Диссертация (1137932), страница 11
Текст из файла (страница 11)
Вклад основных средств такженесколько выше — 0,08–0,1, а оборотных средств наоборот ниже —примерно 0,4. То есть при оценивании панельных регрессий вкладкапитала существенно меньше и составляет не более 0,5.В Модели TVD дамми-переменные года не значимы в силуотнесения годового эффекта на вариацию технической эффективности. Вмоделях с фиксированными эффектами не значимы дамми-переменныеотрасли по понятным причинам. Во всех остальных случаях даммипеременные,какужебылосказано,значимы.Соотношениякоэффициентов при дамми-переменных года отражают ту же динамику,что и в сквозных регрессиях.
Коэффициенты же при дамми-переменныхотрасли приводят в некоторых случаях к иному выводу. К примеру, шире64производственной границы отрасли производства пищевых продуктов,включая напитки (15) в добавление к тем, что были перечислены впредыдущем пункте, производственные границы отраслей производстварезиновых и пластмассовых изделий (25) и производства офисногооборудования и вычислительной техники (30).Результаты оценивания панельных регрессий также свидетельствуюто наличии неэффективности в производстве.
Однако не во всех моделяхдисперсия ошибки неэффективности превышает дисперсию случайноошибки, в отличие от сквозных регрессий.Таблица 9 — Результаты оценивания панельных регрессий за 2006–2014 гг., зависимая переменная — ln(Выручка от реализации), функцияКобба-Дугласа0,527***(0,00497)0,0799***(0,00194)0,444***(0,00277)–+5,428***(0,0404)REполунорм0,562***(0,00487)0,0886***(0,00193)0,447***(0,00274)++3,665***(0,0285)REэксп.0,562***(0,00487)0,0886***(0,00193)0,447***(0,00274)++3,665***(0,0285)FEполунорм0,807***(0,00685)0,103***(0,00214)0,416***(0,00305)+–2,602***(0,0389)FEэксп.0,807***(0,00685)0,103***(0,00214)0,416***(0,00305)+–2,602***(0,0389)–1,994***(0,0382)–1,990***(0,0380)–2,638***(0,00892)–2,666***(0,00709)–2,586***(0,00880)–2,628***(0,00694)–1,224***(0,0558)–1,036***(0,0483)–2,038***(0,0142)–3,226***(0,0152)–2,177***(0,0162)–3,335***(0,0160)841959355–49655841959355–49601841959355–29144841959355–25706841959355–28506841959355–25402ПеременныеTITVDln(Численностьзанятых)ln(Основныесредства)ln(Оборотныесредства)дамми на годадамми на отраслиConstant0,578***(0,00531)0,0895***(0,00194)0,443***(0,00279)++7,251(20,45)ln v2ln u2ЧислонаблюденийЧисло фирмlogLПримечание.
*, **, *** — значимость на 10, 5, 1%-ном уровне соответственно. Вскобках приведены стандартные ошибки.Результаты оценивания панельных регрессий с производственнойфункцией транслог содержатся в табл. 10, предельные эффектыпеременных — в табл. 11. Выводы идентичны тем, что были получены пофункции Кобба-Дугласа. В случае панельных регрессий вклады факторовмежду двумя производственными функциями различаются несущественно.65Таблица 10 — Результаты оценивания панельных регрессий за 2006–2014 гг., зависимая переменная — ln(Выручка от реализации), функциятранслогПеременныеln(Численностьзанятых)ln(Основныесредства)ln(Оборотныесредства)TITVDREполунорм.REэксп.FEполунорм.FEэксп.1,413***1,356***1,406***1,406***1,363***1,363***(0,0265)(0,0252)(0,0263)(0,0263)(0,0301)(0,0301)0,0622***0,0363***0,0598***0,0598***0,0700***0,0700***(0,0110)(0,0111)(0,0110)(0,0110)(0,0118)(0,0118)–0,110***–0,181***–0,106***–0,106***–0,153***–0,153***(0,0183)(0,0185)(0,0182)(0,0182)(0,0194)(0,0194)(ln(Численность–0,416***–0,351***–0,412***–0,412***–0,413***–0,413***занятых))2(0,00711)(0,00700)(0,00706)(0,00706)(0,00795)(0,00795)(ln(Основные0,0137***0,0147***0,0139***0,0139***0,0137***0,0137***средства))2(0,00124)(0,00124)(0,00124)(0,00124)(0,00129)(0,00129)(ln(Оборотные0,0317***0,0457***0,0324***0,0324***0,0267***0,0267***средства))2ln(Численностьзанятых)×ln(Основныесредства)ln(Численностьзанятых)×ln(Оборотныесредства)ln(Основныесредства)×ln(Оборотныесредства)(0,00267)(0,00273)(0,00268)(0,00268)(0,00280)(0,00280)0,0276***0,0215***0,0274***0,0274***0,0308***0,0308***(0,00237)(0,00232)(0,00237)(0,00237)(0,00253)(0,00253)0,0845***0,0609***0,0826***0,0826***0,102***0,102***(0,00332)(0,00340)(0,00331)(0,00331)(0,00355)(0,00355)–0,0207***–0,0174***–0,0206***–0,0206***–0,0217***–0,0217***(0,00146)(0,00146)(0,00146)(0,00146)(0,00152)(0,00152)дамми на года+–++++дамми на отрасли++++––8,6937,099***4,783***4,783***4,595***4,595***(16,10)(0,100)(0,0976)(0,0976)(0,111)(0,111)–2,045***–2,037***–2,680***–2,707***–2,624***–2,667***(0,0402)(0,0398)(0,00894)(0,00709)(0,00881)(0,00693)–1,274***–1,072***–2,104***–3,291***–2,238***–3,394***(0,0575)(0,0495)(0,0145)(0,0154)(0,0165)(0,0162)841958419584195841958419584195Constantln v2ln 2uЧисло наблюденийЧисло фирмlogL935593559355935593559355–47490–47630–27007–23648–26578–23522Примечание.
