Сведения о доходах и имуществе российских региональных политиков: пилотаж и оценка качества административных данных

  • Татьяна Юрьевна Черкашина Институт экономики и организации промышленного производства СО РАН; Новосибирский национальный исследовательский государственный университет, Новосибирск, Россия touch@nsu.ru ORCID ID https://orcid.org/0000-0002-0994-4388
    elibrary Author_id 562291
    ResearchID R-7531-2017
Для цитирования
Черкашина Т. Ю. Сведения о доходах и имуществе российских региональных политиков: пилотаж и оценка качества административных данных // Социологический журнал. 2021. Том 27. № 3. С. 8-34. DOI: https://doi.org/10.19181/socjour.2021.27.3.8422

Аннотация

В статье на примере сведений о доходах и имуществе депутатов законодательных органов власти субъектов РФ за 2019 г., собираемых в рамках антикоррупционной деятельности, представлен опыт конвертации нецелевых административных данных в исследовательские. Из всей совокупности сведений этот эмпирический фрагмент был выбран для пилотажа административных данных, включающего оценку возможности интеграции разрозненных фрагментов сведений в единую базу данных, оценку качества данных и их релевантности для решения исследовательских задач, в частности анализа высокодоходных слоев и оценки тенденций к индивидуализации частной собственности. Система индикаторов для оценки качества данных включает их своевременность, доступность, интерпретируемость, достоверность, сравнимость, согласованность, ошибки репрезентации и измерения, релевантность. Для рассматриваемого набора данных ошибки измерения более характерны, чем ошибки репрезентации. В целом статья акцентирует тезисы, что введение в оборот новых нецелевых данных требует их пилотажа, а оценка качества данных становится распределенной как во времени, так и между разными субъектами. Переход от созданных данных к «обнаруженным» смещает функции оценки их качества от исследователясоздателя к исследователю-пользователю. Хотя в рассмотренном случае качество данных отчасти обеспечивается юридическим сопровождением их генерации, преобразование административных данных в исследовательские включает оценку множества измерений качества — от их доступности до унифицированности и точности.
Ключевые слова:
административные данные, качество данных, ошибки репрезентации, ошибки измерения, пилотаж административных данных

Биография автора

Татьяна Юрьевна Черкашина, Институт экономики и организации промышленного производства СО РАН; Новосибирский национальный исследовательский государственный университет, Новосибирск, Россия
кандидат социологических наук, доцент; ведущий научный сотрудник, Институт экономики и организации промышленного производства СО РАН; заведующая кафедрой общей социологии, Новосибирский национальный исследовательский государственный университет

Литература

1. Джапек Л., Крейтер Ф., Берг М. и др. Отчет AAPOR о больших данных: 12 февраля 2015 // Американская ассоциация исследователей общественного мнения / Пер. с англ. Д. Рогозина, А. Ипатовой, Е. Вьюговской; Предисл. Д. Рогозина. М., 2015 [электронный ресурс]. Дата обращения 31.01.2021. URL: https://book.wciom.ru/knigi/knigi/otchyot_aapor_o_bolshih_dannyh/

2. Ишунин А.Г. Проведение проверок полноты и достоверности сведений о доходах, расходах, об имуществе и обязательствах имущественного характера, предоставленных государственными гражданскими служащими Курской области // Государство и общество: вчера, сегодня, завтра. 2018. № 3. С. 24–32.

3. Кабанов П.А. Антикоррупционное процессуальное законодательство субъектов Российской Федерации: формирование и содержание // Актуальные проблемы экономики и права. 2018. Т. 12. № 2. С. 300–333. DOI: 10.21202/1993-047X.12.2018.2.300-333

4. Табакова И.Н. Актуальные вопросы, возникающие при представлении сведений о доходах, расходах, об имуществе и обязательствах имущественного характера // Актуальные вопросы противодействия коррупции в сфере образования: Сб. науч. ст. по материалам IV Сибирского антикоррупционного форума, Красноярск, 26–27 декабря 2018 г. / Отв. ред. И.А. Дамм, Е.А. Акунченко. Красноярск: Сиб. федер. ун-т, 2019. С. 207–213.

