Collection of Scientific Papers "Scientific Notes"

Collection of Scientific Papers "Scientific Notes"

СЕЛЕКТИВНІСТЬ ВСТУПУ ТА СЕГМЕНТАЦІЯ КОНТИНГЕНТУ ЗА КОНКУРСНИМ БАЛОМ: ЕКОНОМІЧНИЙ АНАЛІЗ

ADMISSION SELECTIVITY AND STUDENT COHORT SEGMENTATION BY COMPETITIVE SCORE: AN ECONOMIC ANALYSIS

DOI:

10.33111/vz_kneu.42.26.01.16.110.116

Анотація: статті оцінено селективність вступу та сегментацію континге-нту за конкурсним балом як економічно значущий параметр функціонування за-кладу вищої освіти, що пов’язаний із витратами академічного вирівнювання, ризи-ками відрахувань і результативністю освітніх програм. Емпірична база — агреговані дані ЄДЕБО щодо зарахованих вступників на основі ПЗСО (денна форма) у 2025 р. (n = 1816). Селективність виміряно порогом КБ = 150 та бінарною змінною Y: Y = 1 за КБ ≥ 150 і Y = 0 за КБ < 150; у вибірці переважає сегмент КБ < 150 (69,4 %; 1260 осіб) над КБ≥150 (30,6 %; 556 осіб). Методичний інструментарій поєднує опи-сові статистики КБ, декомпозицію внеску спеціальностей/ОПП у загальний про-філь селективності, структурні порівняння часток Y, χ²-критерій Пірсона та бі-нарну логістичну регресію Pr(Y = 1) для оцінки ефекту фінансування. Показано, що формування «профілю селективності» концентрується у масових спеціальностях (передусім C1, D2, D3, D5), а внутрішні профілі Y суттєво різняться між ОПП, утворюючи «точки зростання» та «зони ризику» для управління контингентом. Виявлено істотні відмінності між бюджетом і контрактом: частка КБ ≥ 150 ста-новить 57,58 % проти 29,06 %; χ²=35,82 при df = 1 (p = 2,16·10⁻⁹), V Крамера = 0,140. Логістична модель підтверджує позитивний ефект бюджетного каналу (OR = 3,31; 95 % ДІ: 2,19–5,00; p < 0,001). У policy-блоці виконано ex ante сценарії для 2026 р. за проєктним порогом КБ ≥ 150 для C1: за часткового перерозподілу «відсіченого» сегмента 30 %/50 %/70 % очікуване скорочення загального набору оцінюється в межах −216…−92 осіб, а зростання частки Y = 1 має переважно механічний харак-тер (через зменшення N). Результати обґрунтовують доцільність програмно- орієнтованих управлінських рішень та обережність щодо уніфікованих порогів для нерегульованих спеціальностей. Наукова новизна — сценарна оцінка.
Abstract: This paper examines admission selectivity and cohort segmentation by the competitive score (CS) as an economically relevant characteristic of a university, linked to remediation needs, dropout risks, and programme performance. The empirical basis is
213
aggregated administrative data from Ukraine’s Unified State Electronic Database on Education (EDEBO) for first-year entrants admitted in 2025 on the basis of complete secondary education (full-time), n = 1,816. Selectivity is operationalised with a CS threshold of 150 and a binary outcome Y (Y = 1 for CS ≥ 150; Y = 0 for CS<150); the cohort is dominated by CS < 150 (69.4 %, 1,260 persons) versus CS≥150 (30.6 %, 556 persons). Methods include descriptive statistics, decomposition of specialty/programme contributions to the overall selectivity profile, structural comparisons of Y shares, Pearson’s χ² test, and a binary logit model for Pr(Y = 1) with funding source as a key predictor. The aggregate profile is shaped primarily by high-enrolment specialties (notably C1, D2, D3 and D5) and within-specialty selectivity differs markedly across programmes. Large funding-channel gaps are observed: the share of CS≥150 is 57.58 % for state-funded students versus 29.06 % for fee-paying students (χ² = 35.82, df = 1, p = 2.16 × 10⁻⁹; Cramér’s V = 0.140). The logit model confirms a strong association for state funding (OR = 3.31; 95 % CI: 2.19–5.00; p < 0.001). Ex ante scenarios for the 2026 draft rule introducing a CS≥150 minimum for C1 project a decline in total enrolment by 216…92 students under 30/50/70 % reallocation of the excluded segment, while the rise in the Y = 1 share is largely mechanical. The findings support programme-specific management and caution against uniform thresholds for non-regulated fields.
Ключові слова: селективність вступу, конкурсний бал, сегментація контингенту, економіка освіти, вища освіта, бюджет/контракт, критерій χ² Пірсона, логістична регресія, сценарний аналіз (ex ante), ЄДЕБО.
Key words: admission selectivity, competitive score, cohort segmentation, higher education economics, funding source, Pearson’s χ² test, logistic regression, ex ante policy scenarios, Ukraine, EDEBO.
УДК: 378.1:37.014.5
UDC: 378.1:37.014.5

