Дискложес  ☰      

декларации о доходах
Дискложес     Автоматизированный сбор деклараций о доходах

Медианный доход российских чиновников по регионам за 2020 год

Алексей Сокирко, февраль 2022, sokirko@yandex.ru

Введение

В этом исследовании мы изучаем доходы чиновников по регионам за 2020 год (см. предыдущие отчеты здесь ).

На февраль 2022 года в базе содержится всего 476708 деклараций за 2020 год, из них около 12% деклараций приписаны федеральным ведомствам, которые не рассматриваются в этом исследовании. Остальные деклараций пришли из регионов. Первая проблема — из-за ошибок парсинга доходов в базе возникают доходы больше 100 млн. рублей. Конечно, чиновники с такими доходами в природе есть, но ошибок больше, поэтому в этом исследовании мы не будем рассматривать доходы свыше 5 млн в год. Дальше нас интересуют доходы только самих чиновников, а не их жён(мужей). По сравнению с отчетами за прошлый год мы добавили условие, что доход чиновника не может быть меньше МРОТ (аналогичное условие введено в сравнении дохода отдельного чиновника c доходами населения)

Мы будем сравнивать доход чиновников с медианной зарплатой граждан по регионам, посчитанной Росстатом . Проблема в том, что Росстат публикует данные о медианной зарплате раз в два года (по нечетным годам), а у нас исследование касается четного года (2020). Будем считать, что мы можем получить приблизительное значение медианы за 2020 года, взяв среднее между 2019 и 2021 годам.

Если бы мы оперировали только данными от Росстата, сравнивать доход и зарплату было бы совсем неправильно. Доход жителя региона - это сумма всех доходов жителей региона, поделенное на число жителей (включая детей и других неработающих). Однако с учетом всех введенных выше ограничений, доход в декларации о доходах по большей части состоит именно из зарплаты чиновника (по нашим представлениям).

Основная таблица для регионов

Ниже даны названия и описания колонок основной таблицы:

Название Описание
Id Идентификатор региона
Region Название региона
MeD Медианный доход чиновника (декларанта) в месяц в регионе
MeP Медианная зарплата граждан в регионе
Ineq Медианный доход чиновника, поделенный на медианную зарплату граждан
DecCnt Количество учтенных деклараций
Population Численность населения
DecDens Количество учтенных деклараций, поделенное на численность населения
IncomeDens Сумма доходов чиновников, поделенная на численность населения
ER Поддержка Единой России на последних выборах в Госдуму (проценты)

Основная таблица для регионов (заголовки кликабельны):

