Teacher Satisfaction эконометрика: различия между версиями
Материал из Поле цифровой дидактики
Alina Der (обсуждение | вклад) Новая страница: «= Удовлетворённость учителей (Teacher Satisfaction) = {{#ask: Teacher Satisfaction | ?Description }} == Аннотация == В данном проекте исследуется модель удовлетворённости учителей (Teacher Satisfaction) — агентно-ориентированная симуляция рынка труда преподавателей в городской системе об...» |
Alina Der (обсуждение | вклад) Нет описания правки |
||
| Строка 1: | Строка 1: | ||
= Удовлетворённость учителей (Teacher Satisfaction) = | = Удовлетворённость учителей (Teacher Satisfaction) = | ||
{{#ask: [[Teacher Satisfaction]] | ?Description }} | {{#ask: [[Teacher Satisfaction]] | ||
| ?Description | |||
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2). | |||
}} | |||
== Аннотация == | == Аннотация == | ||
| Строка 15: | Строка 18: | ||
=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость === | === Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость === | ||
'''H₀:''' Увеличение базовой зарплаты (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all). | |||
'''H₁:''' Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей. | |||
=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров === | === Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров === | ||
'''H₀:''' Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate). | |||
'''H₁:''' Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров. | |||
=== Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости === | === Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости === | ||
'''H₀:''' Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality). | |||
'''H₁:''' Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости. | |||
== Модель удовлетворённости учителей (NetLogo) == | == Модель удовлетворённости учителей (NetLogo) == | ||
| Строка 37: | Строка 40: | ||
Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками: | Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками: | ||
* | * '''Удовлетворённость''' (0–1) — зависит от зарплаты, качества школы и расстояния до работы. | ||
* '''Мобильность''' — радиус, в котором учитель готов искать работу. | |||
* '''Статус''' — работает в школе или безработный. | |||
* | |||
Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом. | Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом. | ||
**Важно для нашего исследования:** сама модель не запускалась нами. Мы использовали | **Важно для нашего исследования:** сама модель не запускалась нами. Мы использовали уже готовые датасеты, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих готовых данных. | ||
Полное описание модели доступно на странице [[Teacher Satisfaction (model)]]. | Полное описание модели доступно на странице [[Teacher Satisfaction (model)]]. | ||
| Строка 53: | Строка 54: | ||
=== Инструменты === | === Инструменты === | ||
* | * '''Моделирование:''' NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных | ||
* '''Анализ данных:''' Microsoft Excel (пакет анализа, инструмент «Регрессия») | |||
* '''Визуализация:''' Точечные диаграммы с линиями тренда (Excel) | |||
* '''Данные:''' готовые CSV-датасеты из открытого репозитория | |||
* | |||
* | |||
<div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;"> | <div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;"> | ||
| Строка 65: | Строка 63: | ||
'''Теоретический базис — закон Парето и теория рынка труда''' | '''Теоретический базис — закон Парето и теория рынка труда''' | ||
В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются | В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются с неудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей). | ||
</div> | </div> | ||
| Строка 74: | Строка 72: | ||
{| class="wikitable" | {| class="wikitable" | ||
! Файл !! Ссылка !! Переменные | ! Файл !! Ссылка !! Переменные | ||
|- | |- | ||
| TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др. | | TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др. | ||
|- | |- | ||
| TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др. | | TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др. | ||
|- | |- | ||
| TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др. | | TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др. | ||
|} | |} | ||
| Строка 95: | Строка 85: | ||
Анализ данных проводился в **Microsoft Excel** с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида: | Анализ данных проводился в **Microsoft Excel** с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида: | ||
'''Y = α + β · X + ε''' | |||
где: | где: | ||
* Y — зависимая переменная | * Y — зависимая переменная | ||
