П., Трофименко И.А. (2024). Репродуктивные намерения россиян в 2022—2023 гг.: роль субъективных факторов. Вопросы экономики, (9):138-157. https://doi.org/10.32609/0042-8736-2024-9-138-157

Вакуленко Е.С., Макарова М.Р., Горский Д.И. (2022). Репродуктивные намерения и динамика рождаемости населения разных стран в период пандемии COVID-19: аналитический обзор исследований. Демографическое обозрение, 9(4): 138-159. https://doi.org/10.17323/demreview.v9i4.16747

Вакуленко Е.С., Ивашина Н.В., Свистильник Я.О. (2023а). Региональные программы материнского капитала: влияние на рождаемость в России. Экономика региона, 19(4): 1077-1092. https://doi.org/10.17059/ekon.reg.2023-4-10

Вакуленко Е.С., Митрофанова Е.С., Горский Д.И. (2023б) Репродуктивные намерения россиян с детьми в начале пандемии COVID-19. Вопросы экономики, (4): 85-102. https://doi.org/10.32609/0042-8736-2023-4-85-102

Денисова И.А., Калабихина И.Е., Кузнецова П.О. (2024). Оценка влияния региональной программы материнского капитала на рождаемость (на примере Ямало-Ненецкого автономного округа). Государственное управление.

Электронный вестник. 105: 232-243. https://doi.org/10.55959/MSU2070-1381-105-2024-232-243

Журавлева Т., Гаврилова Я. (2017). Анализ факторов рождаемости в России: что говорят данные РМЭЗ НИУ ВШЭ? Экономический журнал Высшей школы экономики, 21(1): 145-187.

Захаров С.В. (2023). История рождаемости в России: от поколения к поколению. Демографическое обозрение, 10(1): 4—43.

https://doi.org/10.17323/demreview.v10i1.17259

Казенин К., Козлов В. (2016). Омоложение материнства в Дагестане: тенденция или артефакт? (Предварительные результаты обследования сельского населения). Демографическое обозрение, 3(3). https://doi.org/10.17323/demreview.v3i3.1748

Макаренцева А.О. (2020). Влияние эпидемиологической ситуации на репродуктивные намерения населения. Мониторинг экономической ситуации в России тенденции и вызовы социально-экономического развития, 25-30. https://www.iep.rU/upload/iblock/2f2/3.pdf

Макаренцева А.О., Бирюкова С.С. (2023). Факторы, устойчивость и реализация репродуктивных намерений в России. Мониторинг общественного мнения: экономические и социальные перемены, (2 (174)), 31-56. https://doi.org/10.14515/monitoring.2023.2.2379

Макаренцева А.О., Галиева Н.И., Рогозин Д.М. (2021). (Не)желание иметь детей в зеркале опросов населения. Мониторинг общественного мнения экономические и социальные перемены, 492-515.

https://doi.or^g/10.14515/momtoring.2021.4.1871

Малева Т., Синявская О. (2006). Социально-экономические факторы рождаемости в России: эмпирические измерения и вызовы социальной

политике. Spero. Социальная Политика: Экспертиза. Рекомендации. Обзоры, 5. https://elibrary.ru/item.asp?id=234436062

Петрякова О.Л. (2016). Основные тенденции динамики доходов семей в период экономического кризиса. Статистика и Экономика. 13(5), 36-41. https://doi.org/10.21686/2500-3925-2016-5-36-41

Рогозин Д., Макаренцева А., Карцева М., Галиева Н., Мануильская К., Бурдяк А., Гришина Е. (2021). Человек, семья, общество 2020-21. https://www.elibrary.ru/item.asp?id=46471213

Рощина Я., Бойков А. (2005). Факторы фертильности в современной России. EERC.

Тындик А. (2012). Репродуктивные установки и их реализация в современной России. Журнал исследований социальной политики, 10(3): 361376. https://jsps.hse.ru/a rticle/view/3471

Фрейка Т., Захаров С.В. (2014). Эволюция рождаемости в России за полвека: оптика условных и реальных поколений. Демографическое обозрение, 1(1): 106-143. https://doi.org/10.17323/demreview.v1i1.1828

Aassve, A., Le Moglie, M., Mencarini, L. (2021). Trust and fertility in uncertain tmes. Population Studies, 75(1), 19-36.

https://doi.org/10.1080/00324728.2020.1742927

Abadie, A. (2021). Using Syntheic Controls: Feasibility, Data Requirements, and Methodological Aspects. Journal of Economic Literature, 59 (2): 391-425. https://doi.org/10.1257/jel.20191450

