Автореферат (1137931), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

В-третьих, послевизуального анализа гистограмм используемых показателей было приняторешение по каждому из них в каждый из рассматриваемых лет одновременноисключить по 0,5% наблюдений от общего их числа с каждого конца выборки.Итоговая выборка содержит 9 355 предприятий.В параграфе 2.1.2 для проверки репрезентативности построеннойвыборки сравнивались суммарные значения показателей по предприятиям вкаждой отрасли с агрегированными данными по отраслям из официальнойстатистики за последний год рассматриваемого периода.

Несмотря на то, что витоговой выборке содержится меньше предприятий, чем в целом по экономике,17по большинству отраслей они составляют не менее 30% по выпуску, чтопозволяет считать выборку репрезентативной при условии отсутствия болееполных открытых данных.В параграфе 2.2 содержится анализ описательной статистики по годам ипоотраслямикорреляционныйанализиспользуемыхдляоценкипроизводственной границы переменных. На основе этих предварительныхрасчетов проверялось, не осталось ли очевидных выбросов в выборке,насколько она однородна, менялись ли параметры распределения показателейпо годам и по отраслям, а также насколько сильна статистическая связь междупеременными.

По результатам анализа были сделаны выводы о том, чтовыборка в наибольшей степени однородна по показателю численности занятыхи в наименьшей — по показателю основных средств и что используемыепеременные высоко коррелируют между собой.В параграфе 2.3 с помощью методов DEA и SFA оцениваетсядетерминированнаяистохастическаяпроизводственнаяграница,соответственно.

Для сопоставимости данных на всем рассматриваемомпромежутке времени стоимостные показатели дефлировались на индексы ценпроизводителей по отраслям. Для оценки детерминированной границы методомDEA использовалась программа DPIN, стохастической границы методом SFA—статпакетStata.МоделиметодаSFAотличаютсяследующимихарактеристиками:1) сквозная или панельная структура данных;2) производственная функция Кобба-Дугласа или транслог;3) распределениеошибкинеэффективности:полунормальное,экспоненциальное, усеченное нормальное;4) припанельнойструктуреданныхпредположенияобошибкенеэффективности: инвариантная во времени, изменяющаяся вовремени согласно экспоненциальному закону, изменяющаяся вовремени.18Модель метода SFA для сквозной структуры данных выглядитследующим образом:ln qit  f ( xit ,  )  vit  uit ,(1)где qit — выпуск фирмы i в году t , xit — вектор затрат факторов производствафирмы i в году t ,  — вектор оцениваемых параметров, vit — случайнаяошибка, имеющая нормальное распределение, uit — неотрицательная ошибканеэффективности.Самой простой моделью для панельной структуры данных являетсярегрессия, в которой ошибка неэффективности и, соответственно, техническаяэффективность меняются только по фирмам и не меняются во времени (TimeInvariant Model, TI):ln qit  f ( xit ,  )  vit  ui .(2)Следующей по сложности является модель, в которой техническаяэффективность может меняться во времени согласно экспоненциальномузакону (Time-Varying Decay Model, TVD):ln qit  f ( xit ,  )  vit  uit ,(3)uit   (t )  ui , (t )  exp   T  t   ,где T — число лет в выборке.Впервыемодель,отделяющаягетерогенностьобъектовотихэффективности, была предложена в [Heshmati et al., 1995], с двухшаговойпроцедурой оценивания.

На первом шаге оценивается модель либо сослучайными, либо с фиксированными индивидуальными эффектами. На второмшаге полученные случайные ошибки моделируются с помощью сквознойрегрессии методом SFA. Модель с фиксированными индивидуальнымиэффектами выглядит следующим образом:ln qit  i  f ( xit ,  )   it , it    vit  uit .19(4)Одношаговая процедура оценивания таких моделей была предложена в[Greene, 2005], а сами модели получили название «True» Random Effect Model(TRE) и «True» Fixed Effect Model (TFE). Модель TFE записывается следующимобразом:ln qit  i  f ( xit ,  )  vit  uit .(5)Модели метода SFA, как правило, оцениваются методом максимальногоправдоподобия.

Самой распространенной формулой для оценки техническойэффективности является формула, предложенная в [Battese, Coelli, 1988]:TEit  E euit |  itОбеспецификации it ˆit(6).производственнойфункции(Кобба-Дугласаитранслог) трехфакторные. В качестве факторов производства используютсяпоказатели основных средств, численности занятых, а также оборотныхсредств. Последняя переменная включена в модель из-за недостатковизмерения основных средств. Многие предприятия арендуют оборудование.Информация о лизинге хранится на забалансовых счетах, поэтому имеющийсяв открытом доступе показатель основных средств может быть значительнозанижен. Включение оборотных средств в состав факторов также позволяетучесть различные формы организации бизнеса, производственной активности.В данном параграфе проверялись гипотезы о значимости факторов года иотрасли при моделировании производственной границы.По результатам оценивания были выбраны модели, в которых, во-первых,все факторы производства оказались значимы и их предельные эффекты имеютположительный знак.