5. Цивинская А.О., Губа К.С. Мониторинг эффективности образовательных организаций как источник данных о российском высшем образовании // Университетское управление: практика и анализ. 2020. Т. 24. № 2. С. 121–130. DOI: 10.15826/umpa.2020.02.018

6. Черкашина Т.Ю. Измерение доходов населения: варианты оценки смещения // Вопросы экономики. 2020. № 1. С. 127–144. DOI: 10.32609/0042-8736-2020-1-127-144

7. Чернышева Л.А. Дисциплинарная ответственность государственных служащих за предоставление недостоверных или неполных сведений о доходах и расходах // КриминалистЪ. 2015. № 2. С. 44–47.

8. Чуриков А.В. Основы построения выборки для социологических исследований. М.: Ин-т фонда «Общественное мнение», 2020. — 240 с.

9. Abowd J.M., Stinson M.H. Estimating measurement error in annual job earnings: A comparison of survey and administrative data // Review of Economics and Statistics. 2013. Vol. 95. No. 5. P. 1451–1467. DOI: 10.1162/REST_a_00352

10. Angel S., Heuberger R., Lamei N. Differences between household income from surveys and registers and how these affect the poverty headcount: Evidence from the Austrian SILC // Social Indicators Research. 2018. Vol. 138. No. 2. P. 575–603. DOI: 10.1007/s11205-017-1672-7

11. Biemer P. Total Survey Error: Design, Implementation, and Evaluation // Public Opinion Quarterly. 2010. Vol. 74. Iss. 5. P. 817–848. DOI: 10.1093/poq/nfq058

12. Brackstone G. Managing data quality in a statistical agency // Survey Methodology. 1999. Vol. 25. No. 2. P. 139–150.

13. Braendle T. Do Institutions affect Citizens’s Election into Politics? // Journal of Economic Surveys. 2016. Vol. 30. No. 2. P. 205–227. DOI: 10.1111/joes.12098

14. Citro C.F. From multiple modes for surveys to multiple data sources for estimates // Survey Methodology. Vol. 40. Iss. 2. 1 December 2014. P. 137–161.

15. Connelly R., Playford C.J., Gayle V., Dibben C. The role of administrative data in the big data revolution in social science research // Social Science Research. Vol. 59. September 2016. P. 1–12. DOI: 10.1016/j.ssresearch.2016.04.015

16. Couper M.P. New Developments in Survey Data Collection // Annual Review of Sociology. 2017. Vol. 43. No. 1. P. 121–145. DOI: 10.1146/annurev-soc-060116-053613

17. Eurostat. Methodological Documents — Definition of Quality in Statistics // Working Group “Assessment of quality in statistics”. Sixth meeting. Luxembourg, 2–3 October 2003 [online]. Accessed 10.02.2021. URL: https://ec.europa.eu/ eurostat/documents/64157/4373735/02-ESS-quality-definition.pdf

18. Frémeaux N., Leturcq M. Inequalities and the individualization of wealth // Journal of Public Economics. 2020. Vol. 184, April. Article number 104145. DOI: 10.1016/j.jpubeco.2020.104145

19. Groen J.A. Sources of Error in Survey and Administrative Data: The Importance of Reporting Procedures // Journal of Official Statistics. 2012. Vol. 28. No. 2. P. 173–198.

20. Groves R.M. Research on Survey Data Quality // Public Opinion Quarterly. 1987. Vol. 51. Iss. 4. Winter 1987. P. s156–s172. DOI:10.1093/poq/51.4_part_2.s156

21. Groves R.M. Three Eras of Survey Research // Public Opinion Quarterly. 2011. Vol. 75. Iss. 5. P. 861–871. DOI: 10.1093/poq/nfr057

22. Groves R.M., Lyberg L. Total Survey Error: Past, Present, and Future // Public Opinion Quarterly. 2010. Vol. 74. Iss. 5. P. 849–879. DOI: 10.1093/poq/nfq065

