Трансграничные переводы мигрантов как фактор экономического развития стран доноров на международном рынке труда

Дарья Кормильцева

Трансграничные переводы мигрантов как фактор экономического развития стран доноров на международном рынке труда

Миграция в более богатые страны в современном мире рассматривается как основной путь сокращения бедности мигрантов и оставшихся на родине членов семьи. Важным источником перераспределения богатства в современном мире выступают денежные переводы мигрантов. В силу роста международной мобильности происходит рост потоков денежных переводов мигрантов. Цель исследования заключается в оценке влияния трансграничных денежных переводов международных мигрантов на экономическое развитие стран доноров трудовых ресурсов. В рамках исследования была изучена экономика стран доноров трудовых ресурсов через призму концепции «Центр-Периферия», была проанализирована экономическая литература и сделаны выводы о неоднозначности результатов исследований. Проведенное эконометрическое исследование показало, что трансграничные денежные переводы обладают большим потенциалом для достижения более высоких темпов экономического роста в рамках 5 географических регионов из 6, а также в случае модели рассматривающей страны из всех 6 регионов как единой группе. Помимо этого они могут значительно способствовать достижению целей устойчивого развития 2030 и должны рассматриваться в качестве ключевого инструмента наравне с традиционными двигателями экономического роста для содействия долгосрочному экономическому росту и дальнейшему процветанию стран.

Экономика и экономические науки

Дипломы

Вуз: Уральский федеральный университет имени первого Президента России Б.Н. Ельцина (УрФУ)

ID: 5f01d8f9cd3d3e00013ed18d

UUID: 69e9a1e0-a0f3-0138-0d44-0242ac180006

Язык: Русский

Опубликовано: больше 4 лет назад

Просмотры: 6

10.12

Дарья Кормильцева

Уральский федеральный университет имени первого Президента России Б.Н. Ельцина (УрФУ)

Комментировать 0

Рецензировать 0

Скачать - 2,9 МБ

Поделиться работой

Министерство науки и высшего образования Российской Федерации Федеральное государственное автономное образовательное учреждение высшего образования «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина» Институт экономики и управления Кафедра международной экономики и менеджмента ДОПУСТИТЬ К ЗАЩИТЕ ПЕРЕД ГЭК Зав. кафедрой Международной экономики и менеджмента _________________ Ружанская Л.С. «______»_________________2020 г. ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА ТРАНСГРАНИЧНЫЕ ПЕРЕВОДЫ МИГРАНТОВ КАК ФАКТОР ЭКОНОМИЧЕСКОГО РАЗВИТИЯ СТРАН ДОНОРОВ НА МЕЖДУНАРОДНОМ РЫНКЕ ТРУДА Руководитель: Бедрина Е.Б. к.э.н., доцент, доцент Нормоконтролер: Ишуков А.А. Студент группы ЭУ-463609 Кормильцева Д.А. Екатеринбург 2020

СОДЕРЖАНИЕ ВВЕДЕНИЕ ………………………………………...………………………………..3 1 ЭКОНОМИКА СТРАН-ДОНОРОВ ТРУДОВЫХ РЕСУРСОВ 1.1 ЭКОНОМИКА СТРАН-ДОНОРОВ В КОНЦЕПЦИИ «ЦЕНТР- ПЕРИФЕРИЯ»……………………………………………………….……………..6 1.2 ВЛИЯНИЕ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ СТРАН ДОНОРОВ ТРУДОВЫХ РЕСУРСОВ – ОБЗОР ЛИТЕРАТУРЫ …………………………………..………………………………...16 1.3 ВЫБОР МОДЕЛИ И МЕТОДОВ ОЦЕНКИ ВЛИЯНИЯ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИКУ ……………………...39 2 ОЦЕНКА ВЛИЯНИЯ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ СТРАН ДОНОРОВ ТРУДОВЫХ РЕСУРСОВ 2.1 ЭКОНОМЕТРИЧЕСКОЕ ИССЛЕДОВАНИЕ ВЛИЯНИЯ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ …48 2.2 РОЛЬ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ В ЭКОНОМИЧЕСКОМ РАЗВИТИИ СТРАН ……………………………………………………………….86 2.3 СВЯЗЬ ЦЕЛЕЙ УСТОЙЧИВОГО РАЗВИТИЯ И ТРАНСГРАНИЧНЫХ ДЕНЕЖНЫХ ПЕРЕВОДОВ……………………………………………………...98 СПИСОК ЛИТЕРАТУРЫ.………………………………………………………..107 ПРИЛОЖЕНИЕ.…………………………………………………………………..115 2

ВВЕДЕНИЕ В последние десятилетия миграция все больше и больше оказывает влияние на развитие как развитых, так и развивающихся стран. Миграция в более богатые страны в современном мире рассматривается как основной путь сокращения бедности мигрантов и оставшихся на родине членов семьи. Важным источником перераспределения богатства в современном мире выступают денежные переводы мигрантов. Денежные переводы используются для покупки продуктов питания, жилья и медицинского обслуживания для семьи, образования для детей и инвестиций в бизнес. В силу роста международной мобильности происходит рост потоков денежных переводов мигрантов. Данные тенденции составляют актуальность темы исследования. Объект исследования - экономическое развитие стран доноров трудовых ресурсов. Предмет исследования - трансграничные переводы международных мигрантов. Цель исследования - оценить влияние трансграничных переводов международных мигрантов на экономическое развитие стран доноров трудовых ресурсов. В соответствии с поставленной целью в работе были решены следующие задачи:  изучить экономику стран-доноров трудовых ресурсов через призму концепции «Центр-Периферия»;  рассмотреть влияние трансграничных переводов на экономику страндоноров трудовых ресурсов;  выбрать модель и методы оценки влияния трансграничных переводов на экономику стран-доноров трудовых ресурсов;  провести эконометрическое исследование влияния трансграничных переводов на экономическое ресурсов; 3 развитие стран-доноров трудовых

 сделать выводы относительно роли трансграничных переводов в экономическом развитии стран-доноров трудовых ресурсов;  рассмотреть связь целей устойчивого развития и трансграничных денежных переводов. Информационной базой исследования послужили работы Fayissa и Nsiah, которые проанализировали макроэкономическое влияние денежных переводов на экономический рост стран из нескольких географических регионов и выяснили, что денежные переводы оказывают статистически значимое долгосрочное влияние на экономическое развитие во всех трех регионах, как группе, так и в контексте отдельных регионов [35]. Mundaca отметил, что денежные переводы оказывают значительное и устойчивое воздействие на экономику только в том случае, если они инвестируются в долгосрочные технологии или используются для капиталовложений [34]. Oluwafemi и Ayandibu на примере сравнения воздействия денежных переводов мигрантов на развитие в некоторых развивающихся странах мира с уровнем воздействия денежных переводов в Нигерии и выявили, что политическая нестабильность, неэффективность финансового сектора, бюрократия, коррупция, чрезмерная зависимость от природных ресурсов являются одними из основных факторов, препятствующих положительному влиянию денежных переводов мигрантов на экономическое развитие [38]. Bettin и Zazzaro показали на базе 66 развивающихся стран, что эффективная банковская система дополняет положительное влияние денежных переводов на рост ВВП [13]. Eggoh et al. выявили, что денежные переводы оказывают более значимое влияние на рост по сравнению с другими источниками внешнего финансирования (ПИИ и ОПР) [25]. Эмпирической базой исследования послужили данные с сайтов следующих международных организаций, таких как: Всемирный банк, Международный валютный фонд, Международная организация труда. 4

В работе использован эконометрический анализ для оценки влияния денежных переводов мигрантов на ВВП на душу населения в странах донорах трудовых ресурсов. Структура работы состоит из 2 глав. В первой главе рассматривается экономика стран-доноров трудовых ресурсов, в то время как во второй оценивается влияние трансграничных переводов на экономическое развитие стран-доноров трудовых ресурсов. В работе использованы 11 таблиц, 19 иллюстраций, 97 приложений из которых 1 таблица и 96 иллюстраций. Список источников включает 78 наименований, из которых 52 статьи и 26 электронных ресурсов. 5

1 ЭКОНОМИКА СТРАН-ДОНОРОВ ТРУДОВЫХ РЕСУРСОВ 1.1 ЭКОНОМИКА СТРАН-ДОНОРОВ В КОНЦЕПЦИИ «ЦЕНТРПЕРИФЕРИЯ» В основе работы заложена концепция «Центр-Периферия», которая хорошо отражает современную ситуацию в мире. Основные положения данной концепции первоначально были сформулированы родоначальником англоамериканской школы геополитики Х. Маккиндером, а сама концепция пополнила список основных геополитических концепций. Однако благодаря тому, что потенциал этой теории позволяет использовать ее положения для решения различных задач, как на уровне политики, так и на уровне экономики и социологии, позже эта теория заинтересовала и исследователей из других отраслей. Так И. Валлерстайн (1979) разработал теорию мировых систем на базе концепции «Центр-Периферия». В частности, он первым ввел новое понятие полупериферии, которое сочетает в себе черты центра и периферии и является связующим звеном. По словам Валлерстайна, мировая экономическая система делится на иерархию трех типов стран: центральных, полупериферийных и периферийных. Страны центра (например, США, Япония, Германия) являются доминирующими, капиталистическими странами, характеризующиеся высоким уровнем индустриализации и урбанизации. Страны центра являются капиталоемкими, имеют высокие показатели средней заработной платы и высокотехнологичное производство, а также более низкий уровень трудовой эксплуатации и принуждения. Периферийные страны (например, большинство стран с низким уровнем дохода в Африке и в Южной Америке) зависят от стран центра в отношении капитала и менее индустриализированы и урбанизированы. 6

Периферийные страны обычно являются аграрными, имеют низкий уровень грамотности и не имеют постоянного доступа к Интернету. Полупериферийные страны (например, Южная Корея, Тайвань, Мексика, Бразилия, Индия, Нигерия, Южная Африка) менее развиты, чем центральные страны, но более развиты, чем периферийные страны. Они являются буфером между центральными и периферийными странами [50]. В соответствии с данной концепцией, страны центра владеют большей частью мирового капитала и технологий и имеют большой контроль над мировыми торговыми и экономическими соглашениями. Они также являются культурными центрами, которые привлекают художников и интеллектуалов. Периферийные страны обычно предоставляют рабочую силу и материалы центральным странам. периферийные страны, Полупериферийные так же как страны страны центра эксплуатируют эксплуатируют полупериферийные, так и периферийные страны. Центральные страны добывают сырье с небольшими затратами. Они также могут устанавливать цены на сельскохозяйственную продукцию, которую экспортируют периферийные страны, независимо от рыночных цен, вынуждая мелких фермеров покидать свои поля, поскольку они не могут позволить себе оплатить рабочую силу и удобрения. Богатые в периферийных странах получают выгоду от труда бедных рабочих и от своих собственных экономических отношений с основными капиталистами страны. Что же касается миграционных процессов, то согласно неоклассической теории равновесия, люди делают рациональные, хорошо информированные расчеты стоимости и отдачи от миграции (Sjaastad L.A., 1962) [46]. Жители из менее развитых периферийных или полу-периферийных стран принимают решение мигрировать в развитые страны – являющиеся экономическими центрами, реагируя на различия в ставках заработной платы, размерах реальных доходов и показателях занятости. Они переезжают из странпериферии, или полу-периферии, с высоким уровнем безработицы в экономику, 7

где заработная плата значительно выше (значительно выше, чтобы не учитывать расходы на миграцию), и рабочие места широко доступны. Международные мигранты играют важную роль в процессе экономического выравнивания территорий. В обществе назначения мигранты предоставляют своим работодателям дешевую рабочую силу, а доходы со временем многие из них инвестируют в недвижимость, предприятия и новые предприятия, которые создают рабочие места. Они пересылают себе на родину денежные переводы, которые потом идут на потребление или инвестируются в экономику. Они способствуют развитию экспорта и импорта между странами. Работая за границей, мигранты приобретают опыт и новые знания и затем делятся ими с соотечественниками на родине. Некоторые из них возвращаются домой после многих лет работы за границей, привозя с собой сбережения. С точки зрения неоклассической теории, благодаря перемещению рабочей силы из стран с высоким уровнем предложения труда и низкой маржинальной производительностью в страну с высоким спросом на труд и высокой предельной производительностью труда, происходит рост совокупного экономического благосостояние и, в конечном итоге, выравнивается разница в заработной плате и занятости за счет конвергенции факторов и цены. После достижения равновесия миграция прекращается. Таким образом, имеет место саморегулирующаяся и самокорректирующаяся система. Эффекты экономического развития особенно сказываются на стране назначения, которая получает дополнительный запас рабочей силы для ускорения роста (Borjas G.J., 1995) [15]. Для периферии, в соответствии с теорией равновесия, доходы должны возрасти, поскольку устраняется излишнее давление на заработную плату, вызванное переизбытком рабочей силы, и соответственно перераспределяются другие ресурсы, такие как земля и жилье. Неоклассическая модель имеет свою внутреннюю экономическую логику, но основана на многих нереалистичных предположениях, включая «идеальную информацию» и отсутствие барьеров для миграции. Это также «устраняет» социальный контекст семьи и родства и 8

ничего не говорит об интеграции. В рамках этой модели не существует обратной миграции (Cassarino J.-P., 2004) [17]. При этом, такой важный механизм, как денежные переводы редко упоминается в неоклассической интерпретации миграции и развития, но они играют центральную роль в новой модели экономики трудовой миграции (Taylor J.E., 1999) [48]. Новая модель экономики трудовой миграции смещает акцент с индивида на домохозяйство и делает акцент на семейные узы мигрантов. Более того, миграция происходит не только с целью максимизации доходов от труда, но и с целью минимизации риска «провалов рынка», таких как стихийное бедствие или обвал цен на ключевой продукт. В соответствии с данной моделью один или несколько членов семьи мигрируют (обычно это те, чья рабочая сила наиболее востребована за рубежом, например, молодой мужчина-строитель), оставляя других для продолжения бизнеса домохозяйства (например, поддержание существования небольшой фермы). Таким образом, создается своеобразный портфель источников дохода и средств к существованию, смягчающий последствия возможного сбоя в одном из источников. В рамках данной теории денежные переводы играют важную роль, обеспечивая наиболее ощутимую и, возможно, наименее противоречивую связь между миграцией и экономическим развитием. Они отправляются для поддержки остальной семьи и друзей на родине и могут использоваться для различных целей:  потребление, покупка продуктов питания, средств гигиены и пр.;  создание финансовых резервов на чрезвычайные ситуации (например, засуха или медицинские счета);  инвестирование в образование детей и молодых членов семьи;  инвестирование в производство, создания нового предприятия, поддержка фермерского хозяйства и пр.;  оплата коммунальных расходов, ипотеки и пр. Кроме того, денежные переводы, как правило, являются стабильными и устойчивыми во время финансовых кризисов. В отличие от потоков частного 9

капитала, которые резко сократились во время мирового финансового кризиса в 2009 году, в то время как денежные переводы в развивающиеся страны сократились менее чем на 5 процентов и впоследствии быстро восстановились [67]. Во времена экономического спада, стихийного бедствия или политического кризиса на родине мигранты отправляют немного больше, чтобы помочь своим семьям. Таким образом, денежные переводы часто служат страховкой от непредвиденных неблагоприятных событий и средством сглаживания экономического неравенства среди населения страны. Особое значение денежные переводы мигрантов играют в развитии микрострахования, особенно медицинского страхования для бедных, они облегчают выплату страховых взносов членам семьи мигрантов. По данным Всемирного банка объем денежных переводов мигрантов в странах с низким и среднем уровнем дохода в 2018 году вырос до рекордного показателя в 529 миллиардов долларов США, или на 9,6%, в сравнении с 2017 годом, в котором их рост составил 8,8%. Этому способствовали: высокие темпы роста экономики США, восстановление оттока денежных средств из Российской Федерации и нескольких стран Совета сотрудничества арабских государств Персидского залива. На рис.1. представлена динамика денежных переводов международных мигрантов с 1990 года по 2019 год, в соответствии с которым можно заметить, что денежные переводы, начиная с 1996 года стали превышать потоки официальной помощи в целях развития. В 2013 году начался спад притоков прямых иностранных инвестиций в страны с низким и средним уровнем дохода, что позволило стабильно возрастающим потокам денежных переводов мигрантов превысить ПИИ в 2018 году и стать наиболее значим источником валютных поступлений в тех странах. 10

Рисунок 1 – Сравнение потоков денежных переводов с другими источниками валютных поступлений в страны с низким и средним уровнем дохода, 19902019, млрд. долл. США [68, c. 1] В настоящее время трансграничные переводы мигрантов являются крупнейшим источником валютных поступлений в страны с низким уровнем дохода по классификации Всемирного банка, за исключением Китая. Они более чем в три раза превышают официальную помощь в целях развития (ОПР). Кроме того, в последние годы прямые иностранные инвестиции имеют тенденцию к снижению, денежные переводы приблизились к уровню потоков ПИИ в 2018 году, по прогнозам данный разрыв только будет увеличиваться в последующие годы. За исключением Китая (ПИИ превышают денежные переводы мигрантов примерно в 8,5 раз), денежные переводы были значительно больше потоков ПИИ, что можно наблюдать на рисунке 2. 11

Рисунок 2 – Сравнение потоков денежных переводов с ПИИ в страны с низким и средним уровнем дохода за исключением Китая, 1990-2019, млрд. долл. США [68, c. 2] В соответствии с прогнозами экспертов Всемирного банка, результаты которого можно увидеть в таблице 1, ожидается, что рост внешних денежных переводов в тандеме с номинальным ВВП (в долларовом выражении) страндоноров предполагает, что эти потоки в страны с низким и средним уровнем доходов достигнут 574 млрд. долларов США в 2020 году и 597 млрд. долларов США к 2021 году. Как можно заметить, темпы роста в перспективе снизятся для стран с низким и средним уровнем доходов. В 2018 году темп рост составлял 8,6%, в то время как в 2020 году прогнозируется, что темп роста составит 4,2% и 4,0% в 2021 году из-за ряда политических и экономических проблем, но несмотря на это темп роста останется положительным. 12

Рисунок 3 – Прогнозы потоков денежных переводов в страны с низким и средним уровнем дохода [64] Тем не менее, в последующие два года существует вероятность возникновения негативных трендов. Главным среди рисков является антиимиграционные настроения почти по всех крупных странах, куда направляются мигранты, включая Соединенные Штаты, Европу, Россию и Южную Африку. Даже в странах Совета сотрудничества арабских государств Персидского залива, где экономика сильно зависит от трудящихся-мигрантов, политическая позиция состоит в том, чтобы препятствовать въезду иностранных рабочих для стимулирования занятости граждан и вводить налоги или другие ограничения на исходящие денежные переводы. Несмотря на это, предполагается, что в долгосрочной перспективе, скажем, через десять лет, риски будут повышаться, в основном из-за того, что глобальные миграционные потоки, как ожидается, значительно возрастут (Отчет Всемирного банка за 2019 год). Средний разрыв в доходах между странами с высоким уровнем дохода и странами с низким уровнем дохода, который является основной движущей силой миграции, в настоящее время составляет 54: 1 (более 43 000 долл. США против 800 долл. США), что будет 13

способствовать увеличению миграции из стран с низким и средним уровнем дохода. Демографические изменения являются вторым основополагающим фактором миграции: ожидается, что к 2030 году численность трудоспособного населения в странах с низким и средним уровнем доходов вырастет более чем на 550 миллионов - вероятно, значительная часть этого населения не найдет работу или хорошо оплачиваемую работу в стране рождения, таким образом, усилится миграционное давление. Третий фундаментальный фактор - это изменение климата, которое может привести к перемещению до 143 миллионов человек, согласно докладу Всемирного банка за 2018 год. Таблица 1 – Теории миграции, развивающие концепцию Центра и Периферии Теории Основные идеи Авторы миграции Неоклассическая Решение о миграции является Sjaastad L.A., 1962; теория рациональным выбором, в основе Cassarino J.P., 2004 равновесия которого лежит соотношение величин издержек на миграцию и доходов получаемых в результате миграции Благодаря миграции выравнивание происходит Borjas G.J., 1995 экономического развития стран Новая модель Денежные переводы, являясь Taylor G.J., 1999 экономики стабильным источником доходов, трудовой позволяют миграции сформировать источников семье мигранта портфель дохода диверсифицировать и финансовые риски 14

Таким образом, основной стимул для миграции из стран-периферии в страны-центра заключается в разнице между размерами реальных доходов и ставках заработной платы. При этом оба показателя должны в значительной мере превышать текущие, чтобы не учитывать затраты на миграцию. Миграционный процесс позволяет работникам создать «подушку безопасности» для своей семьи, оставшейся в родной стране благодаря переводу части денежных средств, которые могут быть использованы на основные нужды, а также служить дополнительным источником средств для инвестиций, что, по мнению большинства исследователей, способствует экономическому развитию стран доноров трудовых ресурсов. Помимо этого, прогнозы экспертов относительно будущих темпов роста потоков денежных переводов остаются положительными, несмотря на ряд мировых проблем, что делает их стабильным дополнительным источником денежных средств для стран с низким и средним уровнем доходов. 1.2 ВЛИЯНИЕ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ СТРАН ДОНОРОВ ТРУДОВЫХ РЕСУРСОВ – ОБЗОР ЛИТЕРАТУРЫ Для выбора модели и методов оценки влияния трансграничных переводов на экономику стран доноров проанализирована литературу по интересующей трудовых ресурсов была тематике, и был сделан следующий вывод, что условно ее можно разделить на две группы в зависимости от выбранного исследовательского подхода. 15

Первый подход использует микроэкономические показатели и исследует причины и направления использования денежных переводов. Такие исследования базируются на локальном исследовании домашних хозяйств. Так, чтобы определить какое влияние оказывают внутренние (из Гватемалы) и международные (из Соединенных Штатов Америки) денежные переводы на экономическое развитие Гватемалы, Richard H. Adams провел эконометрический анализ используя данные об исследовании домашних хозяйств за период с июля по декабрь 2000 года, проведенного государством. Большинство исследований того времени подтверждали, что внутренние или внешние денежные трансферты тратились в большинстве своем на потребление нежели чем на инвестирование (Chami, Fullenkamp и Jahjah (2003)). Такое поведение домохозяйств не способствовало ускорению темпов экономического развития. Однако это исследование выявило, что домашние хозяйства, получающие дополнительные денежные средства как внутри страны, так и изза рубежа были потрачены в основном на образование, жилье и здравоохранение, в сравнении с теми домохозяйствами, которые не получали их вообще. Возросшие потоки инвестиций способствовали ускорению развития местной экономики путем создания новых рабочих мест, как для квалифицированных рабочих, так и для неквалифицированных рабочих [4]. Следующая статья базируется на исследовании домашних хозяйств двух небольших островных экономик в регионе Океании. Это исследование является особо интересным тем, что сравнивает две достаточно разных страны (Фиджи и Тонга) в плане их миграционной истории и поведения в области денежных переводов. Эти факторы могли повлиять на результаты трехступенчатой модели наименьших квадратов, которая была использована авторами и введена в использование Brown и Leeves. Результаты показали позитивную корреляцию между доходами бизнеса и денежными переводами, которые в будущем могут привести к созданию нового производственного капитала в случае Тонга. В то же время, на Фиджи было обнаружено негативное воздействие денежных переводов на заработную плату местного населения. Это может означать, что 16

люди склонны больше полагаться на дополнительные денежные источники, чем на свои трудовые ресурсы. Кроме того, это может говорить о том, что денежные переводы служат дополнительным источником денежных средств для удовлетворения текущих потребностей населения. Домашние хозяйства Фиджи, по-видимому, не готовы полагаться на этот источник доходов, чтобы начать или расширить бизнес активность и в будущем внести свой вклад в экономическое развитие острова [16]. Iva Trako в ее исследовании изучила, как денежные переводы используются семьями, отдельными лицами и домохозяйствами в Албании. Предыдущие исследования в этой стране определили позитивную взаимосвязь между притоком частных международных денежных средств и благосостоянием отдельных граждан, а так же безработицей в Албании в целом (Всемирный банк 2003). Известно, что денежные переводы мигрантов стали важнейшим элементом современной социально-экономической жизни и ключевым компонентом стратегий обеспечения средств к существованию домашних хозяйств в Албании (Carleto et al., 2004; King and Vullnetari, 2003; Gedeshi and Uriçi, 2003). Автор исследования в большей степени фокусировался на социально-экономическом развитии страны и выяснил, что полученные денежные средства не направлялись на обучение детей в школах или на увеличение предложения рабочей силы, которые являются ключевыми факторами, способствующими экономическому росту в развивающихся странах. Более того, миграция и связанные с ней денежные потоки не способствовали значительному повышению доходов домашних хозяйств и сокращению безработицы среди албанских семей. Таким образом, автор пришел к выводу, что денежные переводы не могут быть стабильным механизмом экономического социально-экономического роста. На результаты развития исследования и долгосрочного могли повлиять политическая неопределенность и ограниченная направленность реформ того времени (2005 год) [75]. 17

Несмотря на увеличение международных потоков денежных переводов в Нигерию, существует нехватка исследований, связанных с изучением связей между международной миграцией, денежными переводами и благосостоянием домашних хозяйств в этой стране. Ajaero, Nzeadibe, Obisie-Nmehielle и Ike анализировали данные полученные путем исследования домашних хозяйств данной страны за 2009 год. При помощи статистического и эконометрического исследования было выявлено, что денежные переводы мигрантов оказывают важное влияние на благосостояние домашних хозяйств в Нигерии, а также положительно сказываются на владении и накоплении потребительских и долгосрочных активов домохозяйствами, которые получают эти денежные средства. Несмотря на тот факт, что значительная часть этих средств направлена на текущие нужды, такие как потребление, но также эти средства инвестировались в жилье и образование членов домохозяйств, что в долгосрочной перспективе может привести к росту ВВП данной страны за счет инвестиций в человеческий капитал [5]. Второй подход опирается на макроэкономические модели (которые не представляют собой поведение, направленное на максимизацию индивидуального благосостояния) чтобы объяснить влияние трансграничных денежных переводов на экономику. Бангладеш, Индия и Шри-Ланка являются одними из основных экспортеров человеческих ресурсов. Количество мигрантов значительно увеличилось в последнее время. В ходе этого процесса денежные переводы стали одним из доминирующих источников валютных поступлений для этих стран. Таким образом, эти три страны предоставляют уникальную возможность для изучения взаимосвязи и направления причинно-следственной связи между доходами от денежных переводов и экономическим ростом. E. A. Selvanathan и S. Selvanathan провели исследование с использованием системы причинноследственных связей Грейнджера (Granger, 1988) для исследования связи между экономическим ростом и денежными переводами в контексте этих трех стран за 25 лет. Результаты показали, что денежные переводы играют 18

значительную роль в содействии экономическому росту в Бангладеш. Причинно-следственная связь этих двух показателей может быть обусловлена несколькими факторами, включая мультипликативный эффект, обусловленный увеличением расходов на потребление. Несмотря на то, что расходование полученных денежных средств на инвестиции является низким, даже небольшая их часть может помочь смягчить ограничения ликвидности и непосредственно способствовать росту. Что касается Шри-Ланки, то здесь присутствует двухсторонне-направленная причинно-следственная связь, указывающая на то, что денежные переводы способствуют экономическому росту, и наоборот. Уникальная особенность населения Шри-Ланки состоит в том, что большинство мигрантов происходят из семей, не находящихся за чертой бедности (Sriskandaraja, 2003). Поскольку деньги, полученные от трансграничных переводов, не являются необходимыми для выживания, большинство семей предпочитают инвестировать эти средства в образование членов семьи, особенно молодых людей. Кроме того, полученные переводы используются домохозяйствами для осуществления небольших капиталовложений. Все это приводит к ускорению темпов экономического роста Шри-Ланки. Однако, в противовес предыдущим результатам, в Индии трансграничные переводы мигрантов не приводят к росту. Несмотря на тот факт, что мигранты из Индии многочисленны и распространены по всему миру, однако доходы от денежных переводов не составляют значительной доли от ВВП по сравнению с другими двумя странами. На уровне домашних хозяйств такой дополнительный ресурс денежных средств улучшает экономическое благосостояние миллионов семей в Индии, однако предположительно они направлены в основном на текущие нужды [45]. В случае Бангладеш, не только увеличение количества мигрантов привело к значительному увеличению трансграничных денежных переводов в страну, но также проведение некоторых макроэкономических реформ. Среди них можно отметить следующие: открытие новых обменных пунктов в странахдонорах денежных ресурсов, расширение механизмов получения средств, 19

установление годового порога денежных переводов, тщательный мониторинг и надзор за банками, ускорение доставки переводов их получателям и введение дополнительных мер наблюдения в соответствии с Законом о Предупреждении Отмывания Денег (2002). Комбинация этих двух факторов способствовала увеличению притока денежных переводов с конца 1990-х годов. В связи с тем, что частные денежные притоки составляют значительную часть от ВВП, эта страна является частым объектом для исследования взаимосвязи между этими притоками и экономическим развитием. Так Datta и Sarkar использовали временные ряды, в частности авторегрессионный распределенный лаг (Pesaran and Shin, 1999), для изучения корреляции между денежными переводами и экономическим развитием Бангладеш за период с 1975 по 2011 года. Результаты данного исследования показывают, что в Бангладеш существует вероятность долгосрочной взаимосвязи между трансграничными переводами и ВВП, но нет прогнозирующей причинно-следственной связи ни в краткосрочной, ни в долгосрочной перспективе [54]. В отличие от предыдущих исследователей, Hassan, Shakur и Bhuyan исследовали влияние внутренних и внешних потоков денежных переводов на рост ВВП на душу населения в Бангладеш в 1974-2006 гг. при помощи трех альтернативных спецификаций (OLS, IV-2SLS, IV-GMM). Было обнаружено, что эффект прироста денежных переводов сначала отрицателен, но на более позднем этапе становится положительным, что доказывает нелинейные отношения между этими двумя показателями. Это может быть связано с непродуктивным использованием денежных переводов вначале с последующим более продуктивным использованием полученных средств. Стоит также отметить, что денежные переводы положительно влияют на рост ВВП на душу населения в Бангладеш тогда, когда в анализ включены показатели финансового развития, которые взаимодополняют денежные притоки [28]. Есть еще несколько статей, посвященных влиянию денежных переводов в Бангладеш. Stahl и Habib (1989) утверждают, что денежные переводы увеличивают склонность к сбережению, что в последствии увеличивает 20

экономический рост, приводя к появлению денежных переводов. Mahmud (2003) и эффекта мультипликатора Siddique (2004) утверждают, что денежные переводы способствуют ускорению темпов роста в Бангладеш. Paul и Das (2011) нашли долгосрочную позитивную связь между денежными переводами и ВВП, но в краткосрочной перспективе нет никаких доказательств роста за счет прироста денежных переводов. Rahman et al. (2006) и Rahman (2009) заключили, что денежные переводы, оказывают незначительное влияние на ВВП страны. Ahmed (2010) считает, что поток денежных переводов в Бангладеш является статистически значимым, но оказывает негативное влияние на рост. Siddique, Selvanathan и Selvanathan (2010) также считают, что рост денежных переводов не ведет к экономическому росту. Kumar and Stauvermann (2014) включили валовое накопление основного капитала, средний уровень занятости и реальные денежные переводы на душу населения в уравнение роста, используя годовые данные с 1979 по 2012 год для оценки взаимосвязи между денежными переводами и ВВП в Бангладеш. Они использовали подход ARDL для выявления долгосрочных и краткосрочных связей. В отличие от двумерных результатов для Бангладеш, они обнаружили, что денежные переводы являются ведущим показателем роста ВВП. Согласно их выводам, примерно 11% любого движения ВВП можно объяснить изменениями в денежных переводах в Бангладеш. Jawaid and Raza (2012) использовали аналогичную модифицированную модель Солоу для изучения взаимосвязи денежных переводов и ВВП в Корее и Китае с 1980 по 2009 год. Они применили доказательства коинтеграционный положительной тест долгосрочной Йохансена связи и между обнаружили денежными переводами и ВВП в Корее, но отрицательной - в Китае [29]. Помимо Бангладеш, Филиппины также являются одной из стран мира с достаточно долгой миграционной историей. В 2018 году среди стран Восточной Азии Филиппины являются вторыми по величине получателями денежных переводов после Китая (Всемирный банк, 2018). Ang исследовал влияние трансграничных денежных переводов на экономическое развитие страны как на 21