Adsera, A. (2011a). The interplay of employment uncertainty and educaton in explaining second births in Europe. Demographic Research, S12 (16): 513-544. https://doi.org/10.4054/DemRes.2011.25.16

Adsera, A. (2011b). Where are the babies? Labor market conditions and ferti lity in Europe. European Journal of Population/Revue européenne de démographie, 27(1), 1-32. https://doi.org/10.1007/s10680-010-9222-x

Adsera, A., Menendez, A. (2011). Fertility changes in Lain America in periods of economic uncertainty. Population Studies, 65(1): 37-56. https://doi.org/10.1080/00324728.2010.530291

Amuedo-Dorantes, C., Kimmel, J. (2005). The Motherhood Wage Gap for Women in the United States: The Importance of College and Fertility Delay. Review of Economics of the Household, 3(1): 17-48. https://doi.org/10.1007/s11150-004-0978-9

Athey, S., Imbens, G. (2015). Recursive Partitioning for Heterogeneous Causal Effects. arXiv.org, No. 1504.01132. https://doi.org/10.48550/arXiv.1504.01132

Balbo, N., Billari, F. C., Mills, M. (2013). Fertility in Advanced Societies: A Review of Research: La fécondité dans les sociétés avancées: un examen des recherches. European journal of population = Revue europeenne de demographie, 29(1), 1-38. https://doi.org/10.1007/s10680-012-9277-y

Becker, G. (1960). An economic analysis of fertility. Demographic and Economic Change in Developed Countries, Columbia University Press, pp. 209-240.

Becker, G. S., Lewis, H. G. (1973). On the interaction between the quantity and quality of children. Journal of Political Economy, 81(2, Part 2), S279-S288. https://doi.org/10.1086/260166

Belloni, A., Chernozhukov, V., Hansen, C. (2013). Inference on Treatment Effects after Selection Among High-Dimensional Controls. The Review of Economic Studies, 81(2): 608-650. https://doi.org/10.1093/restud/rdt044

Billari, F. C., Philipov, D., Testa, M. R. (2009). Attitudes, norms and perceived behavioural control: Explaining fertility intentions in Bulgaria/Attitudes, normes et contrôle perçu du comportement: Une explication des intentons de fécondité en Bulgarie. European Journal of Population/Revue Europénne de Démographie, 439465. https://doi.org/10.1007/s10680-009-9187-9

Biryukova, S., Sinyavskaya, O. (2021) More Money — More Births? Estimating Effects of 2007 Family Policy Changes on Probability of Second and Subsequent Births in Russia. Monitoring of Public Opinion: Economic and Social Changes, 2, 48-72. https://doi.org/10.14515/ monitoring.2021.2.1830

Blanc, A. K. (2004). The role of conflict in the rapid fertility decline in Eritrea and prospects for the future. Studies in Family Planning, 35(4), 236-245. https://doi.org/10.1111/j.0039-3665.2004.00028.x

Boberg-Fazlic, N., Ivets, M., Karlsson, M., Nilsson, T. (2017). Disease and Fertility. Evidence from the 1918 Influenza Pandemic in Sweden. Social Science Research Network. https://dx.doi.org/10.2139/ssrn.2988181

Browning, M. (1992). Children and household economic behaviour. Journal of Economic Literature, 30 (3): 1414-1475. http://www.jstor.org/stable/2728065

Buckles, K., Hungerman, D., Lugauer, S. (2021). Is fertility a leading economic indicator? The Economic Journal, 131 (634), 541-565. https://doi.org/10.1093/ej/ueaa068

Butz, W. P., Ward, M. P. (1979). The Emergence of Countercyclical U.S. Fertility. The American Economic Review, 69(3), 318-328.

http://www.jstor.org/stable/1807367

Canaan, S. (2022). Parental leave, household specialization and children's well-being. Labour Economics, 75(C), https://doi.org/10.1016/j.labeco.2022.102127

Chahnazarian, A. (1988) Determinants of the sex ratio at birth: Review of recent literature. Social Biology, 35 (3-4), 214-235. https://doi.org/10.1080/19485565.1988.9988703

Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, Ch., Newey, N., Robins, J. (2018). Double/debiased Machine Learning for Treatment and Structural Parameters. The Econometrics Journal, 21(1), 1-68.

https://doi.org/10.1111/ectj.12097

Cooke, L. (2009). Gender Equity and Fertility in Italy and Spain. Journal of Social Policy, 38: 123-140. https://doi.org/10.1017/S0047279408002584