23. Hand D.J. Statistical Challenges of Administrative and Transaction Data // Journal of the Royal Statistical Society. 2018. Vol. 181. Iss. 3. P. 555–605. DOI: 10.1111/rssa.12315

24. Kapteyn A., Ypma J.Y. Measurement Error and Misclassification: A Comparison of Survey and Administrative Data // Journal of Labor Economics. 2007. Vol. 25. No. 3. P. 513–551. DOI: 10.1086/513298

25. Keller S., Korkmaz G., Orr M., Schroeder A., Shipp S. The Evolution of Data Quality: Understanding the Transdisciplinary Origins of Data Quality Concepts and Approaches // Annual Review of Statistics and Its Application. Vol. 4. 7 March 2017. P. 85–108. DOI: 10.1146/annurev-statistics-060116-054114

26. Kim C., Tamborini C.R. Response error in earnings: An analysis of the survey of income and program participation matched with administrative data // Sociological Methods & Research. 2014. Vol. 43. No. 1. P. 39–72. DOI: 10.1177/0049124112460371

27. Lavrakas P.J. Presidential Address: Applying a Total Error Perspective for Improving Research Quality in the Social, Behavioral, and Marketing Sciences // Public Opinion Quarterly. 2013. Vol. 77. Iss. 3. P. 831–850. DOI: 10.1093/poq/nft033

28. Lersch P.M., Vidal S. My house or our home? Transitions into sole home ownership in British couples // Demographic Research. 2016. Vol. 35. Iss. 1. P. 139–166. DOI: 10.4054/DemRes.2016.35.6

29. Lyberg L. Survey Quality // Survey Methodology. 2012. Vol. 38. No. 2. 107–130.

30. OECD. Quality Framework and Guidelines for OECD Statistical Activities, Version 2011/1 [online]. Accessed 10.02.2021. URL: https://www.oecd.org/ sdd/qualityframeworkforoecdstatisticalactivities.htm

31. Pavlopoulos D., Vermunt J.K. Measuring temporary employment. Do survey or register data tell the truth? // Survey Methodology. 2015. Vol. 41. Iss. 1. P. 197–214.

32. Playford C.J., Gayle V., Connelly R., Gray A.J. Administrative social science data: The challenge of reproducible research // Big Data & Society. 2016. December. 1–13. DOI: 10.1177/2053951716684143

33. Rosenson B.A. The Impact of Ethics Laws on Legislative Recruitment and the Occupational Composition of State Legislatures // Political Research Quarterly. 2006. Vol. 59. No. 4. P. 619–627. DOI: 10.1177/106591290605900411

34. Szakonyi D. Indecent Disclosures: Anti-Corruption Reforms and Political Selection // SSRN. March 27, 2020. DOI: 10.2139/ssrn.3101123

35. UNECE. Using administrative secondary sources for official statistics. A handbook of principles and practices. United Nations Economic Commission for Europe. 2011 [online]. Accessed 07.12.2020. URL: https://unstats.un.org/unsd/ EconStatKB/KnowledgebaseArticle10349.aspx

36. Valet P., Adriaans J., Liebig S. Comparing survey data and administrative records on gross earnings: nonreporting, misreporting, interviewer presence and earnings inequality // Quality and Quantity. 2019. Vol. 53. No 1. P. 471–491. DOI: 10.1007/s11135-018-0764-z

37. van Aaken A., Voigt S. Do individual disclosure rules for parliamentarians improve government effectiveness? // Economics of Governance. 2011. Vol. 12. Iss. 4. P. 301–324. DOI: 10.1007/s10101-011-0100-8
Статья

Поступила: 21.04.2021

Опубликована: 28.09.2021

Форматы цитирования
Другие форматы цитирования:

ACM
[1]
Черкашина, Т.Ю. 2021. Сведения о доходах и имуществе российских региональных политиков: пилотаж и оценка качества административных данных. Социологический журнал. 27, 3 (сен. 2021), 8-34. DOI:https://doi.org/10.19181/socjour.2021.27.3.8422.
Раздел
ТЕОРИЯ И МЕТОДОЛОГИЯ