Forwarded from Наука и данные
Statistical rethinking
Книга Statistical rethinking пережила второе издание, готовится третье и дала повод для основы известного курса по анализу данных, в котором используется байесовский анализ данных. Также, книга породила ряд различных "переосмыслений", например:
▪️ Statistical rethinking with brms, ggplot2, and the tidyverse: Second edition (A Solomon Kurz)
▪️ Statistical Rethinking 2 with Stan and R (Vincent Arel-Bundock)
▪️ Statistical Rethinking 2 with Stan and the tidyverse (Vincent Arel-Bundock)
▪️ Statistical Rethinking: Solutions (2nd Edition)
В настоящий момент A. Solomon Kurz работает над еще одной книгой Statistical rethinking 2 with rstan and the tidyverse, код в этой книге в большей мере сосредоточен на воспроизведении моделей и первичном анализе данных с помощью связки rstan + tidyverse, а James H Wade сделал набросок Statistical Rethinking with Tidymodels.
Книга Statistical rethinking пережила второе издание, готовится третье и дала повод для основы известного курса по анализу данных, в котором используется байесовский анализ данных. Также, книга породила ряд различных "переосмыслений", например:
▪️ Statistical rethinking with brms, ggplot2, and the tidyverse: Second edition (A Solomon Kurz)
▪️ Statistical Rethinking 2 with Stan and R (Vincent Arel-Bundock)
▪️ Statistical Rethinking 2 with Stan and the tidyverse (Vincent Arel-Bundock)
▪️ Statistical Rethinking: Solutions (2nd Edition)
В настоящий момент A. Solomon Kurz работает над еще одной книгой Statistical rethinking 2 with rstan and the tidyverse, код в этой книге в большей мере сосредоточен на воспроизведении моделей и первичном анализе данных с помощью связки rstan + tidyverse, а James H Wade сделал набросок Statistical Rethinking with Tidymodels.
❤6👍5🔥1👨💻1
Имплементация разности разностей с многовременными периодами (Difference-in-Differences with Multiple Time Periods - csdid), - вариация DiD, разработанная Каллауэй и Сант-Анной, - подробно описанная в части инструментов Stata и рассказанная на их же воркшопе, о котором мы писали в древние времена, теперь доступна и в пакетах python 🐍.
Классический DiD - одна из самых популярных исследовательских конструкций, используемых для оценки причинно-следственных эффектов политических вмешательств. На отечественных данных DiD отлично разобран в работе Центра перспективных управленческих решений: От избрания к назначению. Оценка эффекта смены модели управления муниципалитетами в России. А вот csdid отличается от последнего тем, что оценивает ни один эффект на одном промежутке времени, а их совокупность (эффекты для группы, подвергшейся воздействию, в заданные моменты времени). На то, как работают оценки csdid можно посмотреть в таких работах, как:
1. Оценка влияния минимальной заработной платы на занятость подростков (собственно работа Каллауэй и Сант-Анны)
2. Влияние повышения минимальной заработной платы на курение: квазиэкспериментальное исследование в Южной Корее
3. Влияние обязательного оплачиваемого отпуска по болезни на занятость женщин и экономическую безопасность
4. Оценка влияния субсидий на уход за детьми на рождаемость
Just DiD it 🙂🙃
@evidencespace
Классический DiD - одна из самых популярных исследовательских конструкций, используемых для оценки причинно-следственных эффектов политических вмешательств. На отечественных данных DiD отлично разобран в работе Центра перспективных управленческих решений: От избрания к назначению. Оценка эффекта смены модели управления муниципалитетами в России. А вот csdid отличается от последнего тем, что оценивает ни один эффект на одном промежутке времени, а их совокупность (эффекты для группы, подвергшейся воздействию, в заданные моменты времени). На то, как работают оценки csdid можно посмотреть в таких работах, как:
1. Оценка влияния минимальной заработной платы на занятость подростков (собственно работа Каллауэй и Сант-Анны)
2. Влияние повышения минимальной заработной платы на курение: квазиэкспериментальное исследование в Южной Корее
3. Влияние обязательного оплачиваемого отпуска по болезни на занятость женщин и экономическую безопасность
4. Оценка влияния субсидий на уход за детьми на рождаемость
Just DiD it 🙂🙃
@evidencespace
❤7👍4👨💻1
Open AI анонсировала старт грантового конкурса по линии фондов AI for Economic Opportunity Fund, GitLab Foundation и Ballmer Group. Основной целью конкурса является развитие и продвижение больших языковых моделей (LLM - large language models) для создания экономических возможностей и стимулирования роста доходов. На первом этапе 14 проектов получат финансирование минимум от $3,5 млн, на втором - фонды предоставят 1-летние или 2-летние гранты от $500 тыс. до $1,5 млн для масштабирования 6 лучших проектов первого этапа. Прием заявок до 16 октября 2024 года.
