Автореферат (1138584), страница 3
Текст из файла (страница 3)
Оценивание моделей позволило получитьновые результаты о влиянии инвестиций в основной капитал на техническуюэффективность российских предприятий пищевой промышленности: рост инвестиций в основной капитал предприятий пищевой промышленности влечетрост их технической эффективности.Положения, выносимые на защитуВ диссертационной работе на основе проведенного исследования получены следующие результаты.1.Получено выражение для предельного эффекта технической эффек-тивности по дисперсии ошибки неэффективности и для предельного эффекта технической эффективности по факторам гетероскедастичности ошибкинеэффективности в предположении, что ошибка неэффективности имеет по13лунормальное или экспоненциальное распределение.2.Доказаны теоремы о том, что предельный эффект технической эффек-тивности по дисперсии ошибки неэффективности имеет отрицательное значение в предположении, что ошибка неэффективности имеет полунормальноеили экспоненциальное распределение.3.Разработана методика анализа связи статуса экспортера и техниче-ской эффективности российских предприятий, основанная на сопоставлениярезультатов двух подходов — анализа стохастической производственной границы и методов мэтчинга (мэтчинга по склонности к экспорту и мэтчингас методом блокирования по склонности к экспорту).
С использованием разработанной методики на данных по предприятиям российского обрабатывающего сектора экономики в период с 2004 по 2013 гг. получен робастныйрезультат, заключающийся в том, что предприятия-экспортеры в среднемтехнически эффективнее предприятий-не-экспортеров, при этом предельныйэффект от участия в экспортной деятельности на техническую эффективность находится в диапазоне 0.011–0.024.4.Построены эконометрические модели взаимосвязи доли импорта и тех-нической эффективности предприятий на примере пищевой промышленностив период с 2005 по 2011 гг.
Оценивание моделей показало, что увеличение доли импорта товаров связано с уменьшением технической эффективности этихпредприятий, при этом предельный эффект технической эффективности пологарифму доли импорта товаров находится в диапазоне от -0.054 до -0.045.5.Построены эконометрические модели взаимосвязи инвестиций в основ-ной капитал и технической эффективности на примере пищевой промышленности в период с 2003 по 2010 гг. Оценивание моделей показало, что рост инвестиций в основной капитал предприятий пищевой промышленности влечетрост их технической эффективности, при этом предельный эффект технической эффективности по логарифму инвестиций в основной капитал с лагом14в один год находится в диапазоне от 0.00061 до 0.00086.Теоретическая и практическая значимость полученных результатовТеоретическая значимость состоит в следующем:∙получено выражение для предельного эффекта технической эффек-тивности по дисперсии ошибки неэффективности при разных предположениях о распределении ошибки неэффективности, который позволяет получитьего знак;∙доказаны две теоремы при разных предположениях о распределенииошибки неэффективности, которые свидетельствуют о том, что с ростом дисперсии ошибки неэффективности, техническая эффективность снижается;∙разработана методика сравнения оценок влияния факторов на тех-ническую эффективность с использованием метода анализа стохастическойграницы производственных возможностей и методов мэтчинга;Практическая значимость заключается в следующем:∙показана положительная связь экспортной деятельности техническойэффективности российских предприятий;∙получены результаты, свидетельствующие о снижении техническойэффективности российских предприятий обрабатывающего сектора при увеличении доли импорта;∙показано, что стимулирование инвестиций в основной капитал влечетрост технической эффективности;∙разработана методика для определения предельного эффекта техни-ческой эффективности по дисперсии ошибки неэффективности и по факторам гетероскедастичности, а также разработаны программные коды подпрограммные пакеты Stata и Python.
Разработанная методика и написанныепрограммные коды могут быть использованы как в преподавании курсов эконометрики, так и при анализе эффективности различных методов стимули-15рования предприятий.Структура диссертацииДиссертационное исследование включает в себя введение, четыре главы,заключение и список использованной литературы. Общий объем диссертации составляет 127 страниц с 19 рисунками. Список литературы содержит 95наименований.Степень достоверности результатовСтепень достоверности результатов научных исследований, проведенныхсоискателем, обосновывается полученными оценками моделей стохастическойпроизводственной границы, регрессионного анализа и методов мэтчинга. Полученные результаты оценивания моделей во многом согласуются с результатами, полученными другими авторами на схожих моделях, а также дополняют их.