*, **, *** — значимость на 10, 5, 1%-ном уровне соответственно. Вскобках приведены стандартные ошибки.66Таблица 11 — Средние предельные эффекты переменных на ln(Выручка отреализации) из панельных регрессий за 2006–2014 гг., функция транслогПеременныеTITVDREFEln(Численностьзанятых)0,5760,5190,5640,765ln(Основныесредства)0,1060,0960,1050,119ln(Оборотныесредства)0,4460,4450,4490,424Ядерные оценки плотности оценок технической эффективности изпанельных регрессий показали, что модели TI и TVD проигрывают другимоцененным моделям: пики графиков плотности сильно смещены к нулю.Оценки плотности оценок технической эффективности из моделей RE и FEдля случая функции транслог и полунормального распределения ошибкинеэффективности изображены на рис. 29. По сравнению со сквознымирегрессиями графики имеют более острый пик, что связано с двухшаговойпроцедурой оценивания моделей RE и FE, на первом шаге которой не02468предполагается наличие неэффективности.0.2.4.6.81xREFEРис.
29 — Ядерные оценки плотности оценок технической эффективности,панельные регрессии за 2006–2014 гг., функция транслог,полунормальное распределение ошибки неэффективности67Наконец, на основе результатов оценивания панельных регрессийтакже были посчитаны оценки СФП и ее компонент для производственнойфункцииКобба-Дугласа.промышленности значенийДинамикасреднихпоказателейпообрабатывающейэффективностипохожа порассмотренным панельным регрессиям, поэтому для примера приведенграфик для модели RE с экспоненциальным распределением ошибкинеэффективности (рис.
30).Динамика оценок СФП и технической эффективности почтисовпадает с изображенной на рис. 28, однако уровень последнегопоказателя на всем периоде был выше по сравнению с 2006 г., чем посквозным моделям. Динамика максимального значения СФП иная и имеетменьшую вариацию, чем на рис. 28: технологический показатель падает вовремя мирового финансового кризиса и во время восстановленияэкономики, но растет на периоде разворачивания нового экономическогокризиса в стране.
Зеркальная средняя оценка эффективности от масштабапоказывает,чтов2011–2012 гг.российскаяобрабатывающаяпромышленность находилась в такой же близости к оптимальному размеруфирмы, как и в 2006 г., но ситуация значительно ухудшилась за последниедва года.1.221.11.5110.90.50.8020062007200820092010СФПExp(v)Эффективность от масштаба (правая ось)2011201220132014Техническая эффективностьМаксимальная СФП (правая ось)Рис.
30 — Динамика оценок СФП и ее компонент по Модели RE (эксп.),панельная регрессия, функция Кобба-Дугласа68В целом, в результате оценивания производственной границы спомощью двух методов было получено, что выбранные факторыпроизводства демонстрируют высокую значимость при моделированиипроизводственной функции. Факторы года и отрасли также оказалисьзначимы в уравнениях. Высокая дисперсия ошибки неэффективности непозволяет оценивать модели стандартными методами. Динамика оценокСФП и ее компонент может существенно отличаться как по методам, так ипо моделям одного метода, не говоря уже о значительной вариации поотраслям и по фирмам одной отрасли.Раздел 2.4 Трехшаговый анализ отдачи от масштабаАнализ отдачи от масштаба является одним из этапов комплекснойметодики.
В настоящей работе предлагается выполнение трех шаговданного этапа:1) анализ отдачи от масштаба на основе суммы предельныхэффектов;2) анализсвязиразмерафирмыиоценокеетехническойэффективности;3) анализ динамики оценок эффективности от масштаба.В подавляющем числе работ, изучающих отдачу от масштаба,реализован лишь один из трех шагов. Представленный анализ позволяетсравнивать результаты шагов между собой и делать выводы на основе ихнепротиворечивости. Одновременная апробация всех трех шагов исравнение их результатов для российских предприятий обрабатывающейпромышленности проводится впервые.692.4.1 Анализ отдачи от масштаба на основе суммы предельныхэффектовНа первом шаге анализ отдачи от масштаба проводится втрадиционном понимании.
Коэффициент отдачи от масштаба показывает,во сколько раз увеличится выпуск фирмы, если увеличить объемы всехфакторов производства в одно и то же число раз. Для получениякоэффициента отдачи от масштаба необходимо рассчитать суммупредельных эффектов факторов производства на выпуск, который вданном случае выражен выручкой от реализации:ОМ it k ln qit ln xk ,it(19)где ОМ it — коэффициент отдачи от масштаба фирмы i в момент времениt , qit — выпуск фирмы i в момент времени t , xk ,it — k -ый факторпроизводства фирмы i в момент времени t .Предельные эффекты в функции Кобба-Дугласа постоянны для всехфирм и во времени и равны оценкам параметров при экзогенныхпеременных.
В функции транслог предельные эффекты свои для каждойфирмы в каждый момент времени и равны более сложным производным вточке. Таким образом, по первой производственной функции мы получимлишь среднее значение отдачи от масштаба, отражающее ситуацию длябольшинства, но не для всех предприятий в российской обрабатывающейпромышленности. Функция транслог предлагает более гибкий подход,позволяющий сделать вывод для каждой фирмы в каждый период ееразвития. Средние значения отдачи от масштаба для всех оцененныхсквозных и панельных регрессий представлены в табл.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