@evidencespace
@evidencespace
GitLab Foundation
AI for Economic Opportunity — GitLab Foundation
The GitLab Foundation believes that innovative, ethical applications of AI, machine learning, and advanced data science have the promise to unlock significant opportunities to help people afford a better life. To encourage and enable this future, we are launching…
👍3🔥3
Китайская ByteDance (одна из совладельцев TikTok) зарелизила библиотеку CausalMatch python, позволяющую использовать такие методы балансировки и корректировки исходных данных (мэтчинга), как Coarsened Exact Matching (CEM) и Propensity Score Matching (PSM), и, судя по всему, планирует развивать репозиторий, как «исследовательский проект, направленный на интеграцию передовых методов машинного обучения и эконометрики для автоматизации процесса принятия решений». Имплементацию библиотеки CausalMatch можно посмотреть в разделе репозитория Usage Examples.
Методы балансировки или псевдорандомизации часто используются в ходе применения квазиэкспериментальных механик, с помощью которых мы пытаемся восстановить состояние контрольной группы до вмешательства (контрфактическое состояние), и позволяют нам, собственно, определить / выявить псевдо-контрольную группу в нашей выборке. Например, в работе Оценка политики слияний вузов в российской системе высшего образования PSM используется для того, чтобы выявить ВУЗы, которые не были подвергнуты слиянию, но по своим производственным характеристикам очень похожи на те ВУЗы, которые такому слиянию подвергнуты были. В дальнейшем, используя разрывную регрессию (о ней мы писали здесь) и сравнивая экспериментальную и псевдо-контрольную группы, мы можем наблюдать и оценивать наличие или отсутствие эффектов от проведения политики слияния ВУЗов. Вот некоторые выводы исследования #wylse:
1. Объединенные университеты демонстрируют больший прирост эффективности в течение рассматриваемого периода
2. Обнаруженный эффект может быть интерпретирован именно как влияние политики слияний на эффективность вузов
3. Однако этот эффект обнаруживается только около точки разрыва (это значит, что наиболее выражен он среди ВУЗов близких друг к другу по производственным характеристикам)
4. Ограничение: эффект работает в кратко- и среднесрочном периоде; является ли эффект долгосрочным?
@evidencespace
Методы балансировки или псевдорандомизации часто используются в ходе применения квазиэкспериментальных механик, с помощью которых мы пытаемся восстановить состояние контрольной группы до вмешательства (контрфактическое состояние), и позволяют нам, собственно, определить / выявить псевдо-контрольную группу в нашей выборке. Например, в работе Оценка политики слияний вузов в российской системе высшего образования PSM используется для того, чтобы выявить ВУЗы, которые не были подвергнуты слиянию, но по своим производственным характеристикам очень похожи на те ВУЗы, которые такому слиянию подвергнуты были. В дальнейшем, используя разрывную регрессию (о ней мы писали здесь) и сравнивая экспериментальную и псевдо-контрольную группы, мы можем наблюдать и оценивать наличие или отсутствие эффектов от проведения политики слияния ВУЗов. Вот некоторые выводы исследования #wylse:
1. Объединенные университеты демонстрируют больший прирост эффективности в течение рассматриваемого периода
2. Обнаруженный эффект может быть интерпретирован именно как влияние политики слияний на эффективность вузов
3. Однако этот эффект обнаруживается только около точки разрыва (это значит, что наиболее выражен он среди ВУЗов близких друг к другу по производственным характеристикам)
4. Ограничение: эффект работает в кратко- и среднесрочном периоде; является ли эффект долгосрочным?
@evidencespace
👍11❤6👨💻2
Forwarded from Tatyana Cherkashina
А в последний день лета ВШЭ опубликовала данные 32-й волны РМЭЗ. собранные осенью 2023 г.
www.hse.ru
Данные 32-й волны РМЭЗ НИУ ВШЭ
Опубликованы данные и коудбуки 32-й волны РМЭЗ НИУ ВШЭ (2023 год) семейного и индивидуального уровней.