Cox, D. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34, 187-202. https://doi.org/10.1111/j.2517-6161.1972.tb00899.x

Doepke, M., Hannusch, A., Kindermann, F., Tertilt, M. (2023). The economics of fertility: A new era. Handbook of the Economics of the Family, 1(1), 151-254. https://doi.org/10.1016/bs.hefam.2023.01.003

Easterlin, R.A. (1966). On the Relation of Economic Factors to Recent and Projected Fertility Changes. Demography, 3(1), 131-153. https://doi.org/10.2307/2060068

Easterlin, R.A. (1987). Birth and Fortune: The Impact of Numbers on Personal Welfare. University of Chicago Press, 225 p.

Emery, T., Koops, J.C. (2022). The impact of COVID-19 on fertility behaviour and intentions in a middle income country. PLoS ONE, 17(1), e0261509. https://doi.org/10.1371/journal.pone.0261509

Goldin, C. (2006). The Quiet Revoluton That Transformed Women's Employment, Educaton, and Family. American Economic Review, 96(2), 1-21. https://doi.org/10.1257/000282806777212350

Goldin, C. (2021). Career and family. Women's century-long journey toward equity. Princeton University Press, 344 p.

Gorskiy, D. (2024). The Maternity Capital programs in Russia and the second birth spacing. Прикладная эконометрика, 75, 117-141. https://ideas.repec.org/a7ris/apltrx/0506.html

Goldstein, J. R., Kreyenfeld, M., Jasilioniene, A., Orsal, D. K. (2013). Fertility reactons to the "Great Recession" in Europe: Recent evidence from order-specific data. Demographic Research, 29, 85-104.

https://doi.org/10.4054/DemRes.2013.29.4

Gonzalez, L. (2013). The effect of a universal child benefit on conceptons, abortions, and early maternal labor supply. American Economic Journal: Economic Policy, 5(3), 160-88. http://dx.doi.org/10.1257/pol.53.160

Grambsch, P., Therneau, T. (1994). Proportional hazards tests and diagnostcs based on weighted residuals. Biometrika, 81 (3), 515-526. https://doi.org/10.1093/biomet/81.3.515

Grant, J., Hoorens, S., Sivadasan, S., van het Loo, M., DaVanzo, J., Hale, L., Gibson, S., Butz, W. (2004). Low Fertlity and Populaton Ageing: Causes, Consequences, and Policy Optons. Santa Monica, CA: RAND Corporation. https://doi.org/10.7249/MG206

Gustafsson, S. (2001). Optmal age at motherhood. Theoretcal and empirical consideratons on postponement of maternity in Europe. Journal of Population Economics, 14, 225-247. https://doi.org/10.1007/s001480000051

Israeli, O. (2007). A Shapley-based decomposition of the R-square of a linear regression. Journal of Economic Inequality, 5, 199-212. https://doi.org/10.1007/s10888-006-9036-6

Keil, T., Andreescu, V. (1999). Fertility policy in Ceausescu's Romania. Journal of Family History, 24 (4), 478-492. https://doi.org/10.1177/036319909902400405

Kneale, D., Joshi, H. (2008). Postponement and childlessness: Evidence from two British cohorts. Demographic Research, 19, 1935-1968. https://doi.org/10.4054/DemRes.2013.29.4

Kodzi, I. A., Johnson, D. R., Casterline, J. B. (2010). Examining the predictive value of fertility preferences among Ghanaian women. Demographic Research, 22, 965. https://doi.org/10.4054%2FDemRes.2010.22.30

Kravdal, 0., Rindfuss, R. (2008). Changing Relationships between Education and Fertility: A Study of Women and Men Born 1940 to 1964. American Sociological Review, 73(5): 854-873. https://doi.org/10.1177/000312240807300508

Lappegard, T., Kornstad, T., Dommermuth, L., Kristensen, A. (2023). Understanding the positive effects of the COVID-19 pandemic on women's fertility in Norway. Population and Development Review, 50(S1): 129-152. https://doi.org/10.1111/padr.12539

Lee, R., Mason, A. (2010). Fertility, Human Capital, and Economic Growth over the Demographic Transition. European Journal of Population / Revue européenne de Démographie, 26(2): 159-182. https://doi.org/10.1007/s10680-009-9186-x

Lin C.Y.C. (2010). Instability, investment, disasters, and demography: natural disasters and fertility in Italy (1820-1962) and Japan (1671-1965). Population and Environment, 31: 255-281. https://doi.org/10.1007/s11111-010-0103-3

