Состав команды:

Нематов Азиз 191 Артемий Ломакин 191 Алексей Аносов 191 Николай Кабаненков 191 Олег Караев 191 Иван Кытманов 191 Дмитрий Маслов 191

1. Вступление

Культура влияет на различные сферы жизни общества и его влияние было неплохо изучено во многих сферах: политике, социологии, истории и т.д. Экономика стала наукой, в которой влияние культуры на социально-экономическое развитие общество изучено меньше всего. Исследователи различных дисциплин уже поднимали вопрос о влиянии культуры в целом, и религиозного фактора, в частности, на экономическое развитие. Одна из наиболее простых форм культура для учета это религия, на ней мы и заострим свое внимание. Тут мы обнаруживаем недостаточное количество исследований в этой области и недостаточную проработанность, в особенности влияние православия на экономическое развитие России. В частности, для указанных работ характерна существенная неоднородность результатов, как правило, связанная с отсутствием предварительно сформулированной гипотезы. Другой проблемой является малое число исследований христианства (православие), особенно на микроуровне. В России исследования социальных и психологических факторов, детерминирующих экономические установки и представления, стали проводиться сравнительно недавно. Культурно-религиозные предпочтения влияют на поведение людей в экономической сфере, начиная от выбора еды(в некоторых религиях определенная еда запрещена для употребления), заканчивая выбором партнера(например в исламе запрещен брак с не мусульманином). Мы же с вами остановим свой выбор на исследовании связи религиозных предпочтений и рабочей культуры индивидуума, а именно его количеством рабочих часов в месяц.

Таким образом, целью проекта является обобщение зарубежной и отечественной литературы влияния религиозных предпочтений на социально-экономические предпочтения людей, разработка методов исследования религиозной идентичности человека и взаимосвязи между ними и количеством рабочих часов человека в месяц.

2. Обзор литературы и выдвижение гипотезы

По данным Левада-центра в 2012 74 процента респондентов относили себя к православию в России. Православие из давних времен стало доминирующей религией в России. Ее влияние ощущают на себе почти все сферы общественной жизни, в том числе и экономика.

Первым источником для обзора была выбрана диссертация Элбакян Е.С., Медведко С.В. «Влияние религиозных ценностей на экономические предпочтения верующих». В начале авторы указывают на древнюю связь между религией и экономикой. При сравнении протестантской культуры на Западе, которая оказало большое влияние на экономическое развитие там, и православной в России, обращается внимание на то, что хоть в православии и находятся приверженцы мнения, что нужны быть дальше от всего «земного» - политики, экономики, но и в православии есть свои трудовые и хозяйственные традиции, которые влияют на развитие экономической сферы в России. Затем авторы переходят к опросу, проведенному в 2000 году. И из этого опроса следуют некоторые выводы: больше верующих, которые относят себя к более плохому материальному положению, в среднем верующие имеют более низкое образование. Также отмечено консервативное настроение и неприятие перемен: негативное отношение к приватизации (78,2% среди опрашиваемых верующих), придерживание позиции расширения круга регулируемых цен (75 %) и поддержка плановой экономики (70,4). В теме предпринимательства верующие высказались в сторону усиления государственного контроля (68,7 %). Как вывод авторы пишут об консервативном настрое верующих в экономической сфере. Обратимся к следующей статье Jörg L.Spenkuch «Religion and work: Micro evidence from contemporary Germany». Автор подчёркивает, что существует разница между протестантами и католиками в Германии. В работе проводится анализ влияния ценностей, географического расположения региона, окружения человека. Автор рассматривает работу Макса Вебера (1905) «Протестантская этика и дух капитализма», где тот указывал на то, что ресурсами немецкой экономики в основном владеют протестанты. Он считал, что их религиозные взгляды подталкивают на инвестиции, развитие предприятий, активную экономическую деятельность. Макс Вебер ссылался на труды Бенджамина Франклина, которые подчёркивают ценность времени, которое можно потратить на работу. Стоит заметить, что протестантский аскетизм мог сочетаться с накоплением богатств. Однако в этой работе делается вывод, что прямых эмпирических доказательств “’экономической эффективности” протестантизма нет. Автор считает, что религиозный вопрос здесь играет незначительную роль в отличие от индивидуальных ценностей человека и окружающих его обстоятельств. Всё же в статье есть данные, где протестанты работают больше на 3-4 часа в неделю, но заработная плата у них не отличается от того, что получают остальные граждане Германии. Следующим мы рассмотрим научное исследование Daniel J. Benjamin, James J. Choi, and Geoffrey Fisher Religious identity and economic behavior . В нем авторы используют метод экспериментальной психологии основанный на том, что человек принадлежит различным социальным категориям, характеризующим его пол, профессию, вероисповедание, имеющим разные наборы норм, однако если каким-то образом проявить одну из идентичностей(в отношении религии то может быть молитва, религиозный контекст эксперимента и тд), то человек какое-то время будет действовать согласно именно этой идентичности. Из двадцати результатов, перечисленных в обзорных статьях Iannaccone (1998) и McCleary and Barro (2006) как потенциально подверженных влияние религии, в исследовании рассматриваются шесть, которые, по мнению авторов, можно измерить с помощью экспериментальных экономических задач: вклад в общественное благо, доверие, бережливость, неприятие риска, щедрость и трудовая этика. Хотя некоторая связь между религиозными предпочтениями и некоторыми аспектами поведения авторами усматривается, они не находят существенного влияние религиозных предпочтений на трудовую этику.