❤8👍4🎉2
Репозиторий с библиотечкой pippy от соразработчика PolicyEngine Макса Гениса. Pippy дает быстрый доступ к данным платформы Всемирного банка по уровням бедности и неравенства стран мира: Poverty and Inequality Platform. Данные по России сейчас представлены c 1993 до 2020 года.
@evidencespace
@evidencespace
👍9
В продолжение поста выше: проект Цифровой библиотеки исследований неравенства благосостояния от Центра Джеймса М. и Кэтлин Д. Стоун. Известный ресурс среди исследователей, но в нашем канале еще не писали о нем. Проект консолидирует данные о неравенстве, исследования и приложения по визуализации статистик.
@evidencespace
@evidencespace
👍4❤2
А ниже, как раз, отличный разбор одного из свежих исследований из Цифровой библиотеки Стоун Центра от Econs. Исследование на лонгитюдных данных (как редко это бывает) скандинавских стран (где же ещё). #wylse
Forwarded from ECONS
«Почему богатые так богаты?» – задались вопросом исследователи и изучили, какие факторы лежат в основе формирования богатства, на прозрачных норвежских данных. Выяснилось, что:
📊 У богатейших топ-0,1% две трети прироста богатства к 50-54 годам обеспечиваются более высокой нормой сбережений и более высоким процентом от их инвестирования; почти вся остальная доля обеспечена приростом полученного в наследство капитала.
📊 Но наследство получают не все: четверть представителей топ-0,1% в свои 20-30 лет были даже беднее, чем среднестатистический норвежец, тогда как получившие наследство - богаче в 20 раз. К 50 годам средний представитель топ-0,1% богаче своего среднестатистического соотечественника в 125 раз.
📊 Среди топ-0,1% у «новых денег» (не получавших наследство) в структуре прироста богатства относительно велика доля трудового дохода - 20%, у «старых денег» она около 3%.
📊 У «обычных» семей 90% активов – это жилая недвижимость, и 10% – финансовые активы. У богатейших – ровно наоборот.
📊 «Обычные» семьи порядка 80% финансовых активов инвестируют в безопасные бонды и депозиты и 20% – в рисковые акции и частный бизнес, богатейшие – ровно наоборот.
📊 Даже при инвестициях в один и тот же класс активов богатые получают доходность в 2-4 раза выше, чем среднее домохозяйство.
📊 Относящиеся к топ-0,1% по богатству направляют на сбережения в среднем 70% получаемых доходов, а, например, нижние 50% – около 10%.
🔴 Подробнее читайте в статье на сайте «Эконс»
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍2
В каталоге курсов Швейцарской высшей технической школы Цюриха (ETH Zürich - Eidgenössische Technische Hochschule Zürich) доступен репозиторий курса «Наука о данных для государственной политики: от эконометрики к искусственному интеллекту». В репозитории - стэк лекций и примеры кода. Кратко о курсе авторы пишут так:
@evidencespace
Многие политические проблемы связаны с прогнозированием. Например, в рамках бюджетного администрирования может возникнуть запрос на прогноз количества заявок на выплаты пособий в следующем месяце, исходя из условий на рынке труда в этом месяце. Этот курс представляет собой практическое введение в методы «больших данных» для составления таких прогнозов. Методы включают в себя:
- получение больших наборов данных с помощью веб-скрэпинга или API-интерфейсов, включая данные социальных сетей;
- обработка наборов данных для упрощения вычислений;
- машинное обучение для прогнозирования результатов, включая способы выбора и настройки моделей, оценки их производительности с использованием имеющихся данных испытаний;
- интерпретация прогнозов моделей машинного обучения;
- визуализация данных, включая интерактивные веб-приложения.
@evidencespace
🔥9❤5🤩2👨💻1
#wylse
Ещё один свежий пример использования DiD (difference-in-differences): «As newspapers close, local corruption thrives». Тед Мэтерли и Брэд Н Гринвуд собрали данные о закрытии 65 крупных ежедневных газет США в период с 2006 по 2019 год и сгруппировали 91 888 дел с обвинениями в коррупции по окружным судам США. Используя DiD и сравнивая районы, в которых произошло массовое закрытие ежедневных печатных изданий, с теми районами, в которых такого массового закрытия не было, исследователи выявили увеличение судебных дел по мотивам коррупции на 7,3%. Эти результаты согласуются с аналогичными результатами похожих исследований в Бразилии, где закрытие местных СМИ «воодушевило» местных чиновников на оппортунистическое поведение в угоду личных выгод. Тед и Брэд делают выводы о значимости профессиональных местных СМИ, которые служат «мягкой силой» в части контроля добросовестного исполнения полномочий на местах.