Mooi-Reci, I., Trinh, T.-A., Vera -Toscano, E., Wooden, M. (2023). The impact of lockdowns during the COVID-19 pandemic on fertility intentions. Economics & Human Biology, 48. https://doi.org/10.1016/j.ehb.2022.101214

Neyer, G., Andersson, G., Dahlberg, J., Ohlsson-Wijk, S., Andersson, L., Billingsley, S. (2022). Fertility Decline, Fertility Reversal and Changing Childbearing Considerations in Sweden: A turn to subjective imaginations? Stockholm Research Reports in Demography. Preprint. https://doi.org/10.17045/sthlmuni.19698442.v2

Nisen, J., Jalovaara, M., Rotkirch, A., Gissler, M. (2022). Fertility recovery despite the COVID-19 pandemic in Finland? Finnish Journal of Social Research, 15, 2544. https://doi.org/10.51815/fisr.120361

Ogawa, N. (2003). Japan's changing fertility mechanisms and its policy responses. Journal of Population Research, 20, 89-106. https://doi.org/10.1007/BF03031797

Olah, L. (2003). Gendering fertility: Second births in Sweden and Hungary. Population Research and Policy Review, 22(2): 171-200. https://doi.org/10.1023/A:1025089031871

Orsal, D.K., Goldstein, J.R., (2010), The increasing importance of economic conditions on fertility, No WP-2010-014, MPIDR Working Papers, Max Planck Institute for Demographic Research. https://doi.org/10.4054/MPIDR-WP-2010-014

Perelli-Harris, B. (2006). The influence of informal work and subjective well-being on childbearing in post-Soviet Russia. Population and Development Review, 729-753. http://dx.doi.org/10.1111/j.1728-4457.2006.00148.x

Philipov, D., Dorbritz, J. (2003). Demographic consequences of economic transition in countries of central and eastern Europe (Vol. 39). Council of Europe.

Philipov, D., Kohler, H. P. (2001). Tempo effects in the fertility decline in Eastern Europe: evidence from Bulgaria, the Czech Republic, Hungary, Poland, and Russia. European Journal of Population/Revue Européenne de Démographie, 17, 37-60. https://doi.org/10.1023/A:1010740213453

Ranjan, P. (1999). Fertility Behaviour under Income Uncertainty. European Journal of Population, 15, 25-43. https://doi.org/10.1023/A:1006106527618

Sobotka, T., Skirbekk, V., Philipov, D. (2011). Economic recession and fertility in the developed world. Population and Development Review, 37 (2): 267-306. https://doi.org/10.1111/j.1728-4457.2011.00411.x

Sorvachev, I., Yakovlev, E. (2019). Short- and Long-Run Effects of a Sizable Child Subsidy: Evidence from Russia. IZA Discussion Papers 13019, Institute of Labor Economics (IZA).

Slonimczyk, F., Yurko, A. (2014). Assessing the impact of the maternity capital policy in Russia. Labour Economics, 30(C), 265-281. https://doi.org/10.1016/Uabeco.2014.03.004

Testa, M., Sobotka, T., Morgan, P. (2011). Reproductive decision-making: towards improved theoretical, methodological and empirical approaches. Vienna Yearbook of Population Research 9: 1-9. https://doi.org/10.1553/populationyearbook2011s1

Vakulenko, E.S., Vasileva, U.A., Fadina, E.M. (2024). Review of regional maternity capital programmes in Russia 2011-2023. Population and Economics, 8(2): 114-132. https://doi.org/10.3897/popecon.8.e115173

Van Bavel, J. (2010). Choice of study discipline and the postponement of motherhood in Europe: The impact of expected earnings, gender composition, and family attitudes. Demography, 47(2): 439-458. https://doi.org/10.1353/dem.0.0108

Verbeek, M. (2004). A guide to modern econometrics. 2nd Edition. Erasmus University Rotterdam, John Wiley & Sons Ltd., Hoboken.