национальном уровне, так и на региональном за период 1988-2004 гг. Автор обнаружил, что на национальном уровне денежные переводы оказывают положительное и существенное влияние на экономическое развитие. В то время как на региональном уровне результаты оказались неоднозначными [8]. В Южной Азии на втором месте по величине денежных переводов мигрантов расположился Пакистан (Всемирный банк, 2018). Luqman и Haq провели исследование с использованием временных рядов за период 1972-2011 гг. Было выявлено, что развитие местного финансового сектора увеличивает вклад денежных переводов мигрантов на экономический рост в Пакистане [32]. Влияние объема денежных переводов на ВВП Пакистана рассмотрели Ali, 2011; Iqbal & Sattar, 2005; Irfan, 2011; Nishat & Bilgrami, 1991 и обнаружили позитивную корреляцию между данными показателями. Adams (2002) предполагает, что международные денежные переводы оказали положительное влияние на уровень сбережений в Пакистане в 1980-х и начале 1990-х годов. Он считает, что возросшие потоки денежных переводов рассматривались как неопределенные по своей природе, и поэтому люди хотели больше откладывать на будущее. Если бы эти сбережения направлялись через банковский сектор на инвестиционные цели, то денежные переводы потенциально могли бы оказать положительное влияние на экономический рост. Gupta провела исследование, в ходе которого были изучены макроэкономические детерминанты денежных переводов в Индии, одной из крупнейших стран-получателей денежных переводов в мире, и установила, что денежные переводы носят антициклический характер. Интересный факт, что она обнаружила то, что процентные ставки и снижение обменного курса не оказали существенного влияния на поток денежных переводов. Большая часть увеличения потоков денежных переводов была обусловлена ростом миграции и увеличением доходов этих самых мигрантов. Развитие фондового рынка является неотъемлемой частью финансового развития, что, в свою очередь, связано с экономическим ростом. И чтобы выяснить как финансовые институты и денежные переводы влияют на 22

фондовый рынок, Billmeier и Massa исследовали 17 стран Ближнего Востока и Центральной Азии в период с 1995 по 2005 год при помощи регрессионной панели с фиксированными эффектами. И выяснили, что в среднестатистической стране, содержащейся в группе стран отобранных для модели, финансовые институты и денежные переводы вносят значительный вклад в развитие фондового рынка. В выборку были отобраны страны со значительными запасами природных ресурсов и их отсутствием. Примечательно, что денежные переводы в значительной мере способствуют развитию фондового рынка в странах, где отсутствуют запасы природных ресурсов. Именно в этих странах было выявлено непрямое положительное влияние таких денежных переводов мигрантов на экономическое развитие стран Ближнего Востока и Центральной Азии [14]. В странах Азии и Тихоокеанского региона за последние три десятилетия значительно увеличился приток денежных переводов, и в настоящее время на них приходится основная часть общих поступлений денежных переводов в сравнении с другими регионами. Для многих стран в этом географическом регионе денежные переводы являются крупнейшим источников валютных поступлений и составляют более 10 процентов от ВВП. Понимание взаимосвязи между этими двумя показателями может помочь государствам разработать соответствующую эффективную политику относительно потоков денежных переводов. Стоит отметить также две ключевые характеристики, связанные с движением денежных переводов в странах Азии и Тихого океана. Во-первых, денежные переводы склоны приводить к снижению ВВП на душу населения. Во-вторых, денежные переводы являются относительно стабильным источником внешнего финансирования по сравнению с экспортом и притоком частного капитала без прямых иностранных инвестиций. Все это может влиять на выводы Jongwanich сделанные на базе панельных данных развивающихся стран Азии и Тихого океана в период 1993-2003 гг. Денежные переводы оказывают положительное, но незначительное влияние на экономический рост в развивающихся странах данного географического региона через улучшение 23

человеческого капитали и условий для внутренних инвестиций. Стоит также отметить, что денежные переводы мигрантов оказывают существенное прямое воздействие на сокращение бедности посредством увеличения доходов, сглаживания потребления для бедных [30]. Fayissa и Nsiah оценивают макроэкономическое влияние денежных переводов и некоторых контрольных переменных на экономический рост стран Африки, Азии, Латинской Америки и стран Карибского бассейна. Для выборки отобраны 64 страны, из которых 29 из Африки, 14 из Азии и 21 из Латинской Америки и Карибского региона, и период с 1985 по 2007 год. В данных регионах, второе место, среди источников иностранных финансовых средств, занимают денежные переводы мигрантов, уступая только по темпам прироста прямым иностранным инвестициям, но превосходя официальную помощь в целях развития за рассматриваемый период. Результаты данного исследования показывают, что денежные переводы оказывают статистически значимое долгосрочное влияние на экономическое развитие во всех трех регионах, как единой группе, так и в контексте отдельных регионов. Однако эффект является гораздо более выраженным для азиатского региона, чем для регионов Африки или Латинской Америки и стран Карибского бассейна, отчасти из-за региональных различий в трансакционных издержках и направлениях использования денежных переводов. В соответствии с ранее проведенными исследованиями в данных регионах было выявлено, что в африканских странах денежные переводы потребления, нежели мигрантов целей используются инвестирования, в что основном снижает для целей возможное положительное влияние таких денежных потоков на экономический рост стран и региона в целом [35]. По данным Всемирного банка, страны Латинской Америки и Карибского бассейна относятся к странам с низким уровнем дохода или доходом ниже среднего, однако полученные денежные переводы на протяжении нескольких лет составляют более 10% от их ВВП. Кроме того, для большинства стран 24

денежные переводы являются более крупным источником дохода, чем прямые иностранные инвестиции. Этот факт подвиг Mundaca на исследование данного региона, а также тот факт, что каждая отдельная страна, учтенная в модели, отличается с точки зрения общего экономического развития, уровня развития финансовых рынков, политической структуры, денежно-кредитной и фискальной политики и институциональных механизмов. Модель включает в себя страны Латинской Америки и некоторые страны Карибского бассейна, и рассмотрен период с 1970 по 2002 год. Результаты показывают, что денежные переводы оказывают значительное влияние на рост ВВП на душу населения во всех рассматриваемых странах. Коэффициенты являются численно и статистически значимыми на любом уровне значимости. Стоит отметить, что денежные переводы оказывают значительное и устойчивое воздействие на экономику только в том случае, если они инвестируются в долгосрочные технологии или используются для капиталовложений. И в заключение, экономика будет испытывать более высокий прирост темпов роста, в том случае, когда денежные переводы будут очень значительными по отношению к среднему капиталу на одного предпринимателя или если экономика будет очень бедной [34]. Ramirez и Sharma используют данные по 23 странам региона Латинской Америки и Карибского бассейна за период 1990-2005 годов. Полученные результаты подтверждают предыдущие исследования, которые предполагают, что денежные переводы могут выступать в качестве субститутов для финансовых рынков (Guiliano et al., 2006). В случае группы стран с более низкими доходами, внутренние кредиты, предоставляемые банковским сектором, и денежные переводы оказывают положительное и значительное влияние на экономический рост. Что касается стран с высоким уровнем дохода, то здесь внутренние кредиты оказывают негативное влияние на рост ВВП на душу населения, в то время как денежные переводы оказывают значительное положительное влияние на данный показатель. Все эти результаты свидетельствуют о том, что денежные переводы способны смягчить кредитные 25

ограничения, с которыми сталкиваются экономические агенты в этих странах, тем самым повлиять на дальнейший экономический рост. Стоит также отметить, что согласно результатам, экономическое воздействие денежных переводов выше в группе стран с высоким уровнем доходов, чем в группе с низким уровнем [40]. Amuedo-Dorantes и Pozo (2004) считают, что потоки денежных переводов в Латинскую Америку увеличивают реальную стоимость валюты страны-получателя так же, как и бум природных ресурсов [7]. Посредством этого и других механизмов денежные переводы могут повысить цену неторгуемых товаров и перераспределить ресурсы из торгового сектора в неторговый, тем самым сократив чистый экспорт и, следовательно, ВВП (Acosta et al. 2009) [3]. Одной из стран Карибского бассейна является Ямайка, как и для других развивающихся стран, денежные переводы мигрантов являются важным источником для поддержания доходов населения и поступлений в иностранной валюте, второй по значимости показатель после прямых иностранных инвестиций. Das, McFarlane и Cheol Jung изучили взаимосвязь между ВВП и денежными переводами на Ямайке, которые измерены в фиксированных долларах за 2010 год, используя годовые данные за период 1976-2014 годов. Авторы применили авторегрессионный распределенный лаг для изучения взаимосвязи между показателями и сделали следующий вывод. Главный вывод состоит в том, что ВВП и денежные переводы являются взаимосвязанными и оба положительно усиливают друг друга. В соответствии с предыдущими исследованиями было выяснено, что около 15% полученных денежных переводов используются на инвестиционные цели (Thomas-Hope, 2018). Таким образом, дополнительный доход в виде денежных переводов способствует ускорению темпов роста ВВП Ямайки [22]. Deonanan et al. также исследовали данную страну, используя данные за период с 1976 по 2016. И выявили, что денежные переводы напрямую способствуют финансовому развитию Ямайки в долгосрочной перспективе, но сокращают его в краткосрочном периоде. Стоит отметить, что между денежными переводами и финансовым развитием 26

наблюдается только односторонняя связь. В долгосрочной перспективе это может привести к увеличению темпов экономического роста Ямайки [23]. Тихоокеанские островные страны показали рост потоков денежных переводов, как в абсолютном выражении, так и пропорционально их валовому внутреннему продукту (ВВП). Кроме того, ожидается, что Система признанных сезонных работодателей (RSES) в Новой Зеландии и Программа сезонных рабочих в Австралии позволят увеличить приток денежных переводов в Тихоокеанские островные страны, а именно в Самоа, Тонга, Вануату, Соломоновы Острова и Кирибати (Азиатский банк развития 2009). Кроме того, приток трансграничных денежных переводов от мигрантов из Фиджи является крупнейшим источником иностранной валюты в стране после туристического сектора. В контексте Тихоокеанских островных стран денежные переводы не только способствуют увеличению столь необходимых международных резервов, внутренних сбережений и реальных ресурсов страны, но также снижают инфляционное давление, возникающее в результате экспансионистской фискальной политики (Jayaraman et al., 2009). Kumar решил исследовать взаимосвязь между денежными переводами и ВВП Фиджи за период с 1979 по 2007 год. Модель авторегрессии с распределенным лагом (ARDL) показала, что денежные переводы имеют как долгосрочную, так и краткосрочную связь с экономическим ростом Фиджи. Анализ причинноследственных связей показывает, что в краткосрочной перспективе развитие финансового сектора, экспорт товаров и услуг, а также денежные переводы связаны с экономическим ростом [65]. За последнее десятилетие приток денежных переводов увеличился в странах Ближнего Востока и Северной Африки, в то время как другие финансовые потоки сократились (прямые иностранные инвестиции и официальная помощь в целях развития). Это сделало внутренние и международные денежные переводы мигрантов одним из важнейших источников валютного дохода и доходов домашних хозяйств. Они вносят значительный вклад в ВВП, а также портфельный капитал. В странах данного 27

региона в 2017 году полученные денежные переводы составляли примерно 6,5% от ВВП (Всемирный банк, 2018). El Hamma изучила при помощи панельного регрессионного анализа 14 стран Ближнего Востока и Северной Африки за период с 1982 по 2015 год. Эти страны были отобраны по количеству эмигрирующих граждан. В ходе исследования было выявлено, что надежная финансовая система и хороший уровень институционального качества дополняют положительное влияние денежных переводов на экономический рост в данном регионе [26]. Baldé исследовала как денежные переводы влияют на сбережения и инвестиции на примере выборки из 34 стран Африки к югу от Сахары за период с 1980 по 2004 год. В качестве методов оценки используются метод обычных наименьших квадратов (OLS) и метод инструментальных переменных (2SLS). Автор определил, что денежные переводы и иностранная помощь положительно и значительно влияют на сбережение и инвестиции в данном регионе, что опровергает заключения, сделанные ранее о том, что денежные переводы мигрантов в Африканских странах к югу от Сахары полностью используются только на нужды потребления. Также было обнаружено, что, несмотря на то, что объем и доля денежных переводов ниже, чем иностранной помощи, денежные переводы оказывают более позитивное влияние на сбережение и инвестиции. Внутренние и трансграничные денежные переводы, получаемые непосредственно нуждающимися людьми, а не правительством в качестве посредника, будут служить интересам большего числа домохозяйств и будут эффективней содействовать экономическому развитию региона, чем иностранная помощь. Однако в хороших институциональных, политических и экономических условиях иностранная помощь может быть эффективно использована и служить дополнением к денежным переводам, позволяя уязвимым домохозяйствам получать доход выше порогового уровня прожиточного минимума, чтобы получатели этих средств могли использовать большую долю денежных переводов на сберегательные и инвестиционные цели. Стоит отметить, что денежные переводы мигрантов могут оказывать 28

косвенное положительное влияние на экономический рост Африканских стран к югу от Сахары за счет увеличения сбережений и инвестиций [9]. Nyamongo et al. изучили выборку из 36 стран африканского континента, данные охватывают период с 1980 по 2009 год. Для исследования применялись методы регрессионного эконометрического исследования и в его ходе были сделаны следующие выводы. Во-первых, среди исследуемых стран в течение рассматриваемого периода наблюдалось значительное влияние денежных переводов на экономическое развитие в Африке. Во-вторых, нестабильность денежных переводов склона приводить к негативному влиянию на экономический рост стран в Африке. В-третьих, денежные переводы являются дополнительным факторов, способствующим финансовому развитию данного региона [36]. Peprah et al. использовали макроэкономические данные для изучения связи между финансовым развитием, денежными переводами и экономическим ростом в Гане. Для исследования использовалась динамическая гетерогенная модель авторегрессионного распределенного лага (ARDL). Результаты показывают, что денежные переводы являются важным фактором, способствующими росту экономики Ганы в течение исследуемого периода (1984-2015). Кроме того, совместный эффект финансового развития и денежных переводов выше, чем их индивидуальный эффект [39]. В Западноафриканском экономическом и валютном союзе (WAEMU) потоки денежных переводов составляют 4% от среднего ВВП союза в 2010 году. Donou-Adonsou и Lim использовали данные о семи странах в Западноафриканском экономическом и валютном союзе, охватывающих период 1975-2011 гг. Цель исследования заключается в эмпирическом анализе мотивов и долгосрочных экономических результатов притока денежных переводов для стран входящих в союз. Авторы использовали метод временных рядов, а именно тесты Westerlund (2007) для проверки долгосрочных отношений между интересующими переменными. Результаты показали, что нет никаких свидетельств долгосрочного воздействия денежных переводов на доход на душу населения в регионе. Приток, с точки зрения авторов, мотивирован 29

инвестициями, в то время как дополнительные денежные средства в основном использованы для характеризоваться стимулирования информационной потребления. асимметрией Это явление может между мигрантами и получателями денежных средств [24]. Публикации Всемирного банка в 2014 году показали, что Нигерия является страной, получающей самые большой объем денежных переводов в Африке. Несмотря на высокий приток денежных переводов в Нигерию, бедность и неравенство по-прежнему распространены в Нигерии, и домохозяйствам страны еще предстоит выяснить, как эффективно использовать денежные переводы, как и в других развивающихся странах. Oluwafemi и Ayandibu сравнили положительное влияние денежных переводов мигрантов на развитие в некоторых развивающихся странах мира с уровнем воздействия денежных переводов в Нигерии. После проведения критического исследования авторы выявили, что политическая нестабильность, неэффективность финансового сектора, бюрократия, коррупция, чрезмерная зависимость от природных ресурсов являются одними из факторов, препятствующих положительному влиянию денежных переводов на экономическое развитие в Нигерии [38]. Cazachevici et al. провели мета-анализ включающий 95 статей и 538 оценочных суждений. Было выявлено, что результаты показывают положительное, но не особо значительное влияние денежных переводов на экономический рост. Кроме того, было выяснено, что предполагаемое влияние денежных переводов на рост зависит от того, какие страны включены в выборку: влияние денежных переводов систематически выше в странах Азии, чем в Африке [18]. Бывшим странам Советского Союза редко уделяется внимание со стороны исследователей. Это может быть связано с тем, что страны бывшего Советского Союза раньше не регистрировали соответствующие данные о денежных переводах в своих платежных балансах. Кроме того, доля постсоветских стран в международном притоке денежных переводов незначительна и составляла менее 5% в 2010 году. Однако в последнее время 30

наблюдается значительный рост притока денежных переводов. Что подвигло Yormirzoev на эмпирическое исследование роли денежных переводов в экономическом росте в бывших советских республиках за период с 2000 по 2010 годы с использованием панельной регрессии. В ходе исследования были рассмотрены 11 стран, исключая те, которые не публикуют данные о денежных переводах, и Россию. Главный вывод состоит в том, что переводы мигрантов не способствуют росту производства в бывших советских республиках. Однако в целом постсоветские страны испытали положительное влияние потоков денежных переводов на темпы роста ВВП на душу населения [52]. Cismaș et al. решили изучить влияние денежных переводов на экономическую активность принимающих стран из Центральной и Восточной Европы и, в частности, Румынии. Данная страна является уникальной в отношении соотношения между уровнем миграции и объемом денежных переводов. Это единственная страна в Центральной и Восточной Европе, в которой зарегистрирован самый низкий уровень чистой миграции, а также самый низкий уровень полученных денежных переводов в соответствии с данными Всемирного банка за период с 1996 по 2017 годов. В целом для модели были отобраны 11 стран данного региона, но был сделан отдельный акцент на Румынию. В ходе эконометрического исследования было выявлено, что для 6 стран, таких как Болгария, Чешская Республика, Эстония, Венгрия, Литва и Латвия наблюдается долгосрочное положительное влияние денежных переводов на экономическое развитие данных стран, а также для Чешской Республики и Литвы авторы выявили также краткосрочное влияние денежных переводов на рост. Однако эмпирические результаты в отношении Румынии показывают, что приток денежных средств от мигрантов, которые поступили в страну через официальные каналы, не оказывают существенного влияния на экономический рост [20]. Kociu et al. изучили взаимосвязь между показателями на примере Албании за период с 2002 по 2014 год. Результаты эконометрического исследования показывают, что денежные переводы оказывают положительное 31

влияние на экономический рост в Албании за счет того, что денежные переводы облегчают бюджетные ограничения семей, удовлетворяя важные потребности, финансируя расходы на питание, здравоохранение, жилье и образование для детей. Они облегчают финансовые трудности и являются источником сбережений и инвестиций для внутреннего сектора страны, тем самым способствуя ее экономическому развитию [31]. В пяти средиземноморских странах Glytsos (2005) исследует влияние внешних потрясений на денежные переводы, потребление, инвестиции, импорт и выпуск. Построив кейнсианскую модель, в которой он включил денежные переводы как часть располагаемого дохода, он продемонстрировал, что денежные переводы стимулируют рост. По мнению автора, влияние денежных переводов на рост проходит через доходные и инвестиционные каналы. Meyer и Shera исследовали влияние денежных переводов на экономический рост с использованием панельных данных за период с 1999 по 2013. Для изучения были выбраны шесть стран, которые получают наибольшее количество денежных переводов за исследуемый период (Албания, Болгария, Македония, Молдова, Румыния и Босния и Герцеговина). В этих странах значительно увеличился приток денежных переводов, и в настоящее время на них приходится основная часть общих поступлений денежных переводов по сравнению с другими регионами. В большинстве стран денежные переводы являются крупнейшим источником валютных поступлений и составляют более 10% от ВВП. Для анализа использовалась регрессионная модель с фиксированными эффектами. Результаты показывают, что денежные переводы оказывают положительное влияние на рост и что это влияние увеличивается при более высоком уровне денежных переводов [33]. Исследователи Upadhyaya et al. рассматривают влияние денежных переводов работников на экономический рост в выборке из 39 развивающихся стран с использованием панельных данных за 1980–2004 годы. Результаты показывают, что денежные переводы оказывают положительное влияние на рост, хотя влияние не очень большое по размеру [49]. Используя группу из 66 32

развивающихся стран за период 1991-2005 гг., Bettin и Zazzaro показали, что эффективная банковская система дополняет положительное влияние денежных переводов на рост ВВП. Потоки денежных переводов не только ослабляют ограничения ликвидности и гарантируют доступ к кредитам, но также могут способствовать более эффективной банковской программе финансирования проектов, которая способствует росту бизнес сектора, что в свою очередь положительно влияет на экономическое развитие стран [13]. Eggoh et al. изучали стимулирующее влияние международных денежных переводов на экономический рост на основе данных выборки из 49 развивающихся стран в период 2001-2013 годов. Результаты свидетельствуют о положительной и значимой взаимосвязи между денежными переводами и экономическим ростом. Кроме того, было выявлено, что денежные переводы оказывают более значимое влияние на рост по сравнению с другими источниками внешнего финансирования. Положительная взаимосвязь между денежными переводами и экономическим ростом подтверждает теоретические выводы и подчеркивает важность трансфертов мигрантов для финансового развития, развития человеческого капитала, потребления и инвестиций. Были определены основные три канала, по которым денежные переводы могут оказывать косвенное влияние на рост: инвестиции, потребление и развитие финансовой системы [25]. На базе 50 развивающихся стран и периоде с 1970 по 2004 Senbeta изучил вопрос влияния денежных переводов мигрантов на долгосрочное развитие стран. В ходе исследования было выяснено, что денежные переводы оказывают неизменно значительное положительное влияние на инвестиции. Это противоречит утверждению о том, что денежные переводы обусловлены альтруистическими статистически мотивами. значимое С одной положительное стороны, влияние автор определил денежных переводов мигрантов на накопление капитала, а с другой стороны, результаты показывают, что денежные переводы работников не оказывают существенного влияния на рост общей факторной производительности. Следовательно, эта 33

статья освещает противоречивые последствия денежных переводов для двух источников роста: накопления капитала и роста основной факторной производительности. Учитывая важность роста основной факторной производительности для объяснения различий между странами, отсутствие позитивной связи между денежными переводами и ростом общей факторной производительности ставит под сомнение роль денежных переводов в качестве основных источников роста в долгосрочной перспективе [44]. Batu выявил, что временный приток денежных переводов работников положительно влияет на ВВП на душу населения, в то время как постоянный рост денежных переводов не влияет на экономический рост стран, участвующих в выборке (81 развивающаяся страна и период с 1970 по 2012 года) [12]. Chami et al. обнаружили, что денежные переводы мигрантов оказывают негативное влияние на рост доходов на душу населения. В исследовании приводятся три стилизованных факта: во-первых, что значительная часть, а зачастую и большинство денежных переводов расходуется на потребление; вовторых, что меньшая часть денежных переводов идет на сбережения или инвестиции; и, в-третьих, способы, с помощью которых денежные переводы, как правило, хранятся или инвестируются - в жилье, землю и ювелирные изделия, - «не обязательно продуктивны» для экономики в целом. Эмпирические результаты также показывают, что денежные переводы могут косвенно влиять на реальный обменный курс, что приводит к появлению «голландской болезни», когда приток денежных переводов вызывает реальное повышение или откладывает обесценение обменного курса. Обменные курсы повышаются в странах с большими денежными переводами, что, в свою очередь, негативно скажется на экономическом росте [19]. Barajas et al. провели исследование 84 развивающихся стран за период с 1970 по 2004 и выяснили, что десятилетия частных трансфертов доходов денежных переводов - мало способствовали экономическому росту в странах, получающих денежные переводы, и, возможно, даже замедлили рост в некоторых. Они обнаружили, что когда денежные переводы измеряются 34

надлежащим образом, а все составляющие уравнения роста хорошо определены, то невозможно найти надежного и значительного положительного влияния денежных переводов на долгосрочный рост и часто выявляется отрицательная связь между денежными переводами и ростом [10]. Rao и Hassan определили, что денежные переводы, по-видимому, не оказывают какого-либо значительного прямого влияния на рост. Стоит отметить, что, несмотря на тот факт, что денежные переводы не имеют прямых долгосрочных эффектов роста, они могут иметь кратковременные и среднесрочные временные эффекты роста [41]. Таблица 2 – Направление влияния трансграничных денежных переводов на экономическое развитие стран доноров трудовых ресурсов Результат Автор (год) Страны/Регион (период) Положительный Adams (2016) Brown, Leeves (2010) Ajaero et al. (2017) Selvanathan et al. (2012) Hassan et al. (2012) Гватемала (июль-декабрь 2000) Тонга (2003) Нигерия (2009) Бангладеш, Шри-Ланка (1976-2006) Бангладеш (1974-2006) в длительном периоде Бангладеш (1979-2012) Южная Корея (1980-2009) Филиппины (1988-2004) Пакистан (1972-2011) Ближний Восток и Центральная Азия (17 стран, 1995-2005) Страны Азии и Тихого океана (1993-2003) 64 развивающихся стран (1985-2004) Латинская Америка и страны Карибского бассейна (1970-2002) 23 страны Латинской Америки и Карибского бассейна (1990-2005) Ямайка (1976-2014) Kumar, Stauvermann (2014) Jawaid, Raza (2012) Ang (2006) Luqman, Haq (2015) Billmeier, Massa (2007) Jongwanich (2007) Fayiasa, Nsiah (2013) Mundaca (2008) Ramirez, Sharma (2008) Das et al. (2019) 35

Продолжение таблицы 2 Результат Автор (год) Страны/Регион (период) Положительный Deonanan et al. (2019) Trako (2008) Ямайка (1976-2016) в длительном периоде Фиджи (1979-2007) 14 стран Ближнего Востока и Северной Африки (1982-2016) 34 страны Африки к югу от Сахары (1980-2004) 36 стран Африки (1980-2009) Гана (1984-2015) 11 стран бывшего Советского Союза (2000-2010) 11 стран Центральной и Восточной Европы (1996-2017) Албания (2002-2014) 5 Среднеземноморских стран (1969-1998) 6 Европейских стран (1999-2013) 39 развивающихся стран (1980-2004) 66 развивающихся стран (1991-2005) 49 развивающихся стран (2001-2013) 81 развивающаяся страна (1970-2012) Албания (2005) Selvanathan et al. (2012) Индия (1976-2006) Datta, Sarkar (2014) Бангладеш (1975-2011) Donou-Adonsou, Lim (2016) 7 стран Западноафриканского Kumar (2010) El Hamma (2018) Balde (2011) Nyamongo et al. (2012) Peprah et al. (2019) Cazachevici et al. (2019) Yormizoev (2016) Ciamas et al. (2019) Kociu et al. (2016) Glytos (2005) Meyer, Shera (2016) Upadhyaya et al. (2008) Bettin, Zazzaro (2009) Eggoh et al. (2019) Batu (2017) Нейтральный экономического и валютного союза (1975-2011) Ciamas et al. (2019) Румыния (1996-2017) Senbeta (2012) 50 развивающихся стран (1970-2012) 36

Окончание таблицы 2 Результат Автор (год) Страны/Регион (период) Нейтральное Barajas et al. (2009) 84 развивающихся стран (1970-2004) 40 развивающихся стран Rao, Hassan (2011) (1974-2006) Отрицательное Brown, Leeves (2010) Фиджи (2003) Hassan et al. (2012) Бангладеш (1974-2006) в коротком периоде Jawaid, Raza (2012) Китай (1980-2009) Amuedo-Dorantes, Pozo (2004) 13 стран Латинской Америки и Карибского бассейна (1979-1998) Acosta et al. (2009) Эль Сальвадор (1992-2006) Deonanan et al. (2019) Ямайка (1976-2016) в коротком периоде Таким образом, на основе проведенного анализа литературы было выявлено, что влияние трансграничных денежных переводов на экономику стран доноров трудовых может быть различным. В 31 случае была выявлена положительная зависимость, в 8 случаях взаимосвязь отсутствовала, а в 6 случаях была установлена отрицательная зависимость между исследуемыми переменными. В ряде случаев влияние переменных изменялось с течением времени, так в коротком периоде было установлено наличие отрицательной зависимости, но с течением времени данная зависимость становилась положительной. Стоит также отметить, что выбор временного периода и экзогенных переменных может кардинально изменить влияние трансграничных денежных переводов, отправляемых мигрантами на ВВП страны. Поэтому дать однозначного вывода относительно взаимосвязи между двумя переменными невозможно. 37

1.3 ВЫБОР МОДЕЛИ И МЕТОДОВ ОЦЕНКИ ВЛИЯНИЯ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИКУ На основе анализа исследований, приведенных в обзоре литературы, можно сделать вывод, что одним из наиболее часто используемых методов эконометрического исследования является панельная регрессия с фиксированными и случайными эффектами. Модель с фиксированными эффектами, как правило, характеризуется тем, что фиксированные параметры и остаточные возмущения не зависимы одинаково от времени и страны. Когда ненаблюдаемые переменные, специфичные для конкретной страны, соотносятся с включенными переменными правой части, модель может давать неверные результаты. Для решения этой проблемы можно было бы использовать модели с фиксированным или случайным эффектом. Причем, большинство исследований в этих случаях предпочитает подход с фиксированными эффектами, поскольку оценка случайных эффектов требует, чтобы пропущенные переменные были некоррелированными с включенными переменными для той же страны, что кажется нереальным в контексте некоторых моделей роста. Однако легко можно проверить, превосходит ли версия со случайными эффектами версию с фиксированными эффектами, используя тест Хаусмана. Переменные, зависящие от страны, различаются между странами, но постоянны внутри страны с течением времени. Чтобы избежать корреляции ненаблюдаемых переменных, специфичных для конкретной страны, с включенными переменными правой части, метод с фиксированными эффектами корректирует все переменные модели, вычитая среднее значение каждой из них с течением времени. Постоянные переменные, специфичные для конкретной страны, и пересечение затем выпадают из оценочного уравнения, и, следовательно, оценочные параметры более точно отражают влияние включенных независимых переменных. С другой стороны, модель случайных эффектов предполагает, что коэффициенты для конкретной 38

страны не обязательно принимают фиксированное значение, а вместо этого взяты из случайного распределения с постоянным средним и дисперсией. Кроме того, влияние страны на рост не коррелирует с правосторонними переменными, включенными в модель. При оценке методом максимального правдоподобия модель случайных эффектов, если она истинна, обеспечивает эффективный набор оценок, тогда как оценка с фиксированными эффектами дает более согласованные параметры. Краткое резюме обзора литературы представлено в таблице 1 (см. Приложение Таблица А. 1). Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с низким или средним уровнем дохода (доход должен составлять менее 4086 долларов США; данное значение было посчитано экспертами Всемирного банка как среднее по миру);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 46 развивающихся стран. Был взят период с 2000 по 2018 год. Все показатели были собраны с использованием баз данных Всемирного банка, Международного валютного фонда, а также Международной организации труда. На основе рассматриваемых исследований были выявлены наиболее часто используемые показатели, которые в последствие легли в основу модели (таблица 3). Всего было отобрано 12 экзогенных переменных, которые будут рассмотрены более подробно ниже. В качестве эндогенной переменной, характеризующей экономический рост, выступит ВВП на душу населения. Таблица 3 – Исследование переменных, найденных в обзоре литературы Переменная Процентная ставка по вкладу (Deposit interest rate) Как часто Автор использовалась переменная 2 Baldé (2011); Donou-Adonsou, Lim (2016) 39