Id Region MeD MeP Ineq DecCnt Population DecDens IncomeDens ER
1 Санкт-Петербург 102627 54951 1,87 11217 5398064 0,0021 2920 35,0
3 Республика Адыгея 57128 26181 2,18 1509 463088 0,0033 2877 66,4
4 Республика Башкортостан 63348 32705 1,94 8868 4038151 0,0022 2277 66,6
5 Республика Бурятия 69952 33870 2,07 2178 985937 0,0022 2349 42,6
6 Республика Алтай 62264 26902 2,31 1394 220181 0,0063 5856 38,5
8 Республика Ингушетия 54852 21445 2,56 1036 507061 0,002 1701 85,2
9 Кабардино-Балкарская Республика 49471 21529 2,3 1684 868350 0,0019 1552 79,2
11 Карачаево-Черкесская республика 51772 22417 2,31 1231 465528 0,0026 2228 80,1
12 Республика Карелия 85832 37733 2,27 2595 614064 0,0042 5179 31,7
13 Республика Коми 84866 45589 1,86 2972 820473 0,0036 4461 29,4
17 Республика Северная Осетия — Алания 41516 22376 1,86 2328 696837 0,0033 2154 71,1
18 Республика Татарстан 54809 33653 1,63 9233 3902888 0,0024 2096 79,0
20 Удмуртская республика 49836 29914 1,67 2813 1500955 0,0019 1480 35,6
21 Республика Хакасия 65299 33362 1,96 1642 534262 0,0031 3080 33,4
24 Алтайский край 49159 26019 1,89 7370 2317153 0,0032 2391 33,7
27 Краснодарский край 60327 31895 1,89 17130 5675462 0,003 2795 61,0
28 Красноярский край 82842 41879 1,98 10948 2866255 0,0038 4686 34,6
29 Пермский край 61506 34173 1,8 9582 2599260 0,0037 3683 33,6
32 Хабаровский край 101238 46706 2,17 3820 1315643 0,0029 4250 24,5
33 Амурская область 70343 45266 1,55 3865 790044 0,0049 4982 34,3
35 Брянская область 56396 26722 2,11 4143 1192491 0,0035 3004 64,3
36 Владимирская область 60880 30642 1,99 3086 1358416 0,0023 2077 37,6
37 Архангельская область 78180 44906 1,74 4798 1092424 0,0044 5026 32,2
38 Астраханская область 55321 28440 1,95 2775 1005782 0,0028 2292 48,1
41 Волгоградская область 53410 28777 1,86 5882 2491036 0,0024 2061 58,4
42 Вологодская область 63886 35941 1,78 4566 1160445 0,0039 3743 34,3
43 Воронежская область 61788 30588 2,02 5765 2324205 0,0025 2531 55,9
44 Забайкальский край 66644 36504 1,83 3627 1059700 0,0034 3524 38,7
45 Иркутская область 75998 41146 1,85 7052 2391193 0,0029 3278 35,5
46 Калининградская область 66679 33459 1,99 3462 1012512 0,0034 3399 41,1
47 Республика Калмыкия 50177 23995 2,09 1647 271135 0,0061 5195 39,5
48 Камчатский край 130036 67111 1,94 1994 313016 0,0064 11010 34,8
50 Кемеровская область 64056 36711 1,74 3210 2657854 0,0012 1178 70,7
51 Кировская область 48091 27381 1,76 5455 1262402 0,0043 3366 29,5
53 Костромская область 46768 26833 1,74 2897 633385 0,0046 3402 30,3
55 Курская область 48868 29244 1,67 6992 1104008 0,0063 4923 43,5
56 Ленинградская область 83841 44560 1,88 5449 1875872 0,0029 3393 43,1
57 Липецкая область 59642 31038 1,92 3723 1139371 0,0033 3003 48,7
58 Магаданская область 124790 75208 1,66 1155 140149 0,0082 13973 50,1
59 Республика Дагестан 48968 21748 2,25 2588 3110858 0,0008 630 81,2
61 Республика Марий Эл 56147 25950 2,16 1620 679417 0,0024 2279 33,4
62 Республика Мордовия 48486 26395 1,84 2845 790197 0,0036 2951 66,0
63 Москва 142966 70916 2,02 13859 12678079 0,0011 2103 37,0
64 Московская область 96074 48208 1,99 7972 7690863 0,001 1404 45,7
65 Мурманская область 101564 54292 1,87 3094 741404 0,0042 5836 35,8
66 Нижегородская область 66868 33285 2,01 9385 3202946 0,0029 3042 49,9
67 Новгородская область 58760 30997 1,9 2735 596508 0,0046 4170 32,5
68 Новосибирская область 63243 35217 1,8 9183 2798170 0,0033 3287 35,2
69 Омская область 54807 29524 1,86 5816 1926665 0,003 2633 32,9
70 Орловская область 51867 25558 2,03 2257 733498 0,0031 2491 38,8
72 Пензенская область 62324 27752 2,25 2711 1305563 0,0021 1994 56,2
74 Приморский край 78003 43936 1,78 5125 1895868 0,0027 3096 37,4
75 Псковская область 58338 26251 2,22 2931 626115 0,0047 4161 40,1
76 Ростовская область 54583 29930 1,82 11731 4197821 0,0028 2349 51,6
77 Самарская область 59291 32658 1,82 8238 3179532 0,0026 2395 44,3
79 Саратовская область 66125 27134 2,44 2182 2421895 0,0009 1021 59,8
80 Свердловская область 73137 37226 1,96 9285 4310681 0,0022 2337 34,7
81 Ставропольский край 56221 26526 2,12 9007 2803573 0,0032 2817 61,8
82 Тамбовская область 45699 26294 1,74 3903 1006748 0,0039 2916 56,9
84 Тульская область 57298 34176 1,68 6016 1466127 0,0041 3667 52,9
85 Республика Тува (Тыва) 71439 29823 2,4 875 327383 0,0027 2896 85,3
86 Тюменская область 157465 52667 2,99 11607 3756536 0,0031 6246 51,3
88 Ульяновская область 54975 27848 1,97 2963 1229824 0,0024 2130 39,0
89 Челябинская область 63636 33676 1,89 7490 3466369 0,0022 2091 34,3
90 Чеченская республика 53701 23668 2,27 2266 1478726 0,0015 1294 96,1
91 Чувашская республика - Чувашия 39331 26599 1,48 3744 1217818 0,0031 1919 37,2
92 Республика Саха (Якутия) 110021 59847 1,84 3345 971996 0,0034 5413 33,2
93 Еврейская автономная область 76829 37120 2,07 1051 158305 0,0066 7703 56,4
94 Сахалинская область 135222 67143 2,01 2934 488257 0,006 11080 35,7
95 Чукотский автономный округ 151598 86351 1,76 473 50288 0,0094 18957 46,7
96 Белгородская область 60276 32569 1,85 6696 1549151 0,0043 3928 51,7
97 Калужская область 61812 36263 1,7 3891 1002575 0,0039 3617 36,3
98 Курганская область 50777 26738 1,9 2711 827166 0,0033 2603 36,1
99 Ивановская область 57448 25230 2,28 2725 997135 0,0027 2581 36,2
100 Смоленская область 46824 27904 1,68 3632 934889 0,0039 3012 39,9
101 Тверская область 63272 30531 2,07 4278 1260379 0,0034 3150 35,4
103 Рязанская область 58778 30795 1,91 4331 1108847 0,0039 3287 47,8
105 Оренбургская область 57598 29682 1,94 4261 1956835 0,0022 1997 38,4
106 Томская область 73244 36391 2,01 2983 1079271 0,0028 3076 32,7
107 Ярославская область 52501 32081 1,64 4405 1253389 0,0035 2702 29,7
109 Республика Крым 56422 27685 2,04 4651 1912622 0,0024 2073 63,3
110 Севастополь 64097 32743 1,96 1718 449138 0,0038 3676 56,4