Vignoli, D., Bazzani, G., Guetto, R., Minello, A., Pirani, E. (2020a). Uncertainty and narratives of the future: A theoretical framework for contemporary fertility. Analyzing Contemporary Fertility, 25-47. https://doi.org/10.1007/978-3-030-48519-

Vignoli, D., Bazzani, G., Guetto, R., Minello, A., Pirani, E. (2020b). A reflection on economic uncertainty and fertility in Europe: The Narrative Framework. Genus, 76(1): 28. https://doi.org/10.1186/s41118-020-00094-3

Voicu, M., Badoi, D. (2021). Fertility and the COVID-19 crisis: do gender roles really matter? European Societies, 23: 199-214.

https://doi.org/10.1080/14616696.2020.1822537

Wang Y., Gozgor G., Lau C.K.M. (2022). Effects of pandemics uncertainty on fertility. Frontiers in Public Health, 10. https://doi.org/10.3389/fpubh.2022.854771

Woldemicael, G. (2010). Declining fertility in Eritrea since the Mid-1990s: a demographic response to military conflict. International Journal of Conflict and Violence (IJCV), 4(1), 149-168. https://doi.org/10.4119/ijcv-2821

World Bank (2021). Global Economic Prospects, Washington DC.

Приложения

Приложение 1 Таблица П1. Grambsch and Therneau (1994)

Переменные rho chi2 df Prob>chi2

age 0.11212 7.42 1 0.0065

agesq -0.12638 9.22 1 0.0024

bad_health 0.01313 0.10 1 0.7495

school 0.02721 0.43 1 0.5104

college 0.1316 10.01 1 0.0016

high_educ 0.11659 7.76 1 0.0053

ownhouse 0.01749 0.18 1 0.6730

m2_perperson -0.00765 0.03 1 0.8521

f_incomepp -0.01986 1.21 1 0.2722

rural -0.03719 0.87 1 0.3508

Petersburg 0.00361 0.01 1 0.9302

Moscow -0.06412 2.50 1 0.1138

lagged_ UR -0.03234 0.61 1 0.4358

unemployed 0.00830 0.04 1 0.8391

wage_mzero 0.00861 0.11 1 0.7439

hour_wzero -0.01218 0.08 1 0.7743

married 0.12093 8.82 1 0.0030

health1_bad 0.01424 0.12 1 0.7266

child1_female -0.00653 0.03 1 0.8725

cohortsize_scaled 0.03730 0.80 1 0.3713

matcap -0.06176 2.50 1 0.1136

Общий тест 53.35 21 0.0004

Таблица П2. Модель пропорциональных рисков Кокса с учетом зависимых от времени ковариатов. Значения коэффициентов функции риска

baseline covariates time-varying covariates

age 1.209** 0.999**

(0.102) (0.000)

matcap 1.871***

(0.228)

Контроли ДА

Количество наблюдений 14637

Примечание. В скобках представлены стандартные ошибки. Значимость коэффициентов: *** — р<0.01, ** — p<0.05.

Таблица П 3. Модель пропорциональных рисков Кокса для подвыборок. Значения коэффициентов функции риска

Переменные PH_all PH_working PH_married

highjob 0.129 (0.139)

government -0.107 (0.122)

hour_w -0.001

(0.006)

wage_m -0.000*** (0.000)

married 1 171*** 1.331***

(0.162) (0.224)

health1_bad 0.632** 0.026 0.906***

(0.294) (0.585) (0.296)

child1_female -0.115 -0.189* -0.027

(0.083) (0.113) (0.092)

cohortsize_scaled -0.090 0.037 -0.056

(0.082) (0.108) (0.093)

matcap 0.632*** 1.003*** 0.766***

(0.122) (0.182) (0.140)

unemployed -0.232 -0.361

(0.231) (0.259)

wage_mzero -0.640*** -0.631***

(0.073) (0.083)

hour_wzero 0.000 -0.002

(0.005) (0.006)

spouse_age -0.020* (0.012)

spouse_hbad -0.734 (0.455)

spouse_inczero 0.081*** (0.014)

spouse_w -0.229 (0.154)

Контроли ДА ДА ДА

Количество наблюдений 14637 10108 9983

Примечание. В скобках представлены стандартные ошибки. Значимость коэффициентов: *** — р<0.01, ** — p<0.05, * — p<0.1.

Таблица П4. Обобщенная гамма-модель

Переменные AFT регрессия, коэф.

matcap -0.335***

(0.079)

Insigma -0.678***

(логарифм (0.111)

параметра

масштаба)

kappa 1.307***

(параметр (0.192)

формы)

Контроли ДА

Количество

наблюдений 14637

Примечание. В скобках представлены стандартные ошибки. Значимость коэффициентов: *** — р<0.01

Приложение 2

Таблица П3. Результаты оценки логистической модели бинарного выбора со стандартными ошибками в форме Уайта на подвыборках для мужчин и женщин

Переменные и Спецификации

параметры модели Без Без временных В ближайшие В

временных ограничений, 3 года, ближайшие

ограничений, полный набор полный набор 3 года,

полный факторов. факторов. полный

набор Мужчины Женщины набор

факторов. факторов.

