Роль СМИ в формировании потребительских ожиданий населения России тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Пашков Станислав Георгиевич

• Пашков Станислав Георгиевич
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Пашков Станислав Георгиевич

Введение

Актуальность и исследовательская проблема

Объект, предмет, цель, задачи исследования

Теоретическая и методологическая основы исследования

Информационная база исследования

Научная новизна исследования

Основные результаты и положения, выносимые на защиту

Личный вклад автора в методологию и сборе данных исследования

Апробация результатов исследования

Глава 1. Потребительские ожидания: от экономического к социологическому анализу

1.1 «Классический» взгляд на проблему потребительских ожиданий: экономический детерминизм, отсутствие социологического прогресса

1.2 Основные подходы к анализу детерминант потребительских ожиданий: роль экономической информации и макропараметров

1.3 Междисциплинарная эволюция: предпосылки социальной природы ожиданий

1.4 Современный социологический взгляд на концептуализацию потребительских ожиданий: роль структурной и культурной укоренённости

1.5 Институциональная укоренённость: роль СМИ и устойчивость потребительских ожиданий

Основные выводы по Главе

Глава 2. Методологическая программа исследования

2.1 Гипотезы и предположения исследования

2.2 Дизайн исследования

2.3 Операционализация и измерение рабочих понятий исследования

2.3.1 Операционализация потребительских ожиданий и ключевых детерминант

2.3 2 Операционализация и измерение экономических новостей (уровень СМИ)

2.4 Информационная база исследования и механизмы сбора данных

2.5 Степень методической разработанности исследования

2.5.1 Ревизия методов моделирования потребительских ожиданий на микроуровне

2.5.2 Конструирование зависимой переменной («дельта-ИПН») для микроуровня

2.5.3 Особенности моделирования потребительских ожиданий на макроуровне

2.5.4 Ревизия принципов исследования СМИ в контексте потребительских ожиданий

Выводы по Главе

Глава 3. Динамика потребительских ожиданий и интенсивности экономического медиадискурса

3.1 Общая динамика потребительских ожиданий в

3.2 Структурно-сравнительный анализ динамики ИПН

3.3 Динамика ИПН в разрезе социально-демографического профиля

3.4 Сравнение динамики ИПН с макроэкономическими тенденциями

3.5 Специфика репрезентации экономических событий в СМИ в динамике

Выводы по Главе

Глава 4. Определение влияния социального-демографического профиля, макроэкономики и СМИ на потребительские ожидания

4.1 Влияние индивидуальных эффектов на потребительские ожидания

4.1.1 Описательная структура и оценки адекватности используемых предикторов

4.1.2 Исследование социально-демографического профиля и фактора времени

Выводы по разделу

4.2 Оценка влияния макроэкономики и масс медиа на динамику потребительских ожиданий

4.2.1 Описательная характеристика и функциональная диагностика индикаторов

4.2.2 Влияние макроэкономики и СМИ на динамику потребительских настроений

Выводы по разделу

Выводы по Главе

Общее заключение

Основные выводы диссертационного исследования

Ограничения исследования и будущие направления развития темы

Список использованной литературы

Приложения

Введение диссертации (часть автореферата) на тему «Роль СМИ в формировании потребительских ожиданий населения России»

Введение

Актуальность и исследовательская проблема

В настоящее время в мире отмечается рост внимания к проблеме детерминант потребительских ожиданий населения — теме, которая является исследовательской вотчиной экономистов и экономических психологов. Имеющиеся многочисленные работы по данной теме отражают лишь «макроэкономический» взгляд на потребительские ожидания, в то время как учёт социально-демографического профиля либо социальных институтов до текущего времени остаётся за кадром. За последние 20 лет в российской социологии вырос интерес к теме потребительских ожиданий, но пока не уделено внимание влиянию новостям, иным социальным и экономическим институтам. Данное диссертационное исследование позволяет заполнить этот пробел, поскольку не только существенно уточняет уже опубликованные в российской литературе детерминанты потребительских ожиданий на микросоциологическом уровне, но главным образом даёт количественную оценку влияния СМИ на динамику потребительских ожиданий в российском обществе на протяжении 11 лет — в период между финансово-экономическим кризисом 2008 года и ковидным 2020-м годом.

Измерение потребительских ожиданий и настроений проводится с помощью Индекса потребительских настроений (сокр. ИПН) — индикатора макроуровня, созданного в 1950-х гг. в Мичиганском университете для прогнозирования субъективного благополучия населения. Показатели индекса включают субъективную оценку населением своего материального положения, отношение к происходящему в экономике, оценку экономических ожиданий в краткосрочной и среднесрочной перспективах, а также оценку готовности к совершению крупных покупок. В агрегированном виде данный индекс традиционно использовался в основном экономистами, так как ИПН неплохо предсказывал такие макроэкономические параметры, как инфляция и ВВП. Поэтому за последние 70 лет они накопили существенный опыт эконометрического моделирования временных рядов. Начиная с конца 1990-х экономисты столкнулись с проблемой объяснительной силы ИПН, увеличилось число междисциплинарных исследований, в том числе интерес к СМИ как важному предиктору ИПН. Наряду с этим стали появляться работы по изучению микросоциологических детерминант потребительских ожиданий, причём преимущественно в России — в основном из-за доступности выборочной статистики (опросов), на основе которой собирается агрегированная оценка ИПН. Однако как зарубежные, так и российские исследования оставляют пока много белых пятен в исследовании природы Индекса и объяснения динамики потребительских ожиданий, в частности — роли СМИ.

Особенность построения индекса — использование социологических опросов для его выведения. Мониторинг ИПН осуществляется в более чем 50 странах мира (государственных статистических службах, центральных банках), публикуется в докладах, прогнозах и научных работах. В России индекс рассчитывается и публикуется с 1993 года. Агрегированные данные присутствуют в статистических сборниках и обзорах (Росстата, Центрального Банка РФ, мониторингах ФОМ, ВЦИОМ, ГФК-Русь и др.), а также во многих научных публикациях [Ибрагимова, Красильникова, Николаенко, 1996; Ибрагимова, Николаенко, 2005; Дементьева, Шаклеина, 2019; Baghestani, Fatima, 2021; Anastasiou, Ftiti, Louhichi, Tsouknidis, 2023]. В настоящее время проводятся поиски влияния социально-демографических факторов, включая влияние социального окружения, ценностей, благосостояния, институтов (СМИ). Моделирование потребительских ожиданий на макроуровне становится особенно актуальным в кризисные периоды, что доказывается в ряде исследований [Красильникова, 2010; Starr, 2010; Ибрагимова, 2014]. Поэтому вопрос о макросоциологической природе ИПН в части влияния социальных институтов на внутреннюю динамику потребительских ожиданий остаётся актуальным и в настоящее время.

Как уже отмечалось, продолжается дискуссия вокруг социальной и функциональный роли средств массовой информации в трансформации потребительских ожиданий, изменений на финансовых рынках и экономического поведения людей в целом. Отдельно поднимается вопрос изучения дискурса экономических событий и сигналов в качестве особых категорий «перформативов». Учёт информационных сигналов позволяет лучше понять глубину социально-экономических шоков, субъективных оценок людей, что детально не обсуждалось в существующих исследованиях [Huang, Rojas, Convery, 2018; Boukes, Damstra, Vliegenthart, 2021; Tworek, 2020; Казун, 2017]. Большинство исследователей, которые представляют преимущественно блок экономической литературы, придерживаются логики объяснения изменения потребительских ожиданий экономическими факторами, что находит поддержку в эмпирических примерах — рост инфляции, безработицы, снижение темпов экономического роста, покупательской активности, ВВП страны.

Поднимается проблема формирования ИПН и его «чувствительности» в периоды высокой экономической неопределённости для объяснения результатов моделирования. Российская экономика формирует разные паттерны мотивации и мобилизации людей в условиях продолжительных кризисов и рецессий [Zagórski, McDonnell, 1995; Curtin, 2007; Lischka, 2015; Algaba [и др.], 2020; Billore, Anisimova, 2021; Garner, 1981; Souleles, 2001; Dixon, Griffiths, Lim, 2014; Lozza [и др.], 2016; Abosedra, Laopodis, Fakih, 2021; Смирнов, 2012]. Негативные тенденции в различных секторах экономики оказывают системное воздействие на качество жизни людей, в частности приводят к определённым переменам в покупательской активности, изменяя потенциал совершения крупных покупок. Опыт прошлых экономических кризисов показывает, что в массовых опросах тема кризиса пробуждает разные чувства и ожидания. Растёт неопределённость среди людей, на уровне властных, финансовых и рыночных институтов [Красильникова, 2010; Каравай, 2020]. В результате формируются новые попытки изучения природы потребительских ожиданий с акцентом внимания на СМИ в качестве наиболее важного институционального фактора [Kleinnijenhuis, Schultz, Oegema, 2015; Song, Shin, 2019], и к информационному пространству, наполненному повседневными событиями и прогнозами, смыслами и сигналами. Данное исследование стремится показать, какие дискурсы в новостях характеризуют периоды экономических колебаний и «затишья», как они связаны с изменениями ожиданий людей. Мы обращаем внимание на микро- и макроуровень воздействия факторов — детерминант изменения ИПН. Исследовательский вопрос заключается в том, какую роль играют СМИ в формировании потребительских ожиданий.

Исследование заполняет пробел в литературе между экономическим моделированием потребительских ожиданий и исследованиями, посвящёнными социальному и материальному благополучию домохозяйств и образу экономики в СМИ. Акцент — на оценке качественного содержания новостей (семантической структуры, тональности сообщения, выстраиваемого дискурса) на изменение количественных оценок в динамике потребительских ожиданий (микро- и макроэкономических).

Степень разработанности темы исследования

Исследование опирается на три корпуса литературы. Их синергия позволяет выделить ключевые концептуальные аспекты применительно к экономической социологии.

Первый корпус литературы посвящён концептуализации потребительских ожиданий. Исторически зарубежные исследователи работали с данным концептом на базе научного подхода, именуемого как психологическая экономика (Дж. Катона, Г. Саймон, Е. Лайкерт, Ч. Мански, Р. Куртин). Её появление способствовало формированию и дальнейшему становлению экономической психологии как самостоятельного направления, обосновывающего включение психологических аспектов действия человека в экономические модели (Г. Тард, Дж. С. Милль, И. Бентам, Т. Веблен, Дж. Кейнс). «Классический этап» развития экономической пси-

хологии связан с теорией потребительских настроений. Выработанная методология позволила создать показатель, «переводящий» субъективные оценки людей в формат макроэкономического индикатора — Индекс потребительских настроений. Апробация и валидация результатов проводилась в течение 40 лет (Дж. Катона, Е. Мюллер, Р. Бауэр, Т. Джастер, С. Бурч, Х. Стеклер, С. Хьюманс, С. Вард, Р. Куртин, Ф. Линден, Д. Ачемоглу, Э. Скотт, С. Гел-пер). К 1990-м гг. вопрос методической и аналитической валидности оценки потребительских настроений стал более выраженным в литературе, и большинство исследований посвящалось ревизии прошлого опыта (Кр. Кэрролл, Дж. Фюрер, Д. Вилкокс, К. Загорски, Ф. Хаури, Д. Фэн, Д. Кук). Некоторые исследователи предложили новые формы моделирования и операци-онализации ИПН путём «выхода» за пределы экономических, психологических факторов (Д. Блад, М. Домс, Дж. Хестер). Тема потребительских настроений имеет многоплановую историю в экономической психологии, эконометрике и значительно меньше — в смежных областях, особенно социологии. В России направление развивается с середины 1990-х годов в виде концептуальных и содержательных аспектов исследования ИПН и идентификации потребительских ожиданий (Д. Ибрагимова, С. Николаенко, М. Красильникова, Е. Балацкий, Н. Екимова, М. Юревич), региональной специфики (А. Семенов, И. Дементьева, М. Шаклеина, В. Звоновский) и методических вопросов (Д. Ибрагимова, С. Сугаипов). Отдельно рассматриваются вопросы устройства и динамики социальной структуры российских домохозяйств, их ожиданий, мотивации, категорий субъективного благополучия (А. Пишняк, А. Каравай, С. Мареева, Л. Китрар, Т. Липкинд, Н. Тихонова, Т. Морозова, Р. Белая, С. Мурина, Д. Фангац-цини, К. Южанинов, А. Рыкун), в том числе среди разных возрастных групп (И. Павлова). Косвенно обсуждаются вопросы потребительских ожиданий и ценностей (Н. Лапин), в том числе в связи с возрастающей тенденцией эмоционально нагруженного потребления товаров и услуг (В. Радаев), трансформацией практик продолжительного освещения негативных событий в СМИ (А. Казун, Г. Градосельская), изменениями динамики сберегательных стратегий населения (О. Кузина, Д. Моисеева). Важно отметить, что попытки социологического раскрытия механизмов формирования и воспроизводства потребительских ожиданий немногочисленны в настоящее время.

Второй корпус литературы раскрывает вопросы формирования потребительских ожиданий. Большая часть работ освещает экономические факторы, такие как объем и структура потребления товаров длительного пользования, уровень безработицы, инфляции, различные котировки акций компаний, темп прироста ВВП, а также оценки рыночных условий в стране (Е. Мюллер, Г. Шапиро, Г. Авгенин, Дж. Тобин, Ф. Адамс, Р. Леони, Д. Пирс, Г. Тейл, Р. Кособуд). «С середины 1990-х гг. формируется направление, в котором исследователи делают попытки идентифицировать значимое влияние неэкономических факторов на формирование ожиданий. Например, одним из фокусов исследований становятся социально-демографические — когортные различия, поло-возрастной состав, уровень дохода (Д. Ибрагимова, В. Нгуен, Э. Клаус, Р. ван Гизен)» [Пашков 2024: 190]. Другой пример — изучение связи между потребительскими ожиданиями, макроэкономической ситуацией в стране и уровнем самоубийств (А. Коллинс, А. Кокс). В последние годы высказывается предположение, что индивидуальные действия, роль социального окружения, ценностных паттернов в формировании потребительских ожиданий влияют на политические и экономические институты, особенно — на реальные процессы, отражаемые в национальной статистике, что в конечном итоге приводит к условной цикличности взаимовлияний, гипотезе «самореализующихся ожиданий» (Р. Куртин). В существующих наработках пока не раскрыт тезис социологической природы потребительских ожиданий, т.к. исследователи работают в парадигме макроуровневых тенденций и сравнений, а «микроуровень», привлекающий большими возможностями для интерпретации природы ожиданий, пока ограничивается вопросами улучшения качества обработки данных (М. Шаклеина, М. Богданов, Ю. Чен). Это затрудняет включение массмедиа в качестве важного социологического предиктора потребительских ожиданий. Один из вариантов — более глубокое изучение семантической структуры дискурса, который выстраивают жур-

налисты при освещении экономических и около-экономических событий и новостей (Э. Кол-леони, И. Химелбоим). Другой вариант — рассмотрение вопроса укоренённости в качестве перспективного, «социологического» связующего звена между установками людей и устойчивостью паттернов поведения. В этом плане можно констатировать высокую степень разработанности фундаментальной концепции укоренённости (М. Грановеттер, Б. Уцци), значительное число разноплановых прикладных кейсов (Дж. Мердок, Т. Марсден, Дж. Бэнкс, С. Боуэн, З. Котельникова). Небольшое внимание уделено дальнейшему развитию направления, предполагающего анализ типологии видов укоренённости (П. Димаджио, С. Зукин).

Третий корпус литературы посвящён анализу массовой коммуникации. Здесь рассматриваются принципы работы института СМИ, включая вопросы управления повесткой дня (М. МакКомбс, Д. Шоу, Л. Гуо, Ю. Ченг), являющейся одной из опорных тем, в том числе в изучении общественного мнения и субъективных ожиданий. Другим важным направлением становится анализ эффектов медиа-репрезентации событий на поведение аудитории. Здесь предлагается множество вариантов трактовок подобного, как со стороны психологии (М. Левин, Р. Наби, М. Оливер), социологии (В. Липпман, Д. Шойфеле, А. Ланг), так и исследователей массовой коммуникации (С. Болл-Рокич, М. ДеФлёр, Д. МакКэйл, В. Поттер). Основной вывод сводится к разным комбинациям и формам «давления», а также «привязанности» аудитории к медиа-событиям и тому, как их представляют журналисты. Однако в связи с этим важно упомянуть и определенное развитие институционального вопроса массовой коммуникации — внимание к профессиональным качествам журналистов (Д. Берри, Дж. Сингер, А. Казун), работы издания в целом как «последней мили» перед выходом новости на широкую аудиторию (П. Шумейкер, Э. Тандок). Соответственно вопросы контроля за объективацией и распространением новостей, постановки фокуса события, социокультурных, институциональных факторов поднимается в теме медиа-фреймов (Р. Энтман, Дж. Танкард, Ф. Тиченор) и проблем медиа неопределенности (Б. Франклин). С конца 1990-х гг. стало уделяться особое внимание анализу влияния СМИ на динамику потребительских ожиданий. Первые шаги были связаны с операционализацией медиа в качестве макроэкономического индекса, который моделировали с индексом (Д. Блад, П, Филлипс, М. Домс, Х. Ву, Д. Харрингтон). Полученные результаты показали, что массмедиа определенными паттернами публикации и интерпретации событий связаны с изменениями потребительских ожиданий. Однако первые работы в этом направлении демонстрировали амбивалентность методики оцифровки новостных сообщений; в ряде случаев простой подсчет числа новостей по определенной тематике не способствовал лучшему объяснению изменений потребительских настроений либо иных экономических процессов (М. Сонг, К. Шин). Это потребовало фокуса на содержательной части новостей — по сути, дискурсивной компоненты. Различные попытки включения содержательных аспектов публикации сообщений (Дж. Вучелен, Д. Фэн, М. Доэль, Дж. Сеготт, К. Ньютон, Е. Лозза) позволили увидеть неоднозначность влияния сюжетов массмедиа на разных временных периодах. Отдельным направлением считается взгляд исследователей на социальные медиа платформы, в первую очередь микроблоги, где информационное пространство зависит не только от содержания, но и от скорости описания событий, что в ряде случаев напоминает работу на фондовой бирже (А. Макалай, С. Лехер).

Таким образом текущая степень разработанности темы подчеркивает многоплановую историю изучения потребительских настроений и ожиданий в экономической психологии и эконометрике, в то время как в социологии рассматриваемая тема недостаточно обсуждается, особенно в российском научном поле.

Объект, предмет, цель, задачи исследования

Объект исследования диссертации — взрослое население Российской Федерации в возрасте 18+ лет (общероссийская выборочная совокупность), чьи потребительские ожидания аппроксимированы в виде ИПН (инфляция, безработица, курс валюты, др.) и опосредова-

ны представлением новостных сообщений по экономике, финансам, острым социально-экономическим процессам (рецессии, кризисы, курс доллара, рост цен и пр.) в СМИ.

Предмет исследования — содержание, выраженность и влияние сигналов, генерируемых корпусом российских экономических СМИ, на потребительские ожидания россиян в разные периоды времени.