Гипотеза

Мы будем исходить из простой гипотезы (называемая нулевой), что религия не влияет на количество рабочих часов в месяц. И эта гипотеза имеет свои обоснования. Есть государственное регулирование максимального количества часов работы в неделю в России (максимум 40 часов), но не всегда это правило соблюдается. Работник может выйти на подработки, есть нелегальное трудоустройство.

3. Описание данных

В нашем исследовании использовались данные РМЭЗ 2019 г. (https://www.hse.ru/rlms/), OECD 2019 г. ( https://data.oecd.org/emp/hours-worked.htm ) и Pew Research Center 2010 г. ( https://assets.pewresearch.org/wp-content/uploads/sit.. ).

Из данных РМЭЗ нас интересовали следующие переменные: “Количество полных лет” (age), “За последние 12 месяцев какова была Ваша среднемесячная зарплата на этом предприятии” (j13_2), “К какой религии вы себя относите?” (j72_19), “Сколько в среднем продолжается Ваш рабочий день на этой работе?” (j6_1), “Сколько за последние 30 дней Вы занимались этой работой?” (j59) в контексте подработок.
Объединив датасеты OECD и Pew Research Center мы получили данные по распределению верующих в стране и среднему количеству часов работы. Обратим внимание, что тут мы располагали данными лишь о среднем количестве часов работы для каждой страны, а не для каждого респондента.

Достоинства данных: * РМЭЗ хорошо структурирован. * Респонденты указывали религию как факторую переменную.

Недостатки данных: * Пропуски (N/A) в данных по количеству часов работы; * Данные о религиозных предпочтениях населения от Pew Research Center вне России не самые актуальные (2010 г.); * Данные от OECD имеют только среднее для страны количество часов работы.

library(tidyverse)
library(haven)
library(dplyr)
library(ggplot2)
library(readr)
library(stringr)
library(coin)

ffc.stata = read_dta(file = "C:/Users/artem/Downloads/data.dta")
oecd = read.csv('C:/Users/artem/Downloads/oecd_2.csv')

rmz = as_factor(ffc.stata)
rmz = rmz %>% select(j72_19, j59) %>% na.omit()
rmz$j59 = str_replace_all(rmz$j59, "ЗАТРУДНЯЮСЬ ОТВЕТИТЬ", "NA")
rmz$j59 = str_replace_all(rmz$j59, "ОТКАЗ ОТ ОТВЕТА", "NA")
rmz$j72_19 = str_replace_all(rmz$j72_19, "НЕТ ОТВЕТА", "NA")
rmz = rmz %>% filter(!j59 == "NA")
rmz = rmz %>% filter(!j72_19 == "NA")
rmz_dop = as_factor(ffc.stata) %>% select(age, j13_2)

Начнем с распределения возрастов.

data = rmz_dop %>% select(age)
data$age = as.integer(data$age)

data$group = case_when( data$age >= 15 & data$age <= 29~ 1, data$age >= 30 & data$age <= 44 ~ 2, data$age >= 45 & data$age <= 59 ~ 3, data$age >= 60 & data$age <= 74 ~ 4, data$age >= 75 & data$age <= 87 ~ 5)
data1 = data %>%
group_by(group) %>%
count() %>%
na.omit()
data1$ne = round(data1$n / sum(data1$n) * 100, 3)
data1$group = c("15-29", "30-44", "45-59", "60-74", "75-87")

ggplot(data1) +
  geom_bar(aes(x = group, y = n), stat ="identity") +
  xlab("Возрастная группа") +
  ylab("Число респондентов") +
  ggtitle("Распределение возрастов среди респондентов") +
  theme_minimal()

Можно наблюдать уменьшение числа респондентов возрасте 70 лет и старше, которые почти наверняка уже не работают. Также можно заметить, что большинство находится в возрастной группе 30-44 и 45-59 лет, что говорит о трудоспособности большинства респондентов.