Корректность теоретических положений обосновывается математическими доказательствами.Апробация результатовРезультаты диссертационного исследования были представлены на следующих конференциях и научных семинарах:1.Конференция“9thEurasiaBusinessandEconomicsSocietyConference (9th EBES Conference — Rome)”. Рим, Италия, 11–13 января 2013 г.2.X Международная конференция «Применение многомерного стати-стического анализа в экономике и оценке качества».
Москва, 26–28 августа 2014 г.3.Семинар Лаборатории макроструктурного моделирования экономикиРоссии (НИУ ВШЭ). Москва, НИУ ВШЭ, 3 апреля 2015 года.4.6-я Международная научно-практическая конференция студентов и16аспирантов«Статистическиеметодыанализаэкономикииобщества».Москва, 12–15 мая 2015 г.5.14-й Европейский семинар по эффективности и анализу производи-тельности (14th European Workshop on Efficiency and Productivity Analysis).Хельсинки, Финляндия, 15–19 июня 2015 г.6.анализIX-я Международная школа-семинар «Многомерный статистическийиэконометрика».Цакхадзор,РеспубликаАрмения,26июня–05 июля 2016 г.7.III-яToolsandмеждународнаяApplications—конференцияMETA2016”.“ModernНижнийEconometricНовгород,Россия,22–24 сентября 2016 г.8.Третий Российский экономический конгресс.
Москва, Россия, 19–23декабря 2016 г.9.Семинар кафедры математических методов анализа экономики Эко-номического факультета МГУ им. М.В. Ломоносова. Москва, Россия, 7 марта2017 г.По теме диссертации опубликованы 4 работы, включая 3 статьи в журналах из перечня ВАК. Общий объем публикаций — 4.15 печатных листа,личный вклад автора — 2.78 печатных листа.2.Основные положения диссертацииВо введении обоснована актуальность темы диссертации, определеныобъект и предмет исследования, сформулированы цель и задачи исследования, научная новизна, теоретическая и практическая значимость результатов.В первой главе диссертации приведен обзор литературы, в котором содержится определение технической эффективности, обзор методов стохастической производственной границы, выводится выражение для предельногоэффекта технической эффективности по дисперсии ошибки неэффективно17сти при разных предположениях о распределении ошибки неэффективности,и доказываются две теоремы об убывании технической эффективности привозрастании дисперсии ошибки неэффективности.Методология, описанная в данной главе, использовалась в работах (Щетинин, Назруллаева, 2012; Щетинин, 2014; Краснопеева, Назруллаева, Пересецкий, Щетинин, 2016).В параграфе 1.1 рассматриваются основные понятия, используемые в диссертационном исследовании.
Рассматриваются модели стохастической границы производственных возможностей.Модель SFA (Aigner et al., 1977; Cornwell et al., 1990; Kumbhakar, 1990) вбазовой спецификации имеет вид:ln = 0 + (ln 1, , ..., ln , ; ) + − ,где— выпуск,,— факторы производства,предприятий в выборке, = 1, ..., , (1) = 1, ..., , = 1, ..., , — число периодов времени, ошибканеотрицательная и распределена по полунормальному или экспоненциальному закону. Ошибкиiid ∼ (0, 2 ), друга и от регрессоров модели,ираспределены независимо друг от = − .Модель true fixed effects (Heshmati et al., 1995) имеет вид:ln = + ln + − ,где добавлен индивидуальный фиксированный эффект(2) для предприятия .Модель true random effects (Heshmati et al., 1995) имеет вид:ln = 0 + ln + + − ,в ней добавлен случайный индивидуальный эффект предприятия (0, 2 ),распределенный независимо от18и .(3)iid, ∼«Модель с четырьмя ошибками» (Kumbhakar et al., 2012) учитывает случайный эффект фирм: = 0 + ( ; ) + + − − ,где добавлен случайный эффект фирмы ,(4)включающий ненаблюдаемыенезависимые от времени факторы производства; также добавлена ошибка > 0,отвечающая за постоянную техническую неэффективность.В параграфе 1.2 приводится выражение для технической эффективности и выводится выражение для предельного эффекта технической эффек-тивности по дисперсии ошибки неэффективности и по факторам гетероскедастичности ошибки неэффективности при разных предположениях о распределении ошибки неэффективности.