Цель исследования заключается в оценке влияния экономических новостей в СМИ на динамику Индекса потребительских настроений. Для достижения поставленной цели сформулированы задачи:

1. На основании синтеза существующих теоретических подходов к изучению потребительских ожиданий операционализировать устойчивость потребительских ожиданий;

2. Систематизировать актуальные эмпирико-методологические подходы, применяемые в изучении потребительских ожиданий и СМИ;

3. Выработать и апробировать методику автоматизированного количественно-качественного контент-анализа экономических сообщений в материалах СМИ;

4. Определить и описать периоды структурных изменений потребительских ожиданий в сравнении с динамикой макроэкономических индикаторов и экономических новостных сообщений СМИ;

5. Оценить влияние макроэкономических индикаторов и социально-экономических профилей россиян на потребительские ожидания;

6. Охарактеризовать воздействие интенсивности и структуры дискурса экономических событий в СМИ на изменение потребительских ожиданий.

Теоретическая и методологическая основы исследования

Теоретическая модель исследования построена на понятии «потребительские ожидания индивидов». Под данным термином понимается социально детерминированная совокупность субъективных оценок и ожиданий людей изменения материального положения, экономической ситуации в стране, готовности к совершению крупных покупок в ближайшей перспективе. Исходной формой операционализации индивидуальных потребительских ожиданий является теория потребительских настроений американского психолога Дж. Катоны. Базовый тезис, описанный в книге «Психологические основания экономического поведения» [Katona, 1951], «заключается в том, что воздействие объективных экономических условий на конечное поведение субъектов опосредовано их субъективными воззрениями на экономику, подразумевая акцент на присутствии «желаний» (willingness) и «возможностей» (ability) совершать покупки товаров или услуг» [Пашков, 2021: 42-43]. Этот тезис основан на анализе экономических ожиданий и настроений после 1940-х гг. Отмечено, что индивиды имеют свои социальные (экономические) нормы и установки, ассоциируют себя с разными социальными группами, при этом функционируют на одном рынке. Для удовлетворения собственных потребностей индивидам приходится действовать в условиях неопределённости. Это приводит к тому, что их субъективные оценки и ожидания будущего становятся важным фактором «обоснованности» собственных шагов [Tversky, Kahneman, 1981]. В историческом плане теория является одним из ключевых звеньев развития экономической психологии, берущей своё начало от французского социолога Г. Тарда, а также ряда неоклассических экономистов (Дж. Дьюзенберри и М. Фридман). Их вклад в развитие направления определялся критическим отношением к психологическим основаниям экономических процессов.

Важным результатом развития теории стало выявление ограниченности экономической логики человеческого действия, особенно нерационального в отношении сберегательных стратегий [Розмаинский, 2012]. Впоследствии данная логика сформировалась в теории ограниченной рациональности Г. Саймона: в процессе принятия решения человек испытывает трудности, связанные с когнитивными ограничениями сознания, недостатком времени и ресурсов, что значительно увеличивает риски неверно выбранной стратегии и приводит к проигрышу [Simon, 2000]. В противовес гипотезе Г. Саймона выступает теория рациональных ожиданий, в которой оптимальные экономические решения требуют точных ожиданий, основанных на всей доступной информации; психологические аспекты, включая эмоции и социальное воздействие, способны вызывать «предвзятые ожидания» [Muth, 1961]. Дальнейшая попытка развития данной парадигмы находит отражение в теории рационального выбора, объединяющую большую совокупность подходов и исследований как в области экономики и психологии, так и социологии. Важный тезис: «рациональный выбор» человека представляет собой функцию максимизации полезности, во многом зависящую от множества факторов, включая социокультурные установки человека и окружающего его общества [Швери, 1995]. Более известным направлением теоретического развития экономической психологии становится теория перспектив А. Тверски и Д. Канемана, которая говорит об условных параметрах, способствующих выработке асимметричных реакций на изменение благосостояния человека. Рассмотренные теории лежат в основе множества эмпирических работ по теме потребительских ожиданий.

Теория потребительских настроений оставляет за рамками вопрос формирования и поддержания устойчивости потребительских ожиданий. В одной из новейших работ Р. Куртин утверждает, что экономические ожидания имеют социальную природу. Это приводит к тезису «самореализующихся ожиданий», согласно которому потребители выступают в роли таких же важных участников экономики, как бизнес или государство. Их действия оказывают мощное влияние на макроэкономику [Curtin, 2019]. Социологическая основа тезисов Дж. Ка-тоны прослеживается в следующих аспектах: степень обоснованности («качество») прошлого и текущего опыта индивида, критическая зависимость от разрозненной информации, окружения индивида при принятии решения [Katona, 1968]. Пытаясь понять социальную природу ожиданий потребителей возникают определенные теоретические и методологические сложности. Часть из них можно решить, обратившись к социологической концепции укоренённости, известной по работам К. Поланьи и М. Грановеттера. Однако более структурной, узкоспециализированной функциональной основой является теоретическая рамка Ш. Зукин и П. ДиМаджио, дополнительно обсуждаемая П. Декечем — классификация укоренённости с выделением когнитивного, структурного, культурного и институционального подтипов [DiMaggio, Zukin, 1990; Dequech, 2003]. Их анализ позволяет сформировать теоретико-аналитические «мосты» между потребительскими ожиданиями, социальными и институциональными факторами. Исходная предпосылка: решение индивида сберегать или потреблять зависит не только от желания это сделать, но и от доступности источников информации, включая социальное окружение, а также влияние ценностей, социального благополучия и индивидуальных характеристик. Конечной целью является выработка «взвешенного решения», которое будет реакцией на события, не поддающиеся точному прогнозированию [Campbell, 2006]. Индивид не оказывается в состоянии глубокой неопределенности («амбивалентности»), а пытается подстраиваться под изменения, вызванные «сложностью» окружающей среды. Идея укоренённости подразумевает то, что преодоление неопределенности связано не столько с психологическими аспектами (эмоциями, настроением и пр.), сколько с паттернами поведения, объемом знаний, навыков, информации, способствующей интерпретации «сложной реальности» и принятия эффективного решения [Cacciatore, Scheufele, Iyengar, 2016]. В этом случае социальный контекст (скажем, субстантивная природа некоторого экономического процесса — инфляции, рост цен) позволяет рассмотреть грань между следованием простым «экономическим правилам» и решению сложной задачи с применением полученных знаний

либо мнений, а также собственного опыта [Mullainathan, Shafir, 2013]. Некоторым «компромиссом» становится включение в анализ роли структурных, культурных, и институциональных установок населения.

В рамках структурной укоренённости существуют устойчивые горизонтальные сети взаимодействия социальных и экономических групп со «встраиванием» экономического действия в контекст межличностного взаимодействия. В результате происходит регулирование ситуаций на рынках, выработка социального капитала индивидов и доверия к институтам. Поскольку индивид находится в плотной цепи межличностных отношений, это влияет на устойчивость субъективного восприятия экономики. Таким образом, «чисто экономические» действия зависят от доверия и социального окружения. Доверие рассматривается в качестве источника дополнительной уверенности в понимании происходящего, т.к. важной характеристикой сетевых отношений является набор «посредственных» звеньев, позволяющих выходить на новые уровни знания и «скрытых» инсайтов. Примеры структурной укоренённости наблюдаются в исследованиях поведения трейдеров и бизнес-агентов на фондовых рынках, где включённость в сети контактов, а также плотная сеть межличностной коммуникации способствует повышению качества прогнозов, росту доверия всей системе [Грановеттер, 2002; Molm, Melamed, Whitham, 2013; Pool, Stoffman, Yonker, 2015; Bailey, 2018].

Список литературы диссертационного исследования кандидат наук Пашков Станислав Георгиевич, 2024 год

Источники

Public.Ru/Integrum Веб-краулинг

Открытые корпуса

«Ria_ru»

«Gazeta ru»

Сбор (агрегация) единого корпуса новостей всех изданий

Анализ и идентификация периода исследования

Расчет ИПН (общий) Расчт «Дельты-ИПН»

Исследование динамики собранных переменных

Формирование списка текстов (дата + источник + тематика)

Стемминг/Лемматизация/ POS-теггинг (Очистка-2)

Очистка данных от стоп-слов, (URL) символов

V

Экспертная верификация качества обработки

Исследование динамики переменных (кросс-анализ)

Регрессионные модели

(Hierarchical OLS)

Анализ функции ACF/PACF, функциональные тесты

Эконометрика: ARDL v1 (макроэкономика)

Анализ медиа-дискурса во временном контексте

Регрессионные модели (Bayesian MCMC LMER) Эконометрика: ARDL v2 (макроэкономика + СМИ)

■

<J

Г" ______________

«igraph» / corpustools «LDA» / «textmineR»

Семантическая стратегия < Тематическое моделиров.

(постр. семантических графов) (исследование устойч. фреймов)

1

Генерация графов (edge-list) Определение топиков (фреймов) |

Преобразование в undirected вычисление значимости тем

Визуализация графов + расчет Вычисление коэффициентов

специализированных метрик значимости фреймов / эффектов

—0 -- _———9—

Аналитическое сведение результатов моделирования

Выводы

Аналитическое сведение результатов темат. моделир.

ые

Рисунок 2: Принципиальная схема алгоритма работы в рамках исследования.

2.3 Операционализация и измерение рабочих понятий исследования

Первый этап посвящен конструированию рабочих индикаторов (переменных), составляющих основу исследования. Основными концептами выступают потребительские ожидания, СМИ, устойчивость (укоренённость) потребительских ожиданий.

2.3.1 Операционализация потребительских ожиданий и ключевых детерминант

Рассмотрим модель операционализации потребительских ожиданий. Согласно ретроспективному анализу подходов к измерению ожиданий, существует два основных инструментария — Индекс потребительских настроений (сокр. ИПН) и Индекс потребительской уверенности (сокр. ИПУ). Для измерения ИПН применяется опросник Мичиганского университета17, адаптированный российскими специалистами в 1990-х для опроса населения России [Mueller, 1960; Van Raaij, Gianotten, 1990; Curtin, 2007; Ибрагимова, Николаенко, 2005; Зво-новский, 2007]. ИПУ базируется на опросном инструментарии «Индекса доверия потреби-

17 Оригинальная методика на английском языке опубликована на сайте Центра изучения потребительских настроений Мичиганского университета по адресу: https://data.sca.isr.umich.edu/fetoMoc.php?docid=75441 (дата обращения: 01.01.2024).

телей» организации «Conference Board»18 [Roper, 1982; Bechtel, 1997; Choudhry, Wohar, 2023] с аналогичной адаптацией Росстатом [Сугаилов, 2022]. Взаимное совмещение двух индексов невозможно из-за различий в методологии измерения, но допустим сравнительный анализ. Выбор инструментария обуславливается доступностью данных по двум критериям: 1) ширина временного периода и 2) наличие микроданных выборочных обследований. В результате на четвёртом этапе исследования (описанном в Главах 3 и 4) использована методология ИПН.

Алгоритм измерения Индекса потребительских настроений

Конструкция Индекса потребительских настроений представляет собой агрегированный индикатор, состоящий из набора ключевых компонент (переменных/вопросов), которые задаются респондентам в рамках «типичного» массового социологического опроса. Применяемый инструментарий Мичиганского университета включает в себя пять вопросов (четыре из которых предлагают шкалу из 4 вариантов ответа; один вопрос содержит шкалу из 5 ответов)19. Процедура сбора данных для ИПН производится путем массового опроса населения по выборке, репрезентирующей генеральную совокупность — население Российской Федерации в возрасте от 18 лет и старше. Состав переменных-индикаторов выглядит следующим образом (Таблица 1):

Таблица 1: Список вопросов-компонент для построения Индекса потребительских настроений (инструментарий Мичиганского университета)

Индикатор Формулировка вопроса

[CSI1] «Как изменилось материальное положение вашей семьи за последние 12 месяцев?» («скорее, улучшилось», «Осталось без изменения», «Скорее, ухудшилось», «Затрудняюсь ответить»)

[CSI2] «Как, по-вашему, изменится материальное положение Вашей семьи в следующие 12 месяцев?» («Скорее, улучшится», «Останется без изменения», «Скорее, ухудшится», «Затрудняюсь ответить»)

[CSI3] «Если говорить об экономических условиях в стране в целом, как Вы считаете, следующие 12 месяцев будут для экономики страны хорошим временем или плохим?» («Хорошим», «Хорошим, но не во всем», «Не хорошим, но и не плохим», «Плохим, но не во всем», «Плохим», «Затрудняюсь ответить»)

[CSI4] «А если говорить о следующих пяти годах, то они будут для экономики страны хорошим или плохим временем?» («Хорошим», «Не хорошим, но и не плохим», «Плохим», «Затрудняюсь ответить»)

[CSI5] «Когда вы говорите о крупных покупках дома (таких, как мебель, холодильник, бытовая электроника), вы считаете, что сейчас все хорошо; не хорошо, но и не плохо; или плохое время для покупок?» («Хорошее», «Не хорошее, но и не плохое», «Плохое», «Затрудняюсь ответить»)

18 Сайт с оригинальной методикой «Conference Board» на английском языке недоступен на территории Российской Федерации. Возможно ознакомиться со структурой вопросов на сайте Европейской комиссии по адре -су: https://ec.europa.eu/economy_finance/publications/pages/publication14353_en.pdf (дата обращения: 01.01.2024). Важно отметить, что формулировки вопросов для конструирования Индекса потребительской уверенности различаются в странах, его измеряющих. Таким образом, по ссылке приводится один из вариантов. Финальный вариант используется в методологии Росстата.

19 Инструментарий Индекса потребительской уверенности, применяемый Росстатом, содержит шесть включённых переменных-вопроса, каждый из которых имеет одинаковую шкалу с пятью градациями.

Используемый в российском варианте опросника индикатор ИПН представляет собой серию закрытых вопросов, оформленных в виде шкалы Лайкерта — опции ответов с различной тональностью20. Из всех индикаторов только CSI3 (Индекс ожиданий изменения экономической ситуации в стране в среднесрочной перспективе) располагает дополнительными шкалами, носящими «промежуточный» характер. Согласно методическим рекомендациям, для вычисления Индекса потребительских настроений производится расчет разности доли положительных и отрицательных категорий ответов респондентов. Схема расчета выглядит следующим образом: пусть CSIi представляет собой вопрос-индикатор с последовательностью вариантов ответов респондентов Oi, 0= 1,2,3, 9}; для CSI3 — Oi с размахом значений 0;={ 1,2,3,4,5,9}. Для получения значения индекса в периоде t применяется балансовый метод оценки. Процедура заключается в нахождении разности доли положительных и отрицательных ответов Oi, с прибавлением константы 10021. В результате расчет компонент выглядят следующим образом:

CSIUA5=(%P-%N) +100 CSI3=[(%PP +0.5*%P)-(%NN+0.5*%N )] + 100

Фактическая формула ИПН выглядит следующим образом:

CSI = mean[^(CSI^) + £ (CSI3)]

В рамках балансового подхода константа 100 выступает «нейтральным» значением. Значения индекса имеют разброс от 0 п.п. до 200 п.п. Значения ниже 100 п.п. означают превалирование негативных оценок респондентов, а значения выше 100 п.п. — позитивных. Дополнительно рассчитываются два суб-индекса (по методике Мичиганского университета) для более структурного анализа динамики ИПН:

1. Индекс текущего состояния: представляет собой среднее значение оценок изменения материального положения домохозяйств (CSI1) и оценок готовности к совершению крупных покупок в текущем периоде (CSI5);

2. Индекс экономических ожиданий: представляет собой среднее значение оценок ожиданий респондентов изменения материального положения (CSI2) и экономической ситуации в стране (CSI3) в ближайший год, экономической ситуации в стране через пять лет (CSI4).

Существующие примеры апробации методик измерения ИПН и ИПУ

Изучение потребительского поведения посредством ИПН/ИПУ широко распространено не в зарубежной, но и в отечественной практике. В большинстве работ представлены результаты эконометрического моделирования на базе Мичиганского опросника. Можно выделить серию высокоцитируемых примеров, которые обсуждают данную методику как с положительной [Howrey, 2002], так и с отрицательной стороны [Souleles, 2004]; в некоторых случаях приводится конструктивное обсуждение методологии [Carroll [и др.], 1994; Kellstedt [и

20 Например, для вопроса CSI1 используются следующие формулировки: «Улучшилось», «Осталось без изменений», «Ухудшилось», «Затрудняюсь ответить».

21 К примеру, если у нас представлены ответы для CSI1 — CSI4 О^ = { 1, 3}, а для CSI3 О^ = { 1, 2, 4, 5}, то в таком случае под «положительными» ответами понимается код 1, а для «негативных» ответов — код 3. В третьем вопросе индекса (CSI3) дополнительно имеется нейтральная оценка («ни то, ни другое»). Для расчета компонента берутся не только «крайние» ответы (%РР и %NN), но и характеризующие склонность согласиться с негативным или позитивным ответом (%Р и %N соответственно). В случае с CSI3 учитывается два вида «положительных» и «отрицательных» ответов — это код 1/2 и 4/5 соответственно. В результате код 1 имеет обозначение %PP, а код 3 — %NN. В случае с CSI3 под 1 и 5 обозначают %PP и %NN соответственно, а коды 2 и 4 — %P и %N.

др.], 2015]. В российском поле также можно наблюдать выраженное присутствие методики Мичиганского университета [Ибрагимова, Красильникова, Николаенко, 1996; Смирнов, 2012; Вергазова, 2022]. Отдельно можно выделить опыт применения данного инструментария в региональном контексте исследования, в частности в Калининградской области [Лукьянова, 2017], Астраханской области [Ануфриев [и др.], 2016], Вологодской области [Дементьева, 2013]. Что касается инструментария «Conference Board», то он представлен в меньшей степени, т. к. набор вопросов в каждой стране индивидуализирован. Мы можем выделить несколько высокоцитируемых кейсов в мире [Croushore, 2005; Oest, Franses, 2008; Malovana [и др.], 2021] и в России [Мамонов, 2017; Сугаипов, 2022; Трофимов, 2022]. При этом влияние социальных факторов не учитывается. Некоторые исследования (например, [Souleles, 2004; Ибрагимова, 2014]), предлагают включение социологических индикаторов (социально-демографический, социально-экономический профиль респондента) с опорой на собираемые массивы микроданных. Методология измерения Индекса потребительских настроений позволяет рассчитывать не только агрегированный, но и индивидуальный ИПН (усреднение значений пяти компонент происходит для каждого респондента отдельно) [Curtin, 2002].

Структура социально-демографического профиля индивидов в составе моделей

На основании рассмотренных прикладных исследований и с учетом специфики доступных микроданных выборочных обследований в качестве социально-демографических характеристик применены следующие: пол, возраст, образование, оценка материального положения (в т.ч. среднемесячный доход индивида), размер домохозяйства, тип (размер) населенного пункта, федеральный округ, статус занятости. В целом измерение этих переменных является «типичным» для множества российских социологических исследований и допускает применение следующей схемы. Пол респондента представлен в виде бинарной шкалы, с перекодировкой значений таким образом, что «0» — обозначение мужчин (входит в состав базовой категории), а «1» — обозначение женщин. Возраст респондента, в силу специфики распределения по выборке в целом и в разрезе волн опроса, дополнительно закодирован в виде пяти градаций: «18-24 лет», «25-34 лет», «35-44 лет» (базовая категория), «45-54 лет», «5565 лет», «65+ лет». Данная перекодировка демонстрирует гармоничное распределение значений, и в дальнейшей используется в качестве порядковой шкалы с обратной последовательностью, где код «1» обозначает респондентов в возрасте от 18 до 24 лет, а код «6» обозначает респондентов в возрасте старше 65 лет. Что касается образования, то в большинстве волн опроса оно представлено девятью градациями категорий; в некоторых — шесть категорий. Для унификации волн была проведена перекодировка образования в 4 порядковые категории: 1: «начальное», 2: «среднее общее», 3: «среднее специальное» (базовая категория), 4: «высшее». Распределение сформированных категорий образования позволяет использовать данную шкалу в моделях. Субъективная оценка материального положения домохозяйства представлена порядковой ранговой шкалой, с пятью градациями22, где 1: «очень низкий уровень МП», а 5: «очень высокий уровень МП» (в качестве базовой категории принимается уровень 3 «Денег хватает на продукты и на одежду»). Размер населенного пункта представлен в виде порядковой шкалы с пятью градациями: «село», «город <100 тыс. чел.», «город 100-500 тыс. чел.» (выступает в роли части константы регрессионной модели), «город >500 тыс. чел.», «мегаполисы (Москва, базовая категория)».