@evidencespace
Ещё один свежий пример использования DiD (difference-in-differences): «As newspapers close, local corruption thrives». Тед Мэтерли и Брэд Н Гринвуд собрали данные о закрытии 65 крупных ежедневных газет США в период с 2006 по 2019 год и сгруппировали 91 888 дел с обвинениями в коррупции по окружным судам США. Используя DiD и сравнивая районы, в которых произошло массовое закрытие ежедневных печатных изданий, с теми районами, в которых такого массового закрытия не было, исследователи выявили увеличение судебных дел по мотивам коррупции на 7,3%. Эти результаты согласуются с аналогичными результатами похожих исследований в Бразилии, где закрытие местных СМИ «воодушевило» местных чиновников на оппортунистическое поведение в угоду личных выгод. Тед и Брэд делают выводы о значимости профессиональных местных СМИ, которые служат «мягкой силой» в части контроля добросовестного исполнения полномочий на местах.
@evidencespace
👍9👨💻4🤔1
Forwarded from Рюмочная ИПП
Паттерны установки камер наблюдения как зеркало представлений о безопасности
Городские камеры обычно воспринимаются как аватары Большого брата — распределенный дисциплинирующий взгляд, стремящийся охватить все возможное пространство. Но даже если допустить, что проекты уличного наблюдения и правда стремятся к паноптикону, то их реализация имеет технические ограничения: камеры не могут появиться везде в одну ночь, они занимают пространство постепенно и неравномерно.
Что если использовать это и посмотреть на камеры из неоинституциональной перспективы — определить паттерны расположения камер и попробовать восстановить логику их установки? Так мы можем получить представления о «проектах безопасности», в русле которых действуют власти.
Наши сотрудники Дмитрий Серебренников и Дмитрий Скугаревский сделали подход к этой задаче и проанализировали системы наблюдения в четырех европейских столицах — Москве, Париже, Брюсселе и Эдинбурге. Дизайн позаимствован из экологических исследований: камеры рассматриваются как вид, занимающий определенные ниши в городском пространстве. Для анализа было применено объяснимое машинное обучение (CatBoost + SHapley Additive ExPlanations или SHAP).
Исследование показывает, что московский «проект безопасности» имеет значимые отличия от парижского и брюссельского (в Эдинбурге камер оказалось недостаточно, чтобы выделить паттерны). Во всех трех городах камеры ожидаемо тяготеют к публичным пространствам: парковкам, магазинам, точкам торговли уличной едой, — но если в Париже и Брюсселе второй большой нишей камер являются транспортные хабы, то в Москве это территории вокруг двух типов символических объектов — детских пространств (детские площадки, сады, школы) и храмов.
Кроме того, отличается расположение камер относительно центра. В Париже и Брюсселе камеры убывают по мере удаления от центра, в Москве же, напротив, они сконцентрированы в центре и на окраинах. Дальнейшее прояснение специфики намеченных «проектов безопасности» требует уже отдельного исследования.
Статья коллег называется A tale of four cities: Exploring security through environmental characteristics of CCTV equipment placement, она вышла в Journal of Computational Social Science и находится в открытом доступе.
Городские камеры обычно воспринимаются как аватары Большого брата — распределенный дисциплинирующий взгляд, стремящийся охватить все возможное пространство. Но даже если допустить, что проекты уличного наблюдения и правда стремятся к паноптикону, то их реализация имеет технические ограничения: камеры не могут появиться везде в одну ночь, они занимают пространство постепенно и неравномерно.
Что если использовать это и посмотреть на камеры из неоинституциональной перспективы — определить паттерны расположения камер и попробовать восстановить логику их установки? Так мы можем получить представления о «проектах безопасности», в русле которых действуют власти.
