Диссертация (1138585), страница 14
Текст из файла (страница 14)
В качестве дефлятора оборота продукции был взят индекс цен производителей (ИЦП, поданным ЕМИСС). Все индексы-дефляторы характеризуют подраздел DA всоответствии с ОКВЭД (раздел 15 «Производство пищевых продуктов, включая напитки»).Информация об индексе цен производителей (ИЦП), индексе потребительских цен (ИПЦ) и индексе-дефляторе инвестиций в основной капитал доступна только с 2005 года (это связано с переходом от классификатора отраслей ОКОНХ на классификатор видов экономической деятельности ОКВЭД).Поэтому соответствующие данные за 2003 и 2004 гг. были линейно экстраполированы.В базе данных “Ruslana” отсутствует прямая информация об объеме инвестиций в основной капитал, которые осуществляет предприятие. Форма финансовой отчетности включает в себя только информацию об инвестицияхв финансовые активы и объеме незавершенного строительства, что не соответствует целям данного исследования.
Поэтому для построения ряда по94инвестициям в основной капитал в качестве базового взято рекурсивное соотношение:+1 = + ,где(4.1)— стоимость основных фондов (в сопоставимых ценах), — объем ин-вестиций в основной капитал. Информация о норме амортизации основныхфондов для каждого предприятия в используемой базе данных отсутствует.Кроме того, получить среднеотраслевую оценку нормы амортизации основных фондов также не представляется возможным: доступная статистика повыбытиям основных фондов не соответствует амортизации.
Поэтому в данном случае норма амортизации бралась равной 0. Полученная оценка представляет собой прокси-переменную для инвестиций в первом приближении,поскольку, помимо непосредственно инвестиций, направленных на увеличение стоимости капитала, она может включать в себя также амортизацию (поскольку в выборке могут быть предприятия, для которых предположение онулевой амортизации не является верным) и возможные переоценки стоимости капитальных активов.
Однако здесь это единственный возможный вариант получить количественную оценку инвестиций по предприятиям. Еслистоимость капитальных активов в текущем году меньше, чем в предыдущем,инвестиции считаются нулевыми: =⎧⎪⎨+1 − ,если⎪⎩0,если+1 > (4.2)+1 < Число предприятий, осуществлявших положительные инвестиции в выборке, представлено в таблице 18. Как и ожидалось, в период кризиса 2008–2009 гг. количество предприятий с нулевыми инвестициями резко возросло.95Òàáëèöà 18. Распределение предприятий с положительными и нулевымиинвестициями > 0 = 02003 2004 2005 2006 2007 2008 2009 2010457 462 443 439 422 369 365 252 247 266 270 287 340 344 -Òàáëèöà 19.
Описательные статистики переменных (млн. руб., всопоставимых ценах 2010 года)Перем.общаямежгрупповаямежвременнаяобщаямежгрупповаямежвременнаяобщаямежгрупповаямежвременнаяобщаяМежгрупповаяМежвременнаяСреднее Ст. ош.368.2 360.8330.9144.295.6119.8108.052.03.673.152.981.0310.338.017.833.5Мин. Макс.0.106 1915.8Набл. = 5672 = 709 =80.104 943.7 = 5672 = 709 =80.008 31.8 = 5672 = 709 =80623.6 = 4963 = 709 =7Описательные статистики по инвестициям, а также стоимости основныхфондов, затратам трудовых ресурсов и обороту приведены в таблице 18.
Ввыборке, как и ожидалось, велика неоднородность предприятий, межгрупповые различия между предприятиями превышают межвременные.964.3Моделирование влияния инвестиций в основной капитал натехническую эффективность4.3.1Техническая эффективность: изменение по годамПредварительный анализ был проведен с использованием моделей накросс-секционных данных для каждого года в отдельности, чтобы проверить,менялись ли коэффициенты во времени. Также заранее было проверено, присутствует ли в данных эффект «скошенности» распределения остатков приоценивании сквозной транслогарифмической модели и аналогичных моделейотдельно за каждый год.