Продолжение таблицы 3 Переменная Как часто Автор использовалась переменная Валовое накопление основного 8 Hassan et al. (2012); Luqman, Haq капитала (2015); Mundaca (2008); Peprah et (Gross capital formation) al. (2019); Meyer, Shera (2016); Senbeta (2012); Ang (2006); Das et al. (2019); Кондратьев Н.Д. (2002); Акаев А.А.и др. (2012); Solow R.M. (1956); Ferrara L. (2013); Yamarik S. (2013); Dalgaard C.-J. (2013) Рост населения (Population growth) 7 Hassan et al. (2012); Mundaca (2008); Peprah et al. (2019); Meyer, Shera (2016); Bettin, Zazzaro (2009); Barajas et al. (2009); Rao, Hassan (2011) Внешний долг (External debt) 2 Peprah et al. (2019); Meyer, Shera (2016) Государственные расходы 13 Hassan et al. (2012); Jongwanich (Government consumption) (2007); Deonanan et al. (2019); Kumar (2010); Yormirzoev (2016); Cismas et al. (2019); Bettin, Zazzaro (2009); Eggoh et al. (2019); Senbeta (2012); Batu (2017); Rao, Hassan (2011); Amuedo-Dorantes, Pozo (2004); Nyamongo et al. (2012) Денежная масса (M2) 6 Hassan et al. (2012); Ramirez, Sharma (2008); Kumar (2010); Bettin, Zazzaro (2009); Barajas et al. (2009); Rao, Hassan (2011) Инфляция (Inflation) 11 Hassan et al. (2012); Billmeier, Massa (2007); Jongwanich (2007); Deonanan et al. (2019); Baldé (2011); Yormirzoev (2016); Bettin, Zazzaro (2009); Eggoh et al. (2019); Senbeta (2012); Barajas et al. (2009); Rao, Hassan (2011); Nyamongo et al. (2012) Развитие финансового сектора 8 Luqman, Haq (2015); Deonanan et (Financial sector development) al. (2019); El Hamma (2018); Peprah et al. (2019); DonouAdonsou, Lim (2016); Cazachevici et al. (2019); Senbeta (2012); Nyamongo et al. (2012) Число учащихся школ 3 Luqman, Haq (2015); Meyer, Shera (School enrolment) (2016); Eggoh et al. (2019) Качество институтов (Institutions 3 Billmeier, Massa (2007); El Hamma quality) (2018); Cazachevici et al. (2019) 40

Продолжение таблицы 3 Переменная Как часто Автор использовалась переменная Соотношение торговли к ВВП 18 Luqman, Haq (2015); Jongwanich (Trade to GDP ratio) (2007); Fayissa, Nsiah (2013); Ramirez, Sharma (2008); Deonanan et al. (2019); Baldé (2011); Donou-Adonsou, Lim (2016); Cazachevici et al. (2019); Yormirzoev (2016); Meyer, Shera (2016); Upadhyaya et al. (2008); Bettin, Zazzaro (2009); Eggoh et al. (2019); Senbeta (2012); Batu (2017); Barajas et al. (2009); Rao, Hassan (2011); Nyamongo et al. (2012) Индекс политических институтов 4 El Hamma (2018); Upadhyaya et (Political Institutions index) al. (2008); Senbeta (2012); Barajas et al. (2009) Человеческий капитал (Human capital) 5 Jongwanich (2007); Fayissa, Nsiah (2013); Ramirez, Sharma (2008); Yormirzoev (2016); Nyamongo et al. (2012) Частные инвестиции (Private 9 Billmeier, Massa (2007); investment) Jongwanich (2007); DonouAdonsou, Lim (2016); Yormirzoev (2016); Upadhyaya et al. (2008); Bettin, Zazzaro (2009); Eggoh et al. (2019); Chami et al. (2005); Rao, Hassan (2011) Реальный обменный курс 4 Jongwanich (2007); Peprah et al. (Real exchange rate) (2019); Donou-Adonsou, Lim (2016); Meyer, Shera (2016) Прямые иностранные инвестиции 12 Mundaca (2008); Deonanan et al. (Foreign direct investment) (2019); Cazachevici et al. (2019); Cismas et al. (2019); Kociu et al. (2016); Eggoh et al. (2019); Eggoh et al. (2019); Senbeta (2012); Chami et al. (2005); Barajas et al. (2009); Rao, Hassan (2011); Jawaid, Raza (2012); Acosta et al. (2009) Помощь в целях развития (Foreign aid) 6 Deonanan et al. (2019); Baldé (2011); Cazachevici et al. (2019); Eggoh et al. (2019); Senbeta (2012); Amuedo-Dorantes, Pozo (2004) 41

Окончание таблицы 3 Переменная Как часто Автор использовалась переменная Внутренние кредиты частому 6 Billmeier, Massa (2007); Mundaca сектору (Domestic credit to private (2008); Ramirez, Sharma (2008); sector) Deonanan et al. (2019); Bettin, Zazzaro (2009); Rao, Hassan (2011) Расходы на потребление 5 Donou-Adonsou, Lim (2016); домохозяйствами (Household final Cismas et al. (2019); Meyer, Shera consumption expenditure) (2016); Eggoh et al. (2019); Batu (2017) Экспорт/ВВП (Export/GDP) 4 Cismas et al. (2019); Kociu et al. (2016); Jawaid, Raza (2012); Acosta et al. (2009) Технологический уровень (Level of 6 Кондратьев Н.Д. (2002); Акаев technological development) А.А.и др. (2012); Solow R.M. (1956); Ferrara L. (2013); Yamarik S. (2013); Dalgaard C.-J. (2013) Трудовые ресурсы (Labor resources) 4 Solow R.M. (1956); Ferrara L. (2013); Yamarik S. (2013); Dalgaard C.-J. (2013) 1. Денежные переводы (в долларах США). В соответствии с шестым изданием Руководства МВФ по платежному балансу, денежные переводы представляют собой сумму этих двух элементов: личные переводы и вознаграждения работников. Личные переводы состоят из всех текущих переводов в наличной или натуральной форме, сделанные домохозяйстваминерезидентами и полученные домохозяйствами-резидентами или наоборот. Иначе, личные переводы включают все текущие переводы между резидентами и нерезидентами. Вознаграждения работников относятся к сезонным или другим краткосрочным доходам работников, которые заняты в экономике, где они не являются резидентами или же являются резидентами, но нанятые нерезидентными организациями. Как отмечалось ранее, полученные денежные переводы могут увеличить внутреннее потребление и сбережения. В той же степени, в которой происхождения денежные поддерживать переводы минимальный помогают семьям в стране уровень жизни, денежные переводы могут повысить производительность членов семьи. Часть денежных 42

переводов также может увеличить сбережения и инвестиции в стране происхождения. Эта переменная представляет основной интерес в рамках данного исследования. 2. Официальная помощь в целях развития (в долларах США). Чистая официальная помощь в целях развития (ОПР) состоит из выплат ссуд, предоставленных на льготных условиях (за вычетом выплат основной суммы), и грантов официальными учреждениями членов Комитета содействия развитию (КСР), а также многосторонними учреждениями и странами, не являющимися КСР, но содействующие экономическому развитию и благосостоянию в странах и территориях, включенных в список получателей ОПР КСР. Чистая официальная помощь относится к потокам помощи (за вычетом выплат) от официальных доноров в страны и территории такие как: более развитые страны Центральной и Восточной Европы, страны бывшего Советского Союза и некоторые развивающиеся страны. 3. Прямые иностранные инвестиции, чистый приток (% от ВВП). Прямые иностранные инвестиции - это чистый приток инвестиций для приобретения долгосрочной доли участия в управлении (10 или более процентов голосующих акций) предприятия, работающем в экономике, отличной от экономики инвестора. Это сумма собственного капитала, реинвестирования прибыли, другого долгосрочного и краткосрочного капитала. Данные отражают чистые притоки (притоки новых инвестиций за вычетом сокращения инвестиций) в отчетную экономику от иностранных инвесторов, разделенные на ВВП. 4. Индекс финансового развития. Данный индекс содержит краткую информацию относительно того, насколько развиты финансовые учреждения и финансовые рынки с точки зрения их размера и ликвидности, доступности (способности отдельных лиц и компаний получать доступ к финансовым услугам) и эффективности (способности учреждений предоставлять финансовые услуги по низким ценам и получать устойчивый доход и уровень активности рынков капитала). Большое количество фактов свидетельствует о 43

том, что развитие финансового сектора играет огромную роль в экономическом развитии. Он способствует экономическому росту за счет накопления капитала и технического прогресса путем увеличения нормы сбережений, мобилизации и объединения сбережений, предоставления информации об инвестициях, содействия и поощрения притока иностранного капитала, а также оптимизации распределения капитала. Кроме того, финансовое развитие сокращает бедность и неравенство, расширяя доступ к финансированию для бедных и уязвимых групп, облегчая управление рисками, уменьшая их уязвимость перед потрясениями, а также увеличивая инвестиции и производительность, что приводит к увеличению доходов. 5. Внутренние кредиты, предоставляемые финансовым сектором (% от ВВП). Внутренние кредиты, предоставляемые финансовым сектором, включают в себя все виды кредитов различным секторам на валовой основе, за исключением кредита центральному правительству, который является чистым. Финансовый сектор включает депозитные банки и органы денежно-кредитного регулирования, а также другие финансовые корпорации, в которых имеются данные (включая корпорации, которые не принимают переводные депозиты, но несут такие обязательства, как срочные и сберегательные вклады). Примерами других финансовых корпораций являются финансовые и лизинговые компании, валютные компании, страховые корпорации, кредиторы и пенсионные фонды. 6. Гранты, направленные на развитие технического сотрудничества (в долларах США). Данный показатель включает в себя автономные гранты, направленные на развитие технического сотрудничества, которые предназначены для финансирования передачи технических и управленческих навыков или технологий в целях наращивания общего национального потенциала без привязки к каким-либо конкретным инвестиционным проектам. А также связанные с инвестициями гранты на техническое сотрудничество, которые предоставляются для укрепления потенциала по осуществлению конкретных инвестиционных проектов. 44

7. Доля рабочей силы. Это показатель активной рабочей силы в экономике. Формула представляет собой сумму всех занятых работников, деленную на общее гражданское население трудоспособного возраста. 8. Ежегодный прирост выпуска продукции на одного работника. Представляет собой отношение выпуска продукции на одного работника в текущем периоде по отношению к предыдущему. И показывает уровень общего объема производства, деленный на число занятых работников. Данный показатель является мерой производительности труда. 9. Рост населения (годовой прирост в %). Рост населения представляет собой годовой темп прироста населения, который включает всех жителей независимо от их правового статуса, гражданства и возраста представленное в процентном выражении. Стоит отметить, что рост населения способен приводить в долгосрочном периоде к увеличению предложения рабочей силы, что в свою очередь, является основным фактором производства и может положительно сказываться на темпах роста экономики в целом за счет увеличения объемов производства и потенциально часть населения будет склонна к миграции. 10. Валовое накопление основного капитала (% от ВВП). Валовое накопление состоит из затрат на приобретение активов в основные фонды экономики плюс чистые изменения на уровне запасов. Строительство зданий коммерческого и промышленного назначения, школы, больничные комплексы, частные жилые дома, офисные здания, а также ремонт и строительство железных дорог, шоссе, все вышеперечисленное можно отнести к основным средствам. Кроме того, к данной категории относится закупка оборудования, машин, заводов, траты на улучшение земельных участков. Что касается запасов, то они представляют собой товары, которыми владеют фирмы для удовлетворения непредвиденных или временных колебаний в продажах или производстве. 11. Открытость торговли. Открытость торговли это сумма экспорта и импорта товаров и услуг, измеряемая как доля валового внутреннего продукта. 45

Эмпирические данные показывают, что в долгосрочной перспективе в ориентированных на внешний мир странах наблюдается более высокий экономический рост. 12. Инфляция. Инфляция показывает скорость изменения цен в экономике в целом и измеряется годовым темпом роста дефлятора ВВП. В свою очередь, дефлятор ВВП представляет собой отношение ВВП в текущей местной валюте к ВВП в постоянной местной валюте. Валовой внутренний продукт представляет собой общий объем производства товаров и услуг. Однако, поскольку ВВП растет и снижается, метрика не учитывает влияние инфляции или роста цен на результаты ВВП. А дефлятор ВВП показывает, в какой мере изменение ВВП зависит от изменений уровня цен. Таким образом, в данном разделе были определены методы оценки влияния трансграничных переводов на экономику, а также 12 компонентов будущей модели, на основе ранее проведенных исследований. Кроме того, были выявлены 3 критерия отбора стран и исследуемый период. 46

2 ОЦЕНКА ВЛИЯНИЯ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ СТРАН ДОНОРОВ ТРУДОВЫХ РЕСУРСОВ 2.1 ЭКОНОМЕТРИЧЕСКОЕ ИССЛЕДОВАНИЕ ВЛИЯНИЯ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ НА ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ Начнем с визуального и корреляционного анализа данных. При анализе данных и моделировании, чтобы лучше понять взаимосвязи между переменными и определить наличие выбросов первым шагом стоит определить их корреляционную зависимость. Потому что производительность некоторых алгоритмов может ухудшиться, если две или более переменных будут тесно связаны между собой, что называется мультиколлинеарностью. Иными словами, регрессоры должны быть некоррелированными с ненаблюдаемыми случайными эффектами. В противном случае оценки модели окажутся несостоятельными. Чтобы улучшить модель, стоит избавиться от одной из переменных, между которыми обнаружена сильная взаимосвязь. Построим корреляционную матрицу для всех переменных, содержащихся в модели, результаты можно наблюдать ниже (Рисунок 4). 47

lnGDP_~a lnRemm~s lnGDP_per_~a lnRemmitan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 0.4437 0.0105 0.0054 0.5605 0.5331 0.0621 -0.5155 -0.0079 -0.3566 0.2143 0.2492 -0.1095 1.0000 0.5024 -0.0377 0.6286 0.5302 0.5236 -0.4161 0.0712 -0.2972 0.1428 -0.0423 -0.0313 lnODA FDI 1.0000 0.0319 0.2782 0.2056 0.7791 -0.0236 0.1137 0.1248 0.0648 -0.1451 0.0846 1.0000 0.0157 0.0206 -0.1000 0.1327 0.0760 0.0642 0.1344 0.3027 0.0169 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.7021 0.3654 -0.5054 0.0643 -0.2440 0.2821 0.1838 -0.0880 1.0000 0.2823 -0.2945 -0.0238 -0.2542 0.3088 0.2283 -0.0677 1.0000 -0.1156 0.1544 -0.0722 0.0610 -0.1463 0.0580 1.0000 0.0198 0.1493 -0.0063 0.0050 0.0471 1.0000 -0.1687 0.1449 0.0839 0.0537 1.0000 -0.2347 -0.2397 -0.0535 GCF Trade_~s Inflat~n 1.0000 0.1982 -0.0711 1.0000 0.0116 1.0000 Рисунок 4 – Корреляционная матрица Проанализировав данную матрицу, можно сделать вывод об отсутствии тесной взаимосвязи между показателями, что позволяет нам на начальном этапе анализа оставить все экзогенные переменные в модели. Далее модель линейной регрессии будет проверена на наличие мультиколлинеарности и будут сделаны окончательные выводы о ее наличии или отсутствии. Поскольку основной интерес в рамках данной работы представляет собой взаимосвязь между двумя переменными, такие как ВВП на душу население и трансграничные денежные переводы мигрантов, то визуальный анализ будет проведен только для этих двух переменных. На оси ординат отмечен натуральный логарифм ВВП на душу населения, а на оси абсцисс представлены трансграничные денежные переводы (см. Приложение Рисунок Б. 1). На базе этого графика можно сделать вывод относительно выбросов, в случае этих двух переменных точки значительно удаленные от общего кластера точек отсутствуют. Составление базовой модели. В данном разделе будет рассмотрена модель сквозной регрессии, которая имеет следующий вид: lnGDPpercapita = α + ß1lnRemittances + ß2lnODA + ß3FDI + ß4FD + + ß5Domesticcredit + ß6lnTechnicalgrants + ß7Laborparticipation + + ß8Annualgrowthofoutput + ß9Population + ß10GCF + ß11 TradeOpenness + + ß12 Inflation + ɛi (1) где lnGDPpercapita – натуральный логарифм от ВВП на душу населения; 48

 lnRemittances – натуральный логарифм трансграничных денежных переводов;  lnODA – натуральный логарифм официальной помощи в целях развития (ОПР);  FDI – чистый приток прямых иностранных инвестиций;  FD – индекс финансового развития;  Domesticcredit – внутренние кредиты, предоставляемые финансовым сектором;  lnTechnicalgrants – натуральный логарифм грантов, направленных на развитие технического сотрудничества;  Laborparticipation – доля рабочей силы;  Annualgrowthofoutput – ежегодный прирост выпуска продукции на одного работника;  Population – прирост населения за год;  GCF – валовое накопление капитала;  TradeOpenness – открытость торговли;  Inflation – инфляция. Такие показатели как ВВП на душу населения, трансграничные денежные переводы и официальная помощь в целях развития были прологарифмированы с целью уменьшения дисперсии, так как оба этих показателя сильно выбиваются из общей выборки (см. Приложение Рисунок Б. 2). Прежде чем перейти к построению данной модели необходимо вывести гипотезы относительно результатов, которые будут получены:  H0: денежные переводы будут иметь положительное влияние на показатель ВВП на душу населения  Ha: денежные переводы будут иметь нейтральное/отрицательное влияние на показатель ВВП на душу населения 49

Ниже представлена окончательная версия модели линейной регрессии. Как можно заметить, коэффициент детерминации (R-squared) не сильно значимый, однако данная модель считается приемлемой, хоть и недостаточно хорошей. Исходная модель была проверена на наличие мультиколлинеарности, результат оказался отрицательным, мультиколлинеарность в модели не была обнаружена, т.е. наши предположения в первичном анализе оказались верны (см. Приложение Рисунок Б. 4). Следующий шаг это проверка модели на наличие гетероскедастичности. Гетероскедастичность вытекает из неоднородности наблюдений. И приводит к тому, что оценки не будут эффективными, к тому же дисперсии ошибок будут смещенными. Один из самых распространенных тестов на проверку наличия гетероскедастичности является тест Уайта (см. Приложение Рисунок Б. 5), который показал наличие гетероскедастичности в модели и чтобы учесть ее в модели необходимо скорректировать стандартные ошибки. Таким образом, мы получили нашу финальную модель, которую вы можете видеть на Рисунке 5. Linear regression Number of obs F(12, 712) Prob > F R-squared Root MSE lnGDP_per_capita Coef. lnRemmitances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .0466393 .0201673 .0003976 1.004881 .0064764 -.1417754 -.0185051 -.0055934 -.115093 .002613 .0024145 -.0049788 8.938903 Robust Std. Err. .0170204 .0352755 .0022091 .3684002 .0013411 .038165 .0020385 .0088958 .0260061 .0031238 .0011053 .0026903 .4491103 t 2.74 0.57 0.18 2.73 4.83 -3.71 -9.08 -0.63 -4.43 0.84 2.18 -1.85 19.90 = = = = = P>|t| 0.006 0.568 0.857 0.007 0.000 0.000 0.000 0.530 0.000 0.403 0.029 0.065 0.000 725 79.34 0.0000 0.5123 .55639 [95% Conf. Interval] .0132232 -.0490891 -.0039396 .2816003 .0038434 -.2167048 -.0225073 -.0230585 -.1661508 -.0035199 .0002445 -.0102607 8.057164 .0800553 .0894236 .0047347 1.728161 .0091094 -.0668461 -.0145028 .0118717 -.0640353 .008746 .0045845 .0003031 9.820642 Рисунок 5 – Модель сквозной регрессии Построение модели с фиксированными и случайными эффектами. Для начала составим регрессионную модель с фиксированными 50

эффектами. И проверим гетероскедастичности гетероскедастичность (т. модель е. на наличие предполагается, отсутствует, но что дисперсии межгрупповой внутри ошибок групп наблюдений, относящихся к разным объектам, различаются). По результатам данного теста было выявлено наличие межгрупповой гетероскедастичности (см. Приложение Рисунок Б. 7). Поскольку наличие гетероскедастичности нужно учитывать при интерпретации результатов, мы пересчитаем стандартные ошибки и получим итоговую регрессионную модель. Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 725 46 R-sq: within = 0.7459 between = 0.0659 overall = 0.1783 Obs per group: min = avg = max = 9 15.8 17 corr(u_i, Xb) F(12,45) Prob > F = -0.5738 = = 47.59 0.0000 (Std. Err. adjusted for 46 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. t lnRemmitances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2750894 .185658 -.0004866 1.227351 .0054447 -.1079791 .0038208 .006523 .0128709 -.0012376 -.0033556 .0029579 -.8882487 .0345434 .0447342 .0029876 .619934 .0016634 .046812 .0067447 .00194 .0131778 .0030954 .0011412 .0016769 1.054229 sigma_u sigma_e rho .89090899 .20314371 .95057719 (fraction of variance due to u_i) 7.96 4.15 -0.16 1.98 3.27 -2.31 0.57 3.36 0.98 -0.40 -2.94 1.76 -0.84 P>|t| 0.000 0.000 0.871 0.054 0.002 0.026 0.574 0.002 0.334 0.691 0.005 0.085 0.404 [95% Conf. Interval] .2055154 .0955586 -.0065039 -.0212598 .0020944 -.2022633 -.0097638 .0026156 -.0136705 -.007472 -.0056542 -.0004195 -3.011575 .3446635 .2757573 .0055308 2.475963 .008795 -.0136949 .0174053 .0104303 .0394123 .0049969 -.0010571 .0063354 1.235078 Рисунок 6 – Регрессионная модель с фиксированными эффектами Составим регрессионную модель со случайными эффектами. В ней уже предполагается наличие гетероскедастичности поскольку у нас было наличие гетероскедастичности в модели с фиксированными эффектами. Следовательно, после построения модели, мы пересчитываем стандартные ошибки. А о 51

значимости регрессии в целом свидетельствует высокое значение статистики Вальда, Wald chi2(11) = 478.66, которое можно наблюдать на рисунке 7. Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 725 46 R-sq: within = 0.7422 between = 0.1017 overall = 0.2245 Obs per group: min = avg = max = 9 15.8 17 corr(u_i, X) Wald chi2(12) Prob > chi2 = 0 (assumed) = = 478.66 0.0000 (Std. Err. adjusted for 46 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. lnRemmitances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2604311 .1764534 .0001302 1.064444 .0054255 -.1728665 -.0008329 .0054773 .0034577 -.000683 -.0027949 .0024162 1.128063 .031958 .0391205 .0028105 .6449201 .0016041 .0424708 .0045099 .0018305 .0111435 .0033346 .0011557 .0016601 1.02332 sigma_u sigma_e rho .45273003 .20314371 .83240443 (fraction of variance due to u_i) z 8.15 4.51 0.05 1.65 3.38 -4.07 -0.18 2.99 0.31 -0.20 -2.42 1.46 1.10 P>|z| 0.000 0.000 0.963 0.099 0.001 0.000 0.853 0.003 0.756 0.838 0.016 0.146 0.270 [95% Conf. Interval] .1977945 .0997786 -.0053783 -.1995764 .0022817 -.2561078 -.0096722 .0018896 -.0183831 -.0072187 -.0050601 -.0008376 -.8776063 .3230676 .2531282 .0056387 2.328464 .0085694 -.0896253 .0080064 .009065 .0252985 .0058527 -.0005298 .00567 3.133733 Рисунок 7 – Регрессионная модель со случайными эффектами Выбор итоговой модели и интерпретация результатов. Чтобы выяснить, какая модель в итоге окажется наиболее подходящей, проведем 3 теста:  Тест Вальда Тест Вальда проверяет гипотезу о равенстве нулю всех индивидуальных эффектов, с его помощью можно сделать выбор между моделью сквозной регрессии и моделью с фиксированными эффектами. В Приложении на Рисунке Б. 9 отражены результаты данного теста, которые показывают, что модель с фиксированными эффектами лучше подходит для описания данных, чем модель линейной регрессии. 52

 Тест Бройша-Пагана Тест Бройша-Пагана является тестом на наличие случайного индивидуального эффекта и проверяет, какая модель подходит лучше: модель со случайными эффектами или модель сквозной регрессии. Результаты теста показывают, что модель со случайными эффектами лучше описывает наши данные, чем модель сквозной регрессии (см. Приложение Рисунок Б. 10).  Тест Хаусмана Тест Хаусмана позволяет сделать выбор между двумя последними моделями. Результаты теста показывают, что модель с фиксированными эффектами лучше описывает нашу модель, чем модель со случайными эффектами (см. Приложение Рисунок Б. 11). В ходе проведения трех известных нам анализов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель с фиксированными эффектами (FE модель). Результаты данной модели (Таблица 4) и уравнение регрессии (Формула 2, индикаторы уточнялись ранее см. с. 4849) отражены ниже: lnGDPpercapita = – 0,88824873 + 0,27508942 lnRemittances + + 0,18565795 lnODA – 0,00048657 FDI + 1,2273514 FD + + 0,10797911 Domesticcredit – 0,10797911 lnTechnicalgrants + + 0,00652297 Laborparticipation + 0,00382076 Annualgrowthofoutput + + 0,01287091 Population – 0,00123757 GCF – 0,00335564 TradeOpenness + + 0,00295794 Inflation + ɛi (2) Таблица 4 – Результаты регрессионной модели с фиксированными эффектами Наименование Значение переменной переменной lnRemittan~s Натуральный логарифм личных 0.27508942*** денежных переводов 53

Окончание таблицы 4 Наименование Значение переменной переменной lnODA Натуральный логарифм 0.18565795*** официальной помощи в целях развития Чистый FDI приток прямых -0.00048657 иностранных инвестиций FD Индекс финансового развития lnTechnica~n Натуральный логарифм грантов, -0.10797911** направленных на 1.2273514* развитие технического сотрудничества Laborforce~e Доля рабочей силы Annualgrow~r Eжегодный 0.00382076 прирост выпуска 0.00652297*** продукции на одного работника Population~h Рост населения GCF Валовое накопление основного -0.00123757 0.01287091 капитала Trade_Open~s Открытость торговли -0.00335564*** Inflation Инфляция 0.00295794* _cons Константа -0.88824873 Регрессионная модель с фиксированными эффектами показала положительную корреляцию между трансграничными денежными переводами и ВВП на душу населения в случае отобранных 46 развивающихся стран. Данный показатель значим на всех 3 уровнях: 1%, 5% и 10%. Это означает, что при увеличении потоков денежных переводов на 1%, ВВП на душу населения увеличится на 0,28%. Стоит отметить, что данный показатель значительно, 54

относительно других показателей, способствует увеличению ВВП на душу населения стран доноров трудовых ресурсов. Также была выявлена положительная взаимосвязь между ВВП на душу населения и рядом показателей, таких как: официальная помощь в целях развития; индекс финансового развития; внутренние кредиты, предоставляемые финансовым сектором; гранты технического сотрудничества; ежегодный прирост выпуска продукции на одного работника открытость экономики; показатель инфляции. При увеличении официальной помощи в целях развития на 1%, ВВП на душу населения увеличится на 0,18%. Увеличение индекса финансового развития на 1%, ВВП на душу населения увеличится на 0,016 тыс. долл. США. При увеличении количества, выдаваемых внутренних кредитов на 1%, ВВП на душу населения увеличится на 0,000055 тыс. долл. США. Однако увеличение количества полученных грантов, направленных на техническое сотрудничество на 1%, приведет к снижению ВВП на душу населения на 0,0011 тыс. долл. США. Увеличение открытости экономики приведет к снижению ВВП на душу населения на 0,000034 тыс. долл. США. А увеличение показателя инфляции на 1% приведет к росту показателя ВВП на душу населения на 0,00003 тыс. долл. США. Исследование регионов. На базе общей модели была выявлена положительная корреляция между показателем экономического роста с трансграничными переводами для 46 стран использованных в модели. Однако с целью выявления регионов в большей степени подверженных влиянию таких денежных притоков, было решено провести аналогичное исследование для каждого из 6 регионов выделенных на базе классификации Всемирного банка. Для каждого региона был высчитан средний показатель ВВП на душу населения и были выделены страны с доходом ниже полученного, чтобы задействовать страны, для которых эти потоки важны. Аналогично эконометрическому анализу, проведенному на базе 46 стран, осуществим следующие действия в контексте каждого региона: 55

 построим линейную регрессионную модель;  построим модель с фиксированными эффектами;  построим модель со случайными эффектами;  определим наилучшую модель по результатам проведенных исследований. Гипотезы относительно результатов исследования останутся неизменными:  H0: денежные переводы будут иметь положительное влияние на показатель ВВП на душу населения  Ha: денежные переводы будут иметь нейтральное/отрицательное влияние на показатель ВВП на душу населения Исходная модель останется аналогичной той, что была составлена раньше (см. Формула 1) Однако результаты, полученные в ходе исследования неоднозначны, но рассмотрим отдельно каждый из них и выделим причины, которые потенциально могут привести к такому результату. Африка к югу от Сахары. По оценкам, денежные переводы в Африке к югу от Сахары выросли на 5,1% с 47 млрд. долларов в 2018 году до 49 млрд. долларов в 2019. Исследователи прогнозируют, что потоки денежных переводов в данный регион продолжат расти, однако темп роста снизится, что можно отметить по текущим данным, темп роста сократился на 5,6% с 10,7% в 2018 году до 5,1% в 2019. Однако, в условиях нынешней ситуации, ожидается по прогнозам экспертов Всемирного банка, что денежные переводы сократятся на 23,1 % в 2020 году до 37 миллиардов долларов, а в 2021 году ожидается восстановление на 4,0%. Поскольку многие мигранты к югу от Сахары теряют работу из-за почти полного прекращения экономической деятельности особенно в сфере строительства, гостиничном бизнесе и других сферах обслуживания - ожидается, что денежные переводы в ближайшие месяцы сократятся. Ожидаемое снижение может быть объяснено сочетанием факторов, вызванных вспышкой коронавируса в ключевых пунктах назначения, где 56

проживают африканские мигранты, в том числе в Европейском союзе (то есть во Франции, Италии, Испании), Великобритании, Соединенных Штатах, Ближнем Востоке и Китае. Эти крупные страны принимают большую долю мигрантов из стран, расположенных к югу от Сахары, и являются источником почти четверти всех денежных переводов, отправляемых в регион, в результате чего Африка к югу от Сахары очень уязвима для любых потрясений, происходящих в этих странах [68]. Нигерия остается крупнейшим получателем денежных переводов в регионе и является шестым по величине получателем среди стран с низким и средним уровнем дохода, с предполагаемой суммой 23,8 млрд. долл. США, полученной в 2019 году, что на более чем полмиллиарда больше по сравнению с 2018 годом (Рисунок 8). Гана и Кения находятся на втором и третьем месте в регионе, получив 3,5 и 2,8 млрд долларов соответственно. Южный Судан недавно начал публиковать статистику о денежных переводах в соответствии со стандартами платежного баланса МВФ; в 2019 году в стране была самая высокая доля денежных переводов в регионе, выраженная в процентах от национального ВВП, - более 34 процентов. В этих странах, где денежные переводы составляют значительную долю ВВП, ожидается резкое снижение к 2020 году, поскольку доходы многих трудящихся-мигрантов резко упали, особенно в странах-членах организации экономического сотрудничества и развития. 57

Рисунок 8 – Страны, получающие больше всего денежных переводов в Африке к югу от Сахары в 2019 году [68, c. 34] Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с доходом ниже среднего (доход должен составлять менее 2470,3 долларов США);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 21 развивающаяся страна. Был взят период с 2000 по 2018 год. Все показатели, за исключением индекса финансового развития, были собраны с использованием базы данных Всемирного банка, в то время как индекс финансового развития был получен из базы данных МВФ. Проведем эконометрическое исследование отобранных стран. В ходе анализа были построены три регрессионные модели: модель линейной регрессии (см. Приложение Рисунок В. 7), модель с фиксированными (см. Приложение Рисунок В. 10) и со случайными эффектами (Рисунок 9). Кроме того, модель линейной регрессии была проверена на наличие мультиколлинеарности при помощи коэффициента инфляции дисперсии (см. Приложение Рисунок В. 4, 5) и составлении корреляционной матрицы наряду с 58