Наши сотрудники Дмитрий Серебренников и Дмитрий Скугаревский сделали подход к этой задаче и проанализировали системы наблюдения в четырех европейских столицах — Москве, Париже, Брюсселе и Эдинбурге. Дизайн позаимствован из экологических исследований: камеры рассматриваются как вид, занимающий определенные ниши в городском пространстве. Для анализа было применено объяснимое машинное обучение (CatBoost + SHapley Additive ExPlanations или SHAP).
Исследование показывает, что московский «проект безопасности» имеет значимые отличия от парижского и брюссельского (в Эдинбурге камер оказалось недостаточно, чтобы выделить паттерны). Во всех трех городах камеры ожидаемо тяготеют к публичным пространствам: парковкам, магазинам, точкам торговли уличной едой, — но если в Париже и Брюсселе второй большой нишей камер являются транспортные хабы, то в Москве это территории вокруг двух типов символических объектов — детских пространств (детские площадки, сады, школы) и храмов.
Кроме того, отличается расположение камер относительно центра. В Париже и Брюсселе камеры убывают по мере удаления от центра, в Москве же, напротив, они сконцентрированы в центре и на окраинах. Дальнейшее прояснение специфики намеченных «проектов безопасности» требует уже отдельного исследования.
Статья коллег называется A tale of four cities: Exploring security through environmental characteristics of CCTV equipment placement, она вышла в Journal of Computational Social Science и находится в открытом доступе.
SpringerLink
A tale of four cities: Exploring security through environmental characteristics of CCTV equipment placement
Journal of Computational Social Science - Surveillance systems in modern cities are often regarded as the great state panopticon of omnipresent cameras. Drawing on institutional sociology and...
🔥11👍3❤2
Питер Халл, профессор экономики Университета Брауна, научный сотрудник NBER пошарил слайды своих свежих лекций, разработанных совместно со своим ассистентом Джонатаном Ротом. Все самые насущные темы: регрессии всех видов, кластеризация и взвешивания, обработка данных, параллельные тренды, бутстрепы, вероятность и другие. Ценность не только в повторении материала, но и в новых кейсах, которыми Халл сопровождает свои лекции. Приумножаем знания, приумножая радость 😌
@evidencespace
@evidencespace
🔥11❤7👨💻3
Состав тем и лекторов:
Жаль, что на такие воркшопы попасть очень сложно. НО! Комьюнити causal inference не без добрых энтузиастов, которых нам удалось найти вместе с репозиторием материалов воркшопа, и мы с большой радостью делимся этими материалами с зум-сессиями по некоторым дням воркшопа, всеми презентациями, задачами и кодом в stata, R и python: causal-inference-workshop-2024 🤫
@evidencespace
Please open Telegram to view this post
VIEW IN TELEGRAM
❤14👏7🔥3🤩3
Одним из препятствий на пути использования исследователями данных (помимо их отсутствия кончено) является наличие в данных персональной информации. Последние 15 лет на решение задачи нахождения баланса между максимальной гранулярностью данных и их конфиденциальностью направлены методы дифференциальной приватности (differential privacy).
Подробно о сути методов мы уже писали здесь, разбирая пример зашумления данных Бюро переписи населения США (пост для погружения в тему). Дифференциальная приватность - это компромисс и возможность для исследователей получить доступ к необходимым данным, поэтому чаще всего развитием методов differential privacy занимаются сами исследователи.
Мы искренне считаем, что развитие подходов к обеспечению открытого доступа к данным при сохранении их конфиденциальности позволит повысить ценность накопленных данных как в государственном, так и в частном секторе, используя их для принятия решений и исследований.
Именно поэтому продолжаем серию постов, и сегодня хотим опубликовать референсы на новый учебник Джо Нира (Университет Вермонта) и Чике Абуа: Programming Differential Privacy. Очень кропотливая и детальная работа: на примерах разбираются простые (удаление и зашумление) и более сложные (классификаторы машинного обучения) методы деидентификации данных. Эти материалы могут быть полезны сотрудникам статистических служб, ведомств, перед которыми стоят задачи по повышению открытости данных, а также для исследователей и научных сотрудников, которые часто становятся катализаторами инициатив предоставления данных в открытый доступ для научных сообществ. Если вам тема дифференциальной приватности интересна так же, как и нам, то рекомендуем посетить персональные сайты Джо Нира и Чике Абуа, где вы найдете дополнительный более основательный материал и практикумы по обеспечению конфиденциальности данных. Приятного чтения📕 . Ваш @evidencespace
Подробно о сути методов мы уже писали здесь, разбирая пример зашумления данных Бюро переписи населения США (пост для погружения в тему). Дифференциальная приватность - это компромисс и возможность для исследователей получить доступ к необходимым данным, поэтому чаще всего развитием методов differential privacy занимаются сами исследователи.