22 Типичные формулировки: «Категория 1: Мы едва сводим концы с концами. Денег не хватает даже на продукты; 2: На продукты денег хватает, но покупка одежды вызывает финансовые затруднения; 3: Денег хватает на продукты и на одежду. Но вот покупка вещей затруднительна; 4: Мы можем без труда приобретать вещи длительного пользования; 5: Мы можем позволить себе достаточно дорогостоящие вещи.» [Разумова, Кирсанова, 2022: 61].

2.3.2 Операционализация и измерение экономических новостей (уровень СМИ)

Важным объектом исследования на уровне анализа дискурса экономических событий являются экономические новости, публикуемые на регулярной основе и содержащие описание экономических событий, терминологию, количественные показатели и пр. Анализ литературы показал, что имеющиеся теоретические и эмпирические разработки недостаточно конкретизируют природу таких сообщений в отличие от политических. Понятно, что на концептуальном уровне границы этого понятия лежат шире, и требуется для этого определение всех характеристик и процессов, входящих в создание экономического текста. Тем не менее в рамках исследования корректней отталкиваться от термина экономический медиатекст23, внутри которого ключевой сущностью является экономическая информация. Её можно определить через ряд подходов: 1) экономический - восприятие индивидом данных о состоянии основных отраслей и секторов экономики [Mutz, 1992]; 2) семиотический - как специализированные коды, располагающие сигналами к вниманию и действию [Эко, 2022]; 3) лингвистический - как целостная система, описывающая контекст. Важная особенность экономической информации - возможность «встраивания» в логику анализа экономических новостей (текстов), а на более высоком уровне - понимания процессов конструирования экономических медиатекстов.

Отдельно констатируется отсутствие выраженной конкретики в плане измерения экономической информации в СМИ; на практике предлагаются отдельные варианты кодирования экономических сообщений с разными подходами к работе с материалом. Чаще всего — метод простого подсчета числа сообщений по определенной теме исходя из заголовка [Doms, Morin 2004; Iselin, Siliverstovs, 2015] либо содержания сообщения [Soroka [и др.], 2018; Seki, Ikuta, Matsubayashi, 2022]. В рамках исследования разработан авторский алгоритм подсчёта числа экономических новостей. При разработке учитывались исследования связей экономических сообщений и потребительских ожиданий, что позволило операционализировать структуру дискурса этих сообщений, потенциально выделить черты укоренённости и апробировать количественные показатели в моделировании. Основой операционализации экономических новостей выступает серия исследовательских работ, которые возможно классифицировать по следующим аспектам24:

Экономические события ^ системная медиаповестка: экономические события репрезентируют «системные процессы» — описание событий, охватывающих множество сфер жизни и экономической деятельности людей на систематической основе для поддержания в обществе определенного дискурса (нарратива), чтобы впоследствии влиять на общественное мнение [Hester, Gibson, 2003; Wu, Coleman, 2009]. Экономические новости можно представить в качестве дополняющих политические, зачастую их трансформирующие [Blood, Phillips, 1995; DellaVigna, Kaplan, 2007]. Актуализация и поддержание необходимых повесток в разные периоды времени позволяют журналистам выработать устойчивые представления (нарративы) об экономических процессах, на которые должны опираться люди в своих стратегических решениях [Lee [и др.], 2016; Claus, Nguyen, 2018]. В итоге экономические новости возможно рассматривать как совокупность отдельных сообщений в определенный момент времени t, объединенных некоторой воспроизводимой темой h, которую необходимо постоянно отслеживать как журналистам, так и потребителям информации.

Экономические новости ^ источники скрытых «сигналов»: экономические сообщения содержат в себе разнообразие информационных приемов для привлечения внимания чита-

23 Однако необходимо отметить, что в процессе проведения метода SNAt непосредственным объектом работы будет считаться экономический текст. Экономический медиатекст тут выполняет роль сводного термина.

24 Важно отметить тот факт, что указанные далее определения не являются полной концептуальной рамкой, поскольку приведенные формулировки имеют в себе функциональный характер, способствующий лучшему объяснению методологии обработки новостных данных.

телей с различным опытом. В таком случае СМИ можно рассматривать в качестве источника потоковых сигналов, которые оказывают важное влияние как на работу рыночных ниш, так и фондовых рынков [Strauß [и др.], 2018]. Также экономические сообщения могут косвенно определять субъективные оценки индивидов на фоне возникающих экономических проблем (кризисов). Это было продемонстрировано в своё время на примере безработицы, когда восприятие индивидами самой проблемы занятости и «угроз» её применения к самому индивиду усиливается за счёт её активной репрезентации в сообщениях, в том числе через упоминание каких-либо статистических данных [Mutz, 1992; Garz 2014]. В итоге экономические новости возможно рассматривать на уровне отдельных сообщений, содержащих в себе «слова-маркеры», потенциально трансформирующие субъективное восприятие экономической ситуации рыночными агентами.

Экономические сообщения ^ «усложнение» содержания: следствием предыдущего пункта является то, что экономические сообщения зачастую содержат в себе научную терминологию, соответствующие наборы (принципы) освещения событий [Bybee [и др.], 2020], которые могут быть не поняты потребителями массмедиа в силу ограниченности своего уровня образования либо навыков «считывания» сигналов и смыслов. Эта проблема усиливается в настоящее время из-за активной экспансии парадигмы «фейковых новостей», когда информационное сообщение подается значительно искаженным либо недостоверным, в том числе из-за проблемы «усложнения» содержания сообщения (англ. complexity) [Bryanov [и др.], 2023]. Зачастую коммуникативные сложности в большей степени испытывают люди с более низким уровнем образования либо отсутствием специализированного человеческого капитала [Haller, Norpoth, 1997; Damstra, 2019]. Другая проблема заключается в доверии к новостным сообщениям, с учетом возможности их искажения. В итоге экономические новости рассматриваются с позиции «относительной» доли терминов и сложных слов в тексте отдельно взятой статьи.

Экономические сообщения — набор устойчивых фреймов: Концепция фрейминга восходит к тезису, что СМИ преследуют задачу «выбора некоторых аспектов воспринимаемой реальности [, чтобы] сделать их заметными в сообщающемся тексте, способствовать определению проблемы, причинно-следственной интерпретации, моральной оценки» [Entman 1993]. В таком случае ставится задача построения нарратива отдельно взятого сообщения вокруг некоторой «организующей идеи» (фрейма), которая просматривается от одной новости к другой на разных временных промежутках, в разных изданиях [De Vreese [и др.], 2001]. В российских исследованиях массовой коммуникации в качестве экономических фреймов чаще встречаются сюжеты о безработице, инфляции, курсе национальной валюты, котировках нефти, рецессии, кризисе и пр. Их могут подавать в виде различных аналогий, альтернативных форм описания. При этом их явное или косвенное присутствие оказывает «цепляющее» (якорное) воздействие на читателя. В таком случае характерным понятием выступает «bias» — предвзятость, необъективность. Новости можно сделать так, чтобы они фальсифицировали «реальную» реальность в угоду интересам группы и отражали только одну сторону проблемы, попутно принижая значимость иных. Более интенсивное повторение и описание определенной серии события (событий) формирует более четкую рамку восприятия ситуации индивидом. Что же касается фреймов, то они предполагают экстраполяцию проблемы, формирование степени важности ситуации. Таким образом экономические новости можно анализировать с позиции степени выраженности ключевого фокуса репортажа (фрейма) и связанных с ним ближайших смыслонагруженных ассоциаций.

Экономические новости ^ негативизм «дум-скроллинга»: экономические события часто трактуются в негативном тоне. Этот факт исследуется достаточно длительное время и имеет операционализацию в виде понятия «негативных смещений» (англ. negativity bias) — мотивации потребителей массовой информации акцентировать своё внимание на негативных сюжетах при наличии схожих позитивных [Casey, Owen, 2013]. Несмотря на то, что тема имеет вы-

сокую степень разработанности, можно выделить её дальнейшее развитие в составе нового направления изучения новостных повесток. Например, исследователи обращают внимание на современную проблему «дум-скроллинга» — практик усиленного потребления новостей с негативной («кризисной») тональностью на протяжении длительного времени [Haller, Norpoth, 1997; Kalogeropoulos [и др.], 2015]. Это означает, что любые упоминания высокочувствительных сюжетов (таких, как безработица [Garz, 2014]) должны не только усиливать мотивацию индивидов больше читать новости об этом, но и формировать некоторую «субъективную константу» по этой теме. В таком случае экономические новости могут быть рассмотрены в качестве совокупности практик освещения деструктивных, негативных событий с последующим усилением этого негативного фона и на схожие описания экономических событий.

Предложенные варианты трактовки экономических новостей позволяют выделить способы их измерения. Важно учесть тот факт, что существуют разные подходы к анализу новостных сообщений, которые обусловлены не только уровнем изучаемого контекста, но и применяемые в исследовании методологии и специфики обработки данных.

Интенсивность публикации событий в СМИ: исследования 1990-х и 2000-х опираются на подсчёт частотных распределений новостных сообщений, т. к. существовала проблема привязки медиа к оценкам потребительских ожиданий. В первых исследованиях использовался простой подсчет сообщений по выделенным ключевым словам [Tims [и др.], 1989; Fan, 1993; Blood, Phillips, 1995]. Существуют различия в подходах к агрегации. В одних случаях в расчет брались любые сообщения, например, по теме инфляции, ВВП или безработице (в целом). В других — проводился тщательный отбор сообщений, включая контекст и значимость употребления журналистом экономических терминов. В более поздних работах практика расчета частоты упоминания темы в сообщениях стала оформляться в виде самостоятельных индексов (например, «Индекс рецессии», показывающий число сообщений, посвященных рецессии [Iselin, Siliverstovs, 2015]), что нашло поддержку в российских кейсах [Евстигнеева, Карпов, 2023; Винокуров, Медведь, 2023]. Таким образом возможно создать простой индикатор — индекс интенсивности публикации новостных событий.

Тематическое моделирование экономических сообщений: предшествующие способы опе-рационализации и измерения экономических сообщений опираются на простой механизм сбора и агрегации данных. В этом случае не проводится уточнение роли исследуемого фрейма в построении описания события [Leto [и др.], 2024]. Например, неясно, как образ инфляции или курса рубля в реальности формирует медиаповестку в серии новостных сообщений? Данную особенность возможно изучить с помощью алгоритмов вероятностного тематического моделирования методом Латентного размещения Дирихле (англ. LDA) — подвида машинного обучения без учителя (англ. unsupervised Learning), где коллекция текстовых сообщений преобразуется в генеральную совокупность отдельных слов (токенов), принадлежащих множеству потенциальных сочетаний слов в отдельной группе (кластере). Алгоритм позволяет оценить степень выраженности исследуемых понятий (например, инфляция, нефть, курс валюты) в текстовых материалах. На содержательном уровне это может означать вариацию продвинутого фрейм-анализа [Barbaglia, Consoli, Manzan, 2023; Lu [и др.], 2023]. Также полученные количественные показатели возможно применять во вторичных методах исследования, включая качественную интерпретацию или регрессионное моделирование [DiMaggio, Nag, Blei, 2013]. Таким образом мы можем конструировать в рамках исследования третий специализированный индикатор — уровень тематической выраженности экономических фреймов.

Семантическая выраженность экономических сообщений: тематическое моделирование предполагает обязательную обработку сообщений таким образом, чтобы повысить точность конечного распределения токенов по автоматически выделяемым темам. Необходима размет-

ка текстовых данных с потенциальным риском потери устойчивости контекста. Известно, что ньюсмейкеры при описании экономических событий особым образом подходят к построению нарративов [Казун, 2017]. Это означает, что вероятностные статистические модели не в полной мере учитывают, к примеру, особенности помещения тех или иных слов (терминов) в пределах текста. Также тональность сюжета может значительно определяться внутренней связью слов между собой, что позволяет транслировать потребителю массовой информации более «целостную картину». Для решения данной проблемы можно применять методы, основанные на идеи «графов знаний» — математической репрезентации связи слов (концептов) между собой [Opdahl [и др.], 2022]. Применение теории графов к новостным сообщениям способствует выделению роли экономических слов в выстраивании определенных наррати-вов. В рамках исследования предложен авторский способ алгоритмизации семантического сетевого подхода, основанного на существующем актуальном опыте (например [Schultz [и др.], 2015]). Ключевым аспектом становится представление отдельно взятого новостного сообщения в виде семантического графа (semantic graph), который возможно исследовать тремя способами: в виде агрегированной математической модели, её визуализации и специализированных сетевых метрик. Таким образом вводится серия индикаторов, характеризующих положение исследуемого понятия в структуре ассоциативных (семантических) связей с «ближайшими» и «периферийными» токенами — индекс семантической выраженности (связности), индекс семантической ассоциативности.

Таблица 2: Операционализация и интерпретация ключевых понятий и определений.

Понятие Операционализация понятия и/или его интерпретация

Экономическая информация Информация в изданиях (СМИ), которая размещается в экономическом разделе или если такая информация содержит в себе экономические показатели, описание макроэкономических (и экономических en genere) событий, а также прогнозы и аналитика.

Частота / тон новостного сюжета Интенсивность (частота) публикации экономической информации (EIdescr): частотный показатель общего количества статей в СМИ, где употреблялась экономическая информация.

Степень выраженности ЭИ в новостном тексте Степень выраженности - аналитический параметр, характеризующий уровень выраженности наблюдаемого концепта в текстовом корпусе. Вычисление показателя позволяет выделить основную тематику статьи, а также определить те концепты, которые оказываются в равной либо несколько меньшей степени выраженными в тексте новости. Для вычисления степени выраженности ЭИ используются показатели центральности собственного вектора, а также показатели центральности посредничества. Существующие исследования подтверждают валидность данного подхода.

Метрики работы сетевых структур Сконструированное авторское понятие, содержащее характеристики работы сетевых структур. Под сетевыми структурами понимается граф, содержащий вершины (элементы сети) и ребра (связь между ребрами). Метрики используются для определения разных качественных характеристик сети. Предполагается использование следующих метрик: частота целевого концепта в сети; уровень центральности (degree centrality) - количество связей целевого концепта с внешними концептами; уровень близости (closeness centrality) - насколько близко располагаются в сети внешние концепты по отношению к целевому; уровень посредничества (eigenvector centrality) - насколько значимым оказывается целевой концепт для пространства внешних концептов (в разных сетевых структурах он очень разный); показатель качества формирования сообществ концептов — уровень кластеризации на основе алгоритма Ньюмана / Fast-Greedy [Opdahl [и др.], 2023].

2.4 Информационная база исследования и механизмы сбора данных

На втором этапе проведена процедура агрегации данных потребительских ожиданий и корпуса экономических новостей. Рассмотрены параметры выборки для микроданных, ма-

кростатистических индикаторов для построения ИПН, а также новостных изданий (как по источникам, так и по тематическим направлениям).

Источником данных для изучения оценок потребительских настроений и ожиданий населения являются агрегированные временные ряды на базе микроданных социологических опросов. На основе методологической программы (схема, см. Рисунок 2) в качестве базовых ресурсов выступают «Потребительские ожидания в России» Росстата25 и «Инфляционные ожидания и потребительские настроения» ФОМ (ЦБ РФ26). Структура и параметры выборочной совокупности имеют различия в указанных ресурсах. Согласно методологии Росстата объектом населения выступают жители России 16 лет и старше, методом формализованного персонального интервью по месту жительства респондентов в 88 субъектах страны. Общий объем выборочной совокупности в пределах одной волны опроса (NGKS) составляет 5000 чел. Структура выборочной совокупности определяется по поло-возрастному составу, а также по типу населенного пункта проживания. Структура выборки ФОМ представляет собой стандартизованный опрос по репрезентативной общероссийской выборке, репрезентирующей взрослое население старше 18 лет, на основе метода интервьюирования «face-to-face». Общий объем выборочной совокупности в пределах одной волны опроса (Nfom) составляет не менее 2000 чел. Другое различие связано с характером агрегации данных: Росстат публикует Индекс потребительской уверенности на ежеквартальной основе, в то время как Индекс потребительских настроений (ФОМа) измеряется на ежемесячной основе. Итоговый объем данных (представляющий собой временные ряды) Росстата составляет (N1) 44 квартала (130 месяца), а ФОМа (N2) — также 130 месяца. В качестве экспериментального уровня микроанализа (вторичного исследования) в отдельных случаях упоминаются микроданные выборочной совокупности ограниченной совокупности с частичным включением во временные ряды27.

На протяжении продолжительного времени исследование потребительских ожиданий проводилось на основе анализа временных рядов, для чего применялись макроэкономические индикаторы. В различных исследованиях было доказано наличие статистически значимой связи между оценками потребительских настроений и уровнем безработицы, ВВП страны, показателями опережающего развития крупнейших компаний страны (S&P 500), уровнем инфляции, а также показателями темпов роста доходов [Mishkin [и др.], 1978; Carroll [и др.], 1994; Souleles 2004], топливными индексами [Clerides [и др.], 2022]. Для измерения субъективного уровня готовности людей совершать инвестиции в крупные покупки использовались данные по продажам автомобилей [Shapiro, Angevine, 1969], однако их использование в российском контексте затруднительно в связи с особенностями развития автомобильного рынка. В российских публикациях частой практикой исследования социально-экономических аспектов является ВВП [Китрар, Липкинд, 2020], темп прироста инфляции, норма накоплений [Ба-лацкий [и др.], 2020]. Объединяя накопленный опыт, была сформирована база макроданных, представленная в Таблице 3. Источником данных для макроэкономических индикаторов выступил Росстат, с добавлением оперативных данных из специализированного портала фондового анализа «Investing.com», публикующий архивные (исторические) данные для оценки среднемесячных значений нефти и курса рубля. Подавляющее большинство показателей из списка представлены в месячном срезе, и только два индикатора обновляются ежеквартально. В качестве заменителя уровня продаж автомобилей либо динамики S&P-500 (распространено в западных работах) использованы индексы прироста объема расходов населения на товары длительного потребления.

25 Источник данных размещен на постоянной странице «Уровень жизни» Росстата по следующему адресу: https://rosstat.gov.ru/folder/13397 (дата обращения: 03.10.2023).

26 Источник данных размещен на постоянной странице «Инфляционные ожидания» Центрального Банка России по адресу: https://www.cbr.ru/analytics/dkp/inflationary expectations/ (дата обращения: 03.10.2023).

27 Структура кастомизированной базы микроданных в данном аспекте отражена в одной из публикаций автора [Пашков 2021]. Параметры выборки: период опроса с 2012 по 2018 гг, ежемесячный опрос населения Российской Федерации в возрасте старше 18 лет, со средней выборочной совокупностью 1600 чел.