визуальным анализом данных (см. Приложение Рисунок В. 1, 2) во избежание несостоятельности оценок. Наличие в модели мультиколлинеарности привело к удалению переменной натурального логарифма официальной помощи в целях развития. Помимо этого, все модели были проверены на наличие гетероскедастичности, которая может вытекать из неоднородности наблюдений (см. Приложение Рисунок В. 6, 9). В 3 моделях было выявлено наличие гетероскедастичности, поэтому стандартные ошибки были пересчитаны. В ходе проведения трех известных нам тестов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель со случайными эффектами (RE модель). Результаты данной модели (Таблица 5) и уравнение регрессии (Формула 3, индикаторы уточнялись ранее см. с. 48-49) отражены ниже: lnGDPpercapita = 5,3345561 + 0,24447752 lnRemittances – 0,00012263 FDI + + 2,7340519 FD + 0,00247471 Domesticcredit – 0,15039595 lnTechnicalgrants – – 0,01297758 Laborparticipation + 0,00279488 Annualgrowthofoutput – – 0,04872949 Population + 0,0011247 GCF – 0,00319999 TradeOpenness + + 0,00170544 Inflation + ɛi (3) 59

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 329 21 R-sq: within = 0.6828 between = 0.7748 overall = 0.7316 Obs per group: min = avg = max = 9 15.7 17 corr(u_i, X) Wald chi2(11) Prob > chi2 = 0 (assumed) = = 883.58 0.0000 (Std. Err. adjusted for 21 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. z lnRemittances FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2444775 -.0001226 2.734052 .0024747 -.1503959 -.0129776 .0027949 -.0487295 .0011247 -.0032 .0017054 5.334556 .040793 .0029757 1.2663 .0023505 .0424684 .005392 .0051571 .0601578 .0040843 .0010223 .001921 1.17955 sigma_u sigma_e rho .1560022 .20191019 .37381009 (fraction of variance due to u_i) 5.99 -0.04 2.16 1.05 -3.54 -2.41 0.54 -0.81 0.28 -3.13 0.89 4.52 P>|z| 0.000 0.967 0.031 0.292 0.000 0.016 0.588 0.418 0.783 0.002 0.375 0.000 [95% Conf. Interval] .1645247 -.0059549 .2521493 -.0021323 -.2336324 -.0235458 -.0073129 -.1666367 -.0068805 -.0052037 -.0020596 3.022681 .3244303 .0057096 5.215954 .0070817 -.0671594 -.0024094 .0129027 .0691777 .0091299 -.0011963 .0054705 7.646431 Рисунок 9 – Регрессионная модель со случайными эффектами Таблица 5 – Результаты регрессионной модели со случайными эффектами Наименование Значение переменной переменной lnRemittan~s Натуральный логарифм личных 0.24447752*** денежных переводов FDI Чистый приток прямых -0.00012263 иностранных инвестиций FD Индекс финансового развития Domestic_c~t Внутренние предоставляемые 2.7340519** кредиты, 0.00247471 финансовым сектором 60

Окончание таблицы 5 Наименование Значение переменной переменной lnTechnica~n Натуральный логарифм грантов, -0.15039595** направленных на развитие технического сотрудничества Laborforce~r Доля рабочей силы Annualgrow~r Ежегодный -0.01297758** прирост выпуска 0.00279488 продукции на одного работника Population~h Рост населения GCF Валовое накопление основного 0.0011247 -0.04872949 капитала Trade_Open~s Открытость торговли -0.00319999*** Inflation Инфляция 0.00170544 _cons Константа 5.3345561** Регрессионная модель с фиксированными эффектами показала положительную корреляцию между трансграничными денежными переводами и ВВП на душу населения в случае отобранных 21 развивающейся страны. Данный показатель значим на всех 3 уровнях: 1%, 5% и 10%. Это означает, что при увеличении потоков денежных переводов на 1%, ВВП на душу населения увеличится на 0,25%. Также была выявлена положительная взаимосвязь между ВВП на душу населения и рядом показателей, таких как: индекс финансового развития; гранты, направленные на развитие технического сотрудничества; доля рабочей силы; открытость торговли. Увеличение индекса финансового развития на 1%, приведет к увеличению ВВП на 0,027 тыс. долл. США. Однако увеличение грантов, направленных на развитие технического сотрудничества на 1%, ВВП на душу населения уменьшится на 0,0015 тыс. долл. США. Увеличение доли 61

рабочей силы, ВВП на душу населения уменьшится на 0,00013 тыс. долл. США. При увеличении открытости торговли на 1%, ВВП на душу населения снизится на 0,000032 тыс. долл. США. При равенстве всех экзогенных переменных нулю, ВВП на душу населения будет равен 5,34 тыс. долл. США. Южная Азия. Денежные переводы в Южную Азию в 2018 году увеличились примерно на 12,3 процента, в сравнение с 5,7% роста, наблюдавшегося в 2017 году. Этот рост был вызван более благоприятными экономическими условиями в странах с высоким уровнем дохода (особенно в Соединенных Штатах) и высокими ценами на нефть, которые положительное влияние на отток денежных переводов из некоторых стран Совета сотрудничества арабских государств Персидского залива. Согласно прогнозам экспертов ожидается, что денежные переводы в Южную Азию резко сократятся на 22 процента до 109 миллиардов долларов в 2020 году. Это значительное и беспрецедентное замедление по сравнению с ростом на 6,1 процента в 2019 году. Значительное снижение потоков денежных переводов в регион Южной Азии в 2020 году обусловлено замедлением мировой экономики из-за вспышки коронавируса и снижения цен на нефть. Замедление экономического роста, вероятно, напрямую повлияет на отток денежных переводов из США, Великобритании и стран ЕС в Южную Азию. Падение цен на нефть повлияет на отток денежных переводов из стран Совета сотрудничества арабских государств Персидского залива и Малайзии [68]. В Индии, согласно прогнозам, денежные переводы сократятся примерно на 23 процента в 2020 году до 64 миллиардов долларов - поразительный контраст с ростом на 5,5 процента и поступлениями в 83 миллиарда долларов в 2019 году. В Пакистане прогнозируемое сокращение также составляет около 23 процентов, что в целом около 17 миллиардов долларов по сравнению с 22,5 миллиардами долларов в 2019 году, когда денежные переводы выросли на 6,2 процента. В Бангладеш денежные переводы прогнозируются на уровне 14 62

миллиардов долларов на 2020 год, что, вероятно, приведет к сокращению примерно на 22 процента. Ожидается, что денежные переводы в Непал и ШриЛанку сократятся на 14 процентов и 19 процентов, соответственно, в 2020 году. Связанное с коронавирусом глобальное замедление и ограничения на поездки также повлияют на миграционные потоки, и это, вероятно, будет сдерживать денежные переводы даже в 2021 году. Прогнозируемый рост денежных переводов на 5,8 процента в 2021 году сохранит общий региональный поток на уровне около 115 миллиардов долларов. Рисунок 10 – Страны, получающие больше всего денежных переводов в Южной Азии в 2019 году [68, с. 31] Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с доходом ниже среднего (доход должен составлять менее 3052,7 долларов США);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 5 развивающихся стран. Был взят период с 2000 по 2018 год. На базе этих данных построим три регрессионные модели: модель линейной регрессии (см. Приложение Рисунок Г. 10), модель с фиксированными (Рисунок 11) и со случайными эффектами 63

(см. Приложение Рисунок Г. 14). Кроме того, модель линейной регрессии была проверена на наличие мультиколлинеарности при помощи коэффициента инфляции дисперсии (см. Приложение Рисунок Г. 3-8) и составлении корреляционной матрицы наряду с визуальным анализом данных (см. Приложение Рисунок Г. 1, 2) во избежание несостоятельности оценок. В ходе проверки модели мультиколлинеарности, сквозной регрессии которое привело было к потере выявлено наличие четырех исходных переменных: внутренние кредиты, предоставляемые финансовым сектором; натуральный логарифм денежных переводов; рост населения; натуральный логарифм грантов, направленных на развитие технического сотрудничества. Помимо этого, все модели были проверены на наличие гетероскедастичности, которая может вытекать из неоднородности наблюдений (см. Приложение Рисунок Г. 9, 12). В 2 моделях было выявлено наличие гетероскедастичности, поэтому стандартные ошибки были пересчитаны. В линейной регрессии наличие гетероскедастичности не было выявлено. В ходе проведения трех известных нам тестов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель с фиксированными эффектами (FE модель). Результаты данной модели (Таблица 6) и уравнение регрессии (Формула 4, индикаторы уточнялись ранее см. с. 4849) отражены ниже: lnGDPpercapita = – 9,7607295 + 0,74359739 lnODA – 0,03228887 FDI – – 0,05898725 FD – 0,00493164 Annualgrowthofoutput + 0,02504769 GCF – – 0,00193293 TradeOpenness – 0,00477604 Inflation + ɛi (4) 64

Рисунок 11 – Регрессионная модель с фиксированными эффектами Таблица 6 – Результаты модели с фиксированными эффектами Наименование Значение переменной переменной lnODA Натуральный логарифм 0.74359739*** официальной помощи в целях развития FDI Чистый приток прямых -0.03228887 иностранных инвестиций FD Индекс финансового развития Annualgrow~r Ежегодный прирост -0.05898725 выпуска -0.00493164 продукции на одного работника GCF Валовое накопление основного 0.02504769*** капитала 65

Окончание таблицы 6 Наименование Значение переменной переменной Trade_Open~s Открытость торговли -0.00193293 Inflation Инфляция -0.00477604 _cons Константа -9.7607295*** Регрессионная модель с фиксированными эффектами показала положительную связь между официальной помощью в целях развития и экономическим ростом на основе 5 отобранных стран. Это означает, что при увеличении официальной помощи в целях развития на 1%, ВВП на душу населения увеличится на 0,74%. Также была выявлена положительная взаимосвязь между ВВП на душу населения и показателем валового накопления основного капитала. При увеличении показателя валового накопления основного капитала на 1%, ВВП на душу населения увеличится на 0,00025 тыс. долл. США. При равенстве всех экзогенных переменных нулю, ВВП на душу населения будет равен -9,76 тыс. долл. США. Ближний Восток и Северная Африка. Денежные переводы в регион Ближнего Востока и Северной Африки выросли примерно на 9,1 процента в 2018 году после роста на 10,6 процента в 2017 году. Денежные переводы в Египет увеличились примерно на 17 процентов. В отличие от этого, прогнозировалось, что денежные переводы в Иорданию сократятся на 1,4 процента в 2018 году. Денежные переводы в Ливан должны были расти умеренными темпами - около 1,8 процента. Прогнозируется, что денежные переводы в регион Ближнего Востока и Северной Африки сократятся примерно на 20 процентов в 2020 году после роста на 2,6 процента в 2019 году (Рисунок 12). Ожидаемое сокращение 66

денежных переводов в регион может быть связано с глобальным замедлением из-за коронавируса, а также с воздействием более низких цен на нефть в странах Совета сотрудничества арабских государств Персидского залива. Все основные страны, получающие денежные переводы, вероятно, столкнутся с коллапсом денежных переводов. Денежные переводы из зоны евро будут дополнительно затронуты экономическим спадом в регионе, а также обесцениванием евро по отношению к доллару США. Это особенно повлияет на Марокко и Тунис (по прогнозам, сокращение денежных переводов составит около 17–18 процентов). Ожидается, что в 2021 году рост денежных переводов в регионе восстановится, хотя и медленными темпами, около 1,6 процента [68]. Рисунок 12 – Страны, получающие больше всего денежных переводов в Ближнем Востоке и Северной Африке в 2019 году [68, с. 29] Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с доходом ниже среднего (доход должен составлять менее 16960,1 долларов США);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 6 развивающихся стран. Был взят период с 2000 по 2018 год. На базе этих данных построим три 67

регрессионные модели: модель линейной регрессии (см. Приложение Рисунок Д. 7), модель с фиксированными (Рисунок 13) и со случайными эффектами (см. Приложение Рисунок Д. 11). Кроме того, модель линейной регрессии была проверена на наличие мультиколлинеарности при помощи коэффициента инфляции дисперсии (см. Приложение Рисунок Д. 4, 5) и составлении корреляционной матрицы наряду с визуальным анализом данных (см. Приложение Рисунок Д. 1, 2) во избежание несостоятельности оценок. В ходе проверки модели сквозной регрессии было выявлено наличие мультиколлинеарности, которое привело к потере одной исходной переменной: доля рабочей силы. Помимо этого, все модели были проверены на наличие гетероскедастичности, которая может вытекать из неоднородности наблюдений (см. Приложение Рисунок Д. 6, 9). В 2 моделях было выявлено наличие гетероскедастичности, поэтому стандартные ошибки были пересчитаны. Гетероскедастичность отсутствовала в модели линейной регрессии. В ходе проведения трех известных нам тестов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель с фиксированными эффектами (FE модель). Результаты данной модели (Таблица 7) и уравнение регрессии (Формула 5, индикаторы уточнялись ранее см. с. 4849) отражены ниже: lnGDPpercapita = – 7,3526584 + 0,53457903 lnRemittances + 0.11284237 lnODA – – 0,01056708 FDI + 0.95096548 FD – 0,0024054 Domesticcredit + + 0,05041833 lnTechnicalgrants + 0,00326825 Annualgrowthofoutput + + 0,05041833 Population + 0,0080812 GCF – 0,0032246 TradeOpenness + + 0,00538374 Inflation + ɛi (5) 68

Рисунок 13 – Регрессионная модель с фиксированными эффектами Таблица 7 – Результаты регрессионной модели с фиксированными эффектами Наименование Значение переменной переменной lnRemittan~s Натуральный логарифм личных 0.53457903*** денежных переводов lnODA Натуральный логарифм 0.11284237*** официальной помощи в целях развития FDI Чистый приток прямых -0.01056708 иностранных инвестиций FD Индекс финансового развития 69 0.95096548

Окончание таблицы 7 Наименование Значение переменной переменной Domestic_c~t Внутренние кредиты, -0.0024054 предоставляемые финансовым сектором lnTechnica~n Натуральный логарифм грантов, 0.05041833 направленных на развитие технического сотрудничества Annualgrow~r Ежегодный прирост выпуска 0.00326825 продукции на одного работника Population~h Рост населения GCF Валовое накопление основного 0.0080812 0.05041833*** капитала Trade_Open~s Открытость торговли -0.0032246 Inflation Инфляция 0.00538374 _cons Константа -7.3526584*** Регрессионная модель с фиксированными эффектами показала положительную связь между трансграничными переводами и экономическим ростом на основе 5 отобранных стран. Это означает, что при увеличении потоков трансграничных денежных переводов на 1%, ВВП на душу населения увеличится на 0,54%. Также была выявлена положительная взаимосвязь между ВВП на душу населения и рядом показателей: официальная помощь в целях развития; рост населения. При увеличении показателя официальной помощи в целях развития на 1%, ВВП на душу населения увеличится на 0,11%. При увеличении роста населения на 1%, ВВП на душу населения увеличится на 0,0005 тыс. долл. 70

США. При равенстве всех экзогенных переменных нулю, ВВП на душу населения будет равен -7,35 тыс. долл. США. Латинская Америка и Карибский бассейн. Денежные переводы в Латинскую Америку и Карибский бассейн увеличились на 9,5 процента в 2018 году, достигнув 88 миллиардов долларов. Этот рост связан с устойчивым укреплением рынка труда США в 2017–18 годах и, в некоторой степени, Испании. В 2019 году денежные переводы в данный регион увеличились на 7,4 процента в 2019 году, достигнув 96 миллиардов долларов. Приток денежных переводов был поддержан низким уровнем безработицы среди иностранцев, составляющим 3,1 процента в Соединенных Штатах. В частности, годовая занятость за февраль увеличилась на 211 000 в строительном секторе, где работает большое количество мигрантов [68]. Тем не менее, рост притока денежных переводов в 2019 году был неравномерным в разных странах региона. В Бразилии, Гватемале и Гондурасе рост денежных переводов составил более 12 процентов в 2019 году. В Колумбии, Эквадоре, Никарагуа и Панаме рост составил более 6 процентов, в то время как рост денежных переводов в Боливии и Парагвае сократился на 3,8 процента и - 2,2 процента соответственно. Денежные переводы особенно важны для некоторых небольших региональных экономик. Денежные переводы Гаити равны 37 процентам ВВП, самое большое соотношение в регионе Латинская Америка и Карибский бассейн, за которым следуют Гондурас и Сальвадор (Рисунок 14). 71

Рисунок 14 – Страны, получающие больше всего денежных переводов в Латинской Америке и Карибском бассейне в 2019 году [68, с. 25] Ожидается, что в 2020 году денежные переводы в регион сократятся на 19,3%. Эти прогнозируемые темпы роста ниже, чем снижение на 12,3% во время мирового финансового кризиса 2009 года. Ожидаемое сокращение денежных переводов, вероятно, будет более резким для Латинской Америки и Карибского бассейна, чем для других регионов. Это связано с тем, что в результате пандемии сильно пострадали Италия, Испания и Соединенные Штаты, которые являются основными странами-источниками денежных переводов в регионе. В некоторых коридорах, которые в значительной степени зависят от денежных переводов из этих стран, например в тех, которые охватывают Эквадор и Колумбию, вероятно, будет наблюдаться более значительное снижение. Преобладающий высокий уровень безработицы в Италии и Испании, вероятно, будет усугублен экономическим воздействием кризиса, что еще больше ограничит потоки денежных переводов в Боливию, Эквадор, Колумбию, Парагвай и Перу. 72

Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с доходом ниже среднего (доход должен составлять менее 13885,2 долларов США);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 13 развивающихся стран. Был взят период с 2000 по 2018 год. На базе этих данных построим три регрессионные модели: модель линейной регрессии (см. Приложение Рисунок Е. 7), модель с фиксированными (Рисунок 15) и со случайными эффектами (см. Приложение Рисунок Е. 11). Кроме того, модель линейной регрессии была проверена на наличие мультиколлинеарности при помощи коэффициента инфляции дисперсии (см. Приложение Рисунок Е. 4, 5) и составлении корреляционной матрицы наряду с визуальным анализом данных (см. Приложение Рисунок Е. 1, 2) во избежание несостоятельности оценок. В ходе проверки модели сквозной регрессии было выявлено наличие мультиколлинеарности, что привело к потере одной переменной: натуральный логарифм грантов, направленных на развитие технического сотрудничества. Помимо этого, все модели были проверены на наличие гетероскедастичности, которая может вытекать из неоднородности наблюдений (см. Приложение Рисунок Е. 6, 9). В 3 моделях было выявлено наличие гетероскедастичности, поэтому стандартные ошибки были пересчитаны. В ходе проведения трех известных нам тестов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель с фиксированными эффектами (FE модель). Результаты данной модели (Таблица 8) и уравнение регрессии (Формула 6, индикаторы уточнялись ранее см. с. 4849) отражены ниже: lnGDPpercapita = 0.86229018 + 0,34996251 lnRemittances – 0.00020274 lnODA + + 0.00289442 FDI + 3.5243508 FD – 0,00353336 Domesticcredit – 73

– 0,00283621 Laborparticipation + 0,00538528 Annualgrowthofoutput – – 0,16445091 Population + 0,0139082 GCF – 0,00705597 TradeOpenness – – 0.01090311 Inflation + ɛi (6) Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 218 13 R-sq: within = 0.8262 between = 0.0837 overall = 0.1509 Obs per group: min = avg = max = 15 16.8 17 corr(u_i, Xb) F(11,12) Prob > F = -0.6323 = = 215.21 0.0000 (Std. Err. adjusted for 13 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .3499625 -.0002027 .0028944 3.524351 -.0035334 -.0028362 .0053853 -.1644509 .0139082 -.007056 -.0109031 .8622902 .0610607 .0268025 .0041242 1.098798 .0030521 .0150507 .0068423 .075 .0067049 .0013518 .0019736 1.935137 sigma_u sigma_e rho .94293152 .14132726 .97802932 (fraction of variance due to u_i) t 5.73 -0.01 0.70 3.21 -1.16 -0.19 0.79 -2.19 2.07 -5.22 -5.52 0.45 P>|t| 0.000 0.994 0.496 0.008 0.270 0.854 0.447 0.049 0.060 0.000 0.000 0.664 [95% Conf. Interval] .2169227 -.0586003 -.0060914 1.130276 -.0101834 -.0356289 -.0095228 -.3278618 -.0007006 -.0100012 -.0152033 -3.354011 .4830023 .0581948 .0118802 5.918425 .0031167 .0299565 .0202933 -.00104 .028517 -.0041107 -.0066029 5.078592 Рисунок 15 – Регрессионная модель с фиксированными эффектами Таблица 8 – Результаты регрессионной модели с фиксированными эффектами Наименование Значение переменной переменной lnRemittan~s Натуральный логарифм личных 0.34996251*** денежных переводов 74

Окончание таблицы 8 Наименование Значение переменной переменной lnODA Натуральный логарифм -0.00020274 официальной помощи в целях развития Чистый FDI приток прямых 0.00289442 иностранных инвестиций FD Индекс финансового развития Domestic_c~t Внутренние 3.5243508*** кредиты, -0.00353336 предоставляемые финансовым сектором Laborforce~r Доля рабочей силы Annualgrow~r Ежегодный -0.00283621 прирост выпуска 0.00538528 продукции на одного работника Population~h Рост населения GCF Валовое накопление основного 0.0139082* -0.16445091** капитала Trade_Open~s Открытость торговли -0.00705597*** Inflation Инфляция -0.01090311*** _cons Константа 0.86229018 Регрессионная модель с фиксированными эффектами показала положительную корреляцию между трансграничными денежными переводами и ВВП на душу населения в случае отобранных 13 развивающихся стран. Данный показатель значим на всех 3 уровнях: 1%, 5% и 10%. Это означает, что при увеличении потоков денежных переводов на 1%, ВВП на душу населения увеличится на 0,35%. 75

Также была выявлена положительная взаимосвязь между ВВП на душу населения и рядом показателей, таких как: индекс финансового развития; рост населения; валовое накопление основного капитала; открытость торговли; показатель инфляции. Увеличение индекса финансового развития на 1%, приведет к увеличению ВВП на 0,035 тыс. долл. США. А увеличение показателя роста населения на 1%, приведет к снижению ВВП на 0,0016 тыс. долл. США. При увеличении показателя валового накопления основного капитала приведет к увеличению ВВП на душу населения на 0,00014 тыс. долю США. При увеличении открытости торговли на 1%, ВВП на душу населения снизится на 0,000074 тыс. долл. США. Кроме того, увеличение показателя инфляции на 1%, приведет к снижению ВВП на душу населения на 0,0000997 тыс. долл. США. Восточная Азия и страны Тихого океана. Потоки денежных переводов в Восточную Азию и Тихоокеанский регион выросли на 2,6 процента в 2019 году, примерно на 4,3 процентного пункта ниже, чем темпы роста в 2018 году. В 2020 году ожидается, что потоки денежных переводов сократятся на 13 процентов из-за воздействия коронавируса. Ожидается, что замедление будет вызвано сокращением притока крупнейшего источника денежных денежных переводов переводов из Соединенных в Восточную Штатов, Азию и Тихоокеанский регион, а также из Гонконга, Китай. Некоторые страны, зависящие от денежных переводов, такие как страны тихоокеанских островов, могут столкнуться с риском для домохозяйств, так как доходы от денежных переводов за этот период уменьшатся (Всемирный банк 2020). В 2021 году ожидается восстановление роста региона на 7,5 процента [68]. Денежные переводы в Филиппины выросли на 4 процента в 2019 году, достигнув 35,2 миллиарда долларов США, по сравнению с 3 процентами роста, наблюдавшимися в 2018 году (Рисунок 16). В годовом исчислении рост денежных переводов за январь и февраль 2020 года составил 4,8 процента и 4,4 76

процента соответственно, что говорит о небольшом замедлении на сегодняшний день. Тем не менее, правительство ожидает, что денежные переводы сократятся на 20-30 процентов к 2020 году и соответствующие темпы роста составят 2 процента из-за последствий от COVID-19. Денежные переводы в Индонезию вернулись к однозначному ежегодному росту в 4 процента в 2019 году после двузначного роста в 2018 году, последний из-за расширения потоков денежных переводов с Ближнего Востока (особенно Саудовской Аравии). В отличие от этого, денежные переводы с Ближнего Востока сократились в 2019 году, в то время как темпы роста оставались двузначными из Азии, особенно в Гонконге, Китай; и Тайвань, Китай. Рисунок 16 – Страны, получающие больше всего денежных переводов в Восточной Азии и Тихом океане в 2019 году [68, с. 20] Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с доходом ниже среднего (доход должен составлять менее 17023,9 долларов США);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 7 развивающихся стран. Был взят период с 2000 по 2018 год. На базе этих данных построим три 77

регрессионные модели: модель линейной регрессии (см. Приложение Рисунок Ж. 9), модель с фиксированными (Рисунок 17) и со случайными эффектами (см. Приложение Рисунок Ж. 13). Кроме того, модель линейной регрессии была проверена на наличие мультиколлинеарности при помощи коэффициента инфляции дисперсии (см. Приложение Рисунок Ж. 4-7) и составлении корреляционной матрицы наряду с визуальным анализом данных (см. Приложение Рисунок Ж. 1, 2) во избежание несостоятельности оценок. В ходе проверки модели сквозной регрессии было выявлено наличие мультиколлинеарности, которое привело к потере трех исходных переменных: натуральный логарифм официальной помощи в целях развития, индекс финансового развития и натуральный логарифм грантов, направленных на развитие технического сотрудничества. Помимо этого, все модели были проверены на наличие гетероскедастичности, которая может вытекать из неоднородности наблюдений (см. Приложение Рисунок Ж. 8, 11). В 3 моделях было выявлено наличие гетероскедастичности, поэтому стандартные ошибки были пересчитаны. В ходе проведения трех известных нам тестов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель с фиксированными эффектами (FE модель). Результаты данной модели (Таблица 9) и уравнение регрессии (Формула 7, индикаторы уточнялись ранее см. с. 4849) отражены ниже: lnGDPpercapita = – 0,36467226 + 0,17188183 lnRemittances + 0,0070908 FDI + + 0,1679744 Domesticcredit + 0,06146261 Laborparticipation + + 0,00811988 Annualgrowthofoutput – 0,22057647 Population + 0,01255796 GCF – – 0,00593421 TradeOpenness + 0,00692162 Inflation + ɛi (7) 78

Рисунок 17 – Регрессионная модель с фиксированными эффектами Таблица 9 – Результаты регрессионной модели с фиксированными эффектами Наименование Значение переменной переменной lnRemittan~s Натуральный логарифм личных 0.17188183* денежных переводов FDI Чистый приток прямых 0.0070908 иностранных инвестиций Domestic_c~t Внутренние предоставляемые кредиты, 0.1679744*** финансовым сектором Laborforce~r Доля рабочей силы 0.06146261 79

Окончание таблицы 9 Наименование Значение переменной переменной Annualgrow~r Ежегодный прирост выпуска 0.00811988 продукции на одного работника Population~h Рост населения GCF Валовое накопление основного 0.01255796 -0.22057647 капитала Trade_Open~s Открытость торговли -0.00593421 Inflation Инфляция 0.00692162** _cons Константа -0.36467226 Регрессионная модель с фиксированными эффектами показала положительную корреляцию между трансграничными денежными переводами и ВВП на душу населения в случае отобранных 7 развивающихся стран. Данный показатель значим на 10% уровне. Это означает, что при увеличении потоков денежных переводов на 1%, ВВП на душу населения увеличится на 0,17%. Также была выявлена положительная взаимосвязь между ВВП на душу населения и рядом показателей, таких как: внутренние кредиты, предоставляемые финансовым сектором; инфляция. Увеличение количества выдаваемых внутренних кредитов финансовым сектором на 1%, приведет к увеличению ВВП на 0,00017 тыс. долл. США. Кроме того, увеличение инфляции на 1%, приведет к росту ВВП на душу населения на 0.00007 тыс. долл. США. Европа и Центральная Азия. Денежные переводы в Европу и Центральную Азию оставались стабильными в 2019 году, увеличившись примерно на 6 процентов до 65 миллиардов долларов в 2019 году. Украина оставалась 80

крупнейшим получателем денежных переводов в регионе, получив рекордный уровень в почти 16 миллиардов долларов в 2019 году (Рисунок 18), причем большая доля денежных переводов поступала из Польши (около двух третей от общего объема), за которой следуют Чехия, Россия, США и Великобритания. Менее зависимые от денежных переводов экономики в регионе, такие как Кыргызская Республика, Таджикистан и Узбекистан, особенно выиграли от восстановления экономической активности в России. Рисунок 18 – Страны, получающие больше всего денежных переводов в Европе и Центральной Азии в 2019 году [68, с. 22] В 2020 году рост денежных переводов в регионе, по оценкам, значительно сократится, примерно на 28 процентов, из-за совокупного воздействия глобальной пандемии коронавируса и падения цен на нефть. Ожидается, что Азербайджан, Казахстан и Россия, крупнейшие производители нефти в регионе, столкнутся с дефицитом бюджета, усилением давления на свои валюты и возможными спадами. Примечательно, что высокая зависимость от денежных переводов из России, вероятно, усилит влияние негативных внешних шоков на экономики Центральной Азии в Кыргызской Республике, Таджикистане и Узбекистане. Денежные переводы, отправленные домой миллионами иностранных рабочих из России, большинство из которых заняты в строительном секторе, составляют около двух третей ВВП как в Кыргызской 81

Республике, так и в Таджикистане. (внешние потоки денежных переводов из России, выраженные в долларах США, будут ниже из-за эффекта более слабого рубля по отношению к доллару США.) Действительно, в Кыргызской Республике денежные переводы снизились на 9 процентов в первые два месяца 2020 года по сравнению с тот же период предыдущего года [68]. Для исследования были отобраны страны на базе 3 критериев:  Развивающаяся страна;  Страна с доходом ниже среднего (доход должен составлять менее 34275,13 долларов США);  Трансграничные денежные переводы должны составлять не менее 2 процента от ВВП страны. Таким образом, в финальную модель вошли 14 развивающихся стран. Был взят период с 2000 по 2018 год. На базе этих данных построим три регрессионные модели: модель линейной регрессии (см. Приложение Рисунок И. 6), модель с фиксированными (Рисунок 19) и со случайными эффектами (см. Приложение Рисунок И. 10). Кроме того, модель линейной регрессии была проверена на наличие мультиколлинеарности при помощи коэффициента инфляции дисперсии (см. Приложение Рисунок И. 4) и составлении корреляционной матрицы наряду с визуальным анализом данных (см. Приложение Рисунок И. 1, 2) во избежание несостоятельности оценок. В ходе проверки модели сквозной регрессии не было выявлено наличие мультиколлинеарности. Помимо этого, все модели были проверены на наличие гетероскедастичности, которая может вытекать из неоднородности наблюдений (см. Приложение Рисунок И. 5, 8). В 3 моделях было выявлено наличие гетероскедастичности, поэтому стандартные ошибки были пересчитаны. В ходе проведения трех известных нам тестов (тесты Вальда, БройшаПагана, Хаусмана) удалось выяснить, что наиболее точной является модель с фиксированными эффектами (FE модель). Результаты данной модели (Таблица 82

10) и уравнение регрессии (Формула 8, индикаторы уточнялись ранее см. с. 4849) отражены ниже: lnGDPpercapita = 0,46939407 + 0,43574244 lnRemittances + 0.00974845 lnODA – – 0,00810077 FDI + 3.5872772 FD + 0,00503552 Domesticcredit – – 0,12287437 lnTechnicalgrants – 0,00317315 Laborparticipation – – 0,00093075 Annualgrowthofoutput – 0,00718975 Population + 0,00186956 GCF – – 0,0042336 TradeOpenness + 0,0011799 Inflation + ɛi (8) Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 199 13 R-sq: within = 0.8823 between = 0.0339 overall = 0.2813 Obs per group: min = avg = max = 5 15.3 17 corr(u_i, Xb) F(12,12) Prob > F = -0.3308 = = 16560.39 0.0000 (Std. Err. adjusted for 13 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. t lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .4357424 .0097484 -.0081008 3.587277 .0050355 -.1237854 -.0031732 -.0009308 -.0071898 .0018696 -.0042336 .0011799 .4693941 .0623359 .0897563 .0046604 .8898369 .0037301 .0859064 .0059338 .0026303 .0117039 .005745 .0022079 .0016305 2.337585 sigma_u sigma_e rho .81350337 .19618702 .94503698 (fraction of variance due to u_i) 6.99 0.11 -1.74 4.03 1.35 -1.44 -0.53 -0.35 -0.61 0.33 -1.92 0.72 0.20 P>|t| 0.000 0.915 0.108 0.002 0.202 0.175 0.603 0.730 0.550 0.750 0.079 0.483 0.844 [95% Conf. Interval] .2999243 -.1858138 -.018255 1.648489 -.0030917 -.3109594 -.0161018 -.0066616 -.0326904 -.0106477 -.0090442 -.0023726 -4.623766 .5715606 .2053107 .0020534 5.526065 .0131627 .0633887 .0097555 .0048001 .0183109 .0143869 .000577 .0047324 5.562554 Рисунок 19 – Регрессионная модель с фиксированными эффектами 83