Женщины Мужчины

Наличие братьев 1.425 2.060* 0.962 1.846

или сестер

(0.453) (0.768) (0.423) (0.847)

Высшее образование 1.700** 1.453 1.277 1.855**

(0.367) (0.362) (0.365) (0.557)

Возраст 0.820 1.182 1.586* 1.111

(0.128) (0.192) (0.385) (0.236)

Возраст2 1.001 0.997 0.991** 0.997

(0.002) (0.002) (0.004) (0.003)

Наличие партнера 1.250 1.040 1.120 0.874

(0.292) (0.568) (0.351) (0.462)

Город и ПГТ 0.830 1.501 0.545* 1.391

(0.198) (0.510) (0.177) (0.578)

Маткапитал на 2 5.491*** 5.220*** 8.447*** 7.409***

ребенка

(1.975) (3.029) (3.485) (3.558)

Количество детей 0.784 0.634** 0.606** 0.726

(0.124) (0.113) (0.124) (0.217)

Родился и живет в 1.264 0.893 1.502 0.983

разных местах

(0.235) (0.194) (0.384) (0.255)

Заняты в 0.866 0.816 0.840 1.034

бюджетном

секторе

(0.229) (0.222) (0.283) (0.344)

Работа на полный 0.936 1.620 1.131 1.029

рабочий день

(0.324) (0.894) (0.444) (0.634)

Дистанционная 0.898 0.957 0.886 0.715

занятость

(0.177) (0.244) (0.228) (0.217)

Отношение 1.007 0.965 0.987 0.964

заработной платы

к прожиточному

минимуму в регионе

(0.028) (0.097) (0.045) (0.166)

Доход 1.068 0.935 1.060 0.997

домохозяйства на

душу к

прожиточному

минимуму в регионе

(0.082) (0.142) (0.168) (0.225)

Площадь жилья в кв 1.028 1.023 1.022 1.033

м на 1 члена д/х

(0.017) (0.019) (0.023) (0.023)

Число комнат на 1 0.849 0.629 0.868 0.737

члена д/х

(0.390) (0.332) (0.600) (0.435)

Хорошие условия 1.163 1.083 2.047 4.498*

жилья

(0.519) (0.560) (2.186) (3.718)

Собственное жилье 0.815 0.886 0.898 0.988

(0.233) (0.296) (0.279) (0.392)

Планируют купить 1.888*** 2.215*** 1.429 2.704***

жилье

(0.360) (0.517) (0.365) (0.722)

Готовы доверить 0.791 0.806 0.814 1.250

детей няне

(0.177) (0.208) (0.223) (0.388)

Хорошее здоровье 0.668 2.293* 1.040 1.977

(0.208) (0.986) (0.483) (1.061)

Заботится о 1.498 1.472 2.568 1.762

больном

родственнике

(0.712) (1.392) (1.725) (1.387)

Удовлетворенность 1.479 1.517 1.020 1.181

жизнью

(0.397) (0.472) (0.319) (0.403)

COVID-19 1.436* 1.078 1.948** 1.544

(0.283) (0.249) (0.524) (0.451)

Уровень 1.024 0.937 1.051 0.900

безработицы

(0.063) (0.072) (0.085) (0.079)

Охват дошкольным 1.016 0.996 1.017 1.019

образованием

(0.014) (0.017) (0.018) (0.020)

Суммарный 0.585 2.502 0.471 3.281

коэффициент

рождаемости

(0.357) (1.929) (0.373) (2.686)

Доступность жилья 0.261 2.274 0.222 0.788

(0.233) (2.509) (0.284) (0.983)

Доля женщин 8.868е+13** 3.390е+12* 1738735.280 1.137е+14*

фертильного

возраста в

численности

населения

(1.229е+15) (5.716е+13) (32827340.522) (2.046е+15)

Достаточный доход 0.619* 0.297***

(субъективная оценка)

(0.167) (0.092)

Верующий 0.957 1.818** 0.864 1.056

(0.205) (0.427) (0.248) (0.280)

Регионы с преобладанием мусульман 4.335 2.941 9.262 7.199

(7.038) (3.415) (15.538) (8.748)

Мужчины кормильцы 0.766 0.657

(0.193) (0.218)

Константа 0.031 0.000** 0.000* 0.000**

(0.151) (0.000) (0.000) (0.000)