Таблица 3: Список макроэкономических показателей, используемых в качестве «внешних» эффектов

Название Период Источник

1 Уровень безработицы (в %) Месяц Росстат/ВШЭ

2 Индексы потребительских цен (в % к предыдущему месяцу) Месяц Росстат/ВШЭ

3 Внутренний валовый продукт (ВВП) (методология СНС 2008) Месяц Росстат/ВШЭ

4 Индекс среднедушевых доходов населения и реальных располагаемых доходов Квартал Росстат/ВШЭ

5 Индекс ожидаемых изменений цен Квартал Росстат/ВШЭ

6 Среднемесячный курс рубля по отношению к доллару США Месяц Investing.com

7 Среднемесячный курс рубля по отношению к евро Месяц Investing.com

8 Среднемесячная стоимость сырой нефти марки Brent (долл. США / баррель) Месяц Investing.com

9 Среднемесячная стоимость сырой нефти марки Ural (долл. США / баррель) Месяц Investing.com

Для построения конечной базы данных применена двухступенчатая схема отбора экономических новостных сообщений, методология которой основана на анализе существующей практики, но с некоторыми отличиями в части наличия технических возможностей для сбора и анализа большего количества текстового материала [Barbaglia [и др.], 2023].

На первой ступени произведен отбор источников (новостных изданий) для дальнейшего сбора материала. Для определения списка изданий использованы отраслевые аналитические и статистические данные — данные компаний «Медиалогия», «Mediascope» и «Brand Analytics» (охват аналитических материалов — с 2015 по 2019 гг.). Данный временной период определен доступностью данных и полнотой информации. Анализ данных за несколько лет позволил сформировать устойчивый список источников, который лёг в основу процедуры автоматизированного сбора новостей. Были включены «классические» печатные новостные издания (например «Российская Газета», «Ведомости»), электронные варианты (например «Lenta.ru», «Gazeta.ru»), а также новостные агрегаторы (например «ТАСС», «РИА»). Дополнительно проведено разделение деловых и массовых изданий. Как отмечают российские исследователи, деловые издания обладают большей сфокусированностью на описании семантически нагруженных событий, для чего более интенсивно применяют техническую и околонаучную лексику, что влияет на конечное формирование аудитории читателей [Казун, 2017]. При этом активное развитие сетей Интернет, в частности социальных сетей и социальных медиа рассматривается «как площадки для генерации информации и информационных поводов, а также как ресурс для получения вторичных данных» [Разумова, 2014: 45]. Соответственно это влияет на дальнейшее развитие смежных источников, таких как интернет-издания (например, «Lenta.ru» и пр.), что означает их включение в выборку. Также зарубежные исследования констатируют тот факт, что социальные медиа и интернет-издания являются качественными и позитивными предикторами изменения потребительских ожиданий [Soroka 2018]. Таким образом, основу выборки составляют интернет- и печатные издания (имеющие электронную версию своих материалов). Существует отдельная дискуссия выбора контекста медиа-репрезентации — на уровне отдельных регионов (например [Булатова, Глухов, 2015]) или в целом по стране (например [Первушин, 2022]). Поскольку исследование потребительских ожиданий представляет собой агрегирование данных по выборке, единовременно репрезентирующей население страны, то внимание к индивидуальному региональных контексту затрудняет дальнейший анализ динамики изменения ожиданий. Это означает методологическое смещение в сторону изданий и контекста, освещающего события «в целом по стране».

На второй ступени проведен процесс сбора текстовых данных по следующим критериям: 1) соответствие новостного издания статусу наиболее цитируемого / распространенного

среди читательской аудитории; 2) охват сообщений в периоде с 2008 по 2019 гг.; 3) учёт специализированных единиц экономической информации, по которым производится отбор новостей; 4) применение специализированного инструментария для точного и полного отбора новостных сообщений. При учёте критериев использован электронный архив новостных сообщений «Public.Ru», который предоставляет возможности для построения выборки новостных сообщений по различным контекстуальным запросам. В дополнение к нему выступили корпуса новостных сообщений, содержащие собранные «сырые» новостные данные. В таблице 4 представлен список контекстуальных запросов и ключевых единиц экономической информации (далее — мастер-токены). Сформулированные контекстуальные запросы позволили не только оценить объем валидных, близких к контексту исследования тем, но и специфицировать особенности употребления мастер-токенов в сообщениях как деловой, так и общественной прессы и интернет-изданий.

Таблица 4: Примеры контекстуальных запросов, выполненных на платформе Public.Ru для отбора новостных сообщений

Контекстуальный запрос Характеристика / Особенности

(инфляци_ or безработиц_) and Росси_ Отбор новостей любой тональности, а описание — в пределах Российской Федерации.

(within 1 word (рост цен, продукты, продовольствие, продуктов, питания, услуги, инфляци*)) Получение коллекции сообщений, посвященных инфляции и «росту цен» как самостоятельным контекстам. Отбор новостей любой тональности, а описание — в пределах Российской Федерации.

within 1 word (курс доллар*) Специфика отбора новостей предполагала наиболее широкую трактовку событий вокруг валютного рынка для учёта большего разнообразия новостных сообщений. Отбор новостей любой тональности, а описание — в пределах Российской Федерации.

within 1 word (курс евро)

(within 1 word (нефть Brent) or within 1 word (нефть Urals) or within 1 word (котировки Urals) or within 1 word (котировки Urals)) Специфика отбора новостей предполагала наиболее широкую трактовку событий вокруг валютного рынка для учёта большего разнообразия новостных сообщений. Отбор новостей любой тональности, а описание — в пределах Российской Федерации.

(рецесси_ or within 2 word (рост экономики замедлился) or within 1 word (экономический спад) or "спад экономики") and Росси_ В рамках запроса учитывались сообщения, которые были связаны с ВВП и ВНП страны, что расширяло выборку сообщений. Отбор новостей любой тональности, а описание — в пределах Российской Федерации.

По результатам первичной агрегации новостей из базы данных «Public.Ru», сайтов новостных изданий и открытых корпусов медиа-контента подготовлен сырой (англ. raw) корпус новостных сообщений объемом более 3.2 млн. единиц. В рамках второй ступени фактический отбор сообщений подразумевал выборку единиц информации по ключевых словам (из Таблицы 4). В результате получена итоговая выборочная совокупность -813 тыс. сообщений со следующим распределением по новостным изданиям (Таблица 5).

Таблица 5: Итоговая выборочная совокупность новостных сообщений, по изданиям и направлениям

Наименование издания Тип издания (классификация) Общая совокупность (ед.) Выделенная Выборка (ед.)

1 «Газета.ру» [gazeta.ru] Веб-издание; универсальное 865834 89914 (10.4%)

2 «Интерфакс» [interfax.ru] Веб-издание; универсальное 543400 71551 (13.17%)

3 «ТАСС» [tass.ru] Веб-издание; универсальное 452148 227107 (50 %)

4 «Фонтанка» [fontanka.ru] Веб-издание; универсальное 7910 7910 (100%)

5 «РИА новости» [ria.ru] Веб-издание; универсальное 1003869 175108 (18%)

6 «КоммерсантЪ» [kommersant.ru] (Веб-)издание; деловое 17474 17474 (100%)

7 «Комсомольская правда» [kp.ru] (Веб-)издание; универсальное 4016 4016 (100%)

8 «Московский комсомолец» [mk.ru] (Веб-)издание; универсальное 9242 9242 (100%)

9 «LENTA» [lenta.ru] Веб-издание; универсальное 800038 208011 (26%)

10 «РБК» [rbc.ru] (Веб-)издание; деловое 12112 12112 (100%)

Общая совокупность 3254653 (100%) 813203 (22%)

2.5 Степень методической разработанности исследования

На третьем этапе разработана и описана методика исследования, в частности рассмотрены ключевые аспекты: 1) построение (запись) уравнений временных рядов, оценка и интерпретация; 2) обработка, визуализация и анализ текстовых (новостных) данных и включение их в соответствующие модели. Особым, но вспомогательным направлением является диагностика и изучение многоуровневых микроэффектов28 изменения потребительских ожиданий. Синергия методик анализа способствует решению поставленных задач в диссертационном исследовании. Техническая реализация обозначенных методик выполнена в статистической среде R [R Core Team, 2022]29 версии 4.1.3 с набором специализированных библиотек для статистической обработки, эконометрического моделирования и обработки текстовых массивов. Таким образом, методический дизайн выстроен в количественно-качественном ключе, с выраженным присутствием количественной составляющей. Отдельным нововведением диссертационного исследования является процесс обработки данных, выполненный в актуальной парадигме «Computational Social Science» [Edelmann [и др.], 2020], что подразумевает под собой использование стратегии высокопроизводительных параллельных вычислений. Далее кратко описаны ключевые методические принципы работы с источниками данных согласно ключевым этапам исследования.

2.5.1 Ревизия методов моделирования потребительских ожиданий на микроуровне

Базовый принцип исследования потребительских ожиданий заключается в разработке и применении методов анализа временных рядов несмотря на то, что источником формирования динамики потребительского поведения являются микроданные социологических опросов. Результаты обзора эмпирических работ демонстрируют доминирующий акцент на макроуровне анализа потребительских настроений. Иными словами, исследование социальных аспектов ИПН становится нетипичной задачей, поскольку большинство существующих разработок использует индекс в агрегированном виде, рассматривает в качестве макроэкономического индикатора для исследования субъективных ожиданий людей относительно дальнейших изменений в макроэкономике. Тем не менее методика конструирования ИПН позволяет проводить анализ на микроуровне, что достигается следующей методологией. В 2000-х гг. один из ключевых исследователей психологической экономики — Р. Куртин — разработал механизмы расчета индивидуальных индексов потребительских настроений для каждого респондента отдельно [Curtin, 2007], что позволило использовать ИПН в социологическом анализе и это подтверждается некоторыми успешными примерами [Ибрагимова, 2014; Lahiri,

28 Под «микроэффектами» подразумевается совокупность социально-демографических и социально-экономических характеристик населения, которое должно определять изменчивость потребительских ожиданий на микроуровне. Данный аспект исследования представлен в работе ограниченно в связи с недоступностью микроданных «Курьер» на всем временном периоде анализа.

29 R Core Team (2022). R: A language and environment for statistical computing [электронный ресурс]. // R Foundation for Statistical Computing, 2024. - Режим доступа: URL https://www.R-project.org/ (дата обращения: 01.05.2024).

Zhao, 2016]. Однако подобных кейсов мало: большинство изученных «спускаются» на уровень микроданных только для оценки серии временных периодов. В некоторой степени это можно обозначить в качестве ранних попыток построения регрессионных уравнений, где ИПН выступает в роли фактора, нежели ключевой переменной. Этим характеризуются исследования 1950-х и 1960-х (Таблица 6). Несмотря на возможности регулярного измерения уровня потребительских ожиданий, зарубежные исследования того времени зачастую использовали квартальные данные совместно с OLS-моделированием, куда помещали ИПН в качестве зависимой (ключевой) переменной, а также серию «объективных» индикаторов, связанных с экономикой. Тем не менее попытки «социологического» исследования изменения динамики потребительских ожиданий предпринимались в 1990-х. Среди «свежих»30 можно выделить, например, работу М. Отоо, где приводится отдельный фрагмент «социологического» анализа по методике Мичиганского университета и выделяется статическая значимость социально-демографических эффектов в изменении потребительских настроений [Otoo, 1999]. Тем не менее для построения линейных структурных регрессий необходимо наличие относительно небольшого временного периода (в работе Д. Ибрагимовой это с 2010 по 2014 гг.; в работе М. Ото — с 1995 по 1997).

Таблица 6: Примеры исследований с опорой на линейное регрессионное моделирование ИПН

Источник (статья) Период Спецификация модели (особенности исследования)

[Tobin, 1959] 1952-1953 Исследование построено на анализе двух отдельных периодов в 1952 и 1953 гг. Методология по своей структуре соответствует логике OLS регрессии на отдельной, не систематической выборке респондентов. Автор указывает объем выборки в 652 ед. В качестве предикторов по отношению к ИПН упоминается объем расходов на потребление товаров длительного пользования (автомобили, предметы мебели и роскоши), объем непогашенной ипотечной задолженности, объем сбережений.

[Adams, Green, 1965] 1954-1963 В исследовании ИПН использовался в качестве зависимой переменной. В список детерминант включены доход и уровень потребительских цен. Основной акцент на переменных, объясняющих «объективные экономические феномены». В качестве метода регрессионного анализа применялась OLS-регрессия.

[Mueller, 1963] 1952-1961 Исследование представляет собой серию из отдельных замеров уровня потребительских настроений, разбитых на период 12 месяцев. В статье не приведено описание типа регрессионного моделирования, однако результаты свидетельствуют в пользу OLS-регрессии.

[Shapiro, Angevine, 1969] 1960-1967 Источником данных по инвестициям населения в товары длительного потребления являлась статистика по количеству приобретенных населением автомобилей. Использовались квартальные данные. В исследовании приводится OLS-модель.

[Ward, Pickering, 1981] 1974-1978 Квартальные оценки потребительских настроений и макроэкономических показателей. ИПН рассматривается в качестве зависимой переменной. В исследовании приводится OLS-модель.

[Ибрагимова, 2014] 2010-2014 В статье представлены результаты оценки влияния различных детерминант изменения потребительских ожиданий. В качестве ключевого предиктора выступает когортная группа респондента, а также ряд социально-демографических параметров. Автор использует простую OLS регрессию с методом пошагового отбора (stepwise regression) на данных 15-летнего мониторинга потребительских настроений.

30 Наиболее ранний вариант применения микроданных без последующей агрегации было проведено в работе Дж. Тобина [Tobin, 1959] на двух отдельных периодах.

2.5.2 Конструирование зависимой переменной («дельта-ИПН») для микроуровня

В Разделе 2.2.1 приведено описание методических принципов построения (расчёта) Индекса потребительских настроений и сделан акцент на возможностях конструирования индивидуального индекса потребительских настроений согласно методике Р. Куртина. В таком случае формула выглядит следующим образом [Сш1ш, 2007; Ибрагимова, 2014]:

5 п

100+100, (1)

}=11=1

Где ] — индикатор, i — респондент, ^ — волна, а х^ представляет собой код ответа

По сути формула 1 является вариацией расчета агрегированного ИПН, за исключением механизма кодирования и подсчета суммы: переменная ] может принимать несколько значений: значение «1», если респондент положительно отвечает на компонент CSI; «-1» — если он отвечает негативно; в остальных случаях «0». На основе комбинации «0» и «1» получается размах значений с «центром» на уровне 0 п.п. (присутствие исключительно отрицательных ответов), 100 п.п. («нейтральные» ответы по всем компонентам CSI) и 200 п.п. (присутствие исключительно положительных ответов). В то же время Д. Ибрагимова отмечает, что «совокупный индекс потребительских настроений ... отражает общую социально-экономическую ситуацию в стране в конкретный момент времени, из этого логически следует, что отклонения в значениях индивидуального индекса от обобщённого у отдельного респондента вызваны его личными социально-демографическими характеристиками» [Ибрагимова, 2014: 31]. Это означает, что для эффективного моделирования значимости получаемых индивидуальных оценок необходимо рассчитать агрегированный ИПН (в том числе его суб-агрегатов CSIICC и CSIюE) и получить разницу между оценками ИПН и значениями из формулы 1. Фактически получается следующий вариант расчета (формула 2), который далее обозначается как Дельта-ИПН (СБ!-^):

CSI ^ гЫ , (2)

где СЗЪ&г — агрегированный ИПН, CSIind — индивидуальный ИПН

Отличительная особенность дельты-ИПН заключается в том, что её возможно использовать на уровне отдельного индивида, в то время как агрегированный ИПН представляет собой постоянное значение (константу) в пределах волны опроса и затрудняет его применение на микроуровне31. Работа с дельта-проекцией является более продуктивной, поскольку на аналитическом уровне обеспечивает возможность учёта вариации разных оценок, распределенных по демографическим и экономическим критериям. Дополнительный анализ формы распределения дельта-ИПН (рисунок 3) демонстрирует признаки нормального распределения вкупе с большим разбросом значений. В результате индикатор носит «конструктивный» характер и может рассматриваться в качестве опорной зависимой переменной.

31 При этом необходимо отметить, что индивидуальные индексы потребительских настроений имеют меньший размах значений, т. е. они обладают более дискретной природой (например, это 0, 20, 80, 100, 120 и т. д.)

Дельта ИПН Агрегированный ИПН

О -I ц"|

о о

о — о

о о о

LTI

о —1

Рисунок 3: Примеры распределения оценок дельта-ИПН с агрегированным ИПН; Примечание: Тест Андре-рсона-Дарлинга для дельты-ИПН: 347.53 (р<0.01); для агрегированного ИПН: 1787 (р<0.01)

2.5.3 Особенности моделирования потребительских ожиданий на макроуровне

Фактическая традиция исследований потребительских ожиданий основана на эконо-метрическом моделировании и имеет широкую дискуссию начиная с конца 1980-х, когда Кр. Симс разработал методологию векторной авторегрессии (англ. VAR) [Sims, 2012]. Данное методическое поле широко распространено среди экономистов, но накладывает ограничения в части состава исследуемых индикаторов, построения рабочих гипотез, предпосылок и спецификаций уравнений. Существует серия особенностей и принципов, которые описаны преимущественно в экономических журналах. Так, структура уравнения векторной авторегрессии представляет собой типичную формулу [Банников, 2006: 97]:

Уг = А1 Уг-1 + ... + Ар Уг-р + Вхг + ^г ,

где yt — вектор переменных т. н. «первого» порядка (эндогенные переменные, входящие в состав исследовательского вопроса), а xt — вектор экзогенных переменных (носящие вторичный характер). Ключевой характеристикой является Л1, — матрица коэффициентов экзогенных и эндогенных переменных, где проявляется свойство учёта не только прямых эффектов переменных, но и влияние временной компоненты (лага) в этом процессе [Ozcicek, Mcmillin, 1999]. Таким образом спецификация VAR моделей представляет собой систему уравнений, где каждая пара yt / xt включается в модель как зависимая и независимая переменная. В таком случае каждая исследуемая переменная оценивается не только «сама с собой», но и с учётом одновременного воздействия другой. Количество уравнений в составе единой модели равняется количеству включенных переменных. С этим фактом связано ограничение векторных авторегрессий: модели требуют учёт разнородных факторов (эндогенных, экзогенных). Факторы должны быть стационарными (распределение значений во времени должно быть случайным) и не коинтегрированы между собой (отсутствие выраженной корреляции) [Пашков, 2021]. Среди экономистов и экономических психологов факторы эндогенного характера выводятся из агрегированного индекса потребительских настроений, в то время как макроэкономические показатели (такие, как уровень безработицы, доходов населения или уровень инфляции) рассматриваются в качестве экзогенных. Для их совмещения необходимо применять т. н. «многомерные временные ряды». Более простые методы анализа временных рядов (такие, как ARIMA, модели скользящего среднего) заточены под прогнозирование, что означает

использование индикаторов по-отдельности, без возможности их совместного моделирования. Для решения этой проблемы применяется векторная авторегрессия. На теоретическом уровне VAR может быть представлен в качестве вариации структурного моделирования (англ. Structural Equation Modelling, SEM), распространенного в социальных исследованиях. В рамках структурного моделирования строится система линейных уравнений, учитывающая не только состав детерминант (переменных), но и их латентную природу (воздействие переменных между собой на разных уровнях кодирования признаков) [Ожерельева, 2017]. В теории регрессия с использованием методологии SEM может применяться в отношении исследования потребительских настроений, однако таких исследований не представлено. Одна из возможных причин заключается в невозможности учёта взаимосвязи явных и латентных факторов во времени, в агрегированном виде.