Данные в сsv-формате
Название Id Region MeD MeP Ineq DecCnt Population DecDens IncomeDens ER
Id rho=-0.00, pval=0.965 rho=0.02, pval=0.826 rho=-0.07, pval=0.561 rho=0.04, pval=0.705 rho=0.01, pval=0.914 rho=0.11, pval=0.329 rho=0.05, pval=0.681 rho=-0.02, pval=0.881
Region
MeD rho=0.87, pval=0.000 rho=0.13, pval=0.255 rho=0.09, pval=0.400 rho=0.03, pval=0.757 rho=0.08, pval=0.469 rho=0.47, pval=0.000 rho=-0.26, pval=0.017
MeP rho=-0.32, pval=0.003 rho=0.32, pval=0.003 rho=0.15, pval=0.172 rho=0.20, pval=0.066 rho=0.52, pval=0.000 rho=-0.40, pval=0.000
Ineq rho=-0.36, pval=0.001 rho=-0.13, pval=0.250 rho=-0.33, pval=0.003 rho=-0.18, pval=0.098 rho=0.29, pval=0.009
DecCnt rho=0.85, pval=0.000 rho=-0.14, pval=0.210 rho=-0.04, pval=0.699 rho=-0.16, pval=0.147
Population rho=-0.58, pval=0.000 rho=-0.45, pval=0.000 rho=0.06, pval=0.614
DecDens rho=0.87, pval=0.000 rho=-0.31, pval=0.005
IncomeDens rho=-0.41, pval=0.000
ER

Корреляция Спирмена для все колонок основной таблицы

Мы не может проводить серьезный анализ, поскольку выборка слишком мала. Однако есть желание проверить, что данные нас не удивляют. Если бы удивляли, может быть, это означало наличие ошибок в наших вычислениях.