* X — независимая переменная | * X — независимая переменная | ||
* β — коэффициент регрессии (направление и сила связи) | * β — коэффициент регрессии (направление и сила связи) | ||
* α — свободный член | * α — свободный член | ||
* ε — случайная ошибка | * ε — случайная ошибка | ||
Для каждой модели оценивались: | Для каждой модели оценивались: | ||
* '''Коэффициент β''' — знак и величина влияния X на Y | |||
* '''R-квадрат''' — доля дисперсии Y, объяснённая X | |||
* '''P-значение''' (Значимость F) — статистическая значимость модели (порог α = 0,05) | |||
* | |||
== Результаты эконометрического анализа == | == Результаты эконометрического анализа == | ||
| Строка 121: | Строка 103: | ||
=== Результат 1: Гипотеза H1 (зарплата → удовлетворённость) === | === Результат 1: Гипотеза H1 (зарплата → удовлетворённость) === | ||
'''Спецификация модели:''' | |||
* Y = `mean-satisfaction-all` (средняя удовлетворённость) | * Y = `mean-satisfaction-all` (средняя удовлетворённость) | ||
* X = `Base_Salary` (базовая зарплата) | * X = `Base_Salary` (базовая зарплата) | ||
'''Таблица результатов регрессии:''' | |||
{| class="wikitable" | {| class="wikitable" | ||
! Показатель !! Значение | ! Показатель !! Значение | ||
|- | |- | ||
| R-квадрат || 0,000256 | | R-квадрат || 0,000256 | ||
|- | |- | ||
| Коэффициент при Base_Salary || 0,000000457 | | Коэффициент при Base_Salary || 0,000000457 | ||
|- | |- | ||
| P-значение (Значимость F) || 0,5715 | | P-значение (Значимость F) || 0,5715 | ||
|- | |- | ||
| Количество наблюдений || 1249 | | Количество наблюдений || 1249 | ||
|} | |} | ||
'''График зависимости:''' | |||
[[Файл:Зп_на_удвл_гр.jpg|600px]] | [[Файл:Зп_на_удвл_гр.jpg|600px]] | ||
'''Вывод по H1:''' Гипотеза '''не подтверждается'''. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей. | |||
--- | --- | ||
| Строка 161: | Строка 131: | ||
=== Результат 2: Гипотеза H2 (мобильность → текучесть) === | === Результат 2: Гипотеза H2 (мобильность → текучесть) === | ||
'''Спецификация модели:''' | |||
* Y = `teacher-turnover-rate` (текучесть кадров) | * Y = `teacher-turnover-rate` (текучесть кадров) | ||
* X = `academic-mobility-radius` (радиус мобильности) | * X = `academic-mobility-radius` (радиус мобильности) | ||
'''Таблица результатов регрессии:''' | |||
{| class="wikitable" | {| class="wikitable" | ||
! Показатель !! Значение | ! Показатель !! Значение | ||
|- | |- | ||
| R-квадрат || 0,00149 | | R-квадрат || 0,00149 | ||
|- | |- | ||
| Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный) | | Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный) | ||
|- | |- | ||
| P-значение (Значимость F) || 0,1727 | | P-значение (Значимость F) || 0,1727 | ||
|- | |- | ||
| Количество наблюдений || 1249 | | Количество наблюдений || 1249 | ||
|} | |} | ||
'''График зависимости:''' | |||
[[Файл:Мобил_гр.jpg|600px]] | [[Файл:Мобил_гр.jpg|600px]] | ||
'''Вывод по H2:''' Гипотеза '''не подтверждается''' на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь. | |||
--- | --- | ||
| Строка 201: | Строка 159: | ||
=== Результат 3: Гипотеза H3 (качество школ → неравенство) === | === Результат 3: Гипотеза H3 (качество школ → неравенство) === | ||
'''Спецификация модели:''' | |||
* Y = `satisfaction-inequality` (неравенство удовлетворённости) | * Y = `satisfaction-inequality` (неравенство удовлетворённости) | ||
* X = `Sch_Quality_Variation` (вариативность качества школ) | * X = `Sch_Quality_Variation` (вариативность качества школ) | ||
'''Таблица результатов регрессии:''' | |||
{| class="wikitable" | {| class="wikitable" | ||
! Показатель !! Значение | ! Показатель !! Значение | ||
|- | |- | ||
| R-квадрат || 0,1637 | | R-квадрат || 0,1637 | ||
|- | |- | ||
| Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный) | | Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный) | ||
|- | |- | ||
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001) | | P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001) | ||
|- | |- | ||
| Количество наблюдений || 999 | | Количество наблюдений || 999 | ||
|} | |} | ||
'''График зависимости:''' | |||
[[Файл:Кач_шк_гр.jpg|600px]] | [[Файл:Кач_шк_гр.jpg|600px]] | ||
'''Вывод по H3:''' Гипотеза '''подтверждается''' (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался '''отрицательным''': увеличение вариативности качества школ приводит к '''снижению''' неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной. | |||
'''Интерпретация отрицательного коэффициента:''' | |||
Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости. | Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости. | ||
| Строка 243: | Строка 189: | ||
--- | --- | ||
== Общий вывод по всем гипотезам == | |||