В обеих моделях предполагается экспоненциальное распределение ошибки неэффективности. Полученные результаты свидетельствуют о наличии отрицательного коэффициента эксцесса, что косвенным образом подтверждает наличие неэффективности в данных (Almanidis,Sickles, 2012).Модель (1.1) оценивалась в предположении о том, что параметрическизаданная производственная функция имеет вид функции Кобба-Дугласа. Вмодели предполагается наличие гетероскедастичности, в качестве факторовгетероскедастичности, в соответствии с выдвинутыми гипотезами, рассматриваются:∙для ошибки неэффективности: логарифм затрат трудовых ресурсовln (размер предприятия влияет на степень его неэффективности), логарифминвестиций в основной капиталln с лагом в один период (предприятия,которые больше инвестируют, более эффективны);∙для случайной ошибки:логарифм затрат трудовых ресурсовln .Динамика изменения оценок коэффициентов капитала и труда при оценивании этой модели представлена на рисунке 10.
Из рисунка 10 можно сделать вывод, что коэффициенты производственной функции Кобба-Дугласасущественно меняются от года к году (причем изменения статистически зна-97чимы), в связи с чем было решено перейти к более гибкой спецификациимодели — транслогарифмической функции, чтобы учесть возможное изменение коэффициентов во времени, как для кросс-секционных данных, так и дляоцениваемых на панельных данных моделях. Тест отношения максимальногоправдоподобия также показал, что модель в транслогарифмической спецификации предпочтительнее, чем модель в логарифмической спецификацииКобба-Дугласа.Ðèñ. 10.
Динамика изменения оценок коэффициентов капитала и труда накросс-секционных данных, для модели Кобба-ДугласаВ транслогарифмической спецификации были получены значимые оценки параметров при логарифме инвестиций прошлого периода для дисперсионной функции, характеризующей ошибку неэффективности (для всех летс 2004 по 2010).
Учет инвестиций в основной капитал при моделированиидисперсии подтверждает выдвинутую гипотезу: волатильность ошибки неэффективности ниже для тех предприятий, которые в предыдущем периодеинвестировали в основные средства. Логарифм затрат труда, характеризу98ющий размер предприятия, значим в дисперсионной функции случайной составляющей ,а также в 2004 году для ошибки неэффективности .Круп-ные предприятия с большей численностью сотрудников более эффективны.Непараметрические оценки функции плотности для полученных из транслогарифмических моделей оценок технической эффективности за 2004–2010 гг.представлены на рисунке 11.Ðèñ.
11. Непараметрическая функция плотности распределения оценоктехнической эффективности, на кросс-секционных данных, длятранслогарифмической моделиИз рисунка 11 видно, что распределение предприятий по степени эффективности меняется после кризиса 2008–2009 гг., причем в среднем техническая эффективность после 2008 года предсказуемо снижается (со значения0.8 до 0.6).994.3.2Техническая эффективность: панельные данныеДля моделей на панельных данных в основе модели стохастической границы лежат следующие предположения:∙в основе модели — транслогарифмическая производственная функция;∙для ошибки неэффективности в дисперсионную функцию включаетсялогарифм затрат трудовых ресурсовкапитал с лагом∙ln −1ln и логарифм инвестиций в основнойи фиксированные эффекты года наблюдения;для случайной ошибки в дисперсионную функцию включается лога-рифм затрат трудовых ресурсовln и фиксированные эффекты года наблю-дения.Прежде всего, были оценены базовые модели для панельных данных спостоянной (TI) и меняющейся во времени (TVD) технической эффективностью, в общем виде представимые формулой (1.2), где (·)имеет трансло-гарифмическую спецификацию.