Мы искренне считаем, что развитие подходов к обеспечению открытого доступа к данным при сохранении их конфиденциальности позволит повысить ценность накопленных данных как в государственном, так и в частном секторе, используя их для принятия решений и исследований.
Именно поэтому продолжаем серию постов, и сегодня хотим опубликовать референсы на новый учебник Джо Нира (Университет Вермонта) и Чике Абуа: Programming Differential Privacy. Очень кропотливая и детальная работа: на примерах разбираются простые (удаление и зашумление) и более сложные (классификаторы машинного обучения) методы деидентификации данных. Эти материалы могут быть полезны сотрудникам статистических служб, ведомств, перед которыми стоят задачи по повышению открытости данных, а также для исследователей и научных сотрудников, которые часто становятся катализаторами инициатив предоставления данных в открытый доступ для научных сообществ. Если вам тема дифференциальной приватности интересна так же, как и нам, то рекомендуем посетить персональные сайты Джо Нира и Чике Абуа, где вы найдете дополнительный более основательный материал и практикумы по обеспечению конфиденциальности данных. Приятного чтения
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍2
По красоте. Специально для визуалов и тех, кто не безразличен к презентации результатов своих исследовательских проектов. Рекомендуем репозитории двух замечательных датавизеров (даже лучше сказать - датавизионеров): Джозефа Барбиера (git) и Яна Хольца (git). Еще в старые добрые времена сайт Яна data-to-viz выручал, когда мы ломали голову, как лучше в графическом виде представить распределения ВРП регионов, зарплат госслужащих или изобразить доступность первичной медико-санитарной помощи. Его вклад в понятное представление данных бесценен, если еще не знакомы - ниже ссылки на все галереи, которые коллектит Ян:
🔗 R: http://r-graph-gallery.com
🔗 Python: http://python-graph-gallery.com
🔗 D3: http://d3-graph-gallery.com
🔗 React: http://react-graph-gallery.com
🔗 Еще больше графиков с кодом: https://www.dataviz-inspiration.com
На гитах и в галереях Джозефа и Яна вы найдете примеры построения прекрасных графиков и, уверены, сможете адаптировать и развить их решения на своих данных. Используйте, и да при будет с вами сила визуализации👀
@evidencespace
🔗 R: http://r-graph-gallery.com
🔗 Python: http://python-graph-gallery.com
🔗 D3: http://d3-graph-gallery.com
🔗 React: http://react-graph-gallery.com
🔗 Еще больше графиков с кодом: https://www.dataviz-inspiration.com
На гитах и в галереях Джозефа и Яна вы найдете примеры построения прекрасных графиков и, уверены, сможете адаптировать и развить их решения на своих данных. Используйте, и да при будет с вами сила визуализации
@evidencespace
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤12👍2
Forwarded from Irina Kalabikhina (Irina Kalabikhina)
Опубликована наша статья о расчете эффекта обновленного регионального материнского капитала на рождаемость детей разных порядков на примере ЯНАО. Положительный эффект от материальной меры демографической политики есть. Осенью 2019 года объявлена впечатляющая обновленная программа регионального маткапитала в ЯНАО. И согласно проведенным расчетам, изменение суммарного коэффициента рождаемости (СКР) по всем рождениям составило 0,15. Демографы знают, что это много, это успех в странах с невысокой рождаемостью. Влияния на первые рождения нет. Рост СКР для вторых рождений составил 0,12, для третьих рождений — 0,08 статистического ребенка. Наблюдаемые изменения были связаны прежде всего с рождаемостью городского населения (не КМНС в сельской местности!). Модернизация программы материнского капитала в ЯНАО позволила затормозить на региональном уровне негативную динамику рождаемости, наблюдаемую в целом по стране. Денисова И.А., Калабихина И.Е., Кузнецова П.О. Оценка влияния региональной программы материнского капитала на рождаемость (на примере Ямало-Ненецкого автономного округа) // Государственное управление. Электронный вестник. 2024. No 105. С. 232–243. https://spajournal.ru/index.php/spa/issue/view/48/49
🔥10👍5👏1