Таблица 10 – Результаты регрессионной модели с фиксированными эффектами Наименование Значение переменной переменной lnRemittan~s Натуральный логарифм личных 0.43574244*** денежных переводов lnODA Натуральный логарифм 0.00974845 официальной помощи в целях развития Чистый FDI приток прямых -0.00810077 иностранных инвестиций FD Индекс финансового развития Domestic_c~t Внутренние 3.5872772*** кредиты, 0.00503552 предоставляемые финансовым сектором lnTechnica~n Натуральный логарифм грантов, -0.12287437 направленных на развитие технического сотрудничества Laborforce~r Доля рабочей силы Annualgrow~r Ежегодный -0.00317315 прирост выпуска -0.00093075 продукции на одного работника Population~h Рост населения GCF Валовое накопление основного 0.00186956 -0.00718975 капитала Trade_Open~s Открытость торговли -0.0042336* Inflation Инфляция 0.0011799 _cons Константа 0.46939407 Регрессионная модель с фиксированными эффектами показала положительную корреляцию между трансграничными денежными переводами 84

и ВВП на душу населения в случае отобранных 14 развивающихся стран. Данный показатель значим на всех 3 уровнях: 1%, 5% и 10%. Это означает, что при увеличении потоков денежных переводов на 1%, ВВП на душу населения увеличится на 0,44%. Также была выявлена положительная взаимосвязь между ВВП на душу населения и рядом показателей, таких как: индекс финансового развития; открытость экономики. При увеличении индекса финансового развития на 1%, ВВП на душу населения увеличится на 0,036 тыс. долл. США. А увеличение открытости экономики на 1%, приведет к снижению ВВП на душу населения на 0,000042 тыс. долл. США. Таким образом, в регионах Южная Азия, а также Ближний Восток и Северная Африка не удалось проверить нулевую гипотезу. В случае обоих регионов трансграничные денежные переводы были причиной возникновения мультиколлинеарности, что привело к удалению данной переменной и ряда других из исходной модели. Однако было выявлено, что на Ближнем Востоке и Северной Африке наблюдается наибольшая зависимость между показателями трансграничных денежных переводов и ВВП на душу населения. На втором месте располагается Европа и Центральная Азия. А последние три места разделили между собой Латинская Америка и Карибский бассейн, Африка к югу от Сахары, Восточная Азия и страны Тихого океана соответственно. Такое влияние могло быть выявлено по ряду причин, которые включают в себя проблемы развитости финансовой системы, скудная финансовая грамотность населения, наличие законодательных актов, ограничивающих выход на рынок других нефинансовых институтов и ряд других причин. Все эти моменты будут более подробно рассмотрены в следующей главе. 85

2.2 РОЛЬ ТРАНСГРАНИЧНЫХ ПЕРЕВОДОВ В ЭКОНОМИЧЕСКОМ РАЗВИТИИ СТРАН В ходе данного исследования было проанализировано влияние трансграничных денежных переводов на экономический рост на примере 46 отобранных стран в мире, а также проведен более углубленный анализ, касающийся отдельно каждого географического региона. Оценка взаимосвязи этих двух показателей производилась с использованием данных за период 20002018 гг. Были использованы 3 вида регрессионных моделей, таких как: сквозная, с фиксированными и со случайными эффектами. В заключение были получены несколько ключевых выводов. Во-первых, денежные переводы, на базе полученных результатов, оказывают положительное влияние на экономический рост в 46 странах, отобранных для исследования, а также в 5 географических регионах из 6. Однако в одном оставшемся регионе была выявлена положительная взаимосвязь между ВВП на душу населения и официальной помощью в целях развития. Во-вторых, денежные переводы должны рассматриваться в качестве ключевого инструмента наравне с традиционными двигателями экономического роста, такими как экспорт, прямые иностранные инвестиции, официальная помощь в целях развития для содействия долгосрочному экономическому росту и дальнейшему процветанию стран. Кроме того, для сельских домашних хозяйств денежные переводы могут создавать возможности для инвестирования в образование, жилье и питание, что положительно влияет на способность отдельных лиц зарабатывать на протяжении всей своей жизни. Так исследования, проведенные в Латинской Америке, показали, что денежные переводы играют важную роль в обеспечении возможностей для молодежи посещать школы и укреплять здоровье за счет повышения качества питания и проживания (Alcaraz et al., 2012 86

[6]; Adams and Cuecuecha, 2010 [4]). В той же мере, денежные переводы могут служить важнейшей поддержкой, которая приносит пользу уже в зрелом возрасте. Инфраструктура платежной системы в некоторых африканских странах недостаточно развита для обработки денежных переводов. Переводы на небольшие суммы осуществляются с использованием продуктов и платформ Общества всемирных межбанковских финансовых телекоммуникаций (SWIFT), которое обрабатывает платеж через сети банков-корреспондентов. Однако существующие международные банковские сети корреспондентов в некоторых африканских странах недостаточно приспособлены для обработки небольших розничных потоков. Поэтому важно, чтобы нормативно-правовая база была обновлена, позволяя небанковским игрокам выходить на рынок. Изменения в правилах, поощряющие разработку мобильных счетов будут способствовать росту конкуренции. Кроме этого, особенно в регионе Африка к югу от Сахары отмечается тренд распространения получения/отправки трансграничных денежных переводов через неформальные каналы. Предполагаемые денежные переводы, отправляемые в страны Африки к югу от Сахары по неофициальным каналам, могут добавить 45–65 процентов к официально зарегистрированным потокам (Ratha and Shaw, 2007) [53]. Отсутствие удобных точек доступа для обналичивания денежных переводов увеличивает издержки для потребителя. Кроме того, поставщики услуг денежных переводов обычно требуют официальную документацию, такую как национальные идентификационные документы (удостоверения личности) или подтверждение адреса при отправке или получении денежных переводов. Они увеличивают стоимость и их зачастую трудно получить, особенно для тех потребителей, которые живут в сельской местности, или для иммигрантов, которые не имеют всей необходимой документации (Bester et al., 2008) [57]. Правила в некоторых африканских странах очень благоприятствуют банковским учреждениям, что 87

строго ограничивает доступ микрофинансовых учреждений и других небанковских учреждений к осуществлению международных денежных переводов. Относительно низкая конкуренция в формальном финансовом секторе в сочетании с высокой стоимостью услуг, связанных с денежными переводами свидетельствуют о том, что рынок не функционирует оптимальным образом для удовлетворения потребностей людей. Неформальные каналы денежных переводов могут быть такими же простыми, как отправка денег через путешествующих друзей и родственников, или использование услуг общественного транспорта, таких как автобусы и такси. Однако это далеко не всегда так. Услуги по переводу денежных средств, которые действуют вне официальной системы, часто являются высокопрофессиональными и организованы с использованием обычных структур и квитанций. Такие сервисы работают на высокоразвитых серверных системах, обеспечивая обрабатываются недорогие практически и эффективные мгновенно (FinMark платежи, Trust, которые 2016) [70]. Исследование FinMark Trust (2016) по коридорам денежных переводов в Южной Африке показало, что неформальные поставщики услуг денежных переводов, как правило, имеют связи как c отправителями, так и с получателями, что означает, что они пользуются большим доверием, чем официальные поставщики. Однако стоит отметить, что большинство денежных переводов, полученных в Африке, покрывают повседневные потребности, причем значительная их часть (25 процентов) предназначена для сбережений или инвестиций [55]. Привлечение этих средств в формальную финансовую систему может значительно увеличить их влияние. На самом деле, благодаря повышению уровня финансовой грамотности населения и более широкому спектру финансовых услуг, предлагаемых на выбор, получатели денежных переводов обретают возможность совершать финансовый выбор, который может приблизить их к финансовой устойчивости. 88

В странах Восточной Азии и Тихого океана денежные переводы выводят миллионы азиатских семей из абсолютной нищеты и дают еще миллионам возможность улучшить свои жилищные условия, здравоохранение и образование. В целом, по оценкам, 70 миллионов домохозяйств в Азии получают денежные переводы - каждое десятое домохозяйство [71]. Однако было отмечено, что устаревшие нормативные барьеры в отношении отправления и получения данных приводят к более высоким затратам. Они также делают менее вероятным и более трудным преобразование денежных переводов в сбережения и инвестиции. В регионе семьи, как правило, тратят около 70 процентов денежных переводов для удовлетворения основных потребностей, таких как еда, одежда, здравоохранение и образование. Оставшиеся 30 процентов, что составляет 77 миллиардов долларов, можно было бы сэкономить и инвестировать в деятельность по созданию активов или созданию дохода, помогая семьям накапливать средства к существованию для их будущего. Положительная взаимосвязь между денежными переводами и ВВП на душу населения может быть обусловлена развитием конкуренции между банковскими и другими финансовыми институтами, такими как: розничные магазины, почтовые офисы (примерно 5% рынка), микрофинансовые организации (примерно 2% рынка) и мобильные денежные переводы [70]. Согласно отчету Международного фонда сельскохозяйственного развития, операции с наличными деньгами остаются наиболее распространенной формой перевода. Лишь недавно начали использовать технологии для осуществления операций между счетами посредством цифровых инструментов. В настоящее время в регионе насчитывается более 1 миллиона пунктов оплаты, что свидетельствует о большей цифровизации транзакций. Но незначительное на данный момент влияние денежных переводов может быть обусловлено доминированием на рынке банковских учреждений, которые осуществляют более 75% всех операций, в то время как, большинство офисов располагаются в 89

городах, а не в сельской местности, что приводит к дополнительным как временным, так и финансовым тратам со стороны получателя денежных переводов [71]. Все это приводит к тому, что большие потоки денежных переводов осуществляются через неофициальные каналы. Для увеличения воздействия денежных переводов на экономическое развитие региона следует повышать процент финансово грамотного населения. Программы финансовой грамотности для мигрантов и их семей могут повысить экономический потенциал денежных переводов мигрантов для получателей и даже общества в целом, а также местной экономики стран происхождения мигрантов, особенно развивающихся стран. Эти программы были проведены и поддержаны национальными правительствами и учреждениями, финансовыми учреждениями и неправительственными организациями (НПО). Так, например, на Филиппинах Центральный банк Филиппин поощряет коммерческие банки предоставлять работникам-мигрантам информацию об открытии банковских счетов для доступа к более дешевым, простым и безопасным услугам по переводу денег. В Непале, с другой стороны, национальное правительство проводит кампанию, которая поощряет использование официальных услуг по переводу денежных средств, поскольку, по оценкам, 69% иностранных денежных переводов поступают по неофициальным каналам (Ferrari, Jaffrin и Shrestha 2007) [56]. Например, в Бангладеш правительство поощряет международных операторов по переводу денег, чтобы они информировали мигрантов и их семьи о методах безопасного денежного перевода и важности использования законных каналов для перевода денег. В Индонезии Банк Индонезии в небанковским 2006 году агентам издал постановление, осуществлять переводы в котором разрешил денежных средств для оптимизации защиты потребителей и предотвращения злоупотреблений со стороны отмывателей денег. Банки также представили улучшенные и разнообразные продукты для рабочих-мигрантов. Например, в Шри-Ланке, помимо услуг по денежным 90

переводам, коммерческие банки также предлагают депозитные счета в иностранной валюте, известные как «Счет в иностранной валюте нерезидента», который должен обслуживаться получателем, проживающим в Шри-Ланке, а выручка будет храниться на счете под названием «Счет в иностранной валюте резидента». Средства на обоих счетах не облагаются подоходным налогом и имеют конкурентоспособные процентные ставки в размере от 1% до 2%. Однако в некоторых более развитых регионах, таких как Латинская Америка и Карибский регион, а также Европа и Центральная Азия более широкое использование технологий и глобализация рынков капитала привели к сокращению стоимости осуществления транзакций, а также привели к состоянию, при предоставляться котором эффективно многие и финансовые прибыльно. услуги теперь Соответственно, могут стоимость предложения финансовых услуг резко упала. Это побудило многих политиков развитых и развивающихся стран сделать решительный акцент на эффективном предоставлении финансовых услуг, подходящих для лиц с низкими доходами, семей и предприятий. Конкурентный ландшафт индустрии денежных переводов был изучен в рамках этого движения, поскольку денежные переводы рассматриваются как платформа, с помощью которой можно не только снизить стоимость широко используемых финансовых услуг, но и улучшить доступ групп населения с низкими доходами к целому ряду финансовых услуг. Таким образом, возможность перекрестной продажи и предложения других услуг может быть одним из ключевых факторов повышения конкуренции и эффективности на рынках денежных переводов. В Европе особенно высока доля взрослых, имеющих банковские счета, поэтому денежные переводы предоставляют финансовым учреждениям значительные возможности для перекрестной продажи продуктов своей существующей клиентской базе. Усовершенствования инфраструктуры системы электронных платежей в Латинской Америке и Карибском бассейне в последние годы значительно улучшили доступность инструментов электронных платежей, как в розничном, 91

так и в корпоративном секторах. Эти изменения сделали возможным внедрение услуг денежных переводов на основе карт при разработке систем розничной торговли, которые позволяют использовать карты, как для банкоматов, так и для точек продаж, что имеет большое значение для развития услуг на основе денежных переводов и финансовых продуктов. В Латинской Америке также создаются различные проекты, направленные на снижение стоимости осуществления транзакций. Например, Федеральный резервный банк США создал Автоматизированную клиринговую палату совместно с Центральным банком Мексики, которая называется Directo a Mexico, и иллюстрирует прямое вмешательство правительства, направленное на содействие отправке денежных переводов по очень низкой стоимости через американские банки. Программа Directo a Mexico позволяет банкам в США использовать платформу Федерального резервного банка для отправки денежных переводов с очень низкими затратами в банковскую систему Мексики. Помимо этого, новые участники и рост действующих поставщиков денежных услуг помогли снизить цены, а также привели к сосредоточению внимания политиков на обеспечении прозрачной информации о ценах, услугах, местах оплаты и получения, времени получения и курсах иностранной валюты. Тем не менее, эти услуги все еще не используются широко, в основном из-за недостаточной информации о том, как они работают, и проблем безопасности со стороны пользователя. Кроме того, продвижение транснациональных использование новых технологий и партнерств по-прежнему требуют дальнейшей гармонизации нормативно-правовой базы между отправляющими странами в Европе и принимающими странами. Однако и в этих регионах есть проблемы, так, например, хотя большинство семей получают свои денежные переводы через банк, они не обязательно пользуются другими банковскими услугами. Опросы показывают, что более половины получателей денежных переводов имеют ликвидные 92

сбережения, которые не хранятся в финансовых учреждениях из-за отсутствия доступа и / или регулярного использования официальных услуг. Эти факторы могут указывать на то, что помимо удовлетворения неотложных потребностей домохозяйства, принимающие денежные переводы семьи могут экономить и / или инвестировать, если им предоставлены лучшие варианты, осуществляемые регулируемыми финансовыми учреждениями. В регионе Ближний Восток и Северная Африка можно выделить несколько характерных миграционных особенностей, которые включают в себя: 1) вынужденную миграцию и внутренние перемещения в результате множественных, острых и затяжных кризисов во всем регионе, особенно в Ираке, Ливии и Сирийской Арабской Республике; 2) перемещение (регулярных и нерегулярных) трудовых мигрантов как внутри, так и далеко за пределами региона, причем страны Персидского залива выступают в качестве основного магнита для трудовой миграции. Все эти тенденции привели к значительному оттоку рабочей силы из стран региона в более развитые страны, которые могут предложить лучшие условия труда. Большая численность иностранной рабочей силы в регионе означает, что им настоятельно необходимо отправлять денежные средства своим семьям и близким домой. Что подтверждает тот факт, что США, Саудовская Аравия, ОАЭ и Кувейт вошли в топ-10 стран, отправляющих денежные переводы в мире в 2017 году, согласно данным Всемирного банка. В регионе хорошо развита финансовая система, которая предлагает на выбор несколько вариантов осуществления переводов, таких как банковские переводы, цифровые переводы и переводы cash-to-cash, что редко отмечалось в других регионах. На данный момент в регионе действует большое количество банковских институтов, которые предлагают большой спектр финансовых услуг, а также 2 крупных и самых распространенных цифровых оператора денежных переводов: MoneyGram, Western Union, и ряд других, которые 93

варьируются в зависимости от страны. Данные операторы предлагают свои услуги по низким ценам и позволяют осуществлять переводы в короткий срок. Индустрия финансовых услуг и денежных переводов находится в процессе значительных изменений, обусловленных развитием технологий и растущим спросом на цифровые инструменты, которые помогают принимающим семьям управлять деньгами быстрее и эффективнее. Для действующих игроков на рынке эта новая реальность требует нового мышления. Компании должны использовать эти новые технологии, чтобы предлагать клиентам более широкий выбор и улучшенные услуги. Технология - это то, что позволит отдельным людям принимать непосредственное участие в мировой экономике. В странах с достаточно низким уровнем финансового развития (особенно это касается стран Африки), основная задача правительств состоит в уменьшении стоимости транзакций, а также создание условий и законодательных актов, позволяющих другим финансовым институтам с более широкой сетью филиалов, расположенных как в городских, так и сельских регионах (где находится большинство получателей) осуществлять данную операцию с целью повышения конкуренции. Так, например, была создана инициатива «Почтовые финансовые услуги в Африке» - это совместная региональная программа, запущенная Международным фондом сельскохозяйственного развития (МФСР) и Европейским комитетом (ЕК) в сотрудничестве с Всемирным банком, Всемирным почтовым союзом (ВПС), Всемирным институтом сберегательных банков / Группой европейских сберегательных банков (WSBI / ESBG) и Фондом капитального развития ООН (ФКРООН). Партнерство направлено на усиление конкуренции на африканском рынке денежных переводов путем поощрения и предоставления возможности почтовым отделениям в Африке предлагать осуществление выдачи денежных переводов и другие финансовые услуги. Задачи состоят в том, чтобы снизить стоимость денежных переводов в африканском регионе, сократить время 94

транзакций, расширить сеть сельских населенных пунктов и спектр финансовых услуг. Инициатива «Почтовые финансовые услуги» развернула крупную программу технической помощи с участием заинтересованных сторон (частного сектора, регулирующих органов и директивных органов) в четырех странах: Бенин, Гана, Мадагаскар и Сенегал. Эта программа оказала поддержку национальным почтовым операторам с целью увеличения их влияния на рынке денежных переводов, что, в конечном счете, приведет к расширению доступа к финансированию для сельского населения через почтовые отделения. Скоординированные усилия всех международных организаций-партнеров программы и национальных почтовых операторов четырех стран привели к оказанию значительной технической помощи по широкому кругу компонентов. Они включали, в частности, оценку законодательной и нормативной базы, содействие соблюдению требований финансового сектора, разработку эффективных планов делового и финансового управления и маркетинговых стратегий, а также предоставление оборудования. Помимо этого, в данном регионе с 2019 года действует другая программа, которая называется Prime Africa и продлится она до 2023 года. Данная инициатива охватывает 7 стран Африки, такие как Гамбия, Гана, Кения, Марокко, Сенегал, Южно-Африканская Республика, Уганда и поддерживается эта инициатива как государственными, так и частными организациями и обществом в целом. Основные две ее цели состоят в сокращении расходов на перевод денежных средств из Европы в Африку и обратно; расширение доступа к финансовым услугам. В заключение стоит отметить, что трансграничные денежные переводы обладают большим потенциалом для достижения более высоких темпов экономического роста, а также могут значительно способствовать достижению целей устойчивого развития 2030. Кроме того, они снижают давление на оставшихся на родине членов семьи, позволяя молодежи продолжить обучение; помогают сократить смертность в стране благодаря улучшению жилищных 95

условий, качества питания и доступности медицинских услуг. Дополнительные денежные средства дают возможность накопления капитала для уверенности в будущем и сокращают разницу в доходах между гражданами. Поэтому правительства стран доноров трудовых ресурсов и стран доноров денежных переводов должны стремиться усилить воздействие таких важных международных потоков, особенно для людей находящихся за чертой бедности. Для усиления такого воздействия необходимо введение определенной политики. Во-первых, правительство должно всячески способствовать увеличению объема денежных переводов, особенно через официальные каналы. По предположениям экспертов в разные годы более половины данных переводов осуществлялись через неофициальные каналы. Обычно данный выбор обусловлен дешевизной и быстротой таких услуг. Именно поэтому нужно способствовать снижению налогов и плат за осуществление данных услуг через официальные каналы. Во-вторых, государство должно стимулировать население больше использовать денежные переводы на инвестиционные цели, нежели на потребление. Меры, поощряющие денежные переводы к инвестициям в человеческий и физический капитал, усилили бы их влияние на экономическое соответствующую развитие. инфраструктуру Однако для следует организации также создать благоприятного инвестиционного климата. В-третьих, политика должна также быть направлена на поощрение возвращения мигрантов, поскольку они могут внести свой вклад в создание производственного потенциала в странах происхождения благодаря накопленным знаниям, опыту преимуществ возвращающихся и связям. мигрантов Однако для требуются использования благоприятные институциональные условия, которые нацелены на создание производственных финансовых механизмов через, например, Национальный банк развития, предоставляющий специальные кредиты в дополнение к инвестициям. А также предоставление технической и управленческой поддержки предпринимателям, чтобы сделать их фирмы жизнеспособными в долгосрочной перспективе. Правительствам следует также рассмотреть вопрос о создании специальных 96

стимулов, таких как снижение импортных пошлин на оборудование и промежуточные материалы, поставляемые или приобретаемые для продуктивного использования возвращающимися мигрантами. Помимо всего прочего, правительствам необходимо улучшить контроль над сбором данных. Данные о денежных переводах в некоторых странах часто ошибочно классифицируются как доходы от экспорта, доходы от туризма, как вклады резидентов или даже прямые иностранные инвестиции. Некоторые центральные банки используют данные о денежных переводах, представленные коммерческими банками, но неадекватно фиксируют потоки через операторов денежных переводов, почтовые отделения и мобильные денежные переводы. В других случаях страна имеет разные цифры по денежным переводам в зависимости от того, сообщает ли эти данные центральный банк или министр финансов. Многие осуществляющиеся формальные даже незарегистрированными из-за потоки через денежных официальные отсутствия контроля. каналы, Без переводов, остаются решения этой проблемы будет сложно изучить и оценить влияние денежных переводов на экономическое развитие стран. 2.3 СВЯЗЬ ЦЕЛЕЙ УСТОЙЧИВОГО РАЗВИТИЯ И ТРАНСГРАНЧИНЫХ ДЕНЕЖНЫХ ПЕРЕВОДОВ В 2015 году, государствами-членами Организации Объединенных Наций была выдвинута новая повестка дня в области устойчивого развития на период до 2030 года. Были сформированы 17 конкретных целей в области устойчивого развития (ЦУР) и были предложены несколько способов для мобилизации дополнительных ресурсов, необходимых для реализации этой важной повестки дня. 97

Уже более века, люди мигрируют из сельской местности в города, и даже другие страны в поисках более благоприятных условий работы и жизни. Из 250 миллионов человек в данный момент проживающих за пределами своих стран происхождения, приблизительно 200 миллионов рабочих-мигрантов покидают свои дома, чтобы иметь возможность отправлять денежные переводы своим семьям, чтобы дать им возможность устранить причины, побудившие их самих к миграции. Поэтому оказание помощи семьям, получающим денежные переводы, в использовании их собственных ресурсов в целях развития имеет большое значение для достижения ЦУР. Теперь международное сообщество может признать трудящихся-мигрантов и их семьи ключевыми агентами по осуществлению перемен. Потенциал в объединении масштабов денежных переводов для достижения ЦУР очевиден: один миллиард отправителей и получателей и прогнозируемый объем международных денежных переводов в размере 6,5 трлн. долл. США будут направлены в развивающиеся страны в период с 2015 по 2030 год [77]. В течение последнего десятилетия основное внимание уделялось “отправляющей стороне " денежных переводов, в частности совокупным объемам и операционным издержкам, связанным с отправкой денежных переводов, главным образом из развитых в развивающиеся страны. Глобальные масштабы этого явления впечатляют: в 2019 году развивающимся странам и европейским странам, зависящим от денежных переводов, был направлен 551 миллиард долларов США, что более чем в четыре раза превышает официальную помощь в целях развития (ОПР) [68]. По оценкам, 75 процентов денежных переводов идет на удовлетворение неотложных потребностей, но остальные 25 процентов – свыше 100 миллиардов долларов США в год – направляются на другие цели. 98

Несмотря на то, что основное внимание уделяется совокупным потокам денежных переводов, сумма, которая имеет наибольшее значение, измеряется не в миллионах или миллиардах долларов, а в отдельных 200 или 300 долларах США, регулярно отправляемых домой. Эта сумма составляет 60 процентов от общего дохода домашних хозяйств, и при ее использовании она может наиболее эффективно повысить уровень жизни мигрантов и их общин на родине [77]. Располагая этими явно значительными средствами, большинство семей, получающих денежные переводы, берут на себя обязательство достичь “своих собственных ЦУР”. К ним относятся: сокращение масштабов нищеты, улучшения здоровья и питания, возможности в области образования, улучшения жилищных условий и санитарии, предпринимательства, доступа к финансам и сокращения неравенства, а также способность справляться с неопределенностью в своей жизни путем увеличения своих сбережений и создания активов для обеспечения более стабильного будущего. В этой связи ЦУР предоставляют уникальную возможность для сближения целей семей, получающих денежные переводы, целей развития правительства, стратегий частного сектора для осуществления традиционной роли гражданского общества в содействии позитивным изменениям. В частности:  доступ к финансам и финансовая грамотность семей, получающих денежные переводы, могут расширить возможности для формальных сбережений и инвестиций. В свою очередь, эти механизмы могут способствовать наращиванию человеческого капитала семей, получающих денежные переводы, и повышению уровня их жизни за счет улучшения образования, здравоохранения и жилищных условий; 99

 инвестиции мигрантов, выходящие за рамки денежных переводов, могут изменить ландшафт развития местных общин, если им будут предоставлены соответствующие возможности;  улучшение рынков денежных переводов благодаря адаптированной нормативно-правовой базе, большей прозрачности и конкуренции может привести к снижению издержек и увеличению объема ресурсов для семей, осуществляющих денежные переводы. Стоит отметить, что денежные переводы мигрантов, как и частные денежные потоки, никоим образом не уменьшают и не вытесняют потребность в дополнительных ресурсах, как государственных, так и частных. Однако растущее признание того, что денежные переводы, направляемые мигрантами своим семьям, имеют основополагающее значение для правительств, международных организаций и других партнеров в реализации целей устойчивого развития. Денежные переводы могут способствовать достижению Целей устойчивого развития (ЦУР) различными способами:  На уровне домохозяйств. Признавая позитивное социально- экономическое воздействие денежных переводов на семьи и общины (ЦУР 1-5); ЦУР 1 «Ликвидация нищеты»: 1. Денежные переводы составляют в среднем до 60 процентов бюджета семей получателей и, как правило, более чем в два раза увеличивают располагаемый доход семьи и помогают справиться с неопределенностью, позволяя им создавать дополнительные активы [77]. 2. Анализ 71 развивающейся страны свидетельствует о значительном воздействии денежных переводов на сокращение масштабов нищеты: 10процентное увеличение объема денежных переводов на душу населения приводит к снижению доли бедных слоев населения на 3,5 процента [77]. 100

ЦУР 2 «Ликвидация голода»: 1. В сельских общинах половина денежных переводов тратится на расходы, связанные с сельским хозяйством. 2. Дополнительный доход увеличивает спрос домохозяйств на продовольствие, что увеличивает производство продовольствия внутри страны и улучшает питание, особенно среди детей и пожилых людей. 3. Инвестирование доходов мигрантов в сельскохозяйственную деятельность создает дополнительные возможности для трудоустройства. ЦУР 3 «Хорошее здоровье и благополучие»: 1. Денежные переводы, инвестированные в здравоохранение – предоставляют доступ к медицине, профилактическому обслуживанию и продуктам медицинского страхования, – улучшают здоровье и благосостояние семей, которые получают такую помощь. 2. Младенцы, рожденные в семьях, получающих денежные переводы, имеют более высокий вес при рождении и с меньшей вероятностью умирают в течение первого года жизни [77]. ЦУР 4 «Качественное образование»: 1. Одна из главных причин, согласно которой мигранты отправляют деньги домой, заключается в том, чтобы обеспечить своим детям доступ к лучшему образованию. 2. Домохозяйства, получающие денежные переводы, имеют явно более высокий уровень образованности, чем семьи без дополнительного источника дохода, что приводит к тому, что домохозяйства-реципиенты инвестируют около одной десятой своего дохода в образование своих детей [77]. 3. Денежные переводы приводят к почти двукратному увеличению числа учащихся в школах [77]. Дети из семей, получающих денежные переводы, особенно девочки, посещают старшую школу намного чаще, а 101

также увеличиваются процент зачисления детей в школы, кроме того увеличивается продолжительность обучения. 4. Денежные переводы существенно снижают вероятность возникновения потребности в детском труде. ЦУР 5 «Гендерное равенство»: 1. В настоящее время трудящиеся женщины-мигранты составляют половину всех отправителей денежных переводов: в общей сложности 100 млн. человек [77]. 2. Денежные переводы трансформируют экономическую роль женщин, как со стороны отправителя, так и со стороны получателя благодаря финансовой независимости и улучшению возможностей трудоустройства. 3. Хотя женщины отправляют в среднем такое же количество денежных переводов, что и мужчины, они, как правило, отправляют большую часть своих доходов и делают это чаще, хотя и в среднем зарабатывают меньше.  На уровне общества. Поддерживая политику и конкретные действия, направленные на поощрение взаимодействия между денежными переводами и финансовой доступностью, стимулирование рыночной конкуренции и реформ регулирования, а также смягчение любых негативных последствий изменения климата (ЦУР 6, 7, 8, 10, и 13); ЦУР 6 «Чистая вода и санитария»: 1. Для создания социального капитала и объединения средств для удовлетворения местных потребностей мигранты и / или их семьи часто объединяются в соседские организации в своих общинах. 2. Такие объединения создают развития и участвовать в возможность определять приоритеты достижении технических консультаций и сбора средств. 102 этих целей посредством

3. Проекты учитывают проблемы устойчивого развития и благосостояния общин, основанные на первичных потребностях (например, обеспечение ирригационной и чистой водной инфраструктуры). ЦУР 7 «Недорогостоящая и чистая энергия»: 1. Денежные переводы оказывают положительное влияние на семейные активы и общее качество жизни при инвестировании в жилье, и они с большей вероятностью будут использоваться для улучшения жилищных условий, чем для покупки нового жилья. 2. Уже имеются доступные решения для бедных домашних хозяйств и их общин, включая эффективные устройства для приготовления пищи и экологически чистые энергетические устройства. 3. В проектах местных общин могут применяться экологически чистые энергетические технологии, что особенно актуально в отдаленных сельских районах, не имеющих доступа к электричеству. ЦУР 8 «Достойная работа и экономический рост»: 1. Трансграничные денежные средства, находящиеся в распоряжении семей, а также накопления мигрантов в стране проживания улучшают доступность финансовых ресурсов для экономики в целом. Этот капитал может быть максимизирован в паре с финансовыми и предпринимательскими услугами. 2. Трудящиеся-мигранты обладают огромными активами: знаниями, навыками и связями. 3. Что касается воздействия на развитие, то инвестиции мигрантов в микро , малые и средние предприятия способствуют созданию дополнительных рабочих мест и увеличивают доход в местных общинах. 103