Экономисты объясняют статистическую значимость изменений динамики ИНН влиянием макроиндикаторов. Потребительские ожидания могут влиять на структуру расходов населения, ВВН, инфляцию, безработицу и ряд других показателей, что, в свою очередь, связано с последствиями экономических изменений. Тогда задача Индекса потребительских настроений заключается в оценке динамики ожиданий; интерпретация проводится через логику «влияния», что, согласно изученному опыту, реализуется при помощи векторной авторегрессии и оценок взаимной связи факторов между собой [Klopocka, 2017]. В настоящее время известно, что методология VAR в контексте исследования потребительских ожиданий подвержена обсуждению. Основная причина — необходимость тщательного подбора стационарных временных периодов, поиска и изучение нелинейной природы данных [Claveria, Pons, Ramos, 2007]. Динамика ИНН зачастую оказывается неслучайной (нестационарной), что «противоречит» классическим требованиям VAR. Применение некоторых расширений (например, SVAR, VEC [Fisher, Huh, 2016]) снимает часть ограничений, но интерпретировать неэкономические факторы (особенно нестационарные) сложнее. Если исходно они приобретают характер смещения — возникает потребность включения психологических либо социальных факторов в анализ потребительских ожиданий. Решение данной проблемы связана с определением специфики социально-демографической структуры респондентов. Пример - методика ко-гортного анализа ИНН, где используются «классические» техники OLS-моделирования меж-поколенческих, социальных, макроэкономических параметров совместно с ИНН [Ибрагимова, 2014]. Таких исследовательских разработок пока немного, но они уже подразумевают «социальное» основание потребительских ожиданий.

В результате автором диссертационного исследования апробирован алгоритм конструирования моделей временных рядов на базе альтернативной методики авторегрессионных уравнений с распределенным лагом (сокр. ARDL). Данный алгоритм был разработан в начале 2000-х М. Несараном и соавторами для решения проблемы тестирования существования долгосрочных взаимосвязей между зависимой переменной и набором исследуемых предикторов [Pesaran [и др.], 2001]. ARDL-подход имеет ряд преимуществ по сравнению с традиционными методами: конструирование единого уравнения временного ряда, с одной зависимой переменной, а также автоматический подбор оптимальных лагов на базе специализированных метрик (AIC/BIC), гибкая адаптация алгоритма к выборкам сравнительно небольшим выборкам [Natsiopoulos, Tzeremes, 2022]. Структура уравнения выглядит следующим образом:

p q

y= Co+Cit+X Ф?с-1 + Z ß'iXt-i+u,

i=1 i=0

«Где Yt - вектор ключевой (зависимой) переменной, X отражает матрицу значений, состоящих из эндогенных и экзогенных факторов (фактически это набор предикторов), ßi отражает вектор авторегрессионных коэффициентов, а ut представляет собой вектор случайных колебаний, вызванных поведением факторов в модели <...> В исследованиях наблюдается услов-

ный «консенсус», что максимальный лаг в подобных моделях должен быть не более 2 единиц, при этом либо все переменные уже должны пройти фильтрацию l(1), либо «проблемные» переменные исключаются, чтобы сделать эффективной VAR-модель. В случае с ARDL допустимо включать в модель как стационарные, так и нестационарные переменные.» [Пашков, 2021: 54]. Особенности конструирования единых авторегрессионных уравнений с распределенным лагом позволяют исследовать причинно-следственные связи, выделять каузальные детерминанты, что релевантно в качестве актуальной практики социологических исследований.

2.5.4 Ревизия принципов исследования СМИ в контексте потребительских ожиданий

Внимание исследователей ИПН к средствам массовой информации появляется в конце 1980-х гг. Первые методологические статьи отмечают целесообразность использования ИПН в экономических прогнозах, при этом констатируется необходимость исследования влияния эмоций на финансовые решения (англ. animal spirits), вносящее искажения в стандартные модели. Высказывается предположение, что эти «spirits» определяются качеством потребления оперативной информации, например экономических новостных сообщений, описывающих «текущие тенденции» в экономике (в частности уровне безработицы в стране) или перспективная информация, доступная из узких кругов [Fuhrer, 1988]. Другие исследования, моделирующее изменение Индекса в периоде с 1978 по 1990 гг. совместно с контент-анализом экономических сообщений, показали высокую предиктивную способность СМИ объяснять долгосрочные изменения ИПН [Tims [и др.], 1989; Blood, Phillips, 1995]. Сформировалось новое методическое направление исследований с акцентом на роли СМИ в качестве ключевого предиктора потребительских ожиданий. Анализ прикладных исследований после 2000-х гг. показал, что основная проблема связана с процедурой кодирования экономической информации.

«Известно, что периоды кризиса стимулируют вдумчивый анализ ситуации с целью выбора продуктивной стратегии [Brown [и др.], 2019], а новостные сообщения становятся важным предиктором изменений настроений на рынке и в обществе [Doms, Morin, 2004]. Плохие новости, как правило, приводят к негативному «настроению» рынка и общества, в то время как хорошие игнорируются [Medovikov, 2016]. Иначе говоря, экономические новости, в отличие от иных вариантов, стоит рассматривать в качестве источников отражения «сигналов» на рынках и экономике [Hester, Gibson, 2003; Lischka, 2015]. Во многих работах наблюдается статистическая связь между условной интенсивностью освещения экономических событий в СМИ и динамикой ИПН. Однако подробный анализ возвращает к сформулированной ранее методической проблеме — наличие разных наборов данных и методик, приводящих к появлению схожих результатов, но преимущественно без выраженного уровня статистической значимости (низким показателям R2/AIC).» [Пашков, 2021: 45]. К таким примерам относится работа М. Старр, где выявлена статистически сильная связь между количеством новостей (порой не отражающих фактических изменений в экономике), импульсивными всплесками медиадискурса и динамикой потребительских настроений [Starr, 2012]. В исследовании Г. Кейси и Э. Оуэн отмечено, что реакция домохозяйств (их потребительские ожидания) на события в экономике становятся острее при потреблении ими преимущественно негативных экономических новостей. Таким образом в обоих исследованиях отмечено, что информационная среда и модели новостного освещения событий играют важную в потребительских ожиданиях людей, даже при условии оторванности новостей от фактической реальности в экономике. Другой вопрос — акценты на ключевых событиях и процессах. События, связанные с кризисами и рецессиями, отраженные в описании СМИ, оказывают выраженный негативный эффект на потребительские настроения и ожидания [Hollanders, Vliegenthart, 2011]. Стремление СМИ удовлетворять спрос на негативные и циничные новости может приводить к искажению освещения политических и экономических событий [Trussler, Soroka, 2014]. Например, в зависимости от исторического и экономического контекстов подобной «цинич-

ной» темой может являться сырая нефть: в исследовании З. Алсалман на примере динамики потребительских настроений в США указала, что геополитические шоки предложения нефти оказывают более сильное негативное влияние на потребительские расходы и настроения, чем технологические шоки [Alsalman, 2021]. Другие «шоки» включают в себя безработицу, ВВП, инфляцию [Doms, Morin, 2004; Starr, 2012]. Последнее является актуальным направлением исследований в части выработки методики оцифровки соответствующих новостных сообщений. В статье Ф. Аудрино и Э. Оффнера показано, что настроения, выраженные в новостях о макроэкономике, могут объяснять и прогнозировать процентные ставки (инфляцию), даже после учёта ожиданий профессионалов и потребителей [Audrino, Offner, 2024].

Описанные прикладные результаты были достигнуты во многом благодаря продвинутым методам обработки текстовых данных. Одновременно с этим необходимо констатировать разноплановый характер этих методов. К примеру, первые методические наработки включали в себя построение показателей количества новостных сообщений, содержащих определенную тематику экономических событий: число заголовков в газетах о рецессии в стране на фоне выборов [Blood, Phillips, 1995], количество сообщений разной тональности (негативные, позитивные и нейтральные) по безработице, рецессии, инфляции и ВВП [Doms, Morin, 2004]. С появлением более совершенных алгоритмов исследователи перешли от простого подсчета сообщений к анализу их внутренней структуры (фреймов) с применением экспертного и автоматизированного контент-анализа сообщений [Boukes [и др.], 2021], дискурс-анализа [Stoltz, Taylor, 2024], тематического моделирования особо больших корпусов новостей с помощью алгоритмов Латентного размещения Дирихле и техник кодирования эмоциональной окраски сообщений. В ряде случаев формируются не только практики работы с контентом, но и создаются специальные программные инструментарии синтаксического анализа посредством семантических сетей [Atteveldt [и др.], 2008; Arnold [и др.], 2019]. Приведенные подходы позволяют извлекать исследуемые термины/образы (категории) в текстах в количественном и качественном аспектах, реконструировать логику формирования определенного процесса либо отношения к объекту исследования (дискурса). Актуальна дискуссия построения оптимальной схемы формирования рабочих категорий, их фиксации и оцифровки [Weiss, Nemeczek, 2021]. При работе с «узкой» (специфичной) темой контент-анализ как методология подразумевает включение нескольких экспертов в работу, тщательный подбор рабочих источников [Kharlamov [и др.], 2018; Быков [и др.], 2023]. Отсутствие предполагаемого спектра ассоциаций, рабочих категорий или невозможности сторонней экспертизы создает проблему качества обработки большего объема информации. Контент-анализ в таком случае может не в полной мере подойти на роль разведочного метода. Между тем для лучшего кодирования «сложных» тем рекомендуется применять более автоматизированные алгоритмы. Обработка большого объема неструктурированных данных возможна за счет многопоточной «оцифровки» медиа-фреймов программными методами: машинное обучение, тематическое моделирование. В социологической практике это может способствовать получению более качественного представления о репрезентации тематики экономических событий (таких, как инфляция, курс рубля и нефти, безработица, рецессия) на базе качественного контент-анализа. Можно отметить определенный прогресс, связанный с принципами «продвинутого фрейм-анализа» [Ruef, Markard, 2010], что отвечает цели диссертационного исследования.

Для решения поставленных задач сформулирован и апробирован следующий алгоритм обработки экономических новостей, состоящий из трех этапов и объединенный двумя ключевыми методами исследования (Рисунок 4):

Процедура предварительной обработки

Формирование списка текстов в табличной эепреэентации (+дата публикации + источник) Очистка данных от стоп-слов, (URL) символов Стем ми н г/Jl е м м эти зация/ POS-теггин г Экспертная верификация качества обработки

га j

о"

Г

Тематическое моделирование ("Стратегия LDA"}

topicmodels

Ь.

textmimR

Формирование объекта DTM (Терм-документная матрица)

iictpipe

Y corpusloats

Семантическое моделирование ("Стратегия SNA")

corpusloots

Оценка соотношения числа документов к используемым словам (токенам) для определения оптимальных гиперпараметров

Проведение процедуры LDA к корпусу токенов [20]

Переход от необработанны); текстов к хранению отдельных слон кактокеноо

Расчет графов на основе семантических окон с вычислением косинуса свяли между юкенами (метод со-осоигтепсе)

--I -

Расчет графов "общей" агрегации

Расчет графов "индивидуальной" агрегации

Оценка качества процедуры тематического моделирования (построение соотв. метрик)

Семантические графы L- Генерация списка ребер

(undirected edge-llst, weighted) \ (edge-list)

Визуализация графов (общих/и ищи в и дуапь них] Расчет метрик семантических сетей (Рад«Rank.1 Deaneei' Eigenvector^

Общее значение метрик для статей ээ отдельный месяц ввиду агрегации

Нахождение среднего значения для индивидуальных статей за определенный месяц

Определение огтимэпьного числа тоников (фреймов)

Определение ключевых тем (coherence/prevalence)

Определение I описание основных фреймов

Определение I описание основных фреймов

Рисунок 4: Алгоритмическая схема для обработки и подготовки текстовых данных из экономических новостей с применением языка Я. Основано на [Atteveldt [и др.], 2008].

По результатам агрегации «сырых» (raw) данных (описание в Разделе 2.2.3) на первом этапе проведена подготовка текстовых данных согласно рекомендациям российских исследователей [Краснов [и др.], 2021; Щеглова [и др.], 2021; Резанова, Степаненко, 2023; Федорова, Сальникова, 2024]: 1) сформированы таблицы исходных текстовых материалов; 2) проведена подготовка текстов с помощью программного инструментария «tm» [Feiner [и др.], 2008], включая очистку данных от стоп-слов (по специальному словарю), исключение знаков препинания, а также приведение слов в т. н. «единую начальную форму» (стемминг/лемматизация). Далее выполнена процедура разметки слов на части речи (POS-тэггинг) с использованием специализированного пакетного инструментария «udpipe». По результатам обработки получен корпус новостных сообщений, содержащий слова, наполненные смысловой нагрузкой (существительные, глаголы, прилагательные, наречия). Отдельно извлечены ключевые слова (т. н. «таргет-токены») для дальнейшей оцифровки.

На втором этапе реализованы две ключевые процедуры обработки данных. Первая процедура — тематическое моделирование (англ. topic modelling) методом «Латентного размещения Дирихле» (англ. LDA) [Blei, Ng, Morgan, 2003]. Данный метод относится к категории кластеризации групп документов (корпуса текстов) без вмешательства эксперта (методика «обучения без учителя»). Его суть заключается в следующем. Алгоритм LDA, согласно ар-

D Nd

хитектуре реализует следующую формулу: p(\a,ß)=n.[Р(edIа)П p(zdnISd)p(wdn11ап,ф)],

d=1 n=1

где w - слова в документах, z — темы, к которым относятся слова, в — распределение тем для каждого документа, ф — распределение слов для каждой темы, a — параметр распределение Дирихле для в, ß — параметр распределения Дирихле для ф , D — количество документов, Nd — количество слов в d-ом документе. p(9dla) — вероятность распределения тем для d-го документа, задается распределением Дирихле с параметром a. p(zdJöd) - вероятность того, что n-ое слово в d-ом документе относится к теме z, задается категориальным распределением. p(wdn l Zdn, ф ) — вероятность того, что N-ое слово в d-ом документе равно w, при условии, что оно относится к теме z, задается категориальным распределением с параметром ф. Таким образом LDA позволил решить проблему идентификации скрытых дискурсивных фокусов в материалах очень большого объема для последующего моделирования структуры с помощью семантических графов. За счёт специализированных программных решений LDA позволяет быстрее вычислять наиболее острые темы, случившиеся в определенные периоды времени (по сравнению с классическими методами кодирования текстов ускорение составило до 10 раз). Основное ограничение связано с объемом и структурой корпуса: он должен быть разнообразным, неструктурированным [Baranowski, Cichocki, 2021; Ahmed, Nawaz, Jadoon, 2022].

Вторая процедура — семантический сетевой анализ новостных текстов (сокр. ССА). Суть метода заключается в следующем: индивидуальный текст новости обрабатывается и реконструируется таким образом, чтобы предстать в виде сети смысловых отношений между словами. Технически сети ассоциаций представляют собой сети токенов (индивидуальных вербальных категорий — слов, чисел, др.). Математическое представление подобной сети — ориентированный случайный граф G, где вершины — отдельные единообразные токены, а связи (ребра) — их отношения [Батура, 2016], тем самым моделируются семантические (ассоциативные) связи. В результате конструирования семантических сетевых графов получены серии количественных метрик, характеризующие положение и взаимную значимость токенов в пределах отдельно взятого текстового материала. На основе изученного опыта исследования семантических сетей [Diesner, Carley, 2005; Atteveldt, 2008; Drieger, 2013; Christensen, Kenett, 2021] разработаны и внедрены в макроанализ два типа графовых метрик: 1) Интенсивность публикации общего/отдельного экономического дискурса (категории событий); 2) Оценка выраженности отдельной единицы экономического дискурса в выделенных новостных изданиях за определенный период. Первая представляет собой подсчет количества сообщений, где упоминаются исследуемые таргет-токены (например, простое упоминание образа/категории рецессии в заголовке, в первом абзаце либо в конце текста сообщения)32. В качестве достоинства относится простота вычисления, агрегация в любом измерении (например, за один месяц), а также возможность стандартизации оценок (среднее, медиана либо взвешенная сумма). Другим достоинством является выведение интенсивности в зависимости от типа издания и тональности сообщение. Последнее реализовано по алгоритму, предложенному в российских исследованиях с учетом специфики поведения отдельных слов [Басина [и

др.], 2022].

32 Первоначально в литературе этот способ дополнительно обозначают как «R-word Index» [Iselin, Siliverstovs, 2013], и он критикуется ввиду отсутствия возможностей по полноценному анализу содержания сообщения, если в заголовке или первом абзаце отсутствует таргет-токен. Однако длительное время этот способ обеспе -чивал возможности по моделированию СМИ в составе эконометрических уравнений [Blood, Phillips, 1995; Doms, Morin, 2004; Starr, 2010].

Вторая метрика связана с анализом внутренней структуры текста новости. Она базируется на принципах анализа отдельных видов семантических топологий, имеющих некоторое родство с теорией графов [Palmquist [и др.], 2020]. «Сердцем» подхода является представление о семантических сетях — особых картах знания, представляющие форму организации ассоциативных связей между отдельными словами [Diesner, Carley, 2005], В ряде публикаций представлено более подробное описание этой концепции, а также раскрыты основные положительные (и ограничивающие) аспекты. Ряд авторов (например [Drieger, 2013]) предлагают использовать такие метрики, как:

1. Степень центральности (Degree Centrality): Метрика, обозначающая фактическое число ассоциаций, приходящихся на отдельно взятый токен. Показывает число ассоциаций между словами в одном тексте. Чем выше метрика — тем чаще автор статьи использует токен в своих нарративах.

2. PageRank: Специализированная метрика, разработанная специалистами Google [Mihalcea, 2004; Almquist, Bagozzi, 2019]. Она позволяет вычислить степень «важности» токена в семантической сети на основе ранжирования метрики по всем токенам одного текста. Чем выше значение метрики — тем более ценным оказывается токен, т.е. автор нарратива больше придаёт значения этому слову, даже если оно нечасто повторяется в тексте.

3. Степень собственного вектора (Eigenvector): оценка «веса» семантического узла для токена, с которым ассоциируются другие токены [Almquist, Bagozzi, 2019]. В ряде случаев данная метрика оказывается менее продуктивной, чем PageRank, потому что имеет ограниченный интервал значений от 0 до 1, однако это затрудняет дальнейшее моделирование. В итоге в качестве ключевой метрики использована метрика PageRank.

Несмотря на преимущества выделенных методов, важно отметить особенности, связанные с возможностью дальнейшего применения соответствующих результатов. LDA позволяет получить общее представление о ключевых темах и наборе слов, с ними связанных. Получаемые кластеры («топики») возможно в дальнейшем использовать в составе других методов (например, в статистическом кластерном анализе), но конечной единицей анализа является не текст, а их объединение (кластеры); метрики носят агрегированный характер. Напротив, SNAt отличает возможность построения карты ассоциаций не только отдельного текста, но и некоторой совокупности (например, за один месяц) [Weber 1984; Carley, 1993; Palmquist, Carley, 2020]. Количественные показатели позволяют агрегировать, вычислять на их основе новые показатели для задействования в других процессах (в рамках диссертации это показано на примере анализа временных рядов в Главе 4).