Число наблюдений 762 500 755 487

Pseudo R2 0.224 0.206 0.329 0.278

Log likelihood -385.7 -274.8 -235.8 -204.7

AIC 853.3 633.6 551.5 491.5

BIC 1043 810.6 736.6 663.2

AUC 0.795 0.795 0.875 0.842

Примечание: В таблице приведены отношения шансов (odds ratio). В скобках представлены робастные стандартные ошибки. Значимость коэффициентов: *** p<0.01, ** p<0.05, * p<0.1. Описание переменных приведено в таблице 2.1

Приложение 3

Таблица П4. Результаты оценки логистической модели множественного выбора со стандартными ошибками в форме Уайта на полной выборке и подвыборках по финальной спецификации

(1) (2) (3) (4) (5) (6)

до 30 после 30 с детьми без после 30

лет лет детей лет с детьми

Переменные y y y y y y

Отказались от рождения ребёнка

age 0.420*** 1.524 0.104 0.487* 0.512** 0.332

(0.124) (1.035) (0.420) (0.250) (0.233) (0.465)

age_sq 0.006*** -0.0254 -0.00136 -0.0064* 0.00729* -0.00440

(0.00181) (0.0203) (0.0056) (0.0035) (0.00376) (0.0062)

sex 0.908*** 0.373 1.02*** 1.183*** 0.308 1.17***

(0.146) (0.369) (0.162) (0.178) (0.286) (0.183)

moscow_peter 0.116 -0.529 0.305 0.114 0.200 0.179

(0.228) (0.562) (0.259) (0.274) (0.436) (0.285)

village -0.266 -0.984 -0.192 -0.135 -0.841 -0.153

(0.267) (1.161) (0.281) (0.287) (0.865) (0.296)

high_educ -0.192 -0.0635 -0.274 -0.228 -0.0448 -0.302

(0.168) (0.429) (0.187) (0.202) (0.323) (0.209)

work -0.106 -0.336 -0.0937 -0.0608 -0.0734 -0.0423

(0.181) (0.420) (0.210) (0.216) (0.400) (0.231)

dating 0.178 -0.720 0.510* 0.473 0.0816 0.671**

(0.228) (0.566) (0.265) (0.328) (0.334) (0.338)

married -0.105 0.225 -0.0928 0.153 -0.463 0.143

(0.187) (0.491) (0.210) (0.250) (0.418) (0.256)

children_dummy 1.239*** 0.0348 1 47*** - - -

(0.191) (0.528) (0.221)

buy_home -0.386* -1.085 -0.334 -0.229 -1.130 -0.184

(0.207) (0.920) (0.218) (0.222) (0.766) (0.228)

matcap -1 20*** -1.77*** -1.11*** -1.28*** -0.809** -1 19***

(0.177) (0.495) (0.197) (0.221) (0.344) (0.228)

matcap_ca -0.368 -0.369 -0.388 -0.202 -0.394 -0.209

(0.302) (0.565) (0.368) (0.417) (0.499) (0.457)

capital_matcap 0.0571 0.157 -0.0772 0.136 -0.223 -0.00757

(0.436) (1.189) (0.484) (0.603) (0.700) (0.614)

own_home 0.481 0.695 0.319 0.391 0.489 0.380

(0.385) (0.769) (0.461) (0.496) (0.676) (0.533)

num_rooms 0.0223 -0.00530 0.0320 -0.0400 0.153 -0.0176

(0.0662) (0.203) (0.0732) (0.0803) (0.127) (0.0830)

housing_good -0.369 -0.977 -0.298 -0.327 -0.561 -0.264

(0.231) (0.726) (0.254) (0.271) (0.510) (0.284)

housing_mid -0.155 0.00332 -0.227 -0.275 0.187 -0.281

(0.215) (0.684) (0.237) (0.256) (0.460) (0.267)

mortgage 0.303* 0.213 0.332** 0.288* 0.457 0.341*

(0.155) (0.454) (0.169) (0.174) (0.366) (0.181)

bad_health 0.102 0.538 -0.0521 -0.0330 0.376 -0.0732

(0.357) (0.799) (0.400) (0.415) (0.646) (0.433)

anxiety 0.0977 0.0346 0.0708 0.213 -0.363 0.166

(0.164) (0.403) (0.184) (0.193) (0.331) (0.203)

calmness -0.193 0.321 -0.328 -0.358 0.515 -0.429

(0.250) (0.585) (0.276) (0.282) (0.442) (0.295)

hapiness -0.346 0.111 -0.383 -0.321 -0.740 -0.368

(0.215) (0.520) (0.238) (0.235) (0.559) (0.249)