{| class="wikitable" | {| class="wikitable" | ||
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт | ! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт | ||
|- | |- | ||
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена | | H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена | ||
|- | |- | ||
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена | | H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена | ||
|- | |- | ||
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь) | | H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь) | ||
|} | |} | ||
'''Заключение:''' | |||
В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является | В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является '''качество школы''': увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату. | ||
== Участники и распределение ролей == | == Участники и распределение ролей == | ||
* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов | * '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов | ||
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта | * '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта | ||
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция | * '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция | ||
| Строка 278: | Строка 214: | ||
* [[Практикум по эконометрике (syllabus)]] | * [[Практикум по эконометрике (syllabus)]] | ||
* [[Социально-экономическая статистика и эконометрика (syllabus)]] | * [[Социально-экономическая статистика и эконометрика (syllabus)]] | ||
* [[Teacher Satisfaction (model)]] — описание агентной модели | * [[Teacher Satisfaction (model)]] — описание агентной модели | ||
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/ | * Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/ | ||
* Репозиторий с данными: https://github.com/patarakin/stat-data | * Репозиторий с данными: https://github.com/patarakin/stat-data | ||
Версия от 14:34, 10 июня 2026
Удовлетворённость учителей (Teacher Satisfaction)
| Description | |
|---|---|
| Teacher Satisfaction |
Аннотация
В данном проекте исследуется модель удовлетворённости учителей (Teacher Satisfaction) — агентно-ориентированная симуляция рынка труда преподавателей в городской системе образования. Агенты (учителя) выбирают работу по зарплате, качеству школы и расстоянию; их удовлетворённость (0–1) определяет текучесть кадров. Для анализа использованы готовые датасеты, полученные авторами модели в среде NetLogo (BehaviorSpace) и выложенные в открытом доступе на GitHub. Проведён эконометрический анализ влияния трёх факторов (зарплата, мобильность учителей, вариативность качества школ) на удовлетворённость, текучесть и неравенство.
Цель работы
Количественно оценить с помощью регрессионного анализа, как различные факторы (базовая зарплата, радиус мобильности учителей, разброс качества между школами) влияют на среднюю удовлетворённость учителей, уровень текучести кадров и неравенство в удовлетворённости в системе образования.
Рабочие гипотезы
Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость
H₀: Увеличение базовой зарплаты (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all).
H₁: Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей.
Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров
H₀: Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate).
H₁: Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров.
Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости
H₀: Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality).
H₁: Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости.
Модель удовлетворённости учителей (NetLogo)
Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками:
- Удовлетворённость (0–1) — зависит от зарплаты, качества школы и расстояния до работы.
- Мобильность — радиус, в котором учитель готов искать работу.
- Статус — работает в школе или безработный.
Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом.
- Важно для нашего исследования:** сама модель не запускалась нами. Мы использовали уже готовые датасеты, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих готовых данных.
Полное описание модели доступно на странице Teacher Satisfaction (model).
Инструменты и параметры модели
Инструменты
- Моделирование: NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных
- Анализ данных: Microsoft Excel (пакет анализа, инструмент «Регрессия»)
- Визуализация: Точечные диаграммы с линиями тренда (Excel)
- Данные: готовые CSV-датасеты из открытого репозитория
Теоретический базис — закон Парето и теория рынка труда
В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются с неудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей).