Теперь посмотрим на распределение зарплат.

rmz_dop$j13_2 = str_replace_all(rmz_dop$j13_2, "ЗАТРУДНЯЮСЬ ОТВЕТИТЬ", "NA")
rmz_dop$j13_2 = str_replace_all(rmz_dop$j13_2, "ОТКАЗ ОТ ОТВЕТА", "NA")
rmz_dop = rmz_dop %>% filter(!is.na(rmz_dop$j13_2)) 
rmz_dop = rmz_dop %>% filter(!j13_2 == "NA")
ggplot(rmz_dop) +
  geom_histogram(aes(x = as.numeric(j13_2))) +
  xlab("Зарплата") +
  ylab("Число респондентов") +
  ggtitle("Зарплата респондентов") +
  theme_minimal() +
  coord_cartesian(xlim = c(0, 100000))

Большинство респондентов получают зарплату до 50000 рублей в месяц. Что является вполне нормальным, так как средняя заработная плата в России составляет 42 263 рубля. Отсюда можно сделать вывод, что респонденты действительно работают, и можно более корректно судить об их часах работы.

Наконец, перейдем к распределению религиозных предпочтений в России по данным РМЭЗ. Ожидаемо, самыми популярными религиями оказались православие и Ислам. После них идет отсутствие религии, а все остальные религии составляют меньшинство. Хотим выяснить, есть ли зависимость между количеством часов работы и указанной религией.

gr2 = rmz %>% group_by(a = factor(j72_19)) %>% count()
ggplot(gr2) +
  geom_histogram(aes(x = a, y = n*100/sum(n), fill = n*100/sum(n) > 50), stat = "identity") +
  coord_flip() + ylab("Проценты, %") +
  xlab("Религия") + ggtitle("Процентное соотношение принадлежностей\nреспондентов к определенной религии") +
  theme_minimal() + scale_fill_discrete(guide=FALSE)

Посмотрев на график логарифмированного распределения часов работы в месяц в зависимости от числа атеистов в разных странах, можно заметить, что явная корреляция здесь не наблюдается, однако она тут есть хоть и небольшая (прямая линия ее показывает). Однако ниже полученное значение p-value скажет о том, что это значение статистически незначимо.

oecd$X..all.religious.people = str_replace_all(oecd$X..all.religious.people, "%", "")
oecd$X..all.religious.people = 100 - as.numeric(oecd$X..all.religious.people)
plot(log(oecd$hours.month) ~ log(oecd$X..all.religious.people), xlab = "log Процентное отношение атеистов",
     ylab = "log Часы работы в месяц")
reg=lm(log(oecd$hours.month) ~ log(oecd$X..all.religious.people))
abline(reg, untf=F)
title("Логарифмированное число часов работы в месяц\nв зависимости от числа атеистов в разных странах", cex.main =0.9)

4. Методы исследования

В нашем исследовании мы задались целью: изучить корреляцию между религией и часами работы. Соответственно, для начала нужно определить тип данных и переменных, которые мы будем рассматривать.

Естественно, мы будем рассматривать числовые и логические переменные:

Числовые - Месячные часы работы, заработная плата, количество верующих. Логические - принадлежность к определѐнной религии.

Чтобы извлечь ответ на вопрос мы будем использовать интеграцию данных, а также статистический и информационный анализ. А именно, проведем работу с файлами типа .dta, .cvc помощью кода написанного R-markdown найдем корреляцию наших данных.

Нашими методами будет сбор данных из открытых источников, анализ с помощью программирования (уточнение будет дано позже), оценка данных, их структуризация и визуализация. Очевидно, что первоначально была выдвинута теория, что количество рабочих часов никаким образом не зависит от религии, но чтобы подтвердить это мы решили провести несколько тестов на взаимосвязь имеющихся у нас переменных.

Далее был проведен ”Asymptotic General Independence Test” , мы использовали метод для проверки нулевой гипотезы такой как т-статистика и нахождение соответствующих вероятностей значимости. Причем, за нулевую гипотезу было взято утверждение, что религия не влияет на количество рабочих часов, альтернативная гипотеза доказывает обратное утверждение, соответственно.

set.seed(123)
independence_test(as.numeric(j59) ~ factor(j72_19), data = rmz)

## 
##  Asymptotic General Independence Test
## 
## data:  as.numeric(j59) by
##   factor(j72_19) (ДАОСИЗМ, ЗАТРУДНЯЮСЬ ОТВЕТИТЬ, ИНДУИЗМ, МУСУЛЬМАНСТВО, НИ К КАКОЙ РЕЛИГИИ, НОВЫЙ ЗАВЕТ, ОТКАЗ ОТ ОТВЕТА, ПРАВОСЛАВИЕ, ПРОТЕСТАНТИЗМ, ХРИСТИАНСТВО, ЯЗЫЧЕСТВО)
## maxT = 5.7861, p-value = 8.025e-08
## alternative hypothesis: two.sided