Ошибка неэффективности распределена пополунормальному закону. Результаты оценивания для моделей TI и TVD влоглинейной и транслогарифмической спецификациях приведены в таблице 20, модели (1) и (2). Для модели TVD параметрформулы = exp(−( − )) ), <0(определяется изчто говорит об снижении эффективностисо временем до базового уровня в 2010 году.Нарисункеоценкифункций12представленыплотностинепараметрическиераспределениятехнической(«ядерные»)эффективностипредприятий для моделей TI и TVD (модели (1) и (2) в таблице 20).Распределение оценок технической эффективности для модели TI смещеновлево, к наименее эффективным предприятиям. Данная модель, как следуетизрезультатованализируемымтехническойпредыдущегоподраздела,данным:рисункаизэффективностименяется10011отнеполностьювидно,годакчтогоду,соответствуетраспределениесоответственно,предположение модели TI о постоянстве ошибки неэффективностивовремени в данном случае не выполняется.
Для сравнения, в модели TVD, вкоторойизменениевовременидетерминированной функциейошибкинеэффективностиexp(−( − )),определяетсяраспределение в большейстепени соответствует ожиданиям.Ðèñ. 12. Распределение оценок эффективности в моделях TI и TVDОднако в моделях TI и TVD, а также в базовых моделях с фиксированными и случайными индивидуальными эффектами, предложенными в работах (Schmidt, Sickles, 1984; Pitt, Lee, 1981), не разделяются неоднородностьнаблюдений в выборке, характеризуемая индивидуальными эффектами, инеэффективность. Поэтому, наряду с базовыми моделями TI и TVD, оцениваются три спецификации моделей, описанные ранее, в которых влияниеиндивидуальных эффектов элиминируется из оценок технической эффективности:∙модификация модели с фиксированными и случайными индивидуаль-ными эффектами (Heshmati et al., 1995) — модели (3) true fixed effects (1.3) и(4) true random effects (1.4) в таблице 20 (в обоих моделях ошибка неэффективности распределена по экспоненциальному закону);∙модель с двумя типами неэффективности (1.5) (Kumbhakar et al.,2014), в основе — модель (4) true random effects из таблицы 20 (ошибка101неэффективности распределена по полунормальному закону).Òàáëèöà 20.
Результаты оценивания моделей по панельным данным,2004–2010 гг.Переменнаяln ln 1(ln )221(ln )22ln ln Фикс. эффекты года2ln 2 (ln ; ln −1 )TI (tlog) TVD (tlog)TrueTruefixed effects random effects(1)(2)(3)(4)0.627*** 0.987*** 0.498***0.634***(0.087)(0.072)(0.100)(0.087)0.758*** 0.242*** 1.010***0.736***(0.095)(0.077)(0.109)(0.095)-0.068*** -0.128***-0.022-0.070***(0.013)(0.011)(0.016)(0.013)-0.076*** -0.040*** -0.088***-0.075***(0.011)(0.009)(0.012)(0.011)0.054*** 0.058*** 0.041***0.055***(0.010)(0.008)(0.010)(0.010)Учтены УчтеныУчтеныУчтены2.617* 1.285***(1.414)(0.229)-0.190***(0.005)0.632*** 2.114***(0.023)(0.266)0.599*** 0.907***(0.015)(0.012)0.379*** 1.918***(0.022)(0.265)0.254*** 0.195***(0.005)(0.004)Учтены-0.071(0.049)-0.045***(0.011)Учтены-0.052(0.047)-0.056***(0.010)УчтеныУчтеныУчтены-0.299***(0.023)Учтены-0.320***(0.024)Учтены567270984189.8567270988851.356727098567270984369.610274.79003.8ln ln −1Фикс.
эффекты годаln 2 (ln )ln Фикс. эффекты года ×Wald 2 -StatBICУчтены102180.037653.9Òàáëèöà 20. Результаты оценивания моделей по панельным данным,2004–2010 гг.ПеременнаяTI (tlog) TVD (tlog)(1)(2)TrueTruefixed effects random effects(3)(4)Примечание. ***, **, * — значимость ММП оценок на 1, 5 и 10%-ном уровнесоответственно, в скобках приведены стандартные ошибки.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
