Семерикова Елена Вячеславовна
Факультет экономических наук
Профессиональные интересы
Должности
- Доцент — Факультет экономических наук, Департамент прикладной экономики
- Старший научный сотрудник — Факультет экономических наук, Научно-учебная лаборатория пространственно-эконометрического моделирования социально-экономических процессов в России
- Ведущий эксперт — Факультет экономических наук, Проектная лаборатория развития интеллектуальных состязаний по экономике
Био
- · Начала работать в НИУ ВШЭ в 2010 году.
- · Научно-педагогический стаж: 7 лет.
Образование
- 2017 · Кандидат экономических наук
- 2013 · Магистратура: Национальный исследовательский университет "Высшая школа экономики", специальность «Экономика», квалификация «Магистр»
- 2011 · Бакалавриат: Национальный исследовательский университет "Высшая школа экономики", специальность «Экономика», квалификация «Бакалавр»
Опыт работы
- · 01.09.2023 – по настоящее время, Национальный исследовательский университет «Высшая школа экономики», г. Москва Доцент департамента прикладной экономики
- · 01.09.2018 – 31.08.2023, Национальный исследовательский университет «Высшая школа экономики», г. Москва Старший преподаватель департамента прикладной экономики
- · 01.09.2010 – 31.12.2010, 01.09.2011 – 31.12.2011 Национальный исследовательский университет «Высшая школа экономики», г. Москва Ассистент Департамент Прикладной экономики Факультета Экономики
- · 01.10.2011 – 30.12.2011, 01.02.2012 – 01.10.2012 Национальный исследовательский университет «Высшая школа экономики», г. Москва Стажер-исследователь лаборатории «Эмпирический анализ предприятий и рынков в переходной экономике» Института анализа предприятий и рынков
Награды и поощрения
- · Благодарственное письмо ректора НИУ ВШЭ (июль 2022)
- · Благодарность Департамента прикладной экономики НИУ ВШЭ (январь 2021)
- · Надбавка за публикацию в журнале из Списка B (2024–2025)
- · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2025–2026)
- · Лучший преподаватель — 2024, 2022
- · Группа высокого профессионального потенциала (кадровый резерв НИУ ВШЭ)Категория "Новые преподаватели до 30 лет" (2019–2020)Категория "Будущие преподаватели" (2015–2016)
Гранты и проекты
- 2013 · 2012-2013, Грант Triple I на участие в программе академической мобильности в рамках совместной магистратуры с Университетом им. Гумбольдта, Берлин
Конференции (1)
Показать все
- · 2024: Ежегодная международная конференция Армянской экономической ассоциации (Ереван). Доклад: Spatial Regression Analysis of Housing Affordability
Идентификаторы исследователя
- ORCID:
0000-0003-2527-7527 - ResearcherID:
I-1133-2015 - SPIN РИНЦ:
5916-3086 - Google Scholar: https://scholar.google.ru/citations?view_op=list_works&hl=ru&gmla=AJsN-F4cSBXpQ97e1ZYD8uBqwJnTZkD_BApKsaWH9hu6gBs0Qj8GKvPEMfSdiGOMQmeCgQiRzq4I-N94vWkvQ7f0sF8vkUC45_CAsutHJfTKLHnm1Bv0iqw&user=2OnYt44AAAAJ
Публикации (21)
It's the Way People Move! Labour Migration as an Adjustment Device in Russia
2020 · PREPRINT · en
This paper aims to assess the role of migration as an adjustment mechanism device to favor convergence across states and regions of Russia. In contrast to previous studies, we use variations in the population of a region as a proxy of its net migration rate and apply spatial econometric methodology in order to distinguish the effect from the neighbouring regions. We provide descriptive statistical evidence showing that Russia has more/less/the same intense migration flows than the USA and EU. The econometric analysis shows that migration flows are sensitive to both regional income and regional unemployment differentials. Nonetheless, we find that internal migration is sensitive to regional unemployment and income differentials of neighbouring regions. Dependent on the welfare, pre- or after-crisis period, income in neighbouring regions can create out- or in-migration flows. The relatively high degree of internal mobility coupled with the low sensitivity of migration flows to the local unemployment rate of distant regions might explain why migration flows tends not to generate convergence, but rather divergence across Russian regions.
A Dynamic Multivariate Method for Regional Disparities
2018 · PREPRINT · en
The aim of this work is to apply a statistical method to measure regional gaps both in terms of structural disparities (sectoral, productive or labor supply composition) and labor market performance (participation rate and unemployment). To this end, a multivariate analysis method was applied that, starting from the main economic indicators of the Russia, allows estimating the factors that measure structural diversity in regional labor markets, as well as their dynamics over time. In this way it is possible to test the existence of processes of convergence between regions, or the formation of clusters of regions between them progressively divergent.
Использование пространственных эконометрических моделей при прогнозе регионального уровня безработицы
2016 · ARTICLE · ru
Рассматривается вопрос прогнозирования уровня безработицы в регионах России и Германии с помощью эконометрических моделей панельных данных. На региональных данных за 2005–2012 гг. показано, что прогнозы пространственных моделей панельных данных превосходят качество прогнозов других моделей (в среднем по всем регионам или для некоторых из них): непространственных моделей панельных данных, моделей сквозной регрессии, моделей без учета объясняющих переменных, а также наивных прогнозов (среднее значение за один или несколько предыдущих периодов).
