Описательный анализ данных

В основу исследования легли данные обследования учащихся 1 курса и учеников старших классов "Тайфун", проведённое в 2012 году. В ходе этого обследования были отобраны 4000 человек, родившихся в 1991-1996 годах, не имеющих высшего образования, из которых 2000 человек - студенты первого курса университетов. Респонденты были отобраны пропорционально численности 16-18летних в субъектах РФ по данным федеральной службы государственной статистики. Девушек и юношей среди опрошенных сделали равным.

Первоначально данные собирались для исследования процесса поступления выпускников в ВУЗы, а также влияния ЕГЭ на шансы поступления. Однако эти данные также оказались пригодны и для изучения образовательной миграции.

Для того, чтобы определить произошла ли миграция были использованы вопросы о месте проживания во время учёбы в школе и месте расположения ВУЗа, в который был зачислен студент. Если эти населённые пункты не совпадали, было принято решение считать, что образовательная миграция произошла. Недостатком такого подхода является невозможность выяснить истинные причины миграции. Для некоторых опрошенных решение переехать в другой город действительно было следствием решения поступать в определённый ВУЗ, для других - наоборот, выбор ВУЗа стал частью миграционной стратегии. Кроме того, такой подход не позволяет определить, действительно ли респондент начал жить в другом городе или же стал каждый день ездить на пары в другой город. Тем не менее, мы считаем, что даже с такой зависимой переменной общие закономерности модель должна выявить.

Рисунок 1: доля мигрантов среди поступивших в ВУЗы. Источник: расчёты автора.

.

Как видно из диаграммы 1, почти половина выпускников поступила в ВУЗы в других населённых пунктах. Причём миграция внутри регионов гораздо более распространена, чем миграция между регионами. Существует разница в этих цифрах в зависимости от половой принадлежности: только 45,5% женщин решились уехать для учёбы, в то время как среди мужчин таких оказалось 51,65%.

Однако переехать для учёбы из Владивостока в Москву совсем не то же самое, что переехать из Тулы в Москву. Так что с целью разделить в дальнейшем мигрантов на подгруппы в анализ была включена переменная расстояния (distance) между населённым пунктом, где респондент жил во время учёбы в школе, и населённым пунктом, где находится ВУЗ, куда поступил респондент. Эти данные были получены с помощью сайта www.avtodispetcher.ru, на котором можно рассчитать минимальное расстояние между населёнными пунктами, если ехать на машине. В случае, если респондент никуда не переезжал, переменной присваивалось значение 0. Среднее значение этого расстояния для респондентов, которые переехали, составило около 806 километров. Причём для мужчин оно составило в среднем 768 километров, а для женщин - 845. Однако тест на равенство математических ожиданий расстояния миграции для мужчин и для женщин показал, что нулевая гипотеза о равенстве этих расстояний не отвергается.

Также в анализ была введена переменная желания мигрировать (planned_migration). Для целей нашего анализа мы считали, что респондент хочет мигрировать, если ВУЗ его мечты находится в другом населённом пункте. Можно было бы предположить, что факторы влияющие на образовательную миграцию будут также связаны и с желанием мигрировать, однако эта переменная не скоррелирована ни с одним из других рассматриваемых факторов, так что мы с полным правом включаем её как одну из объясняющих переменных.

Таблица 1: корреляционная матрица факторов образовательной миграции. Источник: расчёты автора.

planned_migrationreligionmarriagechildrenincomegenderEGEavplanned_migration1 religion-0.00061 marriage0.0038-0.0151 children0.0021-0.00370.26131 income-0.02490.04530.0712-0.07841 gender-0.0748-0.0186-0.1717-0.0816-0.03121 EGEav0.01-0.02580.03050.00650.10720.14631health0.0143-0.033-0.0861-0.0588-0.14120.1225-0.0357