В тесте р-value, который представляет собой вероятность ошибки при отвержении нулевой гипотезы, получился: p-value = 8.025e-08, причем maxT = 5.7861. Значение p-value значительно < 0.01 , а так как при уменьшении значения p-value этом увеличивается «сила» отклонения нулевой гипотезы и увеличивается ожидаемая значимость результата. что в свою очередь приводит нас к выводу: так как оно меньше указанного уровень значимости, то для отклонения нулевой гипотезы (принятия альтернативной) есть достаточных основания, что в свою очередь говорит о корреляции между рабочими часами и религией.

qqnorm(oecd$hours.month)

qqnorm(oecd$X..all.religious.people)

Но возникла проблема: как оценивать атеистов? Проверив наши данные на нормальность распределения с помощью двух графиков квантилей qqnorm, можно сделать вывод, что наши данные распределены ненормально, так как значения даже близко не лежат на прямой выходящей из начала координат под углом 45 градусов. Поэтому пользоваться обычным тестом корреляции здесь не выйдет (cor_test).

Для оценки гипотезы: атеизм не влияет на количество рабочих часов, мы решили воспользоваться регрессионным тестом.

regression_bin = lm(hours.month ~ X..all.religious.people, data = oecd)
summary(regression_bin)

## 
## Call:
## lm(formula = hours.month ~ X..all.religious.people, data = oecd)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -28.772 -14.304   0.867   8.195  41.610 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)    
## (Intercept)             146.07402    4.63953  31.485   <2e-16 ***
## X..all.religious.people  -0.09922    0.17001  -0.584    0.563    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 17.95 on 36 degrees of freedom
## Multiple R-squared:  0.009374,   Adjusted R-squared:  -0.01814 
## F-statistic: 0.3406 on 1 and 36 DF,  p-value: 0.5631

Остаточное стандартное отклонение (или остаточная стандартная ошибка) - это мера, используемая для оценки того, насколько хорошо модель линейной регрессии соответствует данным, поэтому мы решили ее найти. Для этого мы использовали следующее уравнение регрессии: Y = β0 + β1Xi + ε, где Y – количество часов, β0- константа β1- коэффициент, показывающий изменение рабочих часов в разных странах Xi –контрольная переменная ε- другие факторы, оказывающие влияние на зависимую переменную. Но поскольку некоторые из расстояний положительны, а некоторые отрицательны (определенные точки находятся выше линии регрессии, а другие - ниже), расстояния будут компенсировать друг друга, а это означает, что среднее расстояние будет смещено в низкое значение. Чтобы исправить эту ситуацию, одним из решений является возведение в квадрат этого расстояния, вычисление суммы этих квадратов расстояний для всех точек данных, а затем извлечение квадратного корня из этой суммы, чтобы получить среднеквадратическую ошибку (RSE), в нашем случае при степени свободы 36 RE получилась равной 17.95, а т.к p-value у нас получилось равно 0.5631 (очень большим ) , то мы получаем, что больше 68% данных находятся более, чем на 1 стандартное отклонение. Что еще примечательно, multiple R-squared получили равным 0.0094, а adjusted R-squared = -0.018 (оба этих значения очень малы), разницу между ними можно объяснить тем, что множественная корреляция возникает между зависимой переменной и линейной комбинацией предикторов, а не только одним из них, а не только средним значением этих двумерных корреляций. Таким образом, на основании полученных результатов, можно сделать вывод, что гипотеза верна и атеизм не влияет на количество рабочих часов. Как итог, можно сделать вывод о том, что гипотеза о том, что принадлежность к определенной религии не влияет на количество часов не только не подтвердилась, но и было установлено, что обратное утверждение будет верно.

5 Результаты

Таким образом, мы выяснили, что в России религиозные предпочтения и количество часов работы имеют корреляцию. Касаемо атеистов, мы пришли к логическому результату, что взаимосвязи с их отрешенностью от религии и количеством рабочих часов не наблюдается.

Список литературы:

Элбакян Е.С., Медведко С.В. «Влияние религиозных ценностей на экономические предпочтения верующих» (2001) http://ecsocman.hse.ru/data/588/596/1231/016Elbakyan.pdf
Jörg L.Spenkuch «Religion and work: Micro evidence from contemporary Germany» (2017) https://www.sciencedirect.com/science/article/abs/pii/S0167268117300112
Daniel J. Benjamin, James J. Choi, and Geoffrey Fisher Religious identity and economic behavior (2016) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6402818/
База данных РМЭЗ
Левада-центр
Pew Research Center https://assets.pewresearch.org/wp-content/uploads/sites/11/2012/12/globalReligion-tables.pdf
OECD ( https://data.oecd.org/emp/hours-worked.htm )

Есть ли зависимость между религиозными предпочтениями и количеством часов работы в месяц?