Взаимодействие региональных рынков труда в России: анализ с помощью пространственных эконометрических моделей
2016 · ARTICLE · ru
В данном исследовании идентифицируется и оценивается влияние различных факторов на уровень безработицы в российских регионах за 2005-2010 гг. с использованием моделей пространственной регрессии и классических моделей панельных данных. С помощью модели с пространственным авторегрессионным лагом выявлено, что изменение (увеличение или уменьшение) уровня безработицы в одном регионе влечет за собой изменения уровня безработицы в других регионах. Использование модели с учетом пространственной зависимости по сравнению с классической моделью панельных данных позволило выявить влияние доли занятых с высшим образованием в регионе на уровень безработицы: более высокая доля занятых с высшим образованием соответствует более низкому уровню безработицы. Кроме того, для некоторых региональных характеристик функциональная зависимость оказалась нелинейной, что потребовало модификации алгоритма нахождения прямых, косвенных и общих эффектов, а также их доверительных интервалов с помощью метода Монте Карло.
Учет пространственной зависимости в региональных исследованиях
2016 · ARTICLE · ru
В статье проведен обзор исследований, посвященных анализу региональных данных, в которых взаимное расположение регионов учитывается с помощью методов пространственной эконометрики. Основное внимание уделено существующим исследованиям региональных рынков труда, но обзор также охватывает часть литературы, посвященной пространственному анализу регионов России.
Spatial Patterns of German Labor Market: Panel Data Analysis of Regional Unemployment
2015 · CHAPTER · en
This chapter is devoted to the investigation of spatial spillover effects of the regional unem- ployment in Germany. Due to historical reasons the differences between eastern and western regions of Germany persist over time. We explore the differences in the determinants of the re- gional unemployment as well as the differences in spatial effects by estimating spatial models. We use panel data for 407 out of 413 German regions (using the NUTS III regional structure) for 2001 through 2009. In order to account for possible spatial interactions between regions, we use a spatial weighting matrix of inverse distances. We estimate static and dynamic models by the maximum likelihood estimation approach, developed by Anselin (1988) specifically for spatial models and elaborated by Lee and Yu (2010a), Lee and Yu (2010b). We reveal that the unemployment in western regions is more of disequilibrium nature, while the unemployment in eastern regions is more of equilibrium nature. Using System-GMM approach we estimate the extended specification of the dynamic model and find that the unemployment in eastern regions affects both the unemployment in western and eastern regions of Germany, whereas the unemployment in western regions has an impact only on other western regions.
Differences in Spatial Effects Between West and East: The Case of Regional Unemployment in Germany
2015 · CHAPTER · en
Using spatial panel data modeling, this paper assesses factors in regional unemployment and spatial spillover effects in Germany. Due to historical reasons there exist differences between eastern and western regions of Germany. We explore differences in spatial effects by applying special model specification. We use panel data for 407 out of 413 German regions (using the NUTS III regional structure) for 2001 through 2009.
Анализ региональной безработицы в России и Германии: пространственно-эконометрический подход
2015 · ARTICLE · ru
В работе анализируется региональная безработица в России и Германии в 2005–2010 гг. и во- просы, связанные с поиском верной спецификации используемых для ее анализа простран- ственных эконометрических моделей. Анализ на основе реальных данных по 75 россий- ским и 370 немецким регионам показал, что для Германии выбор взвешивающей матрицы оказывает более значимое влияние на оценки параметров, чем для России. Кроме того, был предложен алгоритм выбора между пространственными матрицами и продемонстрировано применение этого алгоритма на симулированных данных по России. Было выявлено, что 1) отклонение результатов от истинных при неверной спецификации возрастает по мере увеличения степени пространственной зависимости между регионами, 2) для России ма- трица обратных расстояний является более предпочтительной, чем граничная матрица.
Безработица в Западной и Восточной Германии: пространственный анализ панельных данных
2014 · ARTICLE · ru
В настоящем исследовании с помощью пространственных моделей панельных данных анализируются детерминанты региональной безработицы в Германии, а также пространственные внешние эффекты. В работе используются панельные данные за период 2001–2009 гг. по 407 (из 413) регионам Германии (используется региональное деление NUTS III). Для учета пространственных взаимосвязей между регионами в регрессиях используется пространственная взвешивающая матрица обратных расстояний. Статические и динамические пространственные модели оцениваются с помощью скорректированного метода максимального правдоподобия.
Эконометрический анализ расходов на услуги образования в России в 2005-2009 гг.
2011 · CHAPTER · ru
Курсы (9)
-
Econometrics (Advanced Level) · 5 раза
2025/2026, 2024/2025, 2023/2024, 2022/2023, 2021/2022 · Advanced Level · Анг
-
Econometrics · 3 раза
2024/2025, 2023/2024, 2022/2023 · Бакалавриат · Анг
-
Econometrics (Advanced Level I) · 3 раза
2024/2025, 2023/2024, 2022/2023 · Advanced Level I · Анг
-
Econometrics (Advanced Level II) · 3 раза
2024/2025, 2023/2024, 2022/2023 · Advanced Level II · Анг
-
Эконометрика (продвинутый уровень) · 4 раза
2024/2025, 2023/2024, 2022/2023, 2021/2022 · продвинутый уровень · рус
-
38.04.08. Финансы и кредит · 3 раза
2023/2024, 2022/2023, 2021/2022 · Advanced Level / Advanced Level I / Advanced Level II · Анг
-
Data Analysis and Econometrics: Applications to Environmental Economics
2022/2023 · Магистратура / Маго-лего · Анг
-
Elements of Econometrics
2021/2022 · Бакалавриат · Анг
-
38.04.01. Экономика
2021/2022 · Магистратура · рус