JEL: C25 D12 I21 I23 I28

To cite paper
In APA style
Kyrylenko, V., Kotenok, A., & Samiilenko, A. (2026). ADMISSION SELECTIVITY AND STUDENT COHORT SEGMENTATION BY COMPETITIVE SCORE: AN ECONOMIC ANALYSIS. Collection of Scientific Papers "Scientific Notes", 42 (1), 211-222. http://doi.org/10.33111/vz_kneu.42.26.01.16.110.116
In MON style
Кириленко В.І., Котенок А.Г., Самійленко А.П. СЕЛЕКТИВНІСТЬ ВСТУПУ ТА СЕГМЕНТАЦІЯ КОНТИНГЕНТУ ЗА КОНКУРСНИМ БАЛОМ: ЕКОНОМІЧНИЙ АНАЛІЗ. Збірник наукових праць "Вчені записки". 2026. № 42(1). С. 211-222. http://doi.org/10.33111/vz_kneu.42.26.01.16.110.116 (дата звернення: 13.05.2026).
With transliteration
Kyrylenko, V., Kotenok, A., Samiilenko, A. (2026) SELEKTYVNIST VSTUPU TA SEHMENTATsIIa KONTYNHENTU ZA KONKURSNYM BALOM: EKONOMIChNYI ANALIZ [ADMISSION SELECTIVITY AND STUDENT COHORT SEGMENTATION BY COMPETITIVE SCORE: AN ECONOMIC ANALYSIS]. Collection of Scientific Papers "Scientific Notes", no. 42(1). pp. 211-222. http://doi.org/10.33111/vz_kneu.42.26.01.16.110.116 [in Ukrainian] (accessed 13 May 2026).
# 42(1) / 2026 # 42(1) / 2026
Download Paper
6
Views
1
Downloads
0
Cited by

1. Ministerstvo osvity i nauky Ukrainy. (2025, 18 chervnia). Pro zatverdzhennia Zmin do Poriadku pryiomu na navchannia dlia zdobuttia vyshchoi osvity v 2025 rotsi (Nakaz MON Ukrainy № 877). https://zakon.rada.gov.ua/laws/show/z0987-25#Text

2. Ministerstvo osvity i nauky Ukrainy. (2025, 10 liutoho). Pro zatverdzhennia Poriadku pryiomu na navchannia dlia zdobuttia vyshchoi osvity v 2025 rotsi (Nakaz MON Ukrainy № 168). https://zakon.rada.gov.ua/laws/show/z0312-25#Text

3. Pro osvitu (Zakon Ukrainy № 2145-VIII zi zminamy). (2017, 5 veresnia). https://zakon.rada.gov.ua/laws/show/2145-19#Text

4. Becker, G. S. (1994). Human capital: A theoretical and empirical analysis, with special reference to education. University of Chicago Press 5. Dale, S. B., & Krueger, A. B. (2002). Estimating the payoff to attending a more selective college: An application of selection on observables and unobservables. The Quarterly Journal of Economics, 117(4), 1491–1527. https://doi.org/10.1162/003355302320935089

6. Sanchez, E. I. (2024). Predicting academic success in college: The comparative strength of high school GPA, ACT score, and demographic factor (p. 31). ACT Education Corp. https://www.act.org/content/dam/act/unsecured/documents/R2421-Predicting-Academic-Success-in-College-2024-12.pdf

7. Ge, S., Isaac, E., & Miller, A. (2018). Elite schools and opting in: Effects of college selectivity on career and family outcomes (NBER Working Paper No. w25315). National Bureau of Economic Research. https://doi.org/10.3386/w25315

8. Vettoretto, E., & Triventi, M. (2025, 20 серпня). Academic selectivity and student progression: Do restricted-access degree programs lead to better outcomes? Higher Education. Advance online publication. https://doi.org/10.1007/s10734-025-01524-x

9. DP «Inforesurs». (2025). Yedyna derzhavna elektronna baza z pytan osvity. YeDEBO. https://edbo.gov.ua

10. Zhuk, Yu., & Naumenko, S. (2024). Osvitni reformy u dzerkali zovnishnoho nezalezhnoho otsiniuvannia. Ukrainian Educational Journal(2), 104–117. https://doi.org/ 10.32405/2411-1317-2024-2-104-117

11. Shatalovych, I. V., & Shatalovych, O. M. (2025). Natsionalnyi multypredmetnyi test yak psykholohichnyi faktor akademichnoi uspishnosti. Slobozhanskyi naukovyi visnyk. Seriia: Psykholohiia(1), 144–148. https://doi.org/10.32782/psyspu/2025.1.27

12. Spence, M. (1978). Job market signaling. In Uncertainty in economics (pp. 281–306). Elsevier.

13. Xu, Y., & Cheng, B. (2015). University selectivity and student retention: Evidence from the IPEDS data. Asia Pacific Higher Education Research Journal, 2(2). https://doi.org/ 10.56278/apherj.v2i2.120