Во-вторых, компонента неэффективности по результатамтеста имела ненулевую дисперсию, то есть в производстве фирм былаобнаружена неэффективность.С помощью методов DEA и SFA были получены оценки СФП и еекомпонент. В используемой для реализации DEA программе все показателиоцениваютсяодновременно.ВSFAсначалаоцениваетсятехническаяэффективность, затем на основе оценок параметров высчитываются оценки20СФП, а последними получаются оценки технологического показателя,отвечающего за технический прогресс в обрабатывающей промышленности, иэффективности от масштаба. Оценки каждого показателя сравнимы по фирмами во времени, но не сравнимы по абсолютным значениям между методами имоделями.В параграфе 2.4 проводится анализ отдачи от масштаба, состоящий изтрех этапов.

Наряду с традиционным подходом — суммированием предельныхэффектов по всем факторам производства — используются подход анализасвязи размера фирмы и ее технической эффективности и подход анализадинамики оценок эффективности от масштаба. Влияние размера фирмы натехническуюэффективностьоцениваетсяприпомощимоделированиядисперсии ошибки неэффективности от общих активов, а затем используютсяформулы предельных эффектов для полунормального и экспоненциальногораспределенияошибкинеэффективности.Анализдинамикиоценокэффективности от масштаба позволяет сделать вывод о приближении фирмы коптимальному размеру в отрасли.Основные результаты второй главы:1. Оценены трехфакторные детерминированные (DEA) и стохастические(SFA) производственные границы.

Оценки параметров производственнойфункции говорят о том, что добавление третьего фактора — оборотных средств— верное решение проблемы неадекватных данных по основным средствам.Гипотезы о значимости факторов года и отрасли подтвердились.2. На основе производственных границ получены оценки СФП и еекомпонент, включая техническуюэффективность и эффективность отмасштаба. Подтверждена гипотеза о наличии неэффективности в производствероссийских предприятий обрабатывающей промышленности.3. На основе трехэтапного анализа отдачи от масштаба показано, что(1) вобрабатывающейпромышленностив2006–2014 гг.действовалапостоянная отдача от масштаба; (2) для низкоэффективных предприятий ихразмерположительносвязанстехнической21эффективностью,длявысокоэффективных фирм связь противоположная; (3) динамика оценокэффективности от масштаба в основном согласуется с результатами первогошага:снижениеиндексаэффективностиотмасштабаприудалениикоэффициента отдачи от масштаба от единицы и увеличение индексаэффективности от масштаба в противном случае.В третьей главе диссертации проведен анализ устойчивости оценок СФПи ее компонент, полученных разными методами с помощью разных моделей,анализ консервативности оценок во времени, показано, как с помощью разныхспособов задания весов возможно агрегирование оценок.В параграфе 3.1 проводится анализ устойчивости (робастности),полученных ранжирований предприятий согласно значениям показателейэффективности по разным моделям и методам.

Во-первых, рассчитываютсякоэффициенты корреляции Спирмена, так как показатели эффективностиявляются относительными величинами и присваивают некий ранг предприятиюотносительно других в выборке. Во-вторых, проводится визуальный анализсвязи между оценками для определения степени ее линейности.В параграфе 3.2 проверяется консервативность оценок показателейэффективности во времени путем оценивания авторегрессионных моделейпервого порядка. Проверяется гипотеза, что относительное место предприятияпо какому-либо из показателей эффективности в совокупности фирм во многомопределяется его местом в предыдущий период.

Данная гипотеза возникла изэкономических соображений о высокой степени инерции организациипроизводственного процесса на предприятии.В параграфе 3.3 представлены варианты агрегирования полученныхоценок показателей эффективности. Поскольку не существует адекватныхтестов для определения, какая из моделей лучше оценивает СФП и еекомпоненты, и если в исследовании в силу определенных задач не отдаетсяпредпочтение конкретным моделям, то возможным вариантом использованияполученных результатов является агрегирование оценок из разных моделей иметодов с помощью линейной свертки.

Рассмотрены три способа задания весов:22(1) равные веса; (2) веса, обратно пропорциональные квадрату случайнойошибки; (3) веса, полученные из метода главных компонент по первой главнойкомпоненте.Основные результаты третьей главы:1. Анализ коэффициентов ранговой корреляции показал, что оценкиСФП и ее компонент, полученные разными методами с помощью разныхмоделей, обладают высокой степенью устойчивости.2. Оценки показателей эффективности консервативны во времени:подавляющее большинство коэффициентов авторегрессии первого порядкапревышают значение 0,8.3.

Характеристики

Список файлов диссертации