Выводы по Главе 2

В рамках второй главы разработана и обоснована методологическая программа, включающая в себя реализацию трех основных этапов исследования. На основе существующего научного задела по теме исследования выработаны ключевые гипотезы и предположения, имеющие соответствующие наборы операционализированных индикаторов и модели их измерения. Особое внимание в главе уделено построению схемы исследовательского процесса («пайплайна»), который обеспечил сбор, систематизацию, обработку и анализ данных из разных категорий источников. Результаты выполнения первого этапа исследования позволили выработать новое операционное определение потребительских ожиданий и способов его интерпретации. Предложенный вариант оценки уровня потребительских настроений и ожиданий (в виде дельты-Индекса ИПН и его суб-агрегатов) отличает более высокая детализация мер центральной тенденции, что благоприятно сказывается на процедуре линейного регрессионного моделирования микроуровня, где индикатор является зависимой переменной.

Предложенный набор предикторов для этой переменной является малоизученным в российской практике, что потребовало выработки продвинутого способа моделирования эффектов, в том числе совместно с макроэкономическими индикаторами (что больше распространено в исследовательской практике). Также на первом этапе определены принципы операционализа-ции экономических новостей и критерии выделения основных категорий экономических событий и процессов, подлежащих полу-автоматизированному кодированию и исследованию. В рамках второго этапа описана процедура сбора необходимых данных из разных категорий источников (микроданные выборочных обследований, макроэкономические временные ряды, корпуса экономических новостей). Обозначена выборочная совокупность и критерии отбора материала в периоде с 2009 по 2019 гг. Результаты сбора данных позволили отметить отсутствие на сегодня достаточного инструментария для раскрытия всех возможных аспектов изменения либо устойчивости потребительских ожиданий на микроуровне, структурных характеристик экономической информации в СМИ. На третьем уровне представлена авторская процедура систематизации и обработки данных потребительских ожиданий, макроэкономических индикаторов и новостных сообщений. Отличительная особенность данного исследования — применение нескольких видов количественной методологии, включая OLS-регрес-сионое моделирование, многоуровневое моделирование с элементами Байесовской статистики, эконометрическое моделирование и совмещение вероятностного тематического моделирования текстов с семантическим сетевым анализом. Сочетание этих методов представляет собой новшество для российской социологии и открывает возможности для внедрения усовершенствованных практик в области вычислительной социологии, одновременно достигая поставленных целей, задач и гипотез исследования. Сделан акцент на применении авторегрессионных рядов с распределенным лагом (ARDL), обеспечивающим возможности одновременного учёта множества переменных с разной устойчивостью значений во времени, получению более содержательных каузальных связей.

Отдельным вкладом данного исследования является авторский подход к конструированию методологии исследования динамики потребительских ожиданий населения Российской Федерации вкупе с параметрами, извлекаемыми в ходе обработки экономических новостей. При разработке инструментария мы опирались на ряд существующих традиций, основанных на парадигме машинного обучения, качественных методов и статистической обработки содержания. Вероятностное тематическое моделирование позволяет выявлять скрытые темы и закономерности в больших наборах данных и генерировать идеи, которые могут быть невидимы в традиционном качественном контент-анализе. Недостатком являются получаемые «размытые» наборы семантических ассоциаций, т. к. они строятся на межтекстовом уровне, в то время как важные сигналы возможно выделить на уровне отдельно взятого текста. Напротив, семантический сетевой анализ подчеркивает роль отношений объектов между собой. Его лучше применять для анализа коммуникационных сообщений, выявления значения слов и структурных взаимосвязей. Актуальна точка зрения, что SNA обеспечивает более «целостную» картину семантических ассоциаций вокруг ключевого токена. Также этот способ оцифровки данных, в отличие от LDA, меньше смещает медиа-фрейм, формируемый автором новости, что улучшает последующий контент-анализ. Среди недостатков можно отметить сложность процедурной части и относительно низкую скорость оцифровки в большем масштабе данных. Поэтому одним из ключевых предметов стал авторский способ ускорения этого процесса путем совмещения двух методов, одновременно решая данную проблему технически с помощью методологии высокопроизводительных вычислений (англ. HPC). Совмещение двух методов способствовало оптимизации уравнений временных рядов и повышению качества их интерпретации.

Глава 3. Динамика потребительских ожиданий и интенсивности экономического медиадискурса

Выбор периода обусловлен выделением в российских исследованиях нескольких фазовых переходов в состояние фундаментального (структурного) кризиса — например, кризис 1998 года и Мировой финансовый кризис 2008-2009 гг. (сокр. МФК). Они оказали влияние на потребительские практики и ожидания людей экономической устойчивости [Скоробогатов, 2007; Щербаль, 2012]. Опыт анализа МФК в разных аспектах способствует пониманию экономических ожиданий и решений людей в условиях новых кризисов, вызванных, например, случившейся пандемией коронавируса COVID19 в 2020-2021 гг. или схожими кейсами [Ро-щина, Харитонова, 2022; Пишняк, Халина, Рогачёва, 2023]. Также эпизоды МФК находят своё отражение в вопросах «справедливого» и «социального» функционирования рыночных сред, где действия и решения со временем могут приводить к «разбалансировке» экономических индикаторов, возникновению очагов финансовых пузырей, их последующему «схлопы-ванию» вследствие несогласованности действия участников рынка, излишней концентрации доверия, устойчивых ожиданий будущего [Шихалиева, Беляева, 2021]. По мнению американского культуролога А. Аппадураи, практика «банкинга на словах» участников финансовых сделок в 2008-2009 гг. оказала ключевое влияние на развитие мирового кризиса [Арраёшш, 2015]. Однако этот взгляд со стороны отдельного рынка недостаточен для понимания потребительских ожиданий, если не принять во внимание источник этого кризиса. В одной из книг известный представитель этнографической ветви экономической социологии М. Аболафия приводит реконструкцию логики поведения министерских комиссий США в тот период [АЬо1айа, 2020]. Ключевой тезис в том, что агенты, обладающие широкими институциональными полномочиями, богатым научным и практическим бэкграундом, возможностями многоуровневого моделирования и просчитывания любых рисков могут находиться в состоянии фундаментальной неопределённости (как и любой случайный индивид), которая в итоге приводит к позднему осознанию всей глубины проблемы, формированию спешных «нарративов» (схем решения проблемы) и осторожному прогнозированию методом проб и ошибок. Этот тезис важен для нас, потому что он позволяет сформулировать т.н. предпосылку «укоренённой неопределенности» — особой диспозиции субъекта, когда ощущение неопределённости будущего может не только воспроизводиться ним самим, но и выступать в роли внешнего эффекта, «насаждаемого» субъекту извне в качестве «управляемой» неопределенности. Однако данный феномен требует расширенного исследования в российской реальности, особенно в силу того обстоятельства, что экономические события в течение 2008-2016 гг. оказали значительное влияние на экономику, а значит и на адаптационные практики. Однако констатируется недостаточная изученность связи макроэкономических и неэкономических факторов потребительских ожиданий именно в периоде 2014-2016 гг., когда череда международных политических и экономических деструктивных процессов [Медведев, 2016] позволяла описывать ситуацию в экономике терминами «негативной стабилизации» — условий поляризации уровня материального положения населения, сужения окон возможностей активного потребления [Тихонова, 2019]. На фоне существенных изменений в международной экономической географии активную роль в построении нарративов об экономической ситуации и поиске возможных сигналов с рынка стали играть институты СМИ. Это, в свою очередь требует не только исследования, но и сопоставления с динамикой потребительских ожиданий, а также некоторыми макроэкономическими показателями «здоровья» экономики [Андреев, Садчи-кова, 2016]. Именно эти обстоятельства являются основой данной главы. Организация выглядит следующим образом. В первом разделе рассмотрена динамика ИПН, его суб-агрегатов на базе двух источников (ФОМ33, Росстат). Второй раздел посвящен описанию макроэкономиче-

33 В рамках Главы 2 указано, что временные ряды ФОМа не содержат регулярные замеры ИПН в периоде с декабря 2009 г. по март 2014 г. Часть пропущенных временных периодов было исследовано путем добавления рассчитанных показателей ИПН в размере 34 месяцев (27.6%) наблюдений на основе структуры микроданных «Курьер*». Основная часть замещенных наблюдений приходится на период до 2013 г., что также связа-

ских показателей, связанных с вопросами материального обеспечения, потребления, тенденций в области промышленности, розничной торговли, финансовых рынков. В третьем разделе рассмотрены вопросы динамики интенсивности публикации экономических новостей, в том числе в разрезе экономических тем, дискурса экономических процессов.

3.1 Общая динамика потребительских ожиданий в 2009-2019

На основе спецификации методики, изложенной в Главе 2 изучены агрегированные индексы в разрезе волн — периодов массового опроса населения. Они отражают совокупный уровень потребительских настроений и ожиданий, выявленный в периоде с конца 2009 по конец 2019 г., что позволяет охватить серию кризисных явлений и периодов выхода экономики России на позитивное плато до момента наступления очередного крупного «чёрного лебедя». Основной фокус анализа — тенденции и эксцессы в этом периоде. Сегодня кризис 1998 года можно рассматривать в качестве исторического прошлого, который позволяет задавать определенные тенденции в плане изменений потребительских ожиданий и настроений. Существует качественный системный анализ динамики ИПН до конца 2000-х, выполненный российскими специалистами [Красильникова, Ибрагимова, Николаенко, 1996; Красильникова, 2010]. Мы получили представление об изменчивости фактических располагаемых условий для накопления, расходов на крупные покупки, выстраивания субъективных ощущений экономической стабильности либо «турбулентности».

Во-первых, возможно подтвердить «чувствительность» ИПН на российских мониторинговых данных. Одним из примеров является период с 1992 по 2000 гг. Несмотря на отсутствие в то время ежемесячной периодичности опроса, исследователи выявили как минимум 3 ключевых фазы изменения субъективного восприятия населением экономической ситуации в стране и движения собственного материального положения — это 1992-1995 гг., 1996-1999 гг. и после 1999 г. [Ибрагимова, Николаенко, 2005: 33]. Первая фаза характеризовалась выраженным преобладанием потребительских «пессимистов» (и устойчиво низкого уровня потребительских настроений). До Азиатского финансового кризиса 1997-1998 гг. средний уровень потребительских настроений россиян находился в диапазоне 60-70 п.п., что означало, с одной стороны, «стагнирующее» превалирование негативных оценок потребительских настроений и ожиданий, а с другой стороны способствовало идентификации системных проблем в экономике. В то же время этот период был связан с ключевыми институциональными изменениями во всех сферах жизни российского общества. Проходил процесс формирования паттернов оценки экономики, построения первых потребительских ожиданий. Вторая фаза считается наиболее важной с точки зрения методических (прогнозных) возможностей ИПН. Случившийся в августе 1998 года финансовый кризис буквально «обвалил» динамику ИПН, усилив долю пессимистически настроенных граждан и снизив соответствующие показатели до 40-45 п.п.34 Однако начиная со следующего года происходит постепенный рост доли оптимистично настроенных респондентов, что означало рост потребительских настроений. Таким образом, динамика потребительских настроений до середины 2000-х позволяет констатировать высокую периодичность изменения экономической ситуации в России. Другой вопрос состоит в системном характере этих изменений. Существует точка зрения, согласно которой это не яв-

но с ограниченностью доступности данных. Для аналитической «компенсации» данного аспекта в рамках Главы 3 и Главы 4 приводятся временные ряды Росстата (ИПУ), доступные за весь период исследования.

34 В частности, косвенно тенденция «позитивного» восприятия экономики сопряжена с анализом соответствующих изменений в макроэкономике, что косвенным образом определяет стратегические решения домохо-зяйствами. Анализ того периода времени можно сопоставить, например, с динамикой Индекса физического объема ВВП (сокр. ИФО ВВЦ), показывающего соотношение показателей ВВП в соседних периодах. Анализ ретроспективных данных Росстата позволяет отметить тот факт, что снижение уровня ИПН к концу 1998 года до 45 п.п. сопряжен с аналогичным снижением ИФО ВВП до 90 п.п. Ключевой момент здесь в том, что снижение этих индексом проходил достаточно резко, что указывает на выраженную значимость внешних шоков [Бессонов, Воскобойников, 2006]. Аналогичные тенденции можно обнаружить при анализе уровня инфляции, курса национальной валюты.

ляется «проблемой» в чистом виде, поскольку уже стало устоявшимся «естественным» фактом [Куклин, Васильева, 2015]. Однако подобные изменения скорее позволяют задать вопрос, что, собственно, является интерпретацией этих тенденций для разных социальных групп, институтов. Под объективными тенденциями мы понимаем изменения в макроэкономических и финансовых показателях, которые имеют решающее значение для работы государственных и экономических институтов [Френкель [и др.], 2018]. Возникают предпосылки устойчивости отрицательной тенденции, либо исключительности политических и социально-экономических процессов, либо же характерный «почерк» СМИ.

Этот вопрос содержит методическую и аналитическую проблемы — недостаточное понимание качества и выраженности в целом негативных тенденций. Здесь мы имеем в виду то, как потребители способны и получать, и оценивать информацию из разных источников. Понятно, что в первую очередь негативные либо позитивные тенденции интерпретируются различными институтами (экономическими, политическими и пр.) по-разному. Но поскольку мы делаем акцент здесь скорее на макроэкономическом контексте, где ключевую роль играют объективные, значительно «оторванные» от деятельности отдельных индивидов показатели, то предполагается, что СМИ оказывают влияние на смещение оценок потребительских ожиданий при устойчивой («укоренённой») изменчивости информационной повестки35 (в ряде случаев — отсутствии структурных изменений в экономике на страницах прессы). Исключительная опора на макростатистику носит риски адекватной интерпретации экономической ситуации «снизу». Между тем укоренённое представление людей о кризисах приводит к «хроническому пессимизму», что впоследствии отражается в различных опросах.

Исследуемый период представляет интерес для выявления возможных латентных паттернов. Началом периода наблюдений выбран декабрь 2009 года (чтобы зафиксировать условно «начальные» значения ИНН), и далее отслеживается динамика до конца 2019 г. включительно36. Выделенный период характеризуется двумя свойствами: 1) более 10-летний охват измерения ожиданий в разных аспектах; 2) ежемесячный характер наблюдений практически без перерывов (пропущенных значений) во временном ряду. Период охватывает основную фазу завершения МФК в мире, продолжение фазы развития кризиса в России. Рассмотрим общую динамику ИНН, включая проекцию двух ключевых суб-агрегатов (индекса текущего состояния, ИТС, и индекса потребительских ожиданий, ИПО), которая представлена на рисунке 5.

35 Эта повестка может быть как «болезненная» для любого индивида, так и не совсем: например, если говорим об образе финансового кризиса, который в значительной степени касается любого индивида, служит приме -ром всесторонней эксплуатации со стороны СМИ [Салатова, 2011; Афанасьев, Фёдорова, Рогов, 2019].

36 Период после 2019 г. характеризуется нерегулярным характером опросов, вызванным в первую очередь влиянием пандемии ССУГО19. Тем не менее существуют полноценные исследования на российских данных за период пандемии. Например, по данным «Мониторинга социального самочувствия» в 2015-2019 гг. отмечалось выраженное снижение уровня материального благополучия и доходов (в первую очередь низко обеспеченных групп населения), что было вызвано как санкционными процессами после 2014 г., так и панде-мийным контекстом, что способствовало формированию определенных адаптационных практик при высоком уровне неопределенности (улучшение человеческого капитала, решение проблем с занятостью) [Логинов, 2020]. Результаты 2021 г. показывают, что данная тенденция продолжилась [Горшков, Тюрина, 2021].

ИПН (агрегированный)-----Тренд (Скол. ср.) ИПО (агрегированный) ИТС (агрегированный)

Рисунок 5: Динамика Индекса потребительских настроений (ИПН) и двух суб-агрегатов (ИТС и ИПО) в перио -де с декабря 2009 г. по март 2020 г. Источник: «Инфляционные ожидания...» (ЦБ РФ / ФОМ). T = 89 мес.

Первый период (конец 2009 — конец 2011 г.)

Можно отметить тренды, которые имеют важное значение в рамках моделирования эффектов. Характерно, что с начала 2010 г. оценки потребительских настроений стали поступательно расти и даже превышали «нейтральную» отметку в 100 п.п. к первой половине 2012 г. На протяжении 2010 года субъективные оценки россиян были достаточно негативными (так, в июне пик настроений достигал 98.79 п.п., в то время как к концу года они составили 95.70 п.п.), что отчасти подтверждается в существующих работах (напр. [Красильникова, 2010])37. Паттерн «перспективной положительной адаптации» россиян прослеживается в течение последующих двух лет: эпизодическое появление «более позитивных» оценок приходится на конец 2011 г. и составляло 101.67 п.п. Другой незначительный переход за 100 п.п. случился в ноябре 2012 г. и составлял 100.44 п.п. Динамика ИПН в значительной степени определяется изменениями материального положения и экономических ожиданий. На данных ФОМа можно сделать выводы о характере таких изменений. К примеру, до середины 2012 г. значимое влияние на потребительские настроения, находящиеся в среднем на уровне чуть выше 100 п.п. (например, значение ИПО в июне 2010 года составляла 104.57 п.п.) с постепенным снижением к концу 2011 г. На фоне этих изменений видна обратная динамика оценок текущего материального состояния респондентов: начиная с 82.21 п.п. в конце 2009 года, индекс имел тенденцию к постепенному росту до уровня 98.18 п.п. в конце 2011 года. Если обобщить изученный период, то к вероятным детерминантам изменения настроений можно отнести: 1) высокие темпы роста цен на нефть марки Brent (до 40% в течение 2011 года38); 2) улучшение показателей производства сельского хозяйства, обрабатывающей промышленности39; 3) низкие темпы роста уровня инфляции в стране, с заметным снижением во втором полугодии40; 4) накопленные заделы как со стороны производств, так и со стороны сбережений домохозяйств.

Второй период (февраль с 2012 г. - начало 2014 г.)

37 Однако негативный тренд в основном вызван присутствием пропущенных периодов (месяцев) опроса ФОМ, что важно учитывать при дальнейшей интерпретации, в части при декомпозиции временных рядов на тренд, сезонность и автокорреляцию в рамках Главы 4.

38 «Аналитический бюллетень / Тенденции российской экономики. Итоги 2011 год» [Электронный ресурс] // РИА.Новости, 2011. - Режим доступа: http://vid1.rian.ru/ig/ratings/macro 13.pdf (дата обращения: 12.01.2023).

39 О социально-экономической ситуации в России. Итоги 2011 года" [электронный ресурс] // «Государственная Дума», 2011. - Режим доступа: http://iam.duma.gov.rU/node/8/4908/19791 (дата обращения: 12.01.2023).

40 Российская экономика в 2011 году. Тенденции и перспективы. М.: Институт Гайдара, 2012. 612 с.