fear 0.707*** 0.685* 0.75*** 0.648*** 0.880*** 0.68***

(0.169) (0.398) (0.193) (0.206) (0.310) (0.217)

long_anxiety 0.576*** 1.049* 0.54*** 0.344* 2.295*** 0.396**

(0.176) (0.559) (0.190) (0.196) (0.697) (0.201)

loyal_politics -1.19*** -0.595 -1.32*** -1.26*** -1.10*** -1.36***

(0.165) (0.424) (0.182) (0.195) (0.356) (0.201)

loyal_politics _ca -0.478** 0.0437 -0.608** -0.567** -0.381 -0.674**

(0.215) (0.527) (0.238) (0.250) (0.474) (0.262)

loyal_income -13.4*** -63.85 -15.3*** -15.6*** 2.891 -15.7***

(1.331) (0) (1.749) (1.669) (1.787) (1.776)

welfare_mid -0.421** -0.770 -0.424** -0.361* -0.750** -0.422**

(0.166) (0.505) (0.179) (0.192) (0.373) (0.196)

welfare_high 0.253 -48.20 0.781 0.936 -14.8*** 0.768

(1.214) (0) (1.599) (1.518) (1.184) (1.579)

income_better -0.63*** -0.971* -0.506** -0.590** -0.412 -0.400

(0.228) (0.581) (0.253) (0.260) (0.506) (0.267)

income_same -0.61*** -1 54*** -0.448** -0.49*** -0.813** -0.404**

(0.161) (0.497) (0.175) (0.186) (0.358) (0.192)

life_satisfaction -0.289* 0.115 -0.321* -0.359* 0.00415 -0.296

(0.157) (0.446) (0.171) (0.185) (0.334) (0.192)

internet_news -0.0338 13.23*** -0.120 -0.0488 0.0861 -0.0942

(0.213) (0.632) (0.221) (0.236) (0.620) (0.237)

post_covid 0.323 0.973 0.211 0.253 0.198 0.144

(0.272) (1.141) (0.292) (0.308) (0.578) (0.314)

Constant -9.82*** -38.1*** -3.927 -9.821** -12.7*** -6.792

(2.106) (12.89) (7.820) (4.513) (3.856) (8.694)

Отложили рождение ребёнка на неопределённый срок

age 0.630*** 1.887*** 0.421 0.628*** 0.455*** 0.476

(0.0811) (0.489) (0.350) (0.201) (0.123) (0.429)

age_sq -0.01*** -0.04*** -0.00751 -0.01*** 0.007*** -0.00852

(0.00125) (0.0096) (0.0047) (0.0028) (0.002) (0.0058)

sex 0.191* 0.0529 0.214 0.262 0.00422 0.286

(0.109) (0.184) (0.138) (0.163) (0.157) (0.175)

moscow_peter 0.155 -0.104 0.222 0.0779 0.154 0.00737

(0.170) (0.274) (0.225) (0.262) (0.231) (0.289)

village -0.271 -0.707 -0.177 -0.143 -0.743* -0.0850

(0.207) (0.472) (0.234) (0.247) (0.414) (0.268)

high_educ -0.0470 0.0581 -0.109 -0.0857 0.0447 -0.0347

(0.127) (0.225) (0.160) (0.182) (0.184) (0.201)

work -0.225 -0.194 -0.276 -0.376* 0.0237 -0.333

(0.145) (0.231) (0.196) (0.209) (0.224) (0.238)

dating 0.773*** 0.65*** 0.913*** 0.882*** 0.726*** 0.977***

(0.152) (0.220) (0.216) (0.327) (0.177) (0.346)

married 0.484*** 0.84*** 0.342* 0.434 0.607*** 0.383

(0.148) (0.260) (0.184) (0.272) (0.195) (0.278)

children_dummy 0.518*** 0.342 0.636*** - - -

(0.135) (0.280) (0.157)

buy_home -0.0522 -0.0537 -0.0581 0.199 -0.600** 0.174

(0.142) (0.301) (0.165) (0.171) (0.286) (0.184)

matcap -0.34*** -0.63*** -0.232 -0.215 -0.49*** -0.206

(0.119) (0.222) (0.145) (0.159) (0.185) (0.173)

matcap_ca 0.399** 0.256 0.517** 0.597* 0.201 0.757**

(0.192) (0.309) (0.245) (0.332) (0.252) (0.353)

capital_matcap 0.182 0.511 0.0385 0.202 0.256 0.194

(0.250) (0.409) (0.317) (0.404) (0.328) (0.431)