Диссертация (1138585), страница 15
Текст из файла (страница 15)
В моделях (1), (2)в основное уравнение включались временные эффекты. В моделях (3), (4) впроцессы для дисперсий ошибки неэффективности и случайной ошибки включались временные эффекты (как фиктивные переменные). Оценивание моделейреализовано в пакете Stata (версия 11).В таблице 20 также представлены результаты оценивания модифицированных моделей с фиксированными и временными эффектами. Гипотеза овлиянии инвестиций в основной капитал на ошибку неэффективности, выдвинутая в работе, не отвергается (см. теоремы 1, 2): коэффициенты приобъясняющей переменнойln −1для дисперсии неэффективностиln 2от-рицательные в моделях (3) и (4). Однако имеющиеся данные на модельномуровне не поддерживают вторую гипотезу о более высокой эффективностикрупных предприятий: коэффициент приln не является статистически зна-чимым. На основе модели (4) была также оценена модель (1.5), предложеннаяв работе (Kumbhakar et al., 2014), в которой, помимо выделения индивидуальных эффектов, предполагается, что неэффективность бывает двух типов:постоянная и меняющаяся во времени.
При оценке технической эффективности учитываются обе компоненты. На рисунке 13 представлен сводныйграфик с распределением оценок технической эффективности, полученныхиз моделей (3) и (4) (таблица 20), а также из модели с четырьмя ошибками (1.5) (Kumbhakar et al., 2014). Оценки моделей (3) и (4) близки по своемураспределению. Распределение из модели с двумя типами неэффективностисущественно отличается от распределения оценок технической эффективности из моделей true random/fixed effects (cами распределения этих оценокпрактически идентичны), что подтверждает диаграмма рассеяния, изобра-103Òàáëèöà 21. Описательные статистики для предельного эффекта попеременной переменнойln −1для моделей true fixed effects (3) и моделиtrue random effects (4)МодельСреднее Ст.
ошиб. Минимум Максимумtrue fixed effects (3)0.000610.000930.000000.00760true random effects (4)0.000860.001220.000000.00945женная на рисунке 13 справа. Дополнительное разделение меняющейся вовремени неэффективности и постоянной неэффективности дает в среднемболее низкое значение технической эффективности в производстве пищевыхпродуктов.Ðèñ. 13. Распределение оценок эффективности в моделях true fixed effects,true random effects и в модели с четырьмя ошибками (слева); сравнениеоценок технической эффективности в модели true random effects и в моделис двумя типами неэффективности (справа)Предельный эффект технической эффективности по переменной переменнойln −1может быть рассчитан по формуле (1.8), т.к. ошибка распре-делена по экспоненциальному закону.Описательные статистики для полученного предельного эффекта для моделей true fixed effects (3) и модели true random effects (4) приведены в таблице 21.Зависимость предельного эффекта от технической эффективности длядвух моделей показана на рисунке 14.
Из графика видно, что значения пре104дельного эффекта возрастают при возрастании технической эффективностиот 0 до примерно 0.5 и убывают при возрастании технической эффективности00Предельный эффект0.0020.0040.006Предельный эффект.002.004.0060.008.0080.01от примерно 0.5 до 1.00.20.40.60.8Техническая эффективность (модель true fixed effects)1а) модель true fixed effects00.20.40.60.8Техническая эффективность (модель true random effects)1б) модель true random effectsÐèñ.
14. Зависимость предельного эффекта от технической эффективностиОбщепринятого критерия качества, позволяющего сделать выбор между различными моделями стохастической границы на панельных данных, несуществует, поэтому в данном случае выбор модели определяется, скорее,корректностью ее предпосылок. Наиболее гибкими, с точки зрения предпосылок, являются модели (Heshmati et al., 1995) и (Kumbhakar et al., 2014),поскольку при оценивании разделяется неэффективность и индивидуальныеэффекты.
В дальнейшем будут сравниваться результаты моделей true randomeffects (1.4) (Heshmati et al., 1995) и модели (1.5) (Kumbhakar et al., 2014), т.к.обе модели при оценивании опираются на одинаковую спецификацию (1.2)на первом шаге.4.3.3Стабильность эффективных предприятийВ таблице 22 представлены стабильные предприятия за 2007–2010 гг.,техническая эффективность (ТЭ) которых в каждом году (из этого периода)составляла не менее 0.85.
Данные приведены за 2010 год, а по инвестици105Òàáëèöà 22. Наиболее эффективные предприятияРегионИнвест.,млн. р.Башкортостан0.00Ленинградская обл.0.00Белгородская обл.2.23Московская обл.3.55Новосибирская обл.17.94Калининградская обл.46.79Санкт-Петербург0.00ПредприятиеТЭОборот,К-тал,Кол-вомлн. р.млн. р.сотр.Агропромышленная компания Агро-20090.919150410.2332Гатчинский молочный завод0.89282911.4436Губкинский мясокомбинат0.8771674125590Протвинский мясокомбинат0.87570212.0172ЗАО Проксима0.8621495132379ООО КМПЗ Балтпроммясо0.8571270111261Рыбокомбинат пищевик0.85052013.1669ям — за 2009 год.