С технической точки зрения в этот период также присутствуют пропуски данных. Тем не менее динамика ИПН демонстрирует фазу некоторой стагнации, которая в течение последующих трёх лет структурно «размыкается». Это время, когда среди экономистов и экспертов формируется устойчивое представление о серии «чёрных лебедей» на фоне достаточно высоких цен на нефть (средняя стоимость составляет 94,7 $/Баррель) и относительно высокой безработицы (7%)41. Еще одна специфика этого периода — взаимное «склеивание» уровня потребительских настроений и его суб-агрегатов, в особенности Индексов потребительских ожиданий и текущего состояния. Отмечается, что индекс ожиданий, обычно находящийся выше ИПН в предшествующие годы, именно в этом временном промежутке оказался максимально приближенным к другим индикаторам, а в некоторых случаях находился ниже. С другой стороны, индекс текущего состояния становится выше линии ИПН. Это означает, что в периоде с 2012 по 2013 гг. фиксировалось существенное улучшение потребительской мотивации и паттерна улучшения своего материального положения, в то время как потребительские ожидания — наоборот, демонстрировали постепенный пессимизм. В целом это соотносится с тем, как СМИ подходили к описанию событий в 2013 году: остановка темпов экономического роста (стагнация экономики)42, массовый отзыв банковских лицензий вследствие обнаруженных системных задолженностей со стороны ряда финансовых организаций [Мамонов, 2017]. И несмотря на тот факт, что динамика ИПН находилась вокруг условного «нейтрального» значения в 100 п.п., экономические процессы свидетельствовали в пользу появления латентных паттернов «потребительской паники», которая могла быть зафиксирована в соответствующей динамике. Анализ рисунка 5, в том числе с позиции индексных суб-агрега-тов (текущей ситуации и ожиданий) показывает, что эти два периода, в плане фактических значений и оценок, подаваемых со стороны СМИ и иных институтов, выглядели диаметрально противоположными.

Третий период (начало 2014 г. - конец 2016 г.)

Можно отметить, что он начинается с характерного и резкого прироста всех компонент до 101-110 п.п., после чего существенно снижаются до среднего уровня ~94 п.п. к концу

2014 г. Наиболее кризисным, рецессивным и «депрессивным» становится первый квартал

2015 года, когда ИНП и его суб-агрегаты продолжили сильное снижение до минимального уровня за этот год (77.91 п.п.), что оказалось нетипичным на фоне первого полугодия 2014 г. с демонстрацией признаков активной «реабилитации» после продолжительной стагнации. Однако это несколько различается как в части происходящих политических и экономических процессов, так и с точки зрения репрезентации СМИ. Прослеживались те же проблемы, что и в 2013 году — наличие стагнации в экономике, отток локального капитала. Ключевым факто -ром являются крупные финансовые и экономические санкции [ВёНп, Напошек, 2021], которые значительно обострили движение международного капитала, осуществление эффективной международной торговли, выраженному оттоку капитала предприятиями. Фактически 2015 год, по мнению экспертов, являлся годом рецессии и экономического шока, с характерной «развилкой» по линии курса национальной валюты, нефти и показателей потребления43. «Верхние» тенденции нашли отклик «снизу»: к первой половине 2015 года Россия подошла со значительно «рухнувшими» субъективными оценками людей о своем материальном положении, горизонте планирования и готовности к потребительской экспансии. В течение 2015 года оценки потребительских настроений и, в частности, ожиданий характерно снижались, хотя и достаточно равномерно. Можно обратить внимание на то, что они продолжали своё падение до января-марта 2016 г., после чего начали неуверенный рост и поступательный воз-

41 Шаповалов. А. «Российский потребитель на Кремль не оглядывается» [электронный ресурс] // «КоммерсантЪ», 16.09.2011. - Режим доступа: https://www.kommersant.ru/doc/1774276 (дата обращения: 16.03.2023).

42 Например, «Главные экономические события 2013 года» [электронный ресурс] // «ТАСС», 26 декабря 2013, 12:45. - Режим доступа: https://tass.ru/ekonomika/855447 (дата обращения: 16.03.2023).

43 «Итоги 2015: Экономика шагает по неровному дну» [электронный ресурс] // «Интерфакс»,30.12.2015, 17:55. - Режим доступа: https://www.interfax.ru/business/488014 (дата обращения: 16.03.2023).

врат к равновесному состоянию около 80-95 п.п. Для дальнейшего анализа важно отметить выраженную «неуверенность» ИПН, которая с начала 2015 г. сопровождалась структурным «расслоением» индекса в части текущего состояния и потребительских оценок. Все, что в течение предшествующих периодов стремилось к некоторому сингулярному тренду, в течение этой экономической фазы вернулось к разрозненному состоянию.

Четвертый период (конец 2016 г. - конец 2019 г.)

События 2014-2015 гг. оказали системное влияние на позитивный настрой потребителей. Однако именно в этот период времени можно наблюдать признаки формирования паттернов своеобразной устойчивости (укоренённости) потребительских настроений и ожиданий и дальнейшего воспроизводства к концу наблюдаемого периода. В этом можно убедиться по устойчивой тенденции восстановления положительных оценок материального положения и ожиданий россиянами. По-прежнему присутствует цикличность изменения положительных/отрицательных оценок, но характер изменений оказывается менее масштабным44. В течение двух лет прирост потребительских настроений составлял от 2 до 4 п.п., с характерным падением в феврале 2017 года (91.66 п.п., снижение с января на -10 п.п.) и максимальным ростом до 100.61 п.п. в сентябре 2017 г. Оценки потребительских ожиданий заметно отличаются в эти два года: можно фиксировать более интенсивное улучшение ожиданий от экономики и материального положения в течение 12 месяцев (на фоне падения ИПН в январе 2017 индекс ИПО составил 112,62 п.п.). Тенденция роста вновь обрывается резким снижением ИПН и компонент в середине 2018 года45. Дальнейшее «разложение» ИПН происходит менее характерно по сравнению с аналогичным периодом 2014-2015 гг. При этом заметна следующая специфика: на фоне общего снижения уровня потребительских ожиданий (с 116.42 п.п. в апреле 2018 до 91.15 п.п. в начале 2019 г.) индекс текущего состояния — наоборот, имел тенденцию к умеренному росту относительно 2017 г. (с 84.15 п.п. в декабре 2017 г. до 90.65 п.п. в апреле 2018 с последующим снижением до 79.08 п.п. в начале 2019 г.).

Таким образом, анализ динамики ИПН в течение 2009-2019 гг. показывает наличие 4 отдельных циклов (периодов) структурного изменения потребительских настроений и ожиданий. В каждом из них наблюдается, во-первых, слабый признак тренда и выраженный признак сезонности изменений. Во-вторых, отдельные ряды ИПН и суб-агрегатов отражают фазы взаимного сближения и отдаления друг от друга по шкале «оптимистически» и «пессимистически» настроенных респондентов.

3.2 Структурно-сравнительный анализ динамики ИПН

Динамика уровня потребительских настроений, построенная ранее, изучена в сравнении с данными индекса потребительской уверенности Росстата46. Оба временных ряда демонстрируют схожие тенденции в периоде с 2009 по 2019 гг. Однако можно заметить, что данные Росстата демонстрируют в среднем более значимое превалирование негативных оценок респондентов относительно текущего состояния материального положения и ожиданий по сравнению с данными ФОМ. На рисунке 6 представлена сравнительная характеристика

44 К примеру, представитель Внешэкономбанка О. Засов отмечал, что «Большинство негативных последствий кризиса взяло на себя население <...> Динамика доходов и потребления домашних хозяйств стала основным негативным сюрпризом года». Более подробно см. «Итоги 2016 года: Российская экономика - сюрпляс, местами переходящий в цейтнот» [электронный ресурс] // Интерфакс, 29.12.2016, 17:55. - Режим доступа: https://www.interfax.ru/business/543640 (дата обращения: 04.02.2023).

45 Выбор РИА Новости: главные события в экономике в 2018 году [Электронный ресурс] // РИА Новости, 03.03.2020, 13:20. - Режим доступа: https://ria.ru/20181221/1548382638.html (дата обращения: 04.02.2023).

46 При сравнении двух индексов учитывается специфика построения опросных данных, включая выборку и технологии опроса. В случае с ФОМ средний размер выборочной совокупности составляет -2000 респондентов, в то время как у Росстата — 5000 чел. Тем не менее сравнительный анализ позволяет «достроить» ретроспективу динамики потребительских настроений до 2009 года на основе данных Росстата.

ИНН и ИПУ в чуть более расширенном периоде с начала 2007 года, чтобы показать основные тенденции до конца 2009 г. В частности, Мировой финансовый кризис действительно оказывал серьезное влияние на уровень потребительской уверенности населения, оценки которых, хотя составляли около 97-101 п.п., к началу 2009 г. серьезно понизились до 80 п.п. В этот период времени ФОМом не проводились аналогичные замеры (в дальнейшем они были сопоставлены с дополнительными данными [Пашков, 2022]). С начала 2010 года оценки потребительских ожиданий по методологии Росстата демонстрировали схожие с ИПН циклы роста и падения. Принцип квартальной оценки позволил увидеть более «сглаженный» характер изменений. Тем не менее, рассмотренные данные качественно иллюстрируют обозначенные ранее 4 фазы изменений динамики потребительских ожиданий россиян, с заметным падением в течение 2015 и 2016 гг., а также поступательным восстановлением до «нейтральной» зоны 100 п.п. до 2018 года. Отдельно подчеркивается характер отклонений оценок на основе месячных, и квартальных срезов: в течение 2010-2013 гг. отклонение составляло не более 5 п.п. от периода к периоду. Начиная с 2014 г., такие отклонения становятся более выраженными, достигая до 9-12 п.п. от года к году. При этом характер отклонений повторяет специфику динамики на Рисунке 5.

110

100

110

100

л? л? ЙУ> ЙУ> фР фР

ф ф „ф ф„ф ф„ф„ф ф „ф ф„ф ф ф „ф ф„ф ф,ф „ф ф „ф ф„ф ф ф „ф ф„ф ф„ф„ф

(Р (Р (Р& (Р о> (Р (Р(Р(Р(Р (Р о> &(Р Р (р Р (р (Р Р (Р Р (р Р Р (Р Р (р Р (р (Р

Индекс потребительских настроений (ФОМ) Индекс потребительской уверенности (Росстат)

Рисунок 6: Динамика Индекса потребительской уверенности в сравнении с динамикой ИПН. Источник: Росстат, «Инфляционные ожидания...» (ЦБ РФ / ФОМ). Тром = 37 кв. Тога = 101 кв.

Таким образом, применение Индекса потребительской уверенности Росстата является продуктивным шагом для эконометрического моделирования, хотя возникают методологические ограничения и особенности: квартальный характер данных ИПУ можно считать ограничением для совместного моделирования с ИПН. Учёт этого факта тем не менее позволяет выполнить сравнительный анализ с возможностями расширения временного периода. Для более качественного понимания природы потребительских ожиданий перейдем к структурному анализу компонент.

Сравнение ИПН и ИПУ на уровне суб-компонент

Несмотря на различия в характере публикации компонент индекса потребительских настроений и потребительской уверенности, их сравнительный анализ дает понимание причин резких изменений либо, устойчивых тенденций во времени. Подобный анализ сделан для каждого индекса отдельно, чтобы показать специфику компонент.

Для лучшего понимания логики изменения уровня потребительских настроений, оценок текущего состояния и ожиданий необходимо рассмотреть все индикаторы-составляющие ИНН. На рисунке 7 представлена структура, из которой можно выделить несколько фактов. Как уже было отмечено в Главе 2, ИНН строится на основе пяти компонент, наибольшую важность имеют оценки текущего материального положения (CSI1), ожидания экономической ситуации в ближайший год и пять лет (CSI3 / CSI4) и оценки возможности совершения крупных покупок в текущий период (CSI5).

Оценки экономики @ 1 год Оценки экономики @ 5 лет Текущее материальное положение @ 1 год Изменение материального положения @ 1 год

Готовность к покупкам ТДП

Рисунок 7: Анализ индивидуальных компонент ИНН в периоде с конца 2009 года по начало 2020 г. Источник: «Инфляционные ожидания...» (ЦБ РФ / ФОМ). Т = 89 мес.

Стоит выделить низкие оценки собственного материального положения. На протяжении всего периода они находятся на достаточно низком уровне, редко превышая планку 100 п.п. (к примеру, это случилось в мае 2012 года и составило 101,3 п.п.). Значительное время оценки находились в диапазоне 70-95 п.п., и это означает умеренное преобладание негативно оценивающих собственное материальное положение граждан. Два ключевых «кризисных» периода (2009-2010 г. и 2014-2016 гг.) также имеют характерный спад, совпадающий в ряде случаев с изменениями в макроэкономике (рассмотрены далее). В частности, в апреле 2009 и 2016 гг. компонент CSIl демонстрирует наименьшее значение (~50 п.п.), что косвенно свидетельствует о наличии системного «упадка» финансовой стабильности. Начиная с 2016 г. скорость «восстановления» материального положения проходит менее интенсивно за более короткий временной период, нежели после Мирового финансового кризиса. Если говорить про готовность людей тратить сбережения на товары длительного пользования, то динамика демонстрирует сначала фазу некоторой «экспансии», а затем фазу «выжидательной позиции», с однократным приростом мотивации в 2018 году (109,1 п.п.). В целом этот период характеризует субъективную «осторожность» россиян к крупным тратам, что и определяет в результате динамику Индекса текущего состояния. Отдельно можно отметить высокий уровень субъективных оценок в первой половине 2014 г., когда он составлял в среднем 117.3 п.п. с характерным темпом роста до 120 п.п. В целом можно констатировать, что несмотря на условно «хроническую» степень субъективного материального (вероятно, также финансового) неблагополучия, россияне в целом оценивали общую ситуацию на потребительском рынке как достаточно позитивную. В то же время при сравнении компонентов индекса текущего состояния наблюдаются выраженные периоды взаимной «рассинхронизации» изменений. Это можно объяснить усилением внимания СМИ к различным событиям вокруг потребительского сектора экономики. Динамика потребительских ожиданий в целом повторяет Индексы текущего состояния и готовности к покупкам товаров длительного потребления (сокр. ТДН). Вопрос в «качестве» прогнозирования людьми изменений на рынке: если посмотреть на рисунок 14, то

выделяются отдельные периоды, когда они стремились «по максимуму» сохранить позитивный взгляд на улучшение своих материальных условий на фоне существенного спада материального благосостояния (что видно в 2011 г., второй половине 2012 г., после 2014 г.). В ряде случаев эта динамика идет с некоторым лагом (примерно в 1 месяц), что дополнительно подтверждается при анализе ожиданий в среднесрочной и долгосрочной перспективах.

Если переходить к анализу потребительской уверенности в разрезе аналогичных компонент, то динамика оказывается более «мягкой» к возможным изменениям, лишь с фазами перехода в 2014-2016 гг. и после 2017 г., что прослеживается на Рисунке 8:

<\° <\> N ^ N ^ /ч^ О чУ* »V* »V* Ч^ Ч^ ч<-) Ч ч'О ч \ ч \ .-О .-О ч~;

V- -СУ>- -Су>" -Су>" -СУ>- -Су>" -Су>" -Су>"

_<!? Л

Iй ф1 ф1 ф1 Iй т т т тг т т г" тг т т г" т т т г" т т т т т о>' сР ©>' о?' О?' сР 0>' сР о? о?' ©>' сР ©>' о?' о?' сР ©>' сР о?' о>' сР ©>' о?'

Текущее состояние

Изменения за 1 год

■ Изменения через 1 год

Изменения цен

■ Изменение безработицы

Рисунок 8: Анализ компонент ИНУ в части текущего состояния экономики России и изменений в период с 2009 по 2020 гг. Источник: Росстат. Т = 48 кварт.

115

105

<\° <\> N ^ N ^ /Ч^ /Ч^ /Ч^ ч^ ч ^ ч^ -М Ч<-) ч Ч<-) ч \ ч \ ч-О ч-О ч^ ч^ ч^

v- -(v- _гу>- _гу>- _гу>- _гу>- _гу>- _гу>- -су>-

Л

Iй ф1 ф1 ф1 Iй т т т тг т т г" тг т т г" т т т г" т т т т т

& сР ©>' <Р' СР (Р & ср <Р' ©>' ср ©>' СР <Р' (Р (Р (Р сР & ср ©>' сР

Текущее положение

■ Изменения за 1 год

' Изменения через 1 год

■ Готовность крупных покупок

■ Готовность для сбережений

Рисунок 9: Анализ компонент ИНУ в части материального положения российских домохозяйств и изменений в период с 2009 по 2020 гг. Источник: Росстат. Т = 48 кварт.

На рисунке 9 видно, что динамика субъективных оценок текущего материального положения и ожиданий его изменения через год демонстрирует паттерн схождения до 2014 года и значительного разрыва в течение последующих трёх лет. В среднем этот разрыв составлял 5 п.п. до переломного момента, а после — от 4 до 18 п.п. Это позволяет констатировать возможность сопоставления временных рядов и приводит к гипотезе значимости социально-демографических и макроэкономических факторов (однако неясно, какие из них оказываются

ключевыми, доминирующими). Появляется проблема фактического измерения потребительских ожиданий, в чем можно убедиться при сопоставлении компонент ожиданий изменения материального положения через год и готовности к приобретению крупных товаров (ТДП) в текущем периоде. Наличие существенных различий показано на Рисунках 7 и 9: данные ФОМ демонстрируют более позитивные оценки материальных ожиданий по сравнению с рядами Росстата, в то время как отклонения в оценках готовности приобретения ТДП существенны (10-25 п.п.). Это позволяет предполагать наличие смещения структуры выборочной совокупности Росстата в сторону семей с более низким уровнем социально-экономического благополучия. В отличие от методологии ИПН, структура ИПУ предполагает вопрос о готовности к аккумуляции сбережений. Динамика на рисунке 9 демонстрирует выраженные неблагоприятные условия для большинства россиян к накоплению «излишек» для дальнейшего инвестирования как в периоды кризиса, так и в более «мягкие» периоды.

Варианты совмещения динамики ИПН со вторичными данными

Основная проблема временных рядов ФОМ заключается в отсутствии регулярности измерения уровня потребительских настроений до 2014 года. В общей сумме с декабря 2009 г. фиксируется 34 пропущенных месяца. Данный факт в будущем формирует методические ограничения построения устойчивых и непрерывных моделей. Существует три способа решения данной проблемы. Первый способ предполагает включение в сравнительный анализ другого источника данных. Применение Индекса потребительской уверенности Росстата можно считать в качестве такого примера. Он обеспечивает преемственность результатов, а также возможности ретроспективного исследования. К недостаткам относится альтернативная методология (в т.ч. выборочная совокупность, структура компонент, квартальный характер оценок). Поэтому прямое включение таких данных в ряд ФОМ недопустимо. Второй вариант решения проблемы — использование специализированных алгоритмов («фильтров») заполнения временных пропусков. Существует несколько вариантов: каждый из них зависит от необходимости работы с простыми методами либо с помощью машинного обучения. К простым инструментам можно отнести фильтр Калмана, скользящее среднее, интерполяцию по соседним значениям. Основная функция — заполнение пропусков на основе ближайших данных и восстановления тренда. Реализация фильтров присутствует во многих статистических пакетах, включая R [Moritz, Bartz-Beielstein, 2017]. Однако в статье П. Бансал и соавторы критикуют такие инструменты, указывая на выраженное смещение линии тренда при включении большего объема данных либо добавления в учёт других индикаторов (переменных). В этом случае они предлагают использовать глубокие нейронные сети, которые используются в отношении серии временных рядов одновременно, решая задачу заполнения пропусков и определения схожих тенденций в двух и более индикаторах [Bansal, Deshpande, Sarawagi, 2023]. К недостаткам такого метода можно отнести слабую проекцию на структуру микроданных (в указанных статьях речь идет о макроэкономике) и необходимость тщательной настройки параметров фильтрации. Применительно к социальным исследованиям можно упомянуть работу Д. Вутчитт и К. Дюран, в которой предложен оригинальный метод решения проблемы на основе многоуровневого регрессионного анализа микроданных с учетом сложных иерархических и лонгитюдных связей [Wutchiett, Durand, 2021]. Однако данный подход требует наличие микроданных за весь период исследования, а также учёт множества социально-демографических и социально-экономических аспектов. В качестве оптимального решения может стать использование вторичных опросных данных по теме потребительских настроений. Каждая волна опроса представляет собой случайную репрезентативную кросс-секционную выборку, что означает независимость выборочных совокупностей от одной волны к другой. Поскольку финальная структура ответов должна репрезентировать взрослое население Российской Федерации, то можно заместить данные соответствующими рядами. На рисунке 12 показан пример включения микроданных массива «Курьер*» в периоды, не охватываемые в полной мере данными ФОМ. В целом, наблюдается, что ряды демонстрируют не -

значительные отклонения от основного временного ряда, особенно заметные в 2014 году. Это позволяет утверждать, что частичное использование данных рядов способствует восстановлению полного временного ряда за период с 2009 по 2019 годы, что, в свою очередь, улучшает качество эконометрического моделирования. Однако следует отметить, что одним из недостатков данного подхода является проблема доступности вторичных данных для проведения исследований.