ЦУР 10 «Уменьшение неравенства»: 1. Снижение стоимости денежных переводов может существенно увеличить располагаемый доход семей, получающих денежные переводы. 2. Сократив средние расходы на перевод денежных средств до 3% во всем мире, это поможет семьям, получающим денежные переводы, сэкономить дополнительно 20 миллиардов долларов США в год [77]. 3. Повышение осведомленности гражданского общества и проведение информационных кампаний способствуют достижению прогресса в содействии улучшению условий труда трудящихся-мигрантов. ЦУР 13 «Борьба с изменением климата»: 1. Миграция все чаще становится следствием изменения климата. Денежные переводы и инвестиции диаспоры играют решающую роль в смягчении их негативных последствий и помогают справиться с нехваткой доходов из-за погодных потрясений. 2. Денежные переводы сельскохозяйственные деятельности. позволяют культуры Примеры внедрять и включают более устойчивые несельскохозяйственные в себя: поддержку виды местных предприятий в предоставлении решений для борьбы с наводнениями, более эффективное ирригационные использование системы, воды, усовершенствованные штормовые/тепловые/ветроустойчивые строительные материалы и многое другое.  На национальном уровне. Путем обеспечения того, чтобы возрожденное Глобальное партнерство в интересах устойчивого развития – как это предусмотрено в ЦУР 17 – и Глобальный договор по миграции способствовали сотрудничеству денежными переводами. 104 во всех секторах, связанных с

ЦУР 17 «Партнерство в интересах устойчивого развития»: 1. Благодаря таким инициативам, как Глобальный договор о безопасной, упорядоченной и регулярной миграции, международное сообщество в настоящее время признает денежные переводы в качестве жизненно важной поддержки для сотен миллионов людей во всем мире и работает над усилением их воздействия на развитие семей и общин. Таблица 11 – Краткое резюме взаимосвязей между трансграничными денежными переводами и целями устойчивого развития ООН Уровень Цели устойчивого развития Домохозяйство ЦУР 1 «Ликвидация нищеты» ЦУР 2 «Ликвидация голода» ЦУР 3 «Хорошее здоровье и благополучие» ЦУР 4 «Качественное образование» ЦУР 5 «Гендерное равенство» Страна ЦУР 6 «Чистая вода и санитария» ЦУР 7 «Недорогостоящая и чистая энергия» ЦУР 8 «Достойная работа и экономический рост» ЦУР 10 «Уменьшение неравенства» ЦУР 13 «Борьба с изменением климата» Мир ЦУР 17 «Партнерство в интересах устойчивого развития» Таким образом, трансграничные денежные переводы не только являются дополнительным источником доходов и финансовых активов для членов семьи 105

оставшихся на родине, но также способствуют достижению множества целей устойчивого развития ООН. Тем самым увеличивается значимость таких трансфертов не только для экономического развития стран получателей, но также для развития социальной политики и защищенности граждан, сокращения неравенства между странами и отдельными регионами. 106

СПИСОК ЛИТЕРАТУРЫ 1. Акаев А.А., Гринберг Р.С., Гринин Л.Е., Коротаев А.В., Малков С.Ю. Кондратьевские волны: аспекты и перспективы // Волгоград: Учитель, 2012. 384 с. 2. Кондратьев Н.Д. Большие циклы конъюктуры и теория предвидения. М. : Экономика, 2002. 767 с. 3. Acosta P.A., Lartey E.K.K., Mandelman F.S. Remittances and the Dutch disease // Journal of International Economics. 2009. №79. P. 102-116 4. Adams R.H., Cuecuecha A. Remittances, household expenditures and investment in Guatemala // World Development. 2010. №11. P. 1626-1641 5. Ajaero C.K., Nzeadibe C.T., Obisie-Nmehielle N., Ike C.C. The linkages between international migration, remittances and household welfare in Nigeria // Migration and Development. 2018. №7. P. 40-54 6. Alcaraz C., Chiquiar D., Salcedo A. Remittances, schooling, and child labor in Mexico // Journal of Development Economics. 2012. №97. P. 156-165 7. Amuedo-Dorantes C., Pozo S. Workers’ remittances and the real exchange rate: a paradox of gifts // World Development. 2004. №8. P. 1407-1417 8. Ang A.P. Workers’ remittances and economic growth in the Philippines // DEGIT Conference Papers. 2007. P. 12-29 9. Baldé Y. The impact of remittances and foreign aid on savings/investment in Sub-Saharan Africa (SSA) // African Development Review. 2011. №23. P. 247-262 10. Barajas A., Chami R., Fullenkamp C. Do Workers' Remittances Promote Economic // IMF Working Paper No. 09/153. 2009. P. 1-22 11. Bassanini A., Scarpetta S. The driving forces of economic growth: panel data evidence for the OECD countries // OECD Economic Studies №33. 2001. P. 9-56 107

12. Batu M. International Worker Remittances and Economic Growth in a Real Business Cycle Framework // Structural Change and Economic Dynamics. 2017. №40. P. 81-91 13. Bettin G., Zazzaro A. Remittances and Financial Development: Substitutes or Complements in Economic Growth? // Bulletin of Economic Research. 2012. №64. P. 509-536 14. Billmeier A., Massa I. What drives stock market development in the Middle East and Central Asia— Institutions, Remittances, or Natural Resources? // IMF Working Papers. 2007. P. 1-21 15. Borjas G.J. The economic benefits from immigration // Journal of Economic Perspectives. 1995. № 2. P. 3-22 16. Brown R.P.C., Leeves G. Comparative effects of migrants’ remittances on composition of recipient household income in two small, island economies // Applied Economics. 2011. №27. P. 3965-3976 17. Cassarino J.-P. Theorising return migration: the conceptual approach to return migrants revisited // International Journal on Multicultural Societies. 2004. № 2. P. 253-279 18. Cazachevici A., Havranek T., Horvath R. Remittances and Economic Growth: A Meta-Analysis // Working Papers IES 2019/35, Charles University Prague, Faculty of Social Sciences, Institute of Economic Studies. 2019 19. Chami R., Fullenkamp C., Jahjah S. Are Immigrant Remittance Flows a Source of Capital for Development? // IMF Staff Papers. 2005. №1. P. 55-81 20. Cismaș L.M., Curea-Pitorac R.J., Vădăsan I. The impact of remittances on the receiving country: some evidence from Romania in European context // Economics Research. 2019 21. Dalgaard C.-J. The history augmented Solow model // European Economic Review. 2013. №63. P. 134-149 22. Das A., McFarlane A., Jung Y.C. Remittances and GDP in Jamaica: an ARDL bounds testing approach to cointegration // International Economic Journal. 2019. №33. P. 365-381 108

23. Deonanan R., Ramkissoon B., Ramkissoon D., Hosein R. Disentangling the relationship between remittances and financial development: evidence from Jamaica // International Review of Applied Economics. 2020. №34. P. 193-216 24. Donou-Adonsou F., Lim S. An empirical analysis of remittance flows into West African Economic and Monetary Union: a panel time-series approach // Applied Economics. 2016. №48. P. 1018-1029 25. Eggoh J., Bangake C., Semedo G. Do remittances spur economic growth? Evidence from developing countries // The Journal of International Trade & Economic Development. 2019. №28. P. 391-418 26. El Hamma I. Migrant remittances and economic growth: the role of financial development and institutional quality // Economics and Statistics. 2018. P. 123-142 27. Ferrara L. Modified neoclassical growth models with delay: A critical survey and perspectives // Applied Mathematical Sciences. 2013. №7. P. 4249-4257 28. Hassan G.M., Shakur S., Bhuyan M. Nonlinear growth effect of remittances in recipient countries: an econometric analysis of remittances-growth nexus in Bangladesh // Annual NZAE Conference. 2012. P. 1-35 29. Jawaid S.T., Raza S.A. Effects of workers’ remittances and its volatility on economic growth in South Asia // International Migration. 2016. №54. P. 50-68 30. Jongwanich J.Workers’ remittances, economic growth and poverty in developing Asia and the Pacific countries // UNESCAP Working Papers. 2007. P. 1-27 31. Kociu L. Hysi A., Mano R., Celo R. The remittances and evaluation of their impact on economic growth (The case of Albania) // Science. Business. Society. 2016. №1. P. 38-41 32. Luqman M., Haq M. Contribution of workers’ remittances to economic growth in Pakistan: exploring the role of financial sector development // Migration and Development. 2016. №5. P. 37-54 109

33. Meyer D., Shera A. The impact of remittances on economic growth: An econometric model // EconomiA. 2017. №18. P. 147-155 34. Mundaca B.G. Remittances, financial markets development and economic growth: the case of Latin America and Caribbean // Review of Development Economics. 2009. №13. P. 288-303 35. Nsiah C., Fayissa B. Remittances and economic growth in Africa, Asia, and Latin American-Caribbean countries: a panel unit root and panel cointegration analysis // Journal of Economics and Finance. 2013. №37. P. 424-441 36. Nyamongo E.M., Misati R.N., Kipyegon L., Ndirangu L. Remittances, financial development and economic growth in Africa // Journal of Economics and Business. 2012. №64. P. 240-260 37. Oberai A.S., Singh H.K. Migration, remittances and rural development: findings of a case study in the Indian Punjab // International Labour Review. 1980. №2. P. 229-241 38. Oluwafemi A., Ayandibu A.O. Impact of remittances on development in Nigeria: challenges and prospects // Journal of Sociology and Social Anthropology. 2014. №5. P. 311-318 39. Peprah J.A., Ofori I.K., Asomani A.N. Financial development, remittances and economic growth: a threshold analysis // Cogent Economics and Finance. 2019. №7 40. Ramirez M.D., Sharma H. Remittances and growth in Latin America: a panel unit root and panel cointegration analysis // Yale Economics Department Working Paper №51. 2008 41. Rao B.B., Hassan G. A panel data analysis of the growth effects of remittances // Economic Modelling. 2011. №28. P. 701-709 42. Ratha, Dilip, and William Shaw. South-South Migration and Remittances. Development Prospects Group // World Bank Working Paper. 2007. №102. 110

43. Remittances in Africa. A Catalogue of Studies and Technical Assistance by the World Bank, Development Agencies and Government in Africa // World Bank, European Commission. 2013. 44. Senbeta A. Remittances and the sources of growth // Applied Economics Letters. 2013. №20. P. 572-580 45. Siddique A., E. A. Selvanathan, Selvanathan S. Remittances and Economic Growth: Empirical Evidence from Bangladesh, India and Sri Lanka // The Journal of Development Studies. 2012. №8. P. 1045-1062 46. Sjaastad L.A. The costs and returns of human migration // Journal of Political Economy. 1962. № 5. P. 80-93 47. Solow R.M. A contribution to the theory of economic growth // Journal of Economics. 1956. №70. P. 65-94 48. Taylor J.E. The new economics of labour migration and the role of remittances in the migration process // International migration. 1999. № 1. P. 64-88 49. Upadhyaya K.P., Upadhyaya M.P., Gyan P. Remittances and Economic Growth in Developing Countries // The European Journal of Development Research. 2008. №20. P. 497-506 50. Wallerstein I. The capitalist world-economy. Cambridge University Press, 1979. 320 p. 51. Yamarik S. State-level capital and investment: updates and implications // Contemporary Economic Policy. 2013. №31. P. 62-72 52. Yormirzoev M. Migration, Remittances and Economic Growth: an Empirical Study in The Case of Former Soviet Republics // Perm University Herald. Economy. 2016. №4. 53. Bester H.et al., Implementing FATF standards in developing countries and financial inclusion: findings and guidelines [Electronic resource]. URL: https://cenfri.org/wp-content/uploads/2009/12/Implementing-FATF- standards-in-developing-countries-and-finacial-inclusion-finalreport_ Genesis_May-2008.pdf (accessed: 10.05.2020) 111

54. Datta K., Sarkar B. Relationship between remittances and economic growth in Bangladesh: an econometric study [Electronic resource]. URL: https://ssrn.com/abstract=2375991 (accessed: 01.02.2020) 55. Economic Development in Africa Report 2018 [Electronic resource]. URL: https://unctad.org (accessed: 28.04.2020) 56. Ferrari A., Jaffrin G., Shrestha S.R. Access to financial services in Nepal [Electronic resource]. URL: http://documents.worldbank.org/ curated/en/354951468289542030/Access-to-financial-services-in-Nepal (accessed: 10.05.2020) 57. FinMark Trust [Electronic resource]. URL: http://finmark.org.za (accessed: 10.05.2020) 58. Global forum on remittances, investment and development 2018 [Electronic resource]. URL: https://www.ifad.org/en/global-forum-on-remittances (accessed: 14.05.2020) 59. Goldberg M.A., Levi M.D. The impact of remittances on economic growth [Electronic resource]. URL: https://www.semanticscholar.org/paper/The- Impact-of-Remittances-on-Economic-Growth-2-Q-A-Goldberg-Levi /8a6867f19e5437f66ad8130680a071f8c19e4ded (accessed 15.02.2020) 60. IMF [Electronic resource]. URL: www.imf.org (accessed: 3.04.2020) 61. International Fund for Agricultural Development [Electronic resource]. URL: https://www.ifad.org/en/ (accessed: 14.05.2020) 62. International labour migration statistics in South Asia [Electronic resource]. URL: https://www.ilo.org (accessed: 30.04.2020) 63. International Labour Ogranization [Electronic resource]. URL: https://www.ilo.org (accessed: 14.05.2020) 64. KNOMAD [Electronic resource]. URL: www.knomad.org (accessed: 05.02.2020, 20.02.2020) 65. Kumar R.R. Growth and remittance nexus in the Fiji Islands: an investigation using bounds test analysis [Electronic resource]. URL: https://ssrn.com/abstract=1566626 (accessed: 05.02.2020) 112

66. Market barriers to remittances in Sub-Saharan Africa [Electronic resource]. URL: https://cenfri.org (accessed: 19.04.2020) 67. Migration and Development Brief 9 [Electronic resource]. URL: www.worldbank.org (accessed: 02.02.2020) 68. Migration and Development Brief 31 [Electronic resource]. URL: www.worldbank.org (accessed: 15.02.2020) 69. Migration and Development Brief 32 [Electronic resource]. URL: www.worldbank.org (accessed: 15.04.2020) 70. Migration and remittances for development in Asia [Electronic resource]. URL: https://www.adb.org/sites/default/files/publication/419611/migration- remittances-development-asia.pdf (accessed: 11.05.2020) 71. Sending money home to Asia. Trends and opportunities in the world’s largest remittance marketplace [Electronic resource]. URL: https://www.ifad.org/documents/38714170/40194108/Sending+Money+Home +to+Asia.pdf/b54ba6b3-efaa-421f-9e00-1ada4fad3b2a (accessed: 19.04.2020 72. Sending money home: European flows and markets [Electronic resource]. URL: https://www.ifad.org/documents/38714170/40187194/money_europe. pdf/b0003fbb-bb10-4f3c-90c7-f12fdc3c450b (accessed: 9.05.2020) 73. State of the Mobile Money Industry in Sub-Saharan Africa 2018 [Electronic resource]. URL: https://www.gsma.com (accessed: 1.05.2020) 74. Suki L. Competition and remittances in Latin America: lower prices and more efficient markets [Electronic resource]. URL: http://www.oecd.org/daf/competition/prosecutionandlawenforcement/3882142 6.pdf (accessed: 19.04.2020) 75. The African postal financial services initiative. A success story on remittances at the post office in Africa [Electronic resource]. URL: https://www.ifad.org/en/web/knowledge/publication/asset/40323293 (accessed: 14.05.2020) 113

76. Trako I. The impact of remittances on incentives: the case of Albania [Electronic resource]. URL: https://ssrn.com/abstract=1425802 (accessed: 01.02.2020) 77. United Nations [Electronic resource]. URL: https://www.un.org (accessed: 27.04.2020) 78. World Bank Data [Electronic Resource]. URL: www.worldbank.org (accessed: 10.03.2020, 12.03.2020, 15.03.2020) 114

ПРИЛОЖЕНИЕ ПРИЛОЖЕНИЕ А. Таблица А. 1 – Краткое резюме обзора литературы № 1 2 3 4 5 6 7 8 9 Автор (год) Adams (2016) Методология Гватемала (июль- 2SLS декабрь 2000) Brown, Leeves Фиджи, Тонга (2003) 3SLS (2010) Trako (2008) Албания (2005) Ajaero et al. Нигерия (2009) (2017) GLS Описательная статистика Квантильная оценка OLS Пробит регрессии Selvanathan et Бангладеш, Индия, Причинноal. (2012) Шри Ланка (1976- следственная связь 2006) Granger (1988) VAR ADF Datta, Sarkar Бангладеш (1975- ARDL (2014) 2011) Hassan et al. Бангладеш (1974- OLS (2012) 2006) IV-2SLS GMM Kumar, Бангладеш (1979- ARDL Stauvermann 2012) (2014) Jawaid, Raza Корея, Китай Коинтеграционный (2012) (1980-2009) тест Johansen Филиппины OLS (1988-2004) Haq Пакистан (1972-2011) ARDL 10 Ang (2006) 11 Luqman, (2015) Billmeier, Massa (2007) 12 Результат Положительный Тонга (положительный) Фиджи (отрицательный) Нейтральный Положительный Бангладеш, Шри Ланка (положительный) Индия (нейтральный) Нейтральный Сначала отрицательный, затем положительный Положительный Корея (положительный) Китай (отрицательный) Положительный Положительный Ближний Восток и Панельная Положительный Центральная Азия регрессия с (17 стран, 1995-2005) фиксированными эффектами 115

Продолжение Таблицы 1 № Автор (год) 13 Jongwanich (2007) 14 Fayissa, Nsiah (2013) Mundaca (2008) 15 16 Ramirez, Sharma (2008) 17 AmuedoDorantes, Pozo (2004) 18 Acosta et al. (2009) Das et al. (2019) Deonanan et al. (2019) 19 20 21 22 23 24 25 26 27 Страны/Регион (период) Страны Азии и Тихого океана (19932003) 64 развивающиеся страны (1985-2004) Латинская Америка и страны Карибского бассейна (1970-2002) 23 страны Латинской Америки и Карибского бассейна (1990-2005) 13 стран Латинской Америки и Карибского бассейна (1979-1998) Эль Сальвадор (1992-2006) Ямайка (1976-2014) Ямайка (1976-2016) Kumar (2010) Фиджи (1979-2007) El Hamma 14 стран Ближнего (2018) Востока и Северной Африки (1982-2016) Baldé (2011) 34 страны Африки к югу от Сахары (19802004) Nyamongo et al. 36 стран Африки (2012) (1980-2009) Методология Результат GMM Положительный FMOLS Положительный GMM Положительный FMOLS Положительный OLS Отрицательный BVAR Отрицательный ARDL ARDL ARDL 2SLS Положительный Отрицательный коротком периоде Положительный длительном Положительный Положительный 2SLS Положительный Панельная Положительный регрессия с фиксированными эффектами ARDL Положительный Peprah et al. Гана (1984-2015) (2019) Donou7 стран ECM Adonsou, Lim Западноафриканского (2016) экономического и валютного союза (1975-2011) Cazachevici et Мета-анализ al. (2019) 116 Нейтральный Положительный в в

Продолжение Таблицы 1 № Автор (год) 28 Yormirzoev (2016) 29 Cismas (2019) 30 Kociu et al. (2016) Glytsos (2005) 31 et Страны/Регион (период) 11 стран бывшего Советского Союза (2000-2010) al. 32 Meyer, (2016) 33 Upadhyaya al. (2008) 34 Bettin, Zazzaro (2009) 35 36 Eggoh et al. (2019) Senbeta (2012) 37 Batu (2017) 38 Chami et (2005) Barajas et (2009) 39 40 Rao, (2011) Shera et al. al. Hassan Методология Результат Панельная регресс- Положительный сия с фиксированными эффектами OLS 11 стран OLS Положительный Центральной и ADF Нейтральный Восточной Европы (Румыния) (1996-2017), акцент на Румынию Албания (2002-2014) Линейная Положительный регрессия 5 Кейнсианский вид Положительный Средиземноморских эконометрического стран (1969-1998) исследования 6 Европейских стран Панельная Положительный (1999-2013) регрессия с фиксированными и случайными эффектами 39 развивающихся Панельная Положительный стран (1980-2004) регрессия с фиксированными и случайными эффектами 66 развивающихся Панельная Положительный стран (1991-2005) регрессия с фиксированными и случайными эффектами 49 развивающихся GMM Положительный стран (2001-2013) PSTR 50 развивающихся GMM Нейтральный стран (1970-2004) 81 развивающаяся Панельная Положительный страна (1970-2012) регрессия 113 развивающихся Панельная Отрицательный стран (1970-1998) регрессия 84 развивающихся OLS-IV Нейтральный стран (1970-2004) Панельная регрессия с фиксированными эффектами 40 развивающихся Панельная регресс- Нейтральный стран (1974-2006) сия с фиксированными и случайными эффектами GMM 117

ПРИЛОЖЕНИЕ Б. Эконометрическое исследование регионов как единого целого Рисунок Б. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов 118

Variable Mean Std. Dev. Min Max Observations GDP_pe~t overall between within 1279.497 1056.327 881.1114 596.2184 138.4289 311.031 -882.8228 5879.7 3528.034 4564.385 N = n = T = 874 46 19 lnGDP_~a overall between within 6.835556 .8110681 .6852586 .4455114 4.930357 5.694154 5.431543 8.679261 8.146239 7.90195 N = 872 n = 46 T-bar = 18.9565 Person~t overall between within 3.68e+09 8.97e+09 7.71e+09 4.41e+09 746886 1.78e+07 -2.94e+10 7.88e+10 4.60e+10 3.65e+10 N = n = T-bar = 828 46 18 lnRemm~s overall between within 20.19634 2.140496 1.941422 .9478169 13.52367 16.24327 14.89773 25.09005 24.38807 22.84157 N = n = T-bar = 828 46 18 ODA overall between within 9.57e+08 1.06e+09 8.24e+08 6.83e+08 -1.36e+08 5.13e+07 -2.74e+09 1.14e+10 3.84e+09 9.94e+09 N = n = T = 874 46 19 lnODA overall between within 20.12808 1.149039 1.014256 .5573778 16.77613 17.63508 16.54472 23.15968 21.77859 22.18233 Techni~o overall between within 1.34e+08 1.26e+08 1.09e+08 6.37e+07 6510000 1.21e+07 -4.24e+08 1.06e+09 5.74e+08 6.23e+08 N = n = T = 874 46 19 lnTech~n overall between within 18.31295 .9693934 .9177785 .3387823 15.68885 16.27975 15.06862 20.78381 19.80132 19.44807 N = n = T = 874 46 19 FD overall between within .1731285 .1037813 .0996549 .032305 0 .0455448 .0631894 .5766723 .447447 .321855 N = n = T = 828 46 18 Domest~t overall between within 36.61469 29.72582 26.67704 13.78838 -17.12788 -5.653666 -21.37137 144.2808 100.6745 135.9525 Laborf~e overall between within 64.24794 13.33576 13.28786 2.217148 7 40.35789 28.11636 89.1 87.27895 72.11636 N = n = T = 874 46 19 Annual~r overall between within 2.459783 5.475085 1.923159 5.133619 -31.7 -.8833333 -33.24022 64.8 6 61.25978 N = n = T = 828 46 18 Popula~h overall between within 2.033887 1.166054 1.038477 .5508937 -9.080638 -.5692819 -6.477469 7.78601 3.786698 10.38918 N = n = T = 874 46 19 GCF overall between within 23.67674 9.389415 7.845771 5.378686 1.525177 9.204392 -.8579592 69.52741 54.569 46.16905 N = 850 n = 46 T-bar = 18.4783 Trade_~s overall between within 77.92963 36.46515 32.28026 17.98798 20.72252 31.2621 -5.554976 311.3541 152.028 240.4076 N = 857 n = 46 T-bar = 18.6304 Inflat~n overall between within 10.41607 89.54696 22.6757 86.67338 -36.56478 1.133046 -148.2112 2630.123 157.4713 2483.067 N = 869 n = 46 T-bar = 18.8913 N = 872 n = 46 T-bar = 18.9565 N = 858 n = 46 T-bar = 18.6522 Рисунок Б. 2 – Описательная статистика переменных 119

Source SS df MS Model Residual 231.534673 220.412082 12 712 19.2945561 .309567531 Total 451.946755 724 .62423585 lnGDP_per_capita Coef. lnRemmitances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .0466393 .0201673 .0003976 1.004881 .0064764 -.1417754 -.0185051 -.0055934 -.115093 .002613 .0024145 -.0049788 8.938903 Number of obs F(12, 712) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0157047 .0345658 .0030376 .3372763 .0010634 .0387168 .0019051 .005124 .0217139 .0026377 .0006536 .0021419 .4892176 t 2.97 0.58 0.13 2.98 6.09 -3.66 -9.71 -1.09 -5.30 0.99 3.69 -2.32 18.27 = = = = = = P>|t| 0.003 0.560 0.896 0.003 0.000 0.000 0.000 0.275 0.000 0.322 0.000 0.020 0.000 725 62.33 0.0000 0.5123 0.5041 .55639 [95% Conf. Interval] .0158062 -.0476958 -.0055662 .3427059 .0043886 -.2177881 -.0222453 -.0156533 -.1577239 -.0025655 .0011312 -.009184 7.978422 .0774723 .0880303 .0063613 1.667056 .0085643 -.0657628 -.0147649 .0044665 -.0724622 .0077915 .0036978 -.0007736 9.899385 Рисунок Б. 3 – Исходная модель сквозной регрессии Variable VIF 1/VIF lnODA lnTechnica~n FD lnRemmitan~s Domestic_c~t Laborforce~e Population~h Trade_Open~s GCF FDI Annualgrow~r Inflation 3.32 3.04 2.96 2.63 2.23 1.54 1.49 1.36 1.24 1.20 1.11 1.04 0.301220 0.328864 0.337281 0.380539 0.449191 0.647510 0.672676 0.737183 0.809709 0.836425 0.904490 0.957237 Mean VIF 1.93 Рисунок Б. 4 – Проверка модели на наличие мультиколлинеарности 120

White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(90) Prob > chi2 = = 519.22 0.0000 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 519.22 56.36 9.01 90 12 1 0.0000 0.0000 0.0027 Total 584.60 103 0.0000 Рисунок Б. 5 – Проверка модели на наличие гетероскедастичности (тест Уайта) Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 725 46 R-sq: within = 0.7459 between = 0.0659 overall = 0.1783 Obs per group: min = avg = max = 9 15.8 17 corr(u_i, Xb) F(12,667) Prob > F = -0.5738 = = 163.12 0.0000 lnGDP_per_capita Coef. lnRemmitances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2750894 .185658 -.0004866 1.227351 .0054447 -.1079791 .0038208 .006523 .0128709 -.0012376 -.0033556 .0029579 -.8882487 .0111577 .0189288 .0013929 .2731222 .0007633 .0296117 .0036825 .0020318 .0142065 .0016046 .0005112 .0009063 .6614923 sigma_u sigma_e rho .89090899 .20314371 .95057719 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(45, 667) = 103.87 t 24.65 9.81 -0.35 4.49 7.13 -3.65 1.04 3.21 0.91 -0.77 -6.56 3.26 -1.34 P>|t| 0.000 0.000 0.727 0.000 0.000 0.000 0.300 0.001 0.365 0.441 0.000 0.001 0.180 [95% Conf. Interval] .2531809 .1484907 -.0032217 .6910685 .0039459 -.1661224 -.0034099 .0025336 -.0150239 -.0043883 -.0043593 .0011784 -2.187107 .2969979 .2228252 .0022485 1.763634 .0069435 -.0498358 .0110515 .0105124 .0407657 .0019131 -.0023519 .0047375 .4106093 Prob > F = 0.0000 Рисунок Б. 6 – Исходная модель регрессии с фиксированными эффектами 121

Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (46) = Prob>chi2 = 2077.04 0.0000 Рисунок Б. 7 – Проверка модели на наличие межгрупповой гетероскедастичности (модифицированный тест Вальда) Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 725 46 R-sq: within = 0.7422 between = 0.1017 overall = 0.2245 Obs per group: min = avg = max = 9 15.8 17 corr(u_i, X) Wald chi2(12) Prob > chi2 = 0 (assumed) = = 1648.27 0.0000 lnGDP_per_capita Coef. lnRemmitances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2604311 .1764534 .0001302 1.064444 .0054255 -.1728665 -.0008329 .0054773 .0034577 -.000683 -.0027949 .0024162 1.128063 .0117009 .0199801 .0014855 .2790046 .0008002 .0298424 .0032497 .0021795 .0149635 .001686 .0005335 .0009714 .6441255 sigma_u sigma_e rho .45273003 .20314371 .83240443 (fraction of variance due to u_i) Std. Err. z 22.26 8.83 0.09 3.82 6.78 -5.79 -0.26 2.51 0.23 -0.41 -5.24 2.49 1.75 P>|z| 0.000 0.000 0.930 0.000 0.000 0.000 0.798 0.012 0.817 0.685 0.000 0.013 0.080 [95% Conf. Interval] .2374976 .1372931 -.0027813 .5176049 .0038572 -.2313565 -.0072022 .0012056 -.0258702 -.0039875 -.0038406 .0005123 -.1343997 .2833645 .2156137 .0030417 1.611283 .0069939 -.1143765 .0055363 .0097491 .0327855 .0026216 -.0017492 .00432 2.390526 Рисунок Б. 8 – Исходная модель регрессии со случайными эффектами F test that all u_i=0: F(45, 667) = 103.87 Рисунок Б. 9 – Тест Вальда 122 Prob > F = 0.0000

Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .6242358 .0412674 .2049645 .790086 .2031437 .45273 Var(u) = 0 chibar2(01) = Prob > chibar2 = 1751.27 0.0000 Рисунок Б. 10 – Тест Бройша-Пагана Coefficients (b) (B) fe re lnRemmitan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation .2750894 .185658 -.0004866 1.227351 .0054447 -.1079791 .0038208 .006523 .0128709 -.0012376 -.0033556 .0029579 .2604311 .1764534 .0001302 1.064444 .0054255 -.1728665 -.0008329 .0054773 .0034577 -.000683 -.0027949 .0024162 (b-B) Difference sqrt(diag(V_b-V_B)) S.E. .0146584 .0092046 -.0006168 .1629076 .0000192 .0648874 .0046537 .0010456 .0094132 -.0005546 -.0005607 .0005418 . . . . . . .0017322 . . . . . b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(12) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 171.44 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite) Рисунок Б. 11 – Тест Хаусмана 123

ПРИЛОЖЕНИЕ В. Эконометрическое исследование региона Африка к югу от Сахары Рисунок В. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов lnGDP_~a lnRemi~s lnGDP_per_~a lnRemittan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 0.7426 0.0711 -0.0438 0.4840 0.1501 0.0004 -0.5509 0.0452 -0.4026 0.0140 -0.0743 -0.0543 1.0000 0.4036 0.0298 0.6795 0.1797 0.3448 -0.3039 0.1394 -0.1582 0.1935 -0.0187 -0.1155 lnODA FDI 1.0000 0.1397 0.3999 0.1177 0.8487 0.2430 0.3121 0.2929 0.3498 -0.0228 0.1496 1.0000 0.1488 0.0535 -0.0256 0.1553 0.0921 0.1470 0.2172 0.3180 -0.0019 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.3889 0.3418 -0.0529 0.1482 -0.1164 0.3001 0.2509 -0.0531 1.0000 0.1173 0.0091 -0.0387 0.0711 0.0128 0.3794 -0.0520 1.0000 0.1225 0.2858 0.3154 0.3085 -0.2164 0.1163 1.0000 0.1020 0.0628 0.0982 0.1736 0.0870 1.0000 -0.0676 0.1644 0.0637 0.0701 1.0000 0.1240 -0.2226 -0.0685 Рисунок В. 2 – Корреляционная матрица 124 GCF Trade_~s Inflat~n 1.0000 0.1992 -0.0653 1.0000 0.0275 1.0000