Как видно из таблицы, наиболее стабильные и эффективные предприятия специализируются на производстве мясных продуктови расположены в центральном регионе России. Все предприятия являютсядостаточно крупными, с оборотом порядка одного миллиарда рублей в годи средним количеством сотрудников около 400 человек. Этот факт косвенноподтверждает выдвинутую в главе гипотезу о том, что крупные предприятияболее эффективны. Средний объем средств, инвестированных предприятиями в основной капитал за 2009–2010 гг., составляет 10 млн руб., таким образом, подтверждается вторая гипотеза о положительном влиянии инвестицийна эффективность.
Для первых трех предприятий из приведенных в таблице, на рисунке 15 построен временной тренд технической эффективности за2003–2010 гг. Из рисунка видно, что в 2008–2009 гг. значение эффективностиоставалось практически постоянным, за исключением предприятия «Агро2009», у которого наблюдалось резкое снижение эффективности в 2008 году,что, вероятно, связано с кризисом 2008–2009 гг., и последующий сильный ростэффективности в 2009 году.106Ðèñ. 15. Техническая эффективность стабильных предприятийБудемсчитатьпредприятиеэффективным,еслиегоэффективность больше некоторого заданного значения .модельдлявдля(1.1),вотдельности.каждогокоторойэффективностьПосчитаемгода,атакжесчиталаськоличествопредприятий,Рассмотримкаждогоэффективныхколичествотехническаягодапредприятийкоторыебылиэффективными в течение двух лет подряд.
Назовем такие предприятиястабильными. Количество эффективных и стабильных для каждого годапредприятийизображенонарисунке16.Нарисунке17изображенопроцентное соотношения количества предприятий, эффективных в (году, оставшихся эффективными и вэффективныев(− 1)-мприведенныхгоду,рисунков-мгоду (остальные предприятия,пересталивидно,− 1)-мбытьчтоэффективнымиприувеличениив-мгоду).Изуровня ,определяющего эффективные предприятия, всего на 5% (с 0.80 до0.85), количество эффективных и стабильных предприятий уменьшается107более чем в два раза. В то же время видно, что в 2008–2009 гг. процентстабильныхпредприятийуменьшился(посравнениюспредыдущимигодами), что, вероятно, связано с кризисом.Ðèñ.
16. Эффективность и стабильность предприятий при = 0.85108 = 0.80иÐèñ. 17. Процент стабильных предприятий при4.3.4 = 0.80и = 0.85Кластеризация предприятийВ связи с высокой степенью неоднородности предприятий было решенокластеризовать выборку. Закономерный вопрос, который возникает при анализе эффективности предприятий: отличается ли, и в какую сторону, эффективность крупных предприятий от прочих? В исходной базе данных “Ruslana”присутствует такой признак, как размер предприятия, который определяетсятремя показателями: операционной прибылью, общими активами и численностью работников.
Однако основной проблемой при работе с панельнымиданными является нестабильность (во времени) распределения предприятийпо кластерам. Именно поэтому решено было не пользоваться готовым разбиением, которое, по всей видимости, было составлено в начале 2000-х гг. идалее не обновлялось.Подход, который был использован при кластеризации, предполагаеткластер-анализтраекторий.В109качествеосновногопризнака,характеризующегоразмерпредприятия,былавыбраначисленностьработников. По этому признаку были составлены показатели численностиза каждый год с 2003 по 2010 гг. (итого 10 признаков), что позволилообеспечить стабильность кластеров при классификации 709 предприятий.Согласно описательным статистикам за весь период с 2003 по 2010 гг., ввыборкеприсутствуютпредприятиясчисленностьюработниковотминимального значения 1 до максимального значения 2046 человек, пристандартном -среднихпоотклоненииприаналогиипорядкафиксированномсисходным240.Витогевыделенииразбиениембылтрехвиспользованосновных“Ruslana”методкластеров:предполагалосьналичие малых, средних и крупных предприятий.
К первому кластеруотносятся малые предприятия с численностью работников в среднем зарассматриваемый период менее 100 человек (326 предприятий). Ко второмукластерусосреднимипредприятиямибылиотнесеныпредприятиясчисленностью работников от 100 до 400 человек (318 предприятий). Всеостальные (третий кластер) — крупные предприятия (65).На рисунке 18 приведены графики непараметрических функций плотности распределения для оценок технической эффективности, рассчитанныйдля трех кластеров (слева модель true random effects, справа модель с двумя типам неэффективности (1.5)). По каждой из групп предприятий былиоценены модифицированная модель (Heshmati et al., 1995) со случайнымииндивидуальными эффектами и модель с выделением двух типов неэффективности (1.5) (Kumbhakar et al., 2014).Оценки технической эффективности из модифицированной модели truerandom effects со случайными эффектами (Heshmati et al., 1995), в среднем,практически не отличаются для малых и средних предприятий (кластеры 1и 2).
Для крупных предприятий (кластер 3) среднее значение техническойэффективности выше (рисунок 18), причем само распределение оценок тех110нической эффективности в данном кластере отличается от других кластеров,однако таких предприятий всего 65 из 709. В модели с двумя типами неэффективности (Kumbhakar et al., 2014) распределения оценок технической эффективности по кластерам существенно различаются. Следует заметить, чтов данной модели средние значения технической эффективности ниже, чем вмодели true random effects.На рисунке 19 представлена динамика изменения среднего значения оценок технической эффективности для всех предприятий и отдельно для малых, средних и крупных предприятий (усредненные оценки из модели truerandom effects).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
