Диссертация (1138585), страница 9
Текст из файла (страница 9)
(рисунок 3а). Однако динамика среднего значения предельного эффекта для некоторых отраслей отличается от средней по всем отраслям. Например, предельный эффектдля отраслей 23 (производство кокса, нефтепродуктов и ядерных материалов) и 35 (производство судов, летательных и космических аппаратов и прочих транспортных средств) резко снижается во время кризиса 2008–2009 гг.,постепенно восстанавливаясь в 2011–2013 гг. (рисунок 3б). По-видимому, вовремя кризиса 2008–2009 гг.
снизилась потребность в энергоносителях, закупках дорогостоящей техники. Однако после 2011 г. предельный эффект отэкспорта в этих отраслях стал возрастать, отражая восстановление мировойэкономики.600.0160.0200.0150.0180.014182235230.0160.0130.0140.0120.0120.0110.0100.01020042005200620072008200920102011201220130.008Модель 1, спецификация Кобба-Дугласаа) По 4-м моделям2013201220112010200920082007Модель 2, транслогарифмическая спецификация, p>0.032006Модель 2, спецификация Кобба-Дугласа, p>0.0320050.0062004Модель 1, транслогарифмическая спецификацияб) По отраслям 18, 22, 35, 23, по модели 2(транслог.), ˆ > 0.03Ðèñ.
3. Cреднее значение предельного эффекта статуса экспортераЯдерные оценки функции плотности предельного эффекта статуса экспортера на техническую эффективность представлены на рисунке 4. Для020406080большинства наблюдений этот эффект не превышает 0.03 (или 3 п.п.).0.02.04.06Модель 1, спецификация Кобба-ДугласаМодель 1, транслогарифмическая спецификацияМодель 2, спецификация Кобба-Дугласа, p>0.03Модель 2, транслогарифмическая спецификация, p>0.03.08Ðèñ. 4. Ядерные оценки плотности распределения предельного эффектаКакэффектаоценкитехническойтехническойэффективности,эффективности61такрастутсиоценкипредельногоувеличениемразмерапредприятия. На рисунках 5а и 5б представлены графики зависимоститехническойэффективности(ΔТЕ)эффективностиактивов).Нарегрессии(полиномиальное(ТЕ)отрисункахипредельногоразмераэффектапредприятияпредставленакриваясглаживание)иеетехнической(логарифманепараметрической95%-ныеграницы.Зависимость статуса экспортера и продуктивности от размера предприятияотмечаласьврядеработ.Greenawayetal.(2005)отмечают,чтоэкспортеры имеют больший размер, чем не-экспортеры с сопоставимымихарактеристиками.Вработе(Pham,2015)показано,чтоэкспортнаяпремия положительно коррелирует с размером предприятия (логарифмомактивов).
В работе (Aldan, Gunay, 2008) показано, что выход предприятияна иностранный рынок и ее размер (логарифм количества сотрудников)положительно коррелированны.а) Зависимость TE от размера предприятияб) Зависимость предельного эффекта ∆TE(влияние статуса экспортера) от размерапредприятияÐèñ. 5. Зависимость ТЕ и предельного эффектаΔТЕот размерапредприятия2.3.2Метод мэтчингаВ отсутствии экспериментальных данных, одним из способов оценки эффекта воздействия (treatment) на переменную-результат (outcome) является62метод мэтчинга, описанный в разделе 1.3. В данном разделе исследуется взаимосвязь статуса экспортера (_ ) и технической эффективности,при контроле на капитал, труд и остальные активы.В одну группу включаются все наблюдения с_ = 1периментальная группа), в другую — все наблюдения с0(экс-_ =(контрольная группа).
Переменная-результат — техническая эффектив-ность -го предприятия обрабатывающего сектора в период времени ( ),представима по формуле (1.36).При сравнении значений технической эффективности для наблюдений спохожими значениями контрольных переменных(капитал, труд и другиеактивы, а также их перекрестные члены) в этих двух группах, оценивается средний эффект воздействия ATE экспорта на техническую эффективность как разницу между средними значениями технической эффективностипо подгруппам экспортеров и не-экспортеров по формуле (1.37).Для идентификации АТЕ используются оценки технической эффективности, полученные из модели (2.1)–(2.2) без учета экспортного статуса длядисперсии ошибки неэффективности в формуле (2.2).
Поскольку «статус экспортера» является переменной «воздействия» (treatment), при включении еев модель (2.2) для оценки технической эффективности нарушалась бы однаиз основных предпосылок, которая лежит в основе определения среднего эффекта воздействия (АТЕ), а именно, независимость переменной-результатаот переменной «воздействия» (при условии контрольных переменных ).Для идентификации причинно-следственного эффекта необходимо знатьмомент выхода на экспортный рынок для каждого предприятия в выборке,для того чтобы сравнивать схожие по набору pre-treatment характеристикпредприятия-экспортеры до выхода на экспортный рынок с предприятиямине-экспортерами в тот же период времени. Однако, как уже было отмеченовыше, данные по экспортной активности по годам не надежны, и поэтому63в данной работе в качестве treatment индикатора используется переменная_ ,постоянная по времени.
Таким образом, строго говоря, по-лученная оценка воздействия экспорта на техническую эффективность (АТЕ)не позволяет сделать вывод о наличии причинно-следственной связи.Имеющиеся в распоряжении данные не позволяют проследить изменение технической эффективности предприятия при изменении его экспортногостатуса. Таким образом в данной работе сравниваются предприятия с аналогичными значениями контрольных переменныхв двух группах (экспорте-ры, не-экспортеры).