Source SS df MS Model Residual 93.0553636 21.549615 12 316 7.75461364 .068194984 Total 114.604979 328 .349405423 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .1652503 .1811438 .0026959 1.287779 .0069033 -.2590744 -.0199323 .0012354 -.3210279 .0018602 -.0044371 .0014653 6.529016 Number of obs F(12, 316) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0142639 .0297188 .0015925 .5124854 .0012762 .0324035 .001556 .0045258 .0292369 .0022247 .0005641 .0012245 .3791083 t 11.59 6.10 1.69 2.51 5.41 -8.00 -12.81 0.27 -10.98 0.84 -7.87 1.20 17.22 = = = = = = P>|t| 0.000 0.000 0.091 0.012 0.000 0.000 0.000 0.785 0.000 0.404 0.000 0.232 0.000 329 113.71 0.0000 0.8120 0.8048 .26114 [95% Conf. Interval] .137186 .122672 -.0004373 .2794644 .0043924 -.3228283 -.0229937 -.0076691 -.3785514 -.0025169 -.005547 -.0009439 5.783121 .1933146 .2396156 .0058292 2.296094 .0094142 -.1953205 -.0168709 .0101398 -.2635044 .0062374 -.0033271 .0038746 7.274912 Рисунок В. 3 – Исходная модель линейной регрессии Variable VIF 1/VIF lnODA lnTechnica~n lnRemittan~s FD Trade_Open~s Population~h Domestic_c~t Laborforce~e GCF FDI Annualgrow~r Inflation 5.35 4.77 2.86 2.54 1.92 1.58 1.53 1.47 1.34 1.29 1.18 1.13 0.186758 0.209820 0.349459 0.393189 0.520256 0.634616 0.655233 0.679435 0.743545 0.776391 0.850081 0.887221 Mean VIF 2.25 Рисунок В. 4 – Проверка модели на наличие мультиколлинеарности 125

Variable VIF 1/VIF FD lnRemittan~s lnTechnica~n Trade_Open~s Domestic_c~t Population~h GCF Laborforce~e FDI Annualgrow~r Inflation 2.54 2.51 1.98 1.82 1.50 1.49 1.34 1.30 1.27 1.17 1.09 0.393513 0.398850 0.505971 0.550240 0.665723 0.670942 0.743759 0.769096 0.788552 0.856054 0.913651 Mean VIF 1.64 Рисунок В. 5 – Проверка модели на наличие мультиколлинеарности (после удаления натурального логарифма официальной помощи в целях развития) White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(77) Prob > chi2 = = 162.50 0.0000 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 162.50 27.01 3.44 77 11 1 0.0000 0.0046 0.0634 Total 192.96 89 0.0000 Рисунок В. 6 – Проверка модели на гетероскедастичность (тест Уайта) 126

Linear regression Number of obs F(11, 317) Prob > F R-squared Root MSE lnGDP_per_capita Coef. lnRemittances FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .1958452 .0039014 1.19823 .0059269 -.1079699 -.0166941 .0035396 -.2795623 .0020903 -.0036344 .0027348 6.469747 Robust Std. Err. .0153393 .0017734 .6211945 .0018172 .0204218 .0012518 .0045841 .0417143 .0023639 .0009795 .0017472 .3891148 t 12.77 2.20 1.93 3.26 -5.29 -13.34 0.77 -6.70 0.88 -3.71 1.57 16.63 = = = = = P>|t| 0.000 0.029 0.055 0.001 0.000 0.000 0.441 0.000 0.377 0.000 0.119 0.000 329 140.36 0.0000 0.7899 .27563 [95% Conf. Interval] .1656655 .0004122 -.0239546 .0023516 -.1481493 -.0191569 -.0054795 -.3616341 -.0025607 -.0055614 -.0007027 5.704173 .2260249 .0073905 2.420415 .0095021 -.0677905 -.0142313 .0125586 -.1974905 .0067413 -.0017073 .0061723 7.235321 Рисунок В. 7 – Финальная модель линейной регрессии Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 329 21 R-sq: within = 0.7018 between = 0.3735 overall = 0.4799 Obs per group: min = avg = max = 9 15.7 17 corr(u_i, Xb) F(11,297) Prob > F = -0.3473 = = 63.53 0.0000 lnGDP_per_capita Coef. lnRemittances FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2530768 -.000614 3.326176 .0029823 -.0306364 -.0013972 .0022057 .1434243 .0012781 -.0034549 .0018875 1.589578 .0146696 .0015302 .7917055 .0015516 .0484904 .0071143 .0039454 .0552422 .0023141 .0008081 .0010767 1.121042 sigma_u sigma_e rho .42332542 .20191019 .81466868 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(20, 297) = 14.69 t 17.25 -0.40 4.20 1.92 -0.63 -0.20 0.56 2.60 0.55 -4.28 1.75 1.42 P>|t| 0.000 0.689 0.000 0.056 0.528 0.844 0.577 0.010 0.581 0.000 0.081 0.157 [95% Conf. Interval] .2242073 -.0036255 1.768112 -.0000713 -.1260647 -.015398 -.0055589 .0347086 -.0032761 -.0050453 -.0002315 -.6166147 .2819463 .0023974 4.884239 .0060359 .0647918 .0126036 .0099702 .25214 .0058323 -.0018645 .0040065 3.795771 Prob > F = 0.0000 Рисунок В. 8 – Исходная регрессионная модель с фиксированными эффектами 127

Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (21) = Prob>chi2 = 1787.50 0.0000 Рисунок В. 9 – Проверка модели на наличие межгрупповой гетероскедастичности (модифицированный тест Вальда) Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 329 21 R-sq: within = 0.7018 between = 0.3735 overall = 0.4799 Obs per group: min = avg = max = 9 15.7 17 corr(u_i, Xb) F(11,20) Prob > F = -0.3473 = = 34.13 0.0000 (Std. Err. adjusted for 21 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. lnRemittances FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2530768 -.000614 3.326176 .0029823 -.0306364 -.0013972 .0022057 .1434243 .0012781 -.0034549 .0018875 1.589578 .0416034 .0032098 1.266204 .0024492 .0914324 .0158982 .0054136 .0579982 .0043835 .0013173 .0018374 2.143791 sigma_u sigma_e rho .42332542 .20191019 .81466868 (fraction of variance due to u_i) t 6.08 -0.19 2.63 1.22 -0.34 -0.09 0.41 2.47 0.29 -2.62 1.03 0.74 P>|t| 0.000 0.850 0.016 0.238 0.741 0.931 0.688 0.022 0.774 0.016 0.317 0.467 [95% Conf. Interval] .1662937 -.0073096 .6849207 -.0021266 -.221361 -.0345602 -.0090869 .0224421 -.0078657 -.0062027 -.0019453 -2.882292 .3398599 .0060815 5.967431 .0080912 .1600881 .0317658 .0134982 .2644064 .0104219 -.0007071 .0057203 6.061448 Рисунок В. 10 – Финальная модель регрессии с фиксированными эффектами 128

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 329 21 R-sq: within = 0.6828 between = 0.7748 overall = 0.7316 Obs per group: min = avg = max = 9 15.7 17 corr(u_i, X) Wald chi2(11) Prob > chi2 = 0 (assumed) = = 719.88 0.0000 lnGDP_per_capita Coef. lnRemittances FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2444775 -.0001226 2.734052 .0024747 -.1503959 -.0129776 .0027949 -.0487295 .0011247 -.0032 .0017054 5.334556 .0145291 .0015312 .701252 .0014292 .0337434 .0032348 .0040941 .0419281 .0023226 .0007223 .0011182 .6415632 sigma_u sigma_e rho .1560022 .20191019 .37381009 (fraction of variance due to u_i) Std. Err. z 16.83 -0.08 3.90 1.73 -4.46 -4.01 0.68 -1.16 0.48 -4.43 1.53 8.31 P>|z| 0.000 0.936 0.000 0.083 0.000 0.000 0.495 0.245 0.628 0.000 0.127 0.000 [95% Conf. Interval] .2160011 -.0031238 1.359623 -.0003265 -.2165318 -.0193176 -.0052294 -.1309071 -.0034275 -.0046157 -.0004862 4.077115 .272954 .0028785 4.108481 .005276 -.0842601 -.0066375 .0108192 .0334481 .0056769 -.0017843 .0038971 6.591997 Рисунок В. 11 – Исходная регрессионная модель со случайными эффектами F test that all u_i=0: F(20, 297) = 14.69 Prob > F = 0.0000 Рисунок 23 – Тест Вальда Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .3494054 .0407677 .0243367 .5911053 .2019102 .1560022 Var(u) = 0 chibar2(01) = Prob > chibar2 = 179.58 0.0000 Рисунок В. 12 – Тест Бройша-Пагана 129

Coefficients (b) (B) fe re lnRemittan~s FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation .2530768 -.000614 3.326176 .0029823 -.0306364 -.0013972 .0022057 .1434243 .0012781 -.0034549 .0018875 .2444775 -.0001226 2.734052 .0024747 -.1503959 -.0129776 .0027949 -.0487295 .0011247 -.0032 .0017054 (b-B) Difference sqrt(diag(V_b-V_B)) S.E. .0085993 -.0004914 .592124 .0005076 .1197595 .0115804 -.0005892 .1921538 .0001534 -.0002549 .000182 .0020256 . .3674824 .0006041 .0348238 .0063363 . .0359685 . .0003624 . b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(11) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 31.10 Prob>chi2 = 0.0011 (V_b-V_B is not positive definite) Рисунок В. 13 – Тест Хаусмана 130

ПРИЛОЖЕНИЕ Г. Эконометрическое исследование региона Южная Азия Рисунок Г. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов lnGDP_~a lnRemi~s lnGDP_per_~a lnRemittan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 0.7559 0.5348 0.5367 0.4412 0.4692 0.2255 -0.4461 0.1954 -0.1348 0.2207 -0.1692 0.1348 1.0000 0.0337 0.5436 0.6585 0.8067 -0.1122 -0.1735 0.2354 -0.4608 0.4893 -0.5367 0.0976 lnODA FDI 1.0000 0.2683 0.0776 -0.3824 0.7546 -0.7939 0.1113 0.5409 -0.3027 0.3629 -0.0912 1.0000 0.6655 0.3167 0.1366 -0.4397 0.2295 0.0194 0.1797 -0.1506 0.2194 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.4611 0.1549 -0.2962 0.2612 -0.0566 0.3755 -0.2305 0.0434 1.0000 -0.4784 0.3630 0.2441 -0.8019 0.7231 -0.4471 0.1835 1.0000 -0.6705 0.2662 0.5460 -0.1736 0.5567 -0.2925 1.0000 -0.0915 -0.6459 0.4330 -0.0321 0.1248 1.0000 -0.2559 0.3590 0.2366 -0.2154 1.0000 -0.7441 0.2178 -0.0882 Рисунок Г. 2 – Корреляционная матрица 131 GCF Trade_~s Inflat~n 1.0000 0.0551 0.0757 1.0000 -0.0714 1.0000

Source SS df MS Model Residual 17.2136279 2.21083547 12 65 1.43446899 .034012853 Total 19.4244634 77 .252265758 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2232831 .4272178 .0425893 -.6544556 .0076012 -.0204662 .0057464 -.00575 .0483725 -.0101203 .0052267 .0053324 -7.771413 Number of obs F(12, 65) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0520583 .0653369 .0409624 .3828584 .0038834 .0932621 .0048966 .0079765 .0770324 .005476 .0032589 .0059361 1.965986 t 4.29 6.54 1.04 -1.71 1.96 -0.22 1.17 -0.72 0.63 -1.85 1.60 0.90 -3.95 = = = = = = P>|t| 0.000 0.000 0.302 0.092 0.055 0.827 0.245 0.474 0.532 0.069 0.114 0.372 0.000 78 42.17 0.0000 0.8862 0.8652 .18443 [95% Conf. Interval] .1193156 .296731 -.0392183 -1.419077 -.0001546 -.2067234 -.0040328 -.0216802 -.1054718 -.0210567 -.0012817 -.0065229 -11.69776 .3272507 .5577046 .1243969 .1101655 .015357 .1657911 .0155256 .0101802 .2022169 .0008161 .0117351 .0171876 -3.845068 Рисунок Г. 3 – Исходная модель линейной регрессии Variable VIF 1/VIF Domestic_c~t lnRemittan~s Laborforce~e Population~h lnTechnica~n Trade_Open~s lnODA GCF FD FDI Annualgrow~r Inflation 17.29 17.24 9.29 8.11 6.36 5.44 5.26 4.87 3.91 2.63 1.71 1.39 0.057839 0.058014 0.107684 0.123257 0.157165 0.183709 0.190014 0.205385 0.255520 0.379979 0.584217 0.720788 Mean VIF 6.96 Рисунок Г. 3 – Проверка модели на наличие мультиколлинеарности 132

Variable VIF 1/VIF lnRemittan~s Laborforce~e Population~h lnTechnica~n Trade_Open~s lnODA GCF FD FDI Annualgrow~r Inflation 8.71 8.03 7.73 5.54 5.32 5.25 4.79 3.83 2.63 1.66 1.38 0.114826 0.124573 0.129443 0.180384 0.187991 0.190491 0.208663 0.261006 0.380761 0.603956 0.722393 Mean VIF 4.99 Рисунок Г. 4 – Проверка модели на наличие мультиколлинеарности (после удаления переменной внутренних кредитов, предоставляемых финансовым сектором) Variable VIF 1/VIF Laborforce~e Population~h lnTechnica~n GCF Trade_Open~s lnODA FD FDI Annualgrow~r Inflation 7.11 6.55 5.40 4.37 4.26 4.08 2.45 2.02 1.60 1.33 0.140722 0.152580 0.185232 0.228785 0.234844 0.245244 0.408679 0.493951 0.626774 0.751058 Mean VIF 3.92 Рисунок Г. 5 – Проверка модели на наличие мультиколлинеарности (после удаления натурального логарифма денежных переводов) 133

Variable VIF 1/VIF Population~h lnTechnica~n GCF Trade_Open~s lnODA FD FDI Annualgrow~r Inflation 5.90 5.00 4.18 3.52 2.61 2.37 1.73 1.54 1.33 0.169479 0.199927 0.239259 0.283754 0.383127 0.422471 0.578015 0.648889 0.753667 Mean VIF 3.13 Рисунок Г. 6 – Проверка модели на наличие мультиколлинеарности (после удаления переменной, отражающей долю рабочей силы) Variable VIF 1/VIF lnTechnica~n Trade_Open~s lnODA FD GCF FDI Inflation Annualgrow~r 4.42 2.83 2.57 2.18 1.63 1.63 1.32 1.29 0.226330 0.353585 0.388473 0.458711 0.612351 0.612355 0.755279 0.772528 Mean VIF 2.24 Рисунок Г. 7 – Проверка модели на наличие мультиколлинеарности (после удаления переменной роста населения) 134

Variable VIF 1/VIF FD Trade_Open~s FDI GCF lnODA Annualgrow~r Inflation 2.00 1.64 1.63 1.58 1.49 1.28 1.16 0.500441 0.610680 0.614512 0.634546 0.673121 0.782973 0.865730 Mean VIF 1.54 Рисунок Г. 8 – Проверка модели на наличие мультиколлинеарности (после удаления натурального логарифма грантов, направленных на развитие технического сотрудничества) White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(35) Prob > chi2 = = 58.07 0.0084 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 58.07 8.47 0.54 35 7 1 0.0084 0.2929 0.4640 Total 67.08 43 0.0108 Рисунок Г. 9 – Проверка модели на наличие гетероскедастичности (тест Уайта) 135

Source SS df MS Model Residual 18.2957692 6.80493325 7 75 2.61368132 .090732443 Total 25.1007025 82 .306106128 lnGDP_per_capita Coef. lnODA FDI FD Annualgrowthrateofoutputper GCF Trade_Openness Inflation _cons .5640208 -.0176108 .5616508 .0044892 .0264708 -.0175891 .010315 -5.532803 Number of obs F(7, 75) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0555585 .0436916 .4288958 .0105251 .0049646 .0021761 .0079988 1.187149 t 10.15 -0.40 1.31 0.43 5.33 -8.08 1.29 -4.66 = = = = = = P>|t| 0.000 0.688 0.194 0.671 0.000 0.000 0.201 0.000 83 28.81 0.0000 0.7289 0.7036 .30122 [95% Conf. Interval] .4533427 -.104649 -.2927534 -.0164778 .0165809 -.0219241 -.0056195 -7.897724 .674699 .0694274 1.416055 .0254563 .0363608 -.013254 .0262495 -3.167882 Рисунок Г. 10 – Финальная модель линейной регрессии Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 83 5 R-sq: within = 0.7160 between = 0.0289 overall = 0.3266 Obs per group: min = avg = max = 15 16.6 17 corr(u_i, Xb) F(7,71) Prob > F = -0.4103 = = 25.58 0.0000 lnGDP_per_capita Coef. lnODA FDI FD Annualgrowthrateofoutputper GCF Trade_Openness Inflation _cons .7435974 -.0322889 -.0589872 -.0049316 .0250477 -.0019329 -.004776 -9.76073 .0728066 .041131 .8348755 .0089621 .0080279 .0033894 .0070249 1.533012 sigma_u sigma_e rho .49660073 .24430043 .80514634 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(4, 71) = 10.75 t 10.21 -0.79 -0.07 -0.55 3.12 -0.57 -0.68 -6.37 P>|t| 0.000 0.435 0.944 0.584 0.003 0.570 0.499 0.000 [95% Conf. Interval] .5984251 -.1143018 -1.723682 -.0228015 .0090406 -.0086912 -.0187833 -12.81747 .8887697 .0497241 1.605707 .0129382 .0410548 .0048254 .0092312 -6.703991 Prob > F = 0.0000 Рисунок Г. 11 – Исходная модель с фиксированными эффектами 136

Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (5) = Prob>chi2 = 212.46 0.0000 Рисунок Г. 12 – Проверка модели на наличие межгрупповой гетероскедастичности (модифицированный тест Вальда) Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 83 5 R-sq: within = 0.5867 between = 0.9384 overall = 0.7289 Obs per group: min = avg = max = 15 16.6 17 corr(u_i, X) Wald chi2(7) Prob > chi2 = 0 (assumed) = = 201.65 0.0000 lnGDP_per_capita Coef. lnODA FDI FD Annualgrowthrateofoutputper GCF Trade_Openness Inflation _cons .5640208 -.0176108 .5616508 .0044892 .0264708 -.0175891 .010315 -5.532803 .0555585 .0436916 .4288958 .0105251 .0049646 .0021761 .0079988 1.187149 sigma_u sigma_e rho 0 .24430043 0 (fraction of variance due to u_i) Std. Err. z 10.15 -0.40 1.31 0.43 5.33 -8.08 1.29 -4.66 P>|z| 0.000 0.687 0.190 0.670 0.000 0.000 0.197 0.000 [95% Conf. Interval] .4551282 -.1032448 -.2789695 -.0161396 .0167404 -.0218542 -.0053625 -7.859571 .6729134 .0680232 1.402271 .0251181 .0362012 -.013324 .0259925 -3.206035 Рисунок Г. 13 – Исходная модель со случайными эффектами 137

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 83 5 R-sq: within = 0.5867 between = 0.9384 overall = 0.7289 Obs per group: min = avg = max = 15 16.6 17 corr(u_i, X) Wald chi2(4) Prob > chi2 = 0 (assumed) = = . . (Std. Err. adjusted for 5 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. lnODA FDI FD Annualgrowthrateofoutputper GCF Trade_Openness Inflation _cons .5640208 -.0176108 .5616508 .0044892 .0264708 -.0175891 .010315 -5.532803 .0588928 .0519544 .6195525 .006725 .0048428 .0028809 .0032432 1.236329 sigma_u sigma_e rho 0 .24430043 0 (fraction of variance due to u_i) z 9.58 -0.34 0.91 0.67 5.47 -6.11 3.18 -4.48 P>|z| 0.000 0.735 0.365 0.504 0.000 0.000 0.001 0.000 [95% Conf. Interval] .448593 -.1194396 -.6526497 -.0086915 .016979 -.0232355 .0039584 -7.955963 .6794486 .084218 1.775951 .0176699 .0359626 -.0119427 .0166716 -3.109644 Рисунок Г. 14 – Финальная модель регрессии со случайными эффектами F test that all u_i=0: F(4, 71) = 10.75 Prob > F = 0.0000 Рисунок Г. 15 – Тест Вальда Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .3061061 .0596827 0 .5532686 .2443004 0 Var(u) = 0 chibar2(01) = Prob > chibar2 = 0.00 1.0000 Рисунок Г. 16 – Тест Бройша-Пагана 138

ПРИЛОЖЕНИЕ Д. Эконометрическое исследование региона Ближний Восток и Северная Африка Рисунок Д. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов lnGDP_~a lnRemi~s lnGDP_per_~a lnRemittan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 0.4204 -0.0834 0.3486 -0.0080 0.6595 -0.5468 0.2383 -0.1853 0.2917 -0.0014 0.2472 -0.0249 1.0000 0.0532 0.2268 0.1935 0.6125 0.0665 0.6231 0.0272 0.0929 -0.0640 -0.3297 0.3107 lnODA FDI 1.0000 -0.2760 0.2377 -0.1812 0.1676 -0.2290 -0.0439 0.0379 -0.0637 -0.1665 -0.0523 1.0000 0.4920 0.5578 -0.4090 0.0097 0.0449 0.2907 0.1680 0.4838 0.0920 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.2061 -0.2353 -0.3131 0.0078 0.4230 0.3854 0.4819 0.0733 1.0000 -0.2838 0.3648 -0.1826 0.3441 0.0278 0.0707 -0.0581 1.0000 0.3514 0.2256 -0.5739 0.1066 -0.5475 -0.1050 1.0000 0.1154 -0.4057 0.1267 -0.4480 0.0487 1.0000 -0.4701 0.1764 0.0097 0.1245 1.0000 -0.0837 0.2526 0.0913 Рисунок Д. 2 – Корреляционная матрица 139 GCF Trade_~s Inflat~n 1.0000 0.4081 -0.3701 1.0000 -0.1543 1.0000

Source SS df MS Model Residual 19.3914957 5.72196131 12 88 1.61595798 .065022288 Total 25.113457 100 .25113457 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2470038 .1579565 -.0013016 -3.577769 .003988 -.425642 .0028078 -.0064092 -.0001906 .0124058 .0079842 -.0023073 7.10491 Number of obs F(12, 88) Prob > F R-squared Adj R-squared Root MSE Std. Err. .063891 .042309 .0099727 .6361575 .0010437 .0781581 .0160972 .010089 .0318504 .0076708 .0020011 .0073665 2.018697 t 3.87 3.73 -0.13 -5.62 3.82 -5.45 0.17 -0.64 -0.01 1.62 3.99 -0.31 3.52 = = = = = = P>|t| 0.000 0.000 0.896 0.000 0.000 0.000 0.862 0.527 0.995 0.109 0.000 0.755 0.001 101 24.85 0.0000 0.7722 0.7411 .25499 [95% Conf. Interval] .1200339 .0738764 -.0211202 -4.841998 .0019138 -.5809649 -.0291819 -.0264589 -.0634865 -.0028382 .0040074 -.0169467 3.093173 .3739737 .2420367 .018517 -2.313539 .0060622 -.2703191 .0347975 .0136406 .0631054 .0276499 .0119609 .0123321 11.11665 Рисунок Д. 3 – Исходная модель сквозной регрессии Variable VIF 1/VIF Laborforce~e lnRemittan~s FD Trade_Open~s Domestic_c~t Population~h FDI GCF lnTechnica~n Inflation lnODA Annualgrow~r 5.55 5.31 3.87 3.74 3.68 3.17 2.80 2.72 2.62 1.81 1.62 1.57 0.180329 0.188198 0.258259 0.267187 0.271909 0.315087 0.356768 0.367829 0.381074 0.552925 0.616452 0.637399 Mean VIF 3.21 Рисунок Д. 4 – Проверка модели на наличие мультиколлинеарности 140

Variable VIF 1/VIF Domestic_c~t Trade_Open~s lnRemittan~s FD FDI lnTechnica~n Population~h GCF Inflation lnODA Annualgrow~r 3.64 3.48 3.29 3.12 2.73 2.62 2.54 1.97 1.81 1.53 1.49 0.274754 0.287437 0.304249 0.320734 0.366153 0.381123 0.393714 0.508621 0.553809 0.654065 0.669664 Mean VIF 2.56 Рисунок Д. 5 – Проверка модели на наличие мультиколлинеарности (после удаления доли рабочей силы) White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(77) Prob > chi2 = = 95.48 0.0753 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 95.48 11.85 0.84 77 11 1 0.0753 0.3746 0.3607 Total 108.17 89 0.0816 Рисунок Д. 6 – Проверка модели на наличие гетероскедастичности (тест Уайта) 141

Source SS df MS Model Residual 19.3895174 5.72393962 11 89 1.7626834 .064313928 Total 25.113457 100 .25113457 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2538866 .1561868 -.0010231 -3.626742 .0040065 -.4257959 -.0067954 -.0026733 .0131098 .0078915 -.002256 7.130564 Number of obs F(11, 89) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0499751 .0408501 .0097903 .5677291 .0010327 .0777263 .0097892 .0283374 .0064876 .0019188 .0073204 2.002336 t 5.08 3.82 -0.10 -6.39 3.88 -5.48 -0.69 -0.09 2.02 4.11 -0.31 3.56 = = = = = = P>|t| 0.000 0.000 0.917 0.000 0.000 0.000 0.489 0.925 0.046 0.000 0.759 0.001 101 27.41 0.0000 0.7721 0.7439 .2536 [95% Conf. Interval] .1545871 .0750186 -.0204762 -4.754808 .0019547 -.5802364 -.0262464 -.0589791 .000219 .0040789 -.0168016 3.151965 .3531861 .237355 .0184299 -2.498676 .0060584 -.2713554 .0126555 .0536326 .0260006 .0117041 .0122896 11.10916 Рисунок Д. 7 – Финальная модель сквозной регрессии Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 101 6 R-sq: within = 0.8925 between = 0.0014 overall = 0.0826 Obs per group: min = avg = max = 16 16.8 17 corr(u_i, Xb) F(11,84) Prob > F = -0.6652 = = 63.39 0.0000 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .534579 .1128424 -.0105671 .9509655 -.0002405 .0504183 .0032683 .0540484 .0080812 -.0032246 .0053837 -7.352658 .0314146 .0206983 .0047818 .4374367 .0010602 .0436256 .0045507 .01501 .0056624 .0015507 .0036396 1.236503 sigma_u sigma_e rho .68353076 .11322515 .97329371 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(5, 84) = 72.50 t 17.02 5.45 -2.21 2.17 -0.23 1.16 0.72 3.60 1.43 -2.08 1.48 -5.95 P>|t| 0.000 0.000 0.030 0.033 0.821 0.251 0.475 0.001 0.157 0.041 0.143 0.000 [95% Conf. Interval] .4721076 .0716815 -.0200762 .0810746 -.0023489 -.036336 -.0057814 .0241993 -.0031792 -.0063082 -.001854 -9.811581 .5970505 .1540033 -.0010579 1.820856 .0018678 .1371726 .0123179 .0838975 .0193416 -.000141 .0126215 -4.893736 Prob > F = 0.0000 Рисунок Д. 8 – Исходная модель регрессии с фиксированными эффектами 142

Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (6) = Prob>chi2 = 48.55 0.0000 Рисунок Д. 9 – Проверка модели на наличие групповой гетероскедастичности (модифицированный тест Вальда) Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 101 6 R-sq: within = 0.5126 between = 0.9533 overall = 0.7721 Obs per group: min = avg = max = 16 16.8 17 corr(u_i, X) Wald chi2(11) Prob > chi2 = 0 (assumed) = = 301.48 0.0000 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2538866 .1561868 -.0010231 -3.626742 .0040065 -.4257959 -.0067954 -.0026733 .0131098 .0078915 -.002256 7.130564 .0499751 .0408501 .0097903 .5677291 .0010327 .0777263 .0097892 .0283374 .0064876 .0019188 .0073204 2.002336 sigma_u sigma_e rho 0 .11322515 0 (fraction of variance due to u_i) Std. Err. z 5.08 3.82 -0.10 -6.39 3.88 -5.48 -0.69 -0.09 2.02 4.11 -0.31 3.56 P>|z| 0.000 0.000 0.917 0.000 0.000 0.000 0.488 0.925 0.043 0.000 0.758 0.000 [95% Conf. Interval] .1559371 .0761221 -.0202117 -4.739471 .0019826 -.5781366 -.0259819 -.0582136 .0003942 .0041308 -.0166038 3.206058 .351836 .2362515 .0181654 -2.514013 .0060305 -.2734552 .012391 .0528671 .0258253 .0116523 .0120918 11.05507 Рисунок Д. 10 – Исходная модель регрессии со случайными эффектами 143

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 101 6 R-sq: within = 0.5126 between = 0.9533 overall = 0.7721 Obs per group: min = avg = max = 16 16.8 17 corr(u_i, X) Wald chi2(5) Prob > chi2 = 0 (assumed) = = . . (Std. Err. adjusted for 6 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. z lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .2538866 .1561868 -.0010231 -3.626742 .0040065 -.4257959 -.0067954 -.0026733 .0131098 .0078915 -.002256 7.130564 .0739515 .0775045 .0125533 .7303328 .0017401 .1103259 .0084244 .0113583 .0089662 .0034974 .0115326 2.871784 sigma_u sigma_e rho 0 .11322515 0 (fraction of variance due to u_i) 3.43 2.02 -0.08 -4.97 2.30 -3.86 -0.81 -0.24 1.46 2.26 -0.20 2.48 P>|z| 0.001 0.044 0.935 0.000 0.021 0.000 0.420 0.814 0.144 0.024 0.845 0.013 [95% Conf. Interval] .1089444 .0042808 -.0256272 -5.058168 .000596 -.6420307 -.0233069 -.024935 -.0044637 .0010367 -.0248594 1.501971 .3988288 .3080928 .023581 -2.195316 .0074171 -.2095611 .0097161 .0195885 .0306833 .0147464 .0203474 12.75916 Рисунок Д. 11 – Финальная модель регрессии со случайными эффектами F test that all u_i=0: F(5, 84) = 72.50 Prob > F = 0.0000 Рисунок Д. 12 – Тест Вальда Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .2511346 .0128199 0 .5011333 .1132252 0 Var(u) = 0 chibar2(01) = Prob > chibar2 = 0.00 1.0000 Рисунок Д. 13 – Тест Бройша-Пагана 144

ПРИЛОЖЕНИЕ Е. Эконометрическое исследование региона Латинская Америка и Карибский бассейн Рисунок Е. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов lnGDP_~a lnRemi~s lnGDP_per_~a lnRemittan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 0.1211 -0.4977 0.1936 0.7743 0.1874 -0.4345 -0.1859 0.0201 -0.1658 -0.1846 -0.1253 -0.2709 1.0000 0.5706 -0.5157 0.0879 -0.6590 0.6854 -0.1538 0.0876 -0.0035 0.0379 -0.5336 0.0880 lnODA FDI 1.0000 -0.4536 -0.3609 -0.5288 0.8345 0.2130 0.1224 0.1905 0.1297 -0.3451 0.1011 1.0000 0.2033 0.5350 -0.5782 -0.0774 -0.0302 -0.1407 0.1762 0.5321 -0.0049 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.3539 -0.3098 -0.0548 -0.1339 -0.1849 -0.2018 0.0049 -0.2392 1.0000 -0.6610 -0.0372 -0.1809 -0.2837 -0.1247 0.4892 -0.2242 1.0000 0.1837 0.0985 0.2185 0.0740 -0.4869 0.1856 1.0000 -0.1285 0.3620 0.0367 -0.2366 -0.0494 1.0000 -0.0870 0.0469 0.0315 0.0195 1.0000 0.0017 -0.1108 -0.0930 Рисунок Е. 2 – Корреляционная матрица 145 GCF Trade_~s Inflat~n 1.0000 0.1284 0.2433 1.0000 -0.0070 1.0000