ф

ZS

О

115 110 105 100 95 90 85 80 75 70 65

& & & & & ^ ^ £ £ & rf? й? й?

ГР^ ГР^ iv^ iv^ iv^ ГР^ ГР^ ГР^ ГР^ ГР^ iv^ iv^ iv^ iv^ ГР^ ГР^ ГР^ ГР^ iv^ iv^ iv^ iv^ ГР^ ГР^ ГР^ ГР^ iv^ iv^ iv^ iv^ iv^

/ „<«' Ф' /' £ / £ Ф' / „<«' Ф' /' £ / £ Ф: / £ Ф' /' £ / g Ф: / £ Ф' /'

ИПН (ФОМ)

ИПН («Курьер»*)

Рисунок 10: Динамика индекса потребительских настроений c включением пропущенных рядов (2009-2020 гг.). Источник: «Инфляционные ожидания...» (ЦБ РФ / ФОМ), «Курьер*»

3.3 Динамика ИПН в разрезе социально-демографического профиля

Динамику потребительских ожиданий необходимо рассматривать на уровне локальных паттернов (проводить анализ «снизу»), поскольку макроэкономика не в полной мере учитывает стратегии разных категорий населения. Подобные тенденции наиболее эффективно отслеживаются в систематических, регулярных опросах населения. Одна из ключевых проблем Индекса потребительских настроений и его суб-агрегатов заключается в невозможности полноценного исследования эффекта социального окружения. В стандартных экономических моделях (в т.ч. экономико-психологических) предполагается, что индивид может опираться на внешние источники информации и сигналов для достижения максимальной полезности, но само по себе поведение рассматривается как индивидуальное [Ratner, Kahn, Kahneman, 1999; Kahneman, Thaler, 2006]. Существует точка зрения, что социальное окружение действительно влияет на процесс принятия решений. Например, в исследовании Шобеля и соавторов показано на серии экспериментов, что люди по-разному оценивают социальную информацию в зависимости от авторитета Других. Важным драйвером является наличие власти и авторитета в группе, где принимаемые решения на коллективном уровне значительно контрастируют с частной информацией [Schöbel, Rieskamp, Huber, 2016]. Другим косвенным признаком оценки влияния социального окружения является наличие и индивидуальный характер адаптационной стратегии. В этом плане социальная адаптация представляет собой паттерн (процесс) определенной переоценки индивидом ситуации в некоторой среде [Козырева, 2011]. Индивид принимает решение о смене паттернов поведения либо продолжает их придерживаться. Однако «рациональные акторы могут восприниматься независимыми наблюдателями как действующие иррационально» [Вольчик, Зотова, 2011: 60]47.

47 Принимая решения, индивид не только делает выбор следовать той или иной норме с учетом издержек уклонения или следования той, или иной норме, но также учитывает, как решения других агентов повлияют на значимость тех или иных вариантов поведения, которые доступны в конкретных исторических и институциональных условиях. Инертность экономических институтов может обосновывать устойчивость принятых индивидом (домохозяйством) стратегий [Норт, 1997].

Однако проблема в том, что подобные выводы исследователей плохо поддаются опера-ционализации в количественном выражении. Необходимо анализировать динамику ИПН в разрезе социально-демографических и социально-экономических профилей — по образованию, материальному положению, возрасту, типу населенного пункта проживания индивидов, семейному статусу и др. Конечно это можно считать широким заходом, поскольку приведенный ранее обзор исследований на теоретическом уровне предполагает наличие максимально индивидуальных различий, которые затем усредняются в ИПН. К примеру, анализ динамики Индекса потребительских настроений в разрезе возрастных групп (рисунок 1148) позволяет обратить внимание на ряд особенностей. В первую очередь — выраженные оптимистичные оценки потребительских настроений и ожиданий среди наиболее молодой возрастной группы 18-24 лет. Эта группа отличается более интенсивным «восстановлением» потребительских настроений до «положительного уровня» выше 100 п.п. сразу после фаз завершения структурных кризисов. В течение всего периода наблюдения минимальный уровень составлял 83 п.п. (в январе 2016 г.), а максимальный — 123 п.п. (в июне 2013 г.). Большую часть периода их динамика в среднем находилась выше 108 п.п. Респондентов 25-34 лет отличают более позитивные оценки, чем у старшего поколения — их средний уровень составляет 100 п.п. (отсутствие выраженных «оптимистов» и «пессимистов»), с минимумом 75 п.п. в марте 2016 г. и высоким значением 118 п.п. в мае 2012 г. Категорию «более зрелых» россиян (35-44 лет) и старшего поколения отличает присутствие пессимистически настроенных респондентов. В частности, их оценки потребительских ожиданий превышали «нейтральную» границу 100 п.п. только во втором квартале 2012 г., летом 2014 г. и лишь затем только в первой половине 2018 г. Период с 2015 по 2017 гг. можно считать рецессивным и впоследствии адаптационным для всех выделенных групп, что дополнительно подтверждается сравнительным анализом уровня потребительских ожиданий, где лишь в редких случаях более старшее поколение респондентов проявляло позитивную оценку ожиданий от улучшения экономики в ближайший год либо пять лет. Отчасти подобный разрыв динамик объясняется большей экономической и социальной мобильностью молодого поколения — например, им может быть характерна большая уверенность в финансовой помощи со стороны старшего поколения, что выражается в меньшей принадлежности к категории тех, кто готов к стратегии «затягивания поясов» [Зотова, Давыденко, 2012].

105 100 95 90 85 80 75 70 65 60 55

П --|_Р-

,-Г"-1 1 —р-^ч -Г

-

— н _г

а 1_

чУ ^ ^ л!? ¿у5 л!? л?1 л!* л?1 Л? Л? Л? ^ ^ ^у' ^

\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у . с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у _с\у

э .»э .»э

& ©> о? ©>" & о? ©>" ©> о? ©>" ©> о? ©>" ©> о? ©>" ©> о? ©>" & о? ©>" ©> о? ©>" ©> о? ©>" ©> о? ©>" ©> о? до 30 лет 30-49 лет 50 лет и старше старше трудоспособного возраста

Рисунок 11: Динамика ИПУ в разрезе возрастных групп. Источник: Росстат. Т = 48 кварталов.

Далее рассмотрим образовательный профиль. В литературном обзоре был выделен тезис, что значимую роль в построении субъективного восприятия экономики играет уровень человеческого капитала индивида, в первую очередь образовательный критерий. Респонден-

48 Более детальная динамика к выделяемым в тексте социально-демографическим группам представлена в Приложении на Рисунках 1 - 3.

ты с более высоким уровнем образования должны, в теории, демонстрировать более низкие потребительские настроения в силу большей глубины понимания экономических процессов, возможностей сопоставления разных источников данных для формирования соответствующих выводов. Анализ динамики под таким углом предлагает любопытные выводы. Респонденты с высшим образованием демонстрируют более высокие оценки потребительских настроений, ожиданий и особенно текущего состояния, респонденты с более низким уровнем образования. В частности, в периоде с 2010 по середину 2014 г. оценки ИНН сохранялись на уровне выше 103 п.п. с кратковременными падениями ниже 100 п.п. в 2011 г. Интересный тренд наблюдается при анализе респондентов со средним общим образованием: они демонстрируют более высокие потребительские настроения и ожидания в сравнении с теми, у кого среднее специальное образование, однако значительных различий в промежутке между 2009 и 2019 г. не наблюдается. Отдельно выделяется период после 2014 года, где оценки россиян со средним общим и средним специальным образованием превышали 90 п.п. в мае-июне 2015 года (до 96-97 п.п.) и в сентябре 2015 года (до 93 п.п.). Восстановление индексной динамики и выход в «положительную» зону происходит в конце 2017 года (на уровень 104107 п.п. в апреле 2018 г.) с плавной коррекцией до конца анализируемого периода. На этом фоне нестандартным является динамика ИНН среди респондентов с начальным образованием — их исходная динамика до 2016 года демонстрировала исключительное преобладание негативных оценок на всем протяжении времени, но после середины 2017 года переходила на положительные значения даже быстрее, чем среди более образованных респондентов. Отчасти это можно объяснить тем, что образование как таковое влияет на выработку и воспроизводство механизмов реагирования на происходящее в экономике. В таком случае под образованием имеется в виду то, что индивиды получают практическое знание на основе собственного опыта, чтение новостей или сравнения с прошлым [Бердышева, Романова, 2016]. В ряде случаев это позволяет нивелировать недостаток фактического уровня образования.

105 100 95 90 85 80 75 70 65 60 55

— -г

I -

^ ^ ¿р ¿р ¿р ^ ^ ^ ^ ^ ¿у ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^

& ©>•' ©>' сР ©>' (Р сР ©>' <Р' (Р (Р сР ©>' <Р' сР ©>' <Р' сР (Р <Р' (Р (р сР ср ©>' <Р' ср ©>' <Р'

Начальное/основное общее Среднее (полное) общее Среднее профессиональное Высшее (среднее специальное, высшее)

Рисунок 12: Динамика ИНУ в разрезе основных образовательных групп. Источник: Росстат. Т = 48 кварталов.

Дальнейшие различия профилей респондентов становятся более отчётливыми при переходе к социально-экономическим характеристикам, таким как уровень материального положения и регион (тип) населённого пункта. Данные аспекты имеют высокую степень разработанности. Работы Н. Тихоновой, А. Нишняк, Н. Халиной, А. Каравай, Е. Головляницы-ной, Е. Бердышевой, Р. Романовой и др. позволяют выявить фактические примеры реагирования индивидов с разным уровнем материальной обеспеченности (в том числе на уровне географии проживания), многие из которых ассоциируются с терминами «адаптация», «выживание», влияние стратификационной структуры общества на этот процесс. В итоге одна из возможных детерминант устойчивости потребительских ожиданий — соответствующая устойчивость динамики материального положения, а точнее — её слабая изменчивость во времени. Здесь возможно применение разных вариантов операционализации в виде субъективных оце-

нок изменения социально-экономических аспектов жизни индивида. Например, П. Козырева рассматривает социально-экономические и политические реформы после 1990-х в качестве индикатора приобретений и потерь россиян. В статье отмечается конструктивная роль субъективного оценивания россиянами собственного благополучия и присутствия позитивных/негативных эффектов от распространяемой государственной и экономической политики. Изменения в экономике с начала 2000-х оказали положительное влияние на увеличение доли людей, «выигравших» от сложившейся среды [Козырева, 2014]. Сама по себе дискуссия вокруг проблемы «выигравших» и «проигравших» способствует конструированию свойств и критериев устойчивости (укоренённости) потребительских ожиданий. К примеру, исследуя складываемый дискурс в профессиональном сообществе, а также в СМИ. Исследование Е. Даниловой позволяет теоретически подойти к тезису, что выделение этих двух категорий не учитывает многообразие социальных явлений и практик потребления, и на аналитическом уровне является непродуктивным [Данилова, 2014]. Это позволяет в дальнейшем предполагать, что укоренённость потребительских ожиданий проявляется в типичных реакциях (ответах) «оптимистов» и «пессимистов», о чем ранее писали Д. Ибрагимова и С. Николаенко [Ибрагимова, Николаенко, 2005]. Косвенно это подтверждается при рассмотрении индивидуальных ответов респондентов на вопрос об изменениях материального благополучия: характерны периоды устойчивого доминирования пессимистически настроенных респондентов, со значительным усилением эффекта после 2013 г. Высокая доля пессимистов предполагает под собой определенные стратегии «выживания». В целом данное направление логики является продуктивным для дальнейшего анализа. Некоторые эксперты отмечают, что в российском обществе присутствуют черты выраженной массовой тревожности, что означает попадание индивида в состояние постоянного («хронического») стресса, ощущения надвигающихся угроз в различных аспектах его жизни [Седова, 2010]. Нельзя сказать, что данное состояние носит исключительно негативный характер: попадание в пространство периодических рисков способствует выработке новых путей разрешения барьеров, что предполагает под собой т. н. стратегии адаптации. А. Каравай на базе многолетнего мониторинга выделяет серию практик, репрезентирующих типичные адаптивные механизмы: так, четверть опрашиваемых респондентов выделяют практику осуществления максимальной социальной и экономической активности, выращивание продуктов для себя, использование ресурсов для осуществления занятости на разных позициях [Каравай, 2020].

По найму (на предпр.) По найму (у ФЛ) Не по найму Учащийся ^^^^ Пенсионер Инвалид Домохозяйство

Рисунок 13: Динамика ИПУ в разрезе основных групп занятости. Источник: Росстат. Т = 48 кварталов.

Для получения более объективной картины динамики возможен анализ индивидуальных оценок на базе Индекса потребительской уверенности Росстата. Микроданные позволяют сравнить динамику ИПУ в разрезе основных социально-демографических профилей (по полу, возрасту, образованию, типу населенного пункта, форме занятости). С точки зрения различий по полу на протяжении всего периода анализа (с учётом «лага» в 3 месяца) оценки

мужчин являются более позитивными, нежели среди женщин, при этом разница составляет не более 2-3 п.п. Период с конца 2014 по конец 2016 гг. оказался депрессивным для обеих групп. Схожая тенденция наблюдается в разрезе возрастных групп. Как и в случае с данными ФОМ, динамика Росстата демонстрирует выраженную устойчивость негативного отношения людей к экономике и материальному положению среди наиболее возрастных категорий (стар -ше 50 лет), при этом более молодое поколение может легче переносить последствия резких изменений в экономике и собственном благополучии, сохраняя позитивное отношение.

3.4 Сравнение динамики ИПН с макроэкономическими тенденциями

Существенное влияние на формирование потребительских настроений жителей страны оказывают такие макроэкономические индикаторы, как оборот розничной торговли продовольственных и непродовольственных товаров, динамика промышленного производства, индекс потребительских цен, денежные доходы и расходы населения, ВВП страны. В целом ИПН как индикатор макроуровня, собираемый на микроуровне, по факту может выполнять роль «среднего уровня», обеспечивающего связи между индивидуальным поведением отдельно взятых людей и изменениями в экономике. Для возможной «проекции» среднего уровня необходимо получить представление о том, как различаются оценки потребительских ожиданий россиян в рамках экономического контекста. Если отталкиваться от существующего опыта (зарубежного, российского), то в основном внимание уделяется макроэкономическим факторам и в меньшей степени социальным. Предполагается, что устойчивость потребительских ожиданий — это паттерн (свойство) фактической адаптации финансового поведения людей, стратегий потребления/сбережения к «внешним шокам». Процессы, происходящие в экономике, оказывают прямое влияние на эти решения; происходит систематическая («автоматическая») подгонка стратегий и экономики (что кажется очевидным на рисунках 58). Про-экономическая логика находит своё подтверждение в анализе рецессивных, кризисных и стабилизационных периодов. Экономисты уделяют внимание различению трёх кризисных периодов (1998, 2008-2009, 2014-2016), которые объединяются периодической «раз-балансировкой» основных макроэкономических показателей [Лякин, 2018]. Можно выделить несколько кейсов. Например, кризис 2008-2009 гг. и последующие 2 года во многом определялись международной обстановкой и влиянием «внешнего фактора», вызванного рецессией, оказавшей значимое влияние на работу сырьевого экспорта, работу финансовых институтов, движение капитала. Отложенный характер изменений на макроуровне оказывает негативное (хотя и косвенное) влияние на прогнозирование экономических действий, поскольку в таком случае необходимо сначала проанализировать институциональные изменения (на уровне рынков, отраслей, организаций), и лишь затем переходить к анализу индивидуального поведения. Этот тезис можно проиллюстрировать на примере банковской сферы.

.-»•Л

а» *

/ч

Ч.л

•Л'

1200 1000 800 600 400 200 0

^ ^ ^ <$> # ф ^ о* ^

Л Л' Л О О' ЛГ ,лг ЛГ Л Л л>- л л л лг лг Л Л Л' ЛГ Л Л' # # # # # # # # # # # # # # # # # # # # # # #

120 100 80 60 40 20

■■■■■■И Число банков (ед.) Индекс потребительских настроений (п.п.)

Рисунок 14: Сравнение динамики Индекса потребительских настроений и числа финансовых организаций с лицензией на ведение банковской деятельности в Российской Федерации. Источник: ЦБ РФ, "Курьер".

Некоторые исследователи обозначают кризис 2008-2009 гг. в качестве источника дальнейшего развития кризиса финансового рынка [Федорова, Федоров, Мусиенко, 2020]. С этим связана начатая в 2013 г. финансовыми институтами (ЦБ РФ) политика «ремонта» банковского сектора путем санации организаций с нарушениями финансовой отчётности и «проблемными» активами. Эксперты отмечают, что масштаб трансформаций после этого был значительным. Косвенные признаки видны в статистике присутствия финансовых агентов на российском рынке (рисунок 14). Здесь привлекает внимание период после 2014 г., когда сокращения банков на рынке происходили достаточно интенсивно, в то время как динамика Индекса потребительских настроений демонстрировала сильные колебания с тенденцией в негативную зону (ниже 100 п.п.). Интересно, что начиная с 2016 г. рост динамики ИНН не совпадает в полной мере со скоростью санации банков. Это значит, что на потребительские ожидания (настроения) начинают оказывать влияние другие экономические детерминанты.

Например, это учёт «базовых» макроэкономических показателей, которые опосредованно, но значимо связаны с формированием потребительских ожиданий и настроений. И в зарубежной, и в российской литературе в качестве таковых считается уровень инфляции, безработицы, показатели роста доходов за последние 12 месяцев. Их учёт важен потому, что основные слагаемые потребительского пессимизма — рост инфляции и безработицы — могут приводить к снижению уровня жизни населения страны. На рисунке 15 показано сравнение этих показателей с уровнем потребительских настроений. Нри рассмотрении инфляции важно подчеркнуть, что мы говорим о постоянном процессе роста цен на продовольственные и непродовольственные товары, а величина индекса фактически определяет скорость этого прироста. С одной стороны, динамику инфляции можно считать более «сглаженной» в отличие от индекса цен производителей, который имеет более выраженные всплески от одного месяца к другому. В то же время можно заметить, что изменения на уровне инфляции в краткосрочной перспективе оказывают накопительный и инерционный эффект на потребительские настроения. В частности, одновременно со значительным ростом потребительских цен (в пределах временного ряда) в начале 2015 года происходит резкое снижение уровня ИНН. Ноказатели безработицы и производства не характеризуются резкими изменениями в этот момент, что означает возможное влияние других факторов на динамику ИНН. Например, это может быть прирост реальных доходов населения. Нри сравнении этого показателя с уровнем потребительских ожиданий мы также отмечаем слабо-выраженный эффект взаимодействия.

о о