Приводится доказательство двух теоремо том, что с ростом дисперсии ошибки неэффективности, техническая эффективность снижается.В данном параграфе демонстрируется понятие технической эффективности на примере следующей спецификации:ln = 0 + (ln 1 , ..., ln ; ) + − = 0 +∑︁ ln + − ,гдеиЕслираспределены как и ранее, аiid ∼ ,то техническая эффективность равняется:(︁− = − . = ( |) =exp +222)︁(︁+Φ(︁Φ − −− )︁−− )︁.В этом случае предельный эффект технической эффективности19подисперсии ошибки неэффективности(︁222равен:)︁ (︃)︂ (︂)︂(︂ exp + + (︁)︁ · − Φ − −= 2·− Φ − −+2Φ − − (︂)︂ (︂)︂+ − −− Φ − −− (︂)︂ (︂)︂)︃−Φ − −− − −.(5) Еслиошибки + (0, 2 ),∼впредположении (2 = 2 () = exp(′ ) = exp (∑︀гетероскедастичности ), где— факторыгетероскедастичности), техническая эффективность равняется:(︂)︂1 2 = (exp(−)|) = 2 exp () (1 − Φ(())),2а предельный эффект технической эффективностипо дисперсии(︂)︂(︂)︂(︁(︀)︀)︁ (︀)︀ 1 2= 2 exp () () 1 − Φ () − () .2 равен:(6)Расчет предельного эффекта технической эффективности по фактору гетероскедастичности с учетом (5) или (6) производится следующим образом: 1==· · .
2В конце параграфа доказываются две теоремы о знаке предельного эффекта.Теорема 1 Еслиiid ∼ ,то с ростомность снижается: 6 0.20техническая эффектив-Теорема 2 Если ∼ + (0, 2 ),то с ростомтехническая эффектив-ность снижается: 6 0.В параграфе 1.3 приводится обзор методов мэтчинга: с использованиеммеры склонности и блокирования по мере склонности.Метод мэтчинга (англ. matching) служит для оценки эффекта воздействия переменнойна переменную-результатванных значениях контрольных переменных , = 1, ..., ,гдепри фиксиро-— размер выборки.Для определенности далее предполагается несколько периодов наблюдения = 1, ..., ,а также полагается, чтоне зависит от времени.В одну группу включаются все наблюдения с = 1(treatment group —экспериментальная группа), в другую — все наблюдения с = 0(controlgroup — контрольная группа). Следуя (Imbens, 2015), можно представитьпеременную-результат-гонаблюдения, = ( ) = ,следующим образом:⎧⎪⎨ (0),если = 0,⎪⎩ (1),если = 1.При сравнении значений переменной-результата для наблюдений с похожими значениями контрольных переменных в этих двух группах, среднийэффект воздействия (англ.
average treatment effect, ATE) переменнойпеременнуюнаоценивается по следующей формуле: = [ (1)| , = 1] −−[ (0)| , = 0].Мэтчинг по мере склонности состоит в следующем: на первом этапе рассчитываются веса(inverse probability weights), обратно пропорциональ-ные оценкам меры склонностиˆ(Hirano et al., 2003; Lunceford, Davidian,212004; Austin, 2011): =⎧⎪⎨1/ˆ ,если⎪⎩1/(1 − ˆ ),если = 1,(7) = 0.Оценки меры склонности могут быть получены как прогнозные значениявероятности из модели бинарного выбора:ˆˆ = ( = 1| ) = Λ(′ ),где— вектор контрольных переменных,Λ(·)— логистическая функцияраспределения.Взвешивание с весами (7) проводит к «выравниванию» двух групп наблюдений по распределению меры склонности.Оценка эффекта воздействия (ATE) осуществляется с использованиеммеры склонности по следующему алгоритму (см., например, Ениколопов,2009):1.Оценивается регрессия = 0 + ′ + с весами (7) по подвыборке(1)(1) = 1, и по всем наблюдениям рассчитывается прогноз ̂︀ = ˆ0 + ′ ˆ(1) .2.Оценивается регрессия = 0 + ′ + с весами (7) по подвыборке(0)(0) = 0, и по всем наблюдениям рассчитывается прогноз ̂︀ = ˆ0 + ′ ˆ(0) .(1)(0)∆ = − 3.Вычисляется разность4.Оценка среднего эффекта воздействия (ATE) рассчитывается каксреднее значение от∆, (индивидуальный эффект).по всем наблюдениям.Помимо мэтчинга по мере склонности, в диссертационной работе такжеиспользуется метод оценки эффекта воздействия (ATE) с учетом блокирования по мере склонности (Ениколопов, 2009; Imbens, 2015; Imbens, Rubin,2015).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