Source SS df MS Model Residual 106.325427 21.9594436 12 205 8.86045225 .107119237 Total 128.284871 217 .591174519 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .1580472 -.1500581 .0215735 5.204681 -.0044028 -.2814752 -.0047984 .0376768 .052927 -.0013807 -.0060948 -.0098292 12.32254 Number of obs F(12, 205) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0277662 .0354083 .0089162 .4091249 .0021698 .0420514 .0076446 .0089506 .038467 .0049124 .0010333 .0035318 .7711014 t 5.69 -4.24 2.42 12.72 -2.03 -6.69 -0.63 4.21 1.38 -0.28 -5.90 -2.78 15.98 = = = = = = P>|t| 0.000 0.000 0.016 0.000 0.044 0.000 0.531 0.000 0.170 0.779 0.000 0.006 0.000 218 82.72 0.0000 0.8288 0.8188 .32729 [95% Conf. Interval] .1033031 -.2198692 .0039942 4.398048 -.0086808 -.3643839 -.0198705 .0200297 -.0229146 -.011066 -.0081322 -.0167926 10.80223 .2127912 -.0802469 .0391528 6.011313 -.0001249 -.1985666 .0102738 .0553239 .1287685 .0083047 -.0040575 -.0028659 13.84284 Рисунок Е. 3 – Исходная модель сквозной регрессии Variable VIF 1/VIF lnTechnica~n lnRemittan~s lnODA Domestic_c~t FD FDI Trade_Open~s Laborforce~e Population~h GCF Inflation Annualgrow~r 5.36 4.95 3.95 3.33 2.13 1.96 1.95 1.70 1.41 1.24 1.24 1.11 0.186711 0.201936 0.253469 0.300476 0.470117 0.509031 0.512081 0.588579 0.709682 0.807272 0.808984 0.902324 Mean VIF 2.53 Рисунок Е. 4 – Проверка модели на наличие мультиколлинеарности 146

Variable VIF 1/VIF lnRemittan~s Domestic_c~t lnODA FD Trade_Open~s FDI Laborforce~e Population~h GCF Inflation Annualgrow~r 4.52 3.31 2.51 2.10 1.94 1.90 1.66 1.40 1.23 1.19 1.11 0.221075 0.302393 0.398649 0.476524 0.514253 0.526249 0.600909 0.716254 0.809902 0.839251 0.902330 Mean VIF 2.08 Рисунок Е. 5 – Проверка модели на наличие мультиколлинеарности (после удаления переменной натуральный логарифм грантов, направленных на развитие технического сотрудничества) White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(77) Prob > chi2 = = 160.27 0.0000 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 160.27 19.04 2.49 77 11 1 0.0000 0.0604 0.1145 Total 181.80 89 0.0000 Рисунок Е. 6 – Проверка модели на наличие гетероскедастичности (тест Уайта) 147

Linear regression Number of obs F(11, 206) Prob > F R-squared Root MSE lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .1033616 -.2930869 .0323687 5.522201 -.0032465 -.0121281 .0375155 .0282626 .0004929 -.0056453 -.0143188 11.51284 Robust Std. Err. .0294823 .0315574 .0099029 .4848637 .0020275 .0074047 .0102648 .0318429 .0051357 .0011273 .0058639 .7441778 t 3.51 -9.29 3.27 11.39 -1.60 -1.64 3.65 0.89 0.10 -5.01 -2.44 15.47 = = = = = P>|t| 0.001 0.000 0.001 0.000 0.111 0.103 0.000 0.376 0.924 0.000 0.015 0.000 218 92.60 0.0000 0.7914 .36041 [95% Conf. Interval] .0452359 -.3553038 .0128446 4.56627 -.0072438 -.0267269 .0172781 -.0345171 -.0096324 -.0078677 -.0258798 10.04566 .1614873 -.23087 .0518927 6.478133 .0007508 .0024707 .057753 .0910424 .0106182 -.0034229 -.0027577 12.98002 Рисунок Е. 7 – Финальная модель линейной регрессии Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 218 13 R-sq: within = 0.8262 between = 0.0837 overall = 0.1509 Obs per group: min = avg = max = 15 16.8 17 corr(u_i, Xb) F(11,194) Prob > F = -0.6323 = = 83.83 0.0000 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .3499625 -.0002027 .0028944 3.524351 -.0035334 -.0028362 .0053853 -.1644509 .0139082 -.007056 -.0109031 .8622902 .0353401 .0216971 .0044241 .6627424 .0013353 .0076271 .004447 .0710431 .0034437 .0007493 .0015476 .9274493 sigma_u sigma_e rho .94293152 .14132726 .97802932 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(12, 194) = 95.48 t 9.90 -0.01 0.65 5.32 -2.65 -0.37 1.21 -2.31 4.04 -9.42 -7.05 0.93 P>|t| 0.000 0.993 0.514 0.000 0.009 0.710 0.227 0.022 0.000 0.000 0.000 0.354 [95% Conf. Interval] .2802623 -.0429951 -.005831 2.217245 -.006167 -.0178788 -.0033853 -.3045669 .0071163 -.0085338 -.0139554 -.9668879 .4196627 .0425897 .0116199 4.831456 -.0008997 .0122064 .0141559 -.024335 .0207001 -.0055781 -.0078508 2.691468 Prob > F = 0.0000 Рисунок Е. 8 – Исходная модель регрессии с фиксированными эффектами 148

Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (13) = Prob>chi2 = 137.82 0.0000 Рисунок Е. 9 – Проверка модели на наличие межгрупповой гетероскедастичности (модифицированный тест Вальда) Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 218 13 R-sq: within = 0.7807 between = 0.4893 overall = 0.5258 Obs per group: min = avg = max = 15 16.8 17 corr(u_i, X) Wald chi2(11) Prob > chi2 = 0 (assumed) = = 554.82 0.0000 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .152794 -.0644297 .0123468 6.616989 -.0054293 .000765 .0087505 -.2317859 .0091041 -.0071617 -.0114292 5.582721 .0321319 .0262429 .0054787 .6109136 .001628 .0087657 .0057045 .0686437 .0042748 .0009041 .0020058 .8923698 sigma_u sigma_e rho .18891906 .14132726 .64117806 (fraction of variance due to u_i) Std. Err. z 4.76 -2.46 2.25 10.83 -3.33 0.09 1.53 -3.38 2.13 -7.92 -5.70 6.26 P>|z| 0.000 0.014 0.024 0.000 0.001 0.930 0.125 0.001 0.033 0.000 0.000 0.000 [95% Conf. Interval] .0898166 -.1158648 .0016088 5.41962 -.0086201 -.0164155 -.0024301 -.3663251 .0007255 -.0089336 -.0153604 3.833708 .2157714 -.0129945 .0230848 7.814357 -.0022385 .0179455 .0199311 -.0972467 .0174826 -.0053897 -.007498 7.331734 Рисунок Е. 10 – Исходная модель регрессии со случайными эффектами 149

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 218 13 R-sq: within = 0.7807 between = 0.4893 overall = 0.5258 Obs per group: min = avg = max = 15 16.8 17 corr(u_i, X) Wald chi2(11) Prob > chi2 = 0 (assumed) = = 1422.24 0.0000 (Std. Err. adjusted for 13 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .152794 -.0644297 .0123468 6.616989 -.0054293 .000765 .0087505 -.2317859 .0091041 -.0071617 -.0114292 5.582721 .049308 .0316016 .0060169 1.335247 .0033562 .0148818 .0069028 .0955808 .0066936 .0022895 .0019703 1.20321 sigma_u sigma_e rho .18891906 .14132726 .64117806 (fraction of variance due to u_i) z 3.10 -2.04 2.05 4.96 -1.62 0.05 1.27 -2.43 1.36 -3.13 -5.80 4.64 P>|z| 0.002 0.041 0.040 0.000 0.106 0.959 0.205 0.015 0.174 0.002 0.000 0.000 [95% Conf. Interval] .0561522 -.1263676 .0005539 3.999952 -.0120074 -.0284027 -.0047787 -.4191208 -.0040151 -.011649 -.0152909 3.224472 .2494358 -.0024917 .0241396 9.234026 .0011487 .0299327 .0222797 -.0444509 .0222232 -.0026743 -.0075674 7.94097 Рисунок Е. 11 – Финальная модель регрессии со случайными эффектами F test that all u_i=0: F(12, 194) = 95.48 Prob > F = 0.0000 Рисунок Е. 12 – Тест Вальда Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .5911745 .0199734 .0356904 .7688787 .1413273 .1889191 Var(u) = 0 chibar2(01) = Prob > chibar2 = 341.17 0.0000 Рисунок Е. 13 – Тест Бройша-Пагана 150

Coefficients (b) (B) fe re lnRemittan~s lnODA FDI FD Domestic_c~t Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation .3499625 -.0002027 .0028944 3.524351 -.0035334 -.0028362 .0053853 -.1644509 .0139082 -.007056 -.0109031 .152794 -.0644297 .0123468 6.616989 -.0054293 .000765 .0087505 -.2317859 .0091041 -.0071617 -.0114292 (b-B) Difference sqrt(diag(V_b-V_B)) S.E. .1971685 .0642269 -.0094524 -3.092638 .001896 -.0036012 -.0033652 .067335 .0048041 .0001057 .0005261 .0147127 . . .2569282 . . . .0183074 . . . b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(11) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 201.69 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite) Рисунок Е. 14 – Тест Хаусмана 151

ПРИЛОЖЕНИЕ Ж. Эконометрическое исследование региона Восточная Азия и страны Тихого океана Рисунок Ж. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов lnGDP_~a lnRemi~s lnGDP_per_~a lnRemittan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 -0.1887 -0.3722 -0.0498 0.2086 0.0761 -0.4297 -0.5667 -0.1157 0.0302 0.0617 -0.2695 -0.0193 1.0000 0.6948 -0.0225 0.7049 0.5294 0.7512 0.1303 0.1281 -0.2227 0.0856 0.1557 0.0507 lnODA FDI 1.0000 0.1265 0.3364 0.4136 0.9277 0.5462 0.2322 -0.0450 0.1282 0.6997 0.0967 1.0000 -0.0289 0.0219 0.0631 0.1399 0.1536 0.0858 0.4896 0.1607 0.2288 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.6313 0.3641 -0.3699 0.0965 -0.0783 0.4263 -0.1566 0.1009 1.0000 0.2932 0.1991 0.0701 -0.0709 0.3314 0.1884 0.0272 1.0000 0.4773 0.2380 0.0756 -0.0058 0.5872 0.1220 1.0000 0.0726 0.1306 -0.1812 0.5678 -0.1202 1.0000 -0.0379 0.0949 0.1412 0.1158 1.0000 -0.1961 0.0360 -0.1172 Рисунок Ж. 2 – Корреляционная матрица 152 GCF Trade_~s Inflat~n 1.0000 0.0125 0.2128 1.0000 0.1018 1.0000

Source SS df MS Model Residual 28.060257 26.4398273 12 95 2.33835475 .278313971 Total 54.5000842 107 .509346582 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons -.0336846 .3227945 .0144228 1.300978 .0050834 -.5910486 -.055627 -.0039263 .1188273 -.0243098 .0032845 -.0028214 15.98249 Number of obs F(12, 95) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0676964 .1532381 .0093362 2.260939 .0041087 .2500935 .0178254 .008055 .1051553 .009312 .003955 .0062655 1.860796 t -0.50 2.11 1.54 0.58 1.24 -2.36 -3.12 -0.49 1.13 -2.61 0.83 -0.45 8.59 = = = = = = P>|t| 0.620 0.038 0.126 0.566 0.219 0.020 0.002 0.627 0.261 0.011 0.408 0.654 0.000 108 8.40 0.0000 0.5149 0.4536 .52755 [95% Conf. Interval] -.168079 .0185784 -.0041119 -3.187553 -.0030734 -1.087547 -.0910149 -.0199176 -.0899323 -.0427964 -.0045671 -.0152599 12.28834 .1007099 .6270106 .0329576 5.789509 .0132402 -.0945502 -.020239 .012065 .3275869 -.0058231 .0111361 .0096171 19.67663 Рисунок Ж. 3 – Исходная модель сквозной регрессии Variable VIF 1/VIF lnTechnica~n FD lnODA lnRemittan~s Laborforce~e Domestic_c~t Trade_Open~s GCF Population~h FDI Inflation Annualgrow~r 23.65 17.77 16.92 11.34 8.65 7.11 5.36 3.02 2.29 1.92 1.32 1.16 0.042283 0.056264 0.059093 0.088179 0.115588 0.140670 0.186480 0.331046 0.437382 0.521063 0.756528 0.865347 Mean VIF 8.38 Рисунок Ж. 4 – Проверка модели на наличие мультиколлинеарности 153

Variable VIF 1/VIF FD lnODA lnRemittan~s Laborforce~e Trade_Open~s Domestic_c~t GCF FDI Population~h Inflation Annualgrow~r 15.92 12.07 7.80 7.21 4.70 4.34 3.01 1.84 1.73 1.16 1.11 0.062804 0.082821 0.128241 0.138665 0.212809 0.230225 0.332452 0.544697 0.578839 0.864330 0.904897 Mean VIF 5.53 Рисунок Ж. 5 – Проверка модели на наличие мультиколлинеарности (после удаления натурального логарифма грантов, направленных на развитие технического сотрудничества) Variable VIF 1/VIF lnODA lnRemittan~s Trade_Open~s Laborforce~e GCF Domestic_c~t FDI Population~h Inflation Annualgrow~r 9.13 5.68 3.51 2.56 2.45 2.13 1.77 1.27 1.15 1.11 0.109485 0.176129 0.284910 0.390565 0.407954 0.469333 0.564411 0.789521 0.868349 0.904718 Mean VIF 3.08 Рисунок Ж. 6 – Проверка модели на наличие мультиколлинеарности (после удаления индекса финансового развития) 154

Variable VIF 1/VIF GCF Domestic_c~t Laborforce~e FDI Trade_Open~s lnRemittan~s Population~h Inflation Annualgrow~r 1.98 1.85 1.84 1.68 1.61 1.54 1.16 1.14 1.06 0.505163 0.541488 0.542019 0.595784 0.621334 0.648931 0.860173 0.877001 0.939386 Mean VIF 1.54 Рисунок Ж. 7 – Проверка модели на наличие мультиколлинеарности (после удаления натурального логарифма официальной помощи в целях развития) White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(54) Prob > chi2 = = 97.42 0.0003 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 97.42 9.82 2.46 54 9 1 0.0003 0.3650 0.1166 Total 109.71 64 0.0003 Рисунок Ж. 8 – Проверка модели на наличие гетероскедастичности (тест Уайта) 155

Linear regression Number of obs F(9, 104) Prob > F R-squared Root MSE lnGDP_per_capita Coef. lnRemittances FDI Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons -.0807755 .0182337 .0101387 -.0660461 -.0060555 .014248 -.0206023 .0026256 -.0078594 13.29337 Robust Std. Err. .0206487 .0086401 .0016599 .0079556 .0060801 .0882169 .0070282 .0019768 .0062484 .7172755 t -3.91 2.11 6.11 -8.30 -1.00 0.16 -2.93 1.33 -1.26 18.53 = = = = = P>|t| 0.000 0.037 0.000 0.000 0.322 0.872 0.004 0.187 0.211 0.000 114 17.76 0.0000 0.4870 .52568 [95% Conf. Interval] -.1217227 .0011001 .006847 -.0818224 -.0181126 -.1606894 -.0345394 -.0012945 -.0202502 11.87099 -.0398283 .0353673 .0134304 -.0502698 .0060016 .1891854 -.0066651 .0065457 .0045314 14.71576 Рисунок Ж. 9 – Финальная модель линейной регрессии Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 114 7 R-sq: within = 0.7199 between = 0.5513 overall = 0.0557 Obs per group: min = avg = max = 12 16.3 18 corr(u_i, Xb) F(9,98) Prob > F = -0.8960 = = 27.98 0.0000 lnGDP_per_capita Coef. lnRemittances FDI Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .1718818 .0070908 .0167974 .0614626 .0081199 -.2205765 .012558 -.0059342 .0069216 -.3646723 .0507265 .0050477 .0022159 .0348334 .0045187 .101468 .0056774 .0021017 .0033969 2.582018 sigma_u sigma_e rho 1.5717547 .28431429 .96831565 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(6, 98) = 42.92 t 3.39 1.40 7.58 1.76 1.80 -2.17 2.21 -2.82 2.04 -0.14 P>|t| 0.001 0.163 0.000 0.081 0.075 0.032 0.029 0.006 0.044 0.888 [95% Conf. Interval] .0712167 -.0029261 .0124001 -.0076632 -.0008473 -.4219364 .0012914 -.0101049 .0001806 -5.488603 .2725469 .0171077 .0211948 .1305884 .017087 -.0192166 .0238245 -.0017635 .0136627 4.759259 Prob > F = 0.0000 Рисунок Ж. 10 – Исходная модель регрессии с фиксированными эффектами 156

Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (7) = Prob>chi2 = 97.06 0.0000 Рисунок Ж. 11 – Проверка модели на наличие межгрупповой гетероскедастичности (модифицированный тест Вальда) Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 114 7 R-sq: within = 0.1733 between = 0.7732 overall = 0.4870 Obs per group: min = avg = max = 12 16.3 18 corr(u_i, X) Wald chi2(9) Prob > chi2 = 0 (assumed) = = 98.74 0.0000 lnGDP_per_capita Coef. lnRemittances FDI Domestic_credit Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons -.0807755 .0182337 .0101387 -.0660461 -.0060555 .014248 -.0206023 .0026256 -.0078594 13.29337 .0236808 .0085657 .0019897 .0079486 .0076702 .0744372 .007364 .0020067 .0057861 .7341914 sigma_u sigma_e rho 0 .28431429 0 (fraction of variance due to u_i) Std. Err. z -3.41 2.13 5.10 -8.31 -0.79 0.19 -2.80 1.31 -1.36 18.11 P>|z| 0.001 0.033 0.000 0.000 0.430 0.848 0.005 0.191 0.174 0.000 [95% Conf. Interval] -.1271891 .0014452 .0062389 -.0816251 -.0210888 -.1316463 -.0350355 -.0013075 -.0192 11.85438 -.0343619 .0350222 .0140385 -.0504671 .0089778 .1601422 -.006169 .0065587 .0034811 14.73236 Рисунок Ж. 12 – Исходная модель регрессии со случайными эффектами 157

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups Fixed-effects (within) regression 114 7 Number of obs R-sq: Group variable: Number_of_~y within = 0.1733 between = 0.7732 R-sq:overall = 0.4870 within between corr(u_i, X) overall = = = 119 7 Obs per group: Number of groups = min = 12 avg = 16.3 Obs per group: 18 max = = 0.8108 = 0.2761 == 00.0016 (assumed) Wald chi2(6) Prob > chi2 = = min = avg .= max .= 12 17.0 19 (Std. Err. adjusted for 7 clusters in Number_of_the_country) corr(u_i, Xb) = -0.8015 lnGDP_per_capita Coef. lnRemittances -.0807755 lnGDP_per_capita FDI .0182337 Domestic_credit .0101387 lnRemittances Laborforceparticipationrate -.0660461 FDI Annualgrowthrateofoutputper -.0060555 Domestic_credit Population_Growth .014248 GCF -.0206023 Households_consumption_expenditu Trade_Openness .0026256 Government_consumption_expenditu Inflation -.0078594 Population_Growth _cons 13.29337 GCF Trade_Openness sigma_u 0 sigma_e Inflation .28431429 rho _cons 0 Рисунок Ж. 13 – F(9,103) Prob > F Robust Std. Err. .0187116 Coef. .0112678 .0039121 .1670895 .0163496 .0083756 .0061615 .0158725 .1621341 .0155587 -.0132945 .0051393 -.0372159 .0067158 -.2350551 1.357891 z P>|z| -4.32 0.000 Std. Err. 1.62 0.106 2.59 0.010 .0353084 -4.04 0.000 .0042143 -0.98 0.326 .0017682 0.09 0.930 -1.32 0.185 .0063074 0.51 0.609 .01355 -1.17 0.242 .0797557 9.79 0.000 .0104057 -.0060648 -.0025305 (fraction 5.479327of = = 49.04 0.0000 [95% Conf. Interval] -.1174495 -.0441015 t P>|t| [95% Conf -.0038508 .0403183 .0024711 .0178063 4.73 .0970636 -.09809070.000 -.0340015 1.99 .0000174 -.01813170.050 .0060208 8.98 .0123657 -.3035290.000 .3320249 -.05109670.037 .0098922 -2.11 -.0258037 -.00744730.007 .0126985 -2.75 -.0640891 -.0210221 .0053032 -2.95 0.004 -.3932316 10.63196 15.95479 .0052711 1.97 .0017963 -3.38 .0030997 -0.82 variance due to u_i) .8494375 6.45 0.051 0.001 0.416 0.000 -.0000484 -.0096273 -.0086779 3.794668 sigma_u 1.2940165 sigma_e .24461005 Финальная модель регрессии со случайными эффектами rho .96549983 (fraction of variance due to u_i) F test that all u_i=0: F(6, 103) = 36.76 Prob > F = 0.0000 Рисунок Ж. 14 – Тест Вальда Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .4957826 .0808346 0 .7041183 .2843143 0 Var(u) = 0 chibar2(01) = Prob > chibar2 = 0.00 1.0000 Рисунок Ж. 15 – Тест Бройша-Пагана 158

ПРИЛОЖЕНИЕ И. Эконометрическое исследование региона Европа и Центральная Азия Рисунок И. 1 – График зависимости показателей натурального логарифма ВВП на душу населения и натурального логарифма трансграничных денежных переводов lnGDP_~a lnRemi~s lnGDP_per_~a lnRemittan~s lnODA FDI FD Domestic_c~t lnTechnica~n Laborforce~e Annualgrow~r Population~h GCF Trade_Open~s Inflation 1.0000 0.3853 0.1020 -0.0153 0.3550 0.6177 -0.0060 0.1472 -0.2544 -0.3195 0.1123 -0.1989 -0.1136 1.0000 0.6854 -0.1606 0.2629 0.4397 0.3916 -0.2150 -0.1262 -0.0605 -0.0374 -0.1796 -0.0542 lnODA FDI 1.0000 -0.0701 0.2142 0.2564 0.6837 -0.1350 -0.0853 -0.1144 -0.2067 -0.3277 -0.2710 1.0000 -0.1253 -0.0538 -0.0849 0.1479 0.1540 0.0981 0.4584 0.1025 -0.0420 FD Domest~t lnTech~n Laborf~e Annual~r Popula~h 1.0000 0.4459 0.1837 -0.2493 -0.2121 -0.3151 -0.1309 0.0330 -0.1768 1.0000 0.2412 -0.0981 -0.3604 -0.3391 -0.0245 -0.0751 -0.1193 1.0000 -0.0063 0.0435 -0.3052 -0.2095 -0.2034 -0.1433 1.0000 0.0209 -0.0156 0.2216 0.0000 0.0698 1.0000 -0.0227 0.2197 0.0376 0.0508 1.0000 -0.0264 0.0829 0.0171 Рисунок И. 2 – Корреляционная матрица 159 GCF Trade_~s Inflat~n 1.0000 0.1300 0.0767 1.0000 0.5176 1.0000

Source SS df MS Model Residual 88.4214061 57.8396633 12 186 7.3684505 .310965932 Total 146.261069 198 .738692269 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .3068726 -.2527088 .0069165 1.976297 .017299 -.3271628 .0280686 -.006283 -.126596 .0009002 -.0074365 -.0009042 10.3807 Number of obs F(12, 186) Prob > F R-squared Adj R-squared Root MSE Std. Err. .0572086 .1114864 .0064922 .6692777 .002665 .0920327 .005089 .0087575 .03723 .0067313 .00215 .0043546 1.465787 t 5.36 -2.27 1.07 2.95 6.49 -3.55 5.52 -0.72 -3.40 0.13 -3.46 -0.21 7.08 = = = = = = P>|t| 0.000 0.025 0.288 0.004 0.000 0.000 0.000 0.474 0.001 0.894 0.001 0.836 0.000 199 23.70 0.0000 0.6045 0.5790 .55764 [95% Conf. Interval] .1940114 -.4726493 -.0058913 .6559464 .0120415 -.5087249 .018029 -.0235598 -.2000433 -.0123793 -.0116779 -.0094949 7.488993 Рисунок И. 3 – Исходная модель сквозной регрессии Variable VIF 1/VIF lnODA lnRemittan~s lnTechnica~n Domestic_c~t Inflation Trade_Open~s GCF FD Population~h FDI Annualgrow~r Laborforce~e 3.80 2.81 2.29 1.88 1.60 1.58 1.57 1.52 1.42 1.42 1.32 1.19 0.263107 0.356153 0.436220 0.533241 0.626796 0.634287 0.636320 0.659751 0.703780 0.704804 0.755383 0.839078 Mean VIF 1.87 Рисунок И. 4 – Проверка модели на наличие мультиколлинеарности 160 .4197337 -.0327684 .0197242 3.296649 .0225565 -.1456008 .0381082 .0109938 -.0531487 .0141796 -.003195 .0076865 13.2724

White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(90) Prob > chi2 = = 156.97 0.0000 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 156.97 36.12 7.82 90 12 1 0.0000 0.0003 0.0052 Total 200.90 103 0.0000 Рисунок И. 5 – Проверка модели на наличие гетероскедастичности (тест Уайта) Linear regression Number of obs F(12, 186) Prob > F R-squared Root MSE lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .3068726 -.2527088 .0069165 1.976297 .017299 -.3271628 .0280686 -.006283 -.126596 .0009002 -.0074365 -.0009042 10.3807 Robust Std. Err. .0624255 .1033181 .005041 .7061775 .0026225 .0912302 .0043587 .0087885 .0600666 .0063414 .0021411 .0048088 1.268728 t 4.92 -2.45 1.37 2.80 6.60 -3.59 6.44 -0.71 -2.11 0.14 -3.47 -0.19 8.18 = = = = = P>|t| 0.000 0.015 0.172 0.006 0.000 0.000 0.000 0.476 0.036 0.887 0.001 0.851 0.000 Рисунок И. 6 – Финальная модель линейной регрессии 161 199 36.06 0.0000 0.6045 .55764 [95% Conf. Interval] .1837195 -.4565348 -.0030285 .5831504 .0121254 -.5071417 .0194697 -.0236209 -.2450955 -.0116101 -.0116604 -.010391 7.877749 .4300256 -.0488828 .0168614 3.369445 .0224726 -.147184 .0366675 .011055 -.0080966 .0134105 -.0032125 .0085827 12.88364

Fixed-effects (within) regression Group variable: Number_of_~y Number of obs Number of groups = = 199 13 R-sq: within = 0.8823 between = 0.0339 overall = 0.2813 Obs per group: min = avg = max = 5 15.3 17 corr(u_i, Xb) F(12,174) Prob > F = -0.3308 = = 108.65 0.0000 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .4357424 .0097484 -.0081008 3.587277 .0050355 -.1237854 -.0031732 -.0009308 -.0071898 .0018696 -.0042336 .0011799 .4693941 .0252417 .0511585 .0036167 .4469657 .0018173 .0529744 .0045882 .003345 .0154124 .0030481 .0010485 .0017619 1.157733 sigma_u sigma_e rho .81350337 .19618702 .94503698 (fraction of variance due to u_i) Std. Err. F test that all u_i=0: F(12, 174) = 110.73 t 17.26 0.19 -2.24 8.03 2.77 -2.34 -0.69 -0.28 -0.47 0.61 -4.04 0.67 0.41 P>|t| 0.000 0.849 0.026 0.000 0.006 0.021 0.490 0.781 0.641 0.540 0.000 0.504 0.686 [95% Conf. Interval] .3859232 -.0912227 -.015239 2.705105 .0014487 -.2283405 -.0122289 -.0075327 -.037609 -.0041465 -.006303 -.0022976 -1.815613 .4855617 .1107196 -.0009626 4.46945 .0086224 -.0192302 .0058826 .0056711 .0232295 .0078856 -.0021642 .0046574 2.754402 Prob > F = 0.0000 Рисунок И. 7 – Исходная модель регрессии с фиксированными эффектами Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (13) = Prob>chi2 = 76.70 0.0000 Рисунок И. 8 – Проверка модели на наличие межгрупповой гетероскедастичности (модифицированный тест Вальда) 162

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 216 14 R-sq: within = 0.8967 between = 0.1684 overall = 0.4523 Obs per group: min = avg = max = 5 15.4 18 corr(u_i, X) Wald chi2(11) Prob > chi2 = 0 (assumed) = = 1514.83 0.0000 lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit Households_consumption_expenditu Government_consumption_expenditu Population_Growth GCF Trade_Openness Inflation _cons .4086012 .0505323 -.007864 3.290836 .008127 -.0141668 .0015599 .0024845 .0049715 -.0041333 .0001657 -1.171545 .0214062 .0470343 .0034197 .4334382 .0015236 .0021578 .0064304 .0154591 .0029163 .0009802 .0010945 .7833666 sigma_u sigma_e rho .44779234 .19164776 .84518713 (fraction of variance due to u_i) Std. Err. z 19.09 1.07 -2.30 7.59 5.33 -6.57 0.24 0.16 1.70 -4.22 0.15 -1.50 P>|z| 0.000 0.283 0.021 0.000 0.000 0.000 0.808 0.872 0.088 0.000 0.880 0.135 [95% Conf. Interval] .3666458 -.0416533 -.0145664 2.441312 .0051408 -.0183959 -.0110433 -.0278149 -.0007443 -.0060545 -.0019796 -2.706915 .4505565 .1427179 -.0011616 4.140359 .0111133 -.0099376 .0141632 .0327838 .0106873 -.0022122 .002311 .3638251 Рисунок И. 9 – Исходная модель регрессии со случайными эффектами 163

Random-effects GLS regression Group variable: Number_of_~y Number of obs Number of groups = = 199 13 R-sq: within = 0.6440 between = 0.6594 overall = 0.6045 Obs per group: min = avg = max = 5 15.3 17 corr(u_i, X) Wald chi2(12) Prob > chi2 = 0 (assumed) = = 1518.30 0.0000 (Std. Err. adjusted for 13 clusters in Number_of_the_country) Robust Std. Err. lnGDP_per_capita Coef. lnRemittances lnODA FDI FD Domestic_credit lnTechnical_cooperation Laborforceparticipationrate Annualgrowthrateofoutputper Population_Growth GCF Trade_Openness Inflation _cons .3068726 -.2527088 .0069165 1.976297 .017299 -.3271628 .0280686 -.006283 -.126596 .0009002 -.0074365 -.0009042 10.3807 .1430084 .1503286 .0105495 1.670409 .0053283 .1575207 .0129699 .0124594 .0927127 .0126159 .0035428 .0069052 3.211873 sigma_u sigma_e rho 0 .19618702 0 (fraction of variance due to u_i) z 2.15 -1.68 0.66 1.18 3.25 -2.08 2.16 -0.50 -1.37 0.07 -2.10 -0.13 3.23 P>|z| 0.032 0.093 0.512 0.237 0.001 0.038 0.030 0.614 0.172 0.943 0.036 0.896 0.001 [95% Conf. Interval] .0265812 -.5473474 -.0137601 -1.297645 .0068558 -.6358977 .002648 -.030703 -.3083095 -.0238266 -.0143801 -.0144381 4.085541 .587164 .0419298 .0275931 5.25024 .0277422 -.018428 .0534892 .018137 .0551174 .025627 -.0004928 .0126297 16.67585 Рисунок И. 10 – Финальная модель регрессии со случайными эффектами F test that all u_i=0: F(12, 174) = 110.73 Prob > F = 0.0000 Рисунок И. 11 – Тест Вальда Breusch and Pagan Lagrangian multiplier test for random effects lnGDP_per_capita[Number_of_the_country,t] = Xb + u[Number_of_the_country] + e[Number_of_the_country,t] Estimated results: Var lnGDP_p~a e u Test: sd = sqrt(Var) .7386923 .0384893 0 .8594721 .196187 0 Var(u) = 0 chibar2(01) = Prob > chibar2 = 0.00 1.0000 Рисунок И. 12 – Тест Бройша-Пагана 164

Рецензии:

Авторизуйтесь, чтобы добавить рецензию

- у работы пока нет рецензий -

Отзывы:

Авторизуйтесь, чтобы оставить отзыв