Диссертация (1138585), страница 16
Текст из файла (страница 16)
Из рисунка видно, что техническая эффективность предприятий постепенно снижалась начиная с 2006 года. Крупные предприятия (кластер 3) меньше всего пострадали во время кризиса 2008 года, снижение ихэффективности в 2010 г. (по сравнению с 2008 г.) составило около 2%, в товремя как как у малых и средних предприятий техническая эффективность0015210315снизилась почти на 7%.00.20.40.6Техническая эффективностьTE кластер 1TE кластер 30.8100.20.40.60.8Техническая эффективностьTE кластер 2TE кластер 1TE кластер 3TE кластер 2Ðèñ. 18. Распределение оценок технической эффективности по кластерампредприятий из модели true random effects (слева) и модели с 4 ошибками(справа)1110.90.850.80.75Техническая эффективность20022004200620082010ГодTE кластер 1TE кластер 3TE кластер 2общая TEÐèñ.
19. Динамика изменения оценок технической эффективности для всехпредприятий и отдельно для малых, средних и крупных предприятий4.4Выводы главыВ главе рассмотрены подходы к оцениванию эффективности предприя-тий, такие как: метод стохастической границы производственных возможностей, применяемый на кросс-секционных и панельных данных, модели truefixed effects и true random effects, модель с двумя типами неэффективности (Kumbhakar et al., 2014). В основу моделей положена транслогарифмическая производственная функция, оказавшаяся наиболее гибкой для оценивания моделей стохастической границы. В главе выдвинуты две гипотезы оположительном влиянии размера предприятия (среднесписочного числа сотрудников) и вложенных инвестиций в основной капитал на увеличение эффективности предприятий пищевой промышленности России.
Гипотеза о влиянии инвестиций подтверждалась всегда, в то время как гипотеза о влиянииразмера предприятия имела место только в 2004 году при оценивании моде-112лей на кросс-секционных данных и не подтвердилась при оценивании моделейна панельных данных. Модели true fixed/random effects и (Kumbhakar et al.,2014) дают при оценивании схожие результаты с точки зрения проверяемыхгипотез об инвестициях, однако распределения оценок технической эффективности, полученных из данных моделей, сильно отличаются. Как правило, при попытке учесть с помощью модели (Kumbhakar et al., 2014) наличиедвух типов неэффективности (постоянной во времени, связанной в большейстепени с неэффективностью менеджмента и т.д., и краткосрочной, меняющейся во времени) среднее значение технической эффективности снижается.Предельный эффект технической эффективности по логарифму инвестицийв основной капитал с лагом в один год находится в диапазоне от 0.00061до 0.00086.
При разбиении предприятий на стабильные во времени кластеры по числу работников (малые, крупные и средние предприятия) гипотезао влиянии инвестиций подтверждается, статистически значимых отличий попараметрам распределения технической эффективности в кластерах малыхи средних предприятий выявлено не было.
В кластере крупных предприятий (65 из 709) оценки технической эффективности в среднем выше, причемтакие предприятия менее всего пострадали в кризис 2008 года с точки зрения снижения технической эффективности. В главе также были рассмотрены предприятия, эффективность которых в течение двух лет подряд быластабильно больше 0.80. Оказалось, что количество таких предприятий приувеличении порога на 5% до 0.85 сокращается более чем в два раза.
Крометого, в главе были рассмотрены наиболее стабильно эффективные регионы.Такими оказались Воронежская обл., в которой пищевая промышленностьявляется одним из наиболее развитых видов экономической деятельности, атакже г. Москва. Наиболее стабильными и эффективными предприятиями впищевой промышленности в период 2007–2010 гг. оказались предприятия попроизводству мясных продуктов расположенные в центральном регионе РФ.113ЗаключениеВ 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 полунормальное 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 этих114предприятий, 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 лагомв один год находится в диапазоне от 0.00061 до 0.00086.115Список литературы1. Абанкина И.В., Алескеров Ф.Т., Белоусова В.Ю., Зиньковский К.В., Петрущенко В.В.
(2013). Оценка результативности университетов с помощьюоболочечного анализа данных // Вопросы образования. № 2. С. 15–48.2. Айвазян С.А., Афанасьев М.Ю. (2014). Моделирование производственного потенциала на основе концепции стохастической границы: Методология, результаты эмпирического анализа. М.: КРАСАНД.3.
Алескеров Ф.Т., Белоусова В.Ю., Петрущенко В.В. (2015). Модели оболочечного анализа данных и анализа стохастической границы в задачеоценки эффективности деятельности университетов // Проблемы управления. № 5. С. 2–19.4. Афанасьев М. Ю. (2006). Модель производственного потенциала с управляемыми факторами неэффективности // Прикладная эконометрика. №4 (4).
С. 74–89.5. Афанасьев М. Ю., Скоков В. А. (1984). Программа оценки эффективности функционирования предприятий на основе расчета стохастическихграниц производства. М.: ЦЭМИ АН СССР.6. Барсукова С. Ю. (2010). Отечественный рынок продовольствия: как и вчьих интересах проводится импорто-экспортная политика // Мир России. № 2. С.
148–167.7. Бессонова Е.В., Козлов К.К., Юдаева К.В. (2003). Либерализация торговли, прямые иностранные инвестиции и производительность российскихпредприятий. (Препринты ЦЭФИР, № 39). М.: ЦЭФИР.1168. Борисова Е.И., Пересецкий А.А., Полищук Л.И. (2010). Анализ эффективности некоммерческих ассоциаций методом стохастической границы(на примере товариществ собственников жилья) // Прикладная эконометрика.
№ 4(20). С. 75–101.9. Браун М. (1971). Теория и измерение технического прогресса. М.: Статистика.10. Голикова В. В., Гончар К. Р., Кузнецов Б. В. (2011). Эмпирические доказательства обучающих эффектов экспорта. (Препринт № WP1/2011/02).М.: НИУ ВШЭ.11. Головань С.В. (2006). Факторы, влияющие на эффективность российскихбанков // Прикладная эконометрика. № 2. С. 3–17.12. Головань С.В., Назин В.В., Пересецкий А.А. (2010). Непараметрическиеоценки эффективности российских банков // Экономика и математические методы. № 46(3). С.
43–57.13. ЕАЭСД. Единый архив экономических и социологических данных НИУВШЭ, раздел «Электронные таблицы», «Инвестиции в экономику РФ»http://sophist.hse.ru/).(14. Единаямежведомственнаяинформационно-статистическаясистема(ЕМИСС), Федеральная служба государственной статистики (Росстат),http://www.fedstat.ru).раздел «Обрабатывающие производства» (15. Ениколопов Р. (2009).
Оценивание эффекта воздействия // Квантиль. №6. С. 3–14.11716. Ипатова И. Б., Пересецкий А. А. (2013). Техническая эффективностьпредприятий отрасли производства резиновых и пластмассовых изделий// Прикладная эконометрика. № 32(4). С. 71–92.17. Канторович Г. Г., Назруллаева Е. Ю. (2009). Удельные затраты в отраслях российской промышленности: ведут ли прямые инвестиции к ихснижению? // Экономический журнал ВШЭ. № 13(1).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