Собираемые данные для анализа
Для анализа использованы готовые датасеты, выложенные авторами модели на GitHub:
| Файл | Ссылка | Переменные |
|---|---|---|
| TS_Salary.csv | https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv | Base_Salary, mean-satisfaction-all и др. |
| TS_Mobil_Satisf.csv | https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv | academic-mobility-radius, teacher-turnover-rate и др. |
| TS_S_Quality.csv | https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv | Sch_Quality_Variation, satisfaction-inequality и др. |
Метод анализа
Анализ данных проводился в **Microsoft Excel** с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида:
Y = α + β · X + ε
где:
- Y — зависимая переменная
- X — независимая переменная
- β — коэффициент регрессии (направление и сила связи)
- α — свободный член
- ε — случайная ошибка
Для каждой модели оценивались:
- Коэффициент β — знак и величина влияния X на Y
- R-квадрат — доля дисперсии Y, объяснённая X
- P-значение (Значимость F) — статистическая значимость модели (порог α = 0,05)
Результаты эконометрического анализа
Результат 1: Гипотеза H1 (зарплата → удовлетворённость)
Спецификация модели:
- Y = `mean-satisfaction-all` (средняя удовлетворённость)
- X = `Base_Salary` (базовая зарплата)
Таблица результатов регрессии:
| Показатель | Значение |
|---|---|
| R-квадрат | 0,000256 |
| Коэффициент при Base_Salary | 0,000000457 |
| P-значение (Значимость F) | 0,5715 |
| Количество наблюдений | 1249 |
График зависимости:
Вывод по H1: Гипотеза не подтверждается. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей.
---
Результат 2: Гипотеза H2 (мобильность → текучесть)
Спецификация модели:
- Y = `teacher-turnover-rate` (текучесть кадров)
- X = `academic-mobility-radius` (радиус мобильности)
Таблица результатов регрессии:
| Показатель | Значение |
|---|---|
| R-квадрат | 0,00149 |
| Коэффициент при academic-mobility-radius | -0,0000898 (отрицательный) |
| P-значение (Значимость F) | 0,1727 |
| Количество наблюдений | 1249 |
График зависимости:
Вывод по H2: Гипотеза не подтверждается на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь.
---
Результат 3: Гипотеза H3 (качество школ → неравенство)
Спецификация модели:
- Y = `satisfaction-inequality` (неравенство удовлетворённости)
- X = `Sch_Quality_Variation` (вариативность качества школ)
Таблица результатов регрессии:
| Показатель | Значение |
|---|---|
| R-квадрат | 0,1637 |
| Коэффициент при Sch_Quality_Variation | -0,0867 (отрицательный) |
| P-значение (Значимость F) | 1,24 × 10⁻⁴⁰ (< 0,001) |
| Количество наблюдений | 999 |
График зависимости:
Вывод по H3: Гипотеза подтверждается (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался отрицательным: увеличение вариативности качества школ приводит к снижению неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной.
Интерпретация отрицательного коэффициента:
Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости.
---
Общий вывод по всем гипотезам
| Гипотеза | Ожидаемый знак | Полученный знак | p-value | R² | Вердикт |
|---|---|---|---|---|---|
| H1: зарплата → удовлетворённость | + | ≈0 | 0,57 | 0,000 | не подтверждена |
| H2: мобильность → текучесть | – | – | 0,17 | 0,001 | не подтверждена |
| H3: качество школ → неравенство | + | – | < 0,001 | 0,164 | подтверждена (обратная связь) |
Заключение:
В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является качество школы: увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату.
Участники и распределение ролей
- Гловели Джемма — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов
- Горынин Леонид — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта
- Дериволкова Алина — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция
Ссылки
- Практикум по эконометрике (syllabus)
- Социально-экономическая статистика и эконометрика (syllabus)
- Teacher Satisfaction (model) — описание агентной модели
- Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
- Репозиторий с данными: https://github.com/patarakin/stat-data