Мы посчитали коэффициенты ранговой корреляции Спирмена для всех колонок, кроме названия региона. В каждой ячейке помещены два числа: ранговый коэффициент корреляции Спирмена(rho) и pvalue этой оценки. Данные помещены в следующую таблицу:

Название Id Region MeD MeP Ineq DecCnt Population DecDens IncomeDens ER
Id rho=-0.00, pval=0.965 rho=0.02, pval=0.826 rho=-0.07, pval=0.561 rho=0.04, pval=0.705 rho=0.01, pval=0.914 rho=0.11, pval=0.329 rho=0.05, pval=0.681 rho=-0.02, pval=0.881
Region
MeD rho=0.87, pval=0.000 rho=0.13, pval=0.255 rho=0.09, pval=0.400 rho=0.03, pval=0.757 rho=0.08, pval=0.469 rho=0.47, pval=0.000 rho=-0.26, pval=0.017
MeP rho=-0.32, pval=0.003 rho=0.32, pval=0.003 rho=0.15, pval=0.172 rho=0.20, pval=0.066 rho=0.52, pval=0.000 rho=-0.40, pval=0.000
Ineq rho=-0.36, pval=0.001 rho=-0.13, pval=0.250 rho=-0.33, pval=0.003 rho=-0.18, pval=0.098 rho=0.29, pval=0.009
DecCnt rho=0.85, pval=0.000 rho=-0.14, pval=0.210 rho=-0.04, pval=0.699 rho=-0.16, pval=0.147
Population rho=-0.58, pval=0.000 rho=-0.45, pval=0.000 rho=0.06, pval=0.614
DecDens rho=0.87, pval=0.000 rho=-0.31, pval=0.005
IncomeDens rho=-0.41, pval=0.000
ER

Анализ

В первой строке находится коэффициент корреляции для идентификатора региона. Видно, что все значения ожидаемо находятся на "мусорном" уровне (меньше 0.1).

Мы видим, что корреляция между медианной зарплатой в регионе (MeP) и медианным доходом чиновника(MeD) очень сильная - rho=0.87, pval=0.000. Это свидетельствует о простом факте: чиновники из бедных регионов получают меньше, чем чиновники из богатых. Кажется, это не должно удивлять. Если смотреть на данные глазами, можно увидеть, что, чтобы получить медианный доход чиновника в регионе, нужно примерно умножить медианную зарплату обычного гражданина на 2, т.е. значении в колонке Ineq лежит в пределах от 1.48 до 2.99.

Интересно еще посмотреть на список регионов, где разница между доходами чиновников и обычных граждан очень высока (для сортировки нажмите на заголовок колонки Ineq). Самый большой разрыв у Тюменской области, Ингушетии, Саратовской области, Тувы, Алтай, Карачаево-Черкессии. Если смотреть за предыдущие годы, Саратовской области в этом топе не было. Объяснение этому нет, наверно, стоит изучить эту проблему.

Далее мы посмотрим самые большие значения корреляции. Учитываем, что все значения меньше 0.20 уже можно признать очень слабыми.
Spearman(DecCnt, Population) = 0.86 - чем больше населения, тем больше деклараций чиновников - это понятный результат.
Spearman(DecDens, IncomeDens) = 0.87 - чем больше деклараций, тем больше сумма всех доходов этих деклараций - это понятный результат.
Spearman(Population, DecDens) = -0.58 - чем больше регион, тем меньше плотность чиновников на регион.
Spearman(Population, IncomeDens) = -0.45 - чем больше регион, тем меньше люди в среднем платят за чиновников.
Spearman(MeD, IncomeDens) = 0.47 - объясняется тем, что числитель IncomeDens - это сумма доходов.
Spearman(MeP, ER) = -0.40 - чем выше доход населения, тем меньше они голосуют за Единую Россию.
Spearman(Ineq, MeP) = -0.32 - чем больше дисбаланс между доходами чиновников и народа, тем ниже средние зарплаты народа.
Spearman(Ineq, ER) = 0.29 - чем выше поддержка Единой России, тем больше дисбаланс между доходами чиновников и народа.

Утверждение Spearman(Ineq, ER)=0.29 звучит интересно и актуально, но оно уже очень слабо поддерживается данными, поскольку уровень 0.29 не считается сильным. С другой стороны, это, конечно, не мусор. Хотя вполне возможно, здесь нет прямой связи между Ineq и ER, и, например, эта связь возникает из-за более сильного утверждения, что Spearman(MeP, ER)=-0.40