Детализированное представление сектора домашних хозяйств в СНС: возможности использования микроданных

В статье рассматриваются вопросы использования микроданных при переходе к детализированному представлению сектора домашних хозяйств в Системе национальных счетов (СНС) в соответствии с задачами развития методов измерения благосостояния на макроэкономическом уровне. Внедрение распределенных макроэкономических показателей доходов, расходов и сбережения домашних хозяйств в центральную последовательность национальных счетов позволяет формировать более полную картину межсекторных взаимодействий в национальной экономике, однако оно в значительной степени зависит от полноты и методологической совместимости микроэкономических и макроэкономических статистических показателей.

В первой части анализируются проблемы использования данных из различных обследований для оценивания распределенных по доходным группам домашних хозяйств показателей доходов, расходов и сбережения. Составление гармонизированных наборов детальных данных для построения распределяемой информации предлагается проводить на основе статистической интеграции микроданных из нескольких источников, что позволяет формировать так называемые синтетические наборы микроданных с дополнительными характеристиками без необходимости организации новых обследований.

Примером такого объединения данных является статистическая интеграция результатов двух обследований Росстата – Выборочного наблюдения доходов населения и участия в социальных программах (ВНДН) и Выборочного обследования бюджетов домашних хозяйств (ОБДХ). Поскольку данные ВНДН применяются для расчета коэффициента Джини, характеризующего неравенство населения по доходам, они были приняты в качестве основного множества, а данные ОБДХ послужили источником информации о расходах на конечное потребление. Во второй части статьи приведен алгоритм статистической интеграции двух указанных обследований для получения набора микроданных, характеризующих доходы и расходы домашних хозяйств.

В третьей части представлены балансы доходов и расходов каждой квинтильной группы домашних хозяйств, составленные авторами в соответствии с методологией СНС с использованием микроэкономических данных, полученных в ходе выборочных обследований Росстата. Оцененные распределенные показатели доходов и расходов домашних хозяйств интегрированы в экспериментальную матрицу социальных счетов (МСС) Российской Федерации за 2020 г. Это позволило соединить в одной макроэкономической модели потоки между подсекторами (квинтильными группами) сектора домашних хозяйств и другими институциональными секторами экономики. Данный подход существенно повышает аналитическую ценность МСС.

1. Deaton A., Zaidi S. Guidelines for Constructing Consumption Aggregates for Welfare Analysis. Washington, DC: The World Bank, 2002.

2. Deaton A. Saving and Growth. Chapter 3 // K. SchmidtHebbel, L. Serven (eds). The Economics of Saving and Growth: Theory, Evidence, and Implications for Policy. Cambridge: Cambridge University Press, 1999.

3. OECD. OECD Handbook on the Compilation of Household Distributional Results on Income, Consumption and Saving in Line with National Accounts Totals. Paris: OECD Publ., 2024. https://doi.org/10.1787/5a3b9119-en.

4. OECD. OECD Framework for Statistics on the Distribution of Household Income, Consumption and Wealth. Paris: OECD Publ., 2013. 236 p. https://doi.org/10.1787/9789264194830-1-en.

5. IMF. G20 DGI-3 Recommendations. URL: https://www.imf.org/en/News/Seminars/Conferences/DGI/g20-dgi-recommendations#dgi3.

6. D'Orazio M., Di Zio M., Scanu M. Statistical Matching: Theory and Practice. New York: John Wiley & Sons Ltd, 2006. https://doi.org/10.1002/0470023554.

7. Coli A., Tartamella F. A Pilot Social Accounting Matrix for Italy with a Focus on Households // Paper Prepared for the 26th General Conference of the IARIW in Cracow, Poland, 27 August to 2 September 2000.

8. European Commission. Handbook on Social Accounting Matrices and Labour Account. Population and social conditions 3/2003/E/N 23. Luxembourg: European Commission, 2003.

9. D’Alberto R., Raggi M. Integrating Rather Than Collecting: Statistical Matching in the Data Flood Era // Statistical Papers. 2024. Vol. 65. P. 2135–2163. https://doi.org/10.1007/s00362-023-01468-3.

10. Little R.J.A., Rubin D.B. Statistical Analysis with Missing Data. 2nd ed. Hoboken, NJ: John Wiley & Sons, 2002. https://doi.org/10.1002/9781119013563.

11. Moriarity C., Scheuren F. Statistical Matching: A Paradigm for Assessing the Uncertainty in the Procedure // Journal of Official Statistics. 2001. Vol. 17. Iss. 3. P. 407–422.

12. Moriarity C., Scheuren F. A Note on Rubin’s Statistical Matching Using File Concatenation with Adjusted Weights and Multiple Imputation // Journal of Business and Economic Statistics. 2003. Vol. 21. Iss. 1. P. 65–73. https://doi.org/10.1198/073500102288618766.

13. Scanu M. Recommendations on Statistical Matching. Report WP2. ESS-net. Statistical Methodology Project on Integration of Surveys and Administrative Data, 2010.

14. Банк России. Методология формирования финансовых счетов и балансов финансовых активов и обязательств системы национальных счетов Российской Федерации. М.: Центральный банк Российской Федерации, 2024. URL: https://www.cbr.ru/Content/Document/File/96927/methodology_2024.pdf.

15. Татаринов А.А. Матрицы социальных счетов: проблемы и перспективы использования в макроэкономической статистике // Вопросы статистики. 2023. Т. 32. № 6. С. 5–20. https://doi.org/10.34023/23136383-2023-30-6-5-20.