Для более корректной оценки АТЕ используется мэтчингпо мере склонности (Ениколопов, 2009; Abadie, Imbens, 2006; Imbens, 2015).2.3.3Мэтчинг с использованием меры склонностиКак уже описывалось ранее, на первом этапе мэтчинга по мере склонности рассчитываются веса(inverse probability weights), обратно пропор-циональные оценкам меры склонности^ ,по формуле (1.38).Ограничение выборки в методе SFA проводилось путем исключения данных, для которых прогнозная вероятность стать экспортером^ 6 0.03.Оценки меры склонности были получены как прогнозные значения вероятности из модели бинарного выбора (1.39). где— вектор контрольныхпеременных (капитал, труд и другие активы, а также их перекрестные члены),Λ(·) — логистическая функция распределения. Оценивалась «сквозная»модель бинарного выбора, при этом сохраняется информация, содержащаясяв изменении во времени контрольных переменныхпрогнозируемая переменная_ ,несмотря на то, чтоне меняется во времени.Взвешивание с весами (1.38) проводит к «выравниванию» двух групп наблюдений по распределению меры склонности.
Например, на рисунке 6 (a,б) приведены ядерные оценки плотности распределения оценок меры склон-64ности к экспорту^без взвешивания (а) и с весами наблюдений, равными .На имеющихся данных взвешивание приводит также и к «выравниванию»двух групп наблюдений по распределениюа также иln(капитал) (см. рисунок 7 (a, б)),ln(труд), ln(ℎ), ln().а) без взвешиванияб) со взвешиваниемÐèñ. 6. Оценки плотности распределенияэкспортеры (_= 1)^по двум группам наблюдений:и не-экспортеры (_а) без взвешивания= 0)б) со взвешиваниемln(капитал) по двум группамэкспортеры (_ = 1) и не-экспортеры(_ = 0)Ðèñ.
7. Оценки плотности распределениянаблюдений:Результаты оценки среднего эффекта воздействия (ATE) приведены втаблице 8 для различных комбинаций контрольных переменных. Полученные65Òàáëèöà 8. Оценки ATEНабор контрольныхпеременныхМодель 1Коббатранслог.Дугласа0.0158(0.0017)активы)0.0168ln(капитал),активы) и все (0.0017)перекрестные члены0.0168ln(труд),ln(капитал),ln(остальные активы)и все (0.0016)перекрестные члены, контроль наОКВЭД и год0.0182ln(труд),ln(капитал),ln(остальные активы)и все (0.0015)перекрестные члены, контрольна ОКВЭД и год и прогнозныевероятности ^0.0160прогнозные вероятности ^(0.0017)0.0153только константа(0.0018)ln(труд),ln(остальныеln(труд),ln(остальныеln(капитал),0.0164(0.0018)0.0167(0.0017)Модель 2 (^ > 0.03)Коббатранслог.Дугласа0.0166(0.0015)0.0174(0.0015)0.0176(0.0016)0.0178(0.0015)0.0172(0.0017)0.0174(0.0014)0.0178(0.0015)0.0185(0.0016)0.0182(0.0014)0.0185(0.0015)0.0166(0.0018)0.0159(0.0019)0.0172(0.0015)0.0168(0.0015)0.0183(0.0015)0.0178(0.0016)значения практически совпадают (с учетом стандартной ошибки) со значениями 0.012–0.013, полученными ранее с использованием метода SFA, привычислении среднего предельного эффекта по переменной_ .Для дополнительной проверки результатов на робастность в таблице 8представлены результаты модели 2.
Эта модель соответствует ограниченнойвыборке, в которой удалены предприятия с аномально низкими значениямимеры склонности к экспорту и оставлены только предприятия, для которыхпрогнозная вероятность стать экспортером2.3.4^ > 0.03(см. также таблицу 5).Мэтчинг и блокирование по мере склонностиВ таблице 9 приведены результаты оценивания эффекта воздействия длячетырех моделей из таблиц 7 и 8 по равномерному разбиению интервала возможных значений меры склонности на = 10блоков (0.00, 0.10, 0.20, 0.30,0.40, 0.50, 0.60, 0.70, 0.80, 0.90, 1.00) и пропорционального, при котором в каж66Òàáëèöà 9.
Оценки эффекта воздействия методом блокирования*Набор контрольныхпеременныхln(труд),ln(остальныеактивы)ln(капитал),ln(труд),ln(остальныеln(капитал),ln(труд),ln(остальныеln(капитал),активы)перекрестные членыивсеактивы) и всеперекрестные члены, контроль наОКВЭД и годln(труд),ln(капитал),ln(остальные активы)и всеперекрестные члены, контрольна ОКВЭД и год и прогнозныевероятности ^Модель 1Коббатранслог.Дугласа0.0192(0.0014)0.0180(0.0015)0.0180(0.0014)0.0170(0.0014)0.0128(0.0013)0.0130(0.0014)0.0128(0.0013)0.0130(0.0014)0.0179(0.0015)0.0167(0.0015)0.0189(0.0014)0.0177(0.0015)0.0137(0.0014)0.0136(0.0014)0.0138(0.0014)0.0136(0.0014)Модель 2 (^ > 0.03)Коббатранслог.Дугласа0.0189(0.0014)0.0178(0.0014)0.0177(0.0013)0.0170(0.0014)0.0126(0.0013)0.0126(0.0013)0.0127(0.0013)0.0127(0.0013)0.0178(0.0014)0.0166(0.0014)0.0188(0.0014)0.0179(0.0014)0.0137(0.0013)0.0135(0.0014)0.0138(0.0013)0.0135(0.0014)0.01850.01940.01850.0195(0.0014)(0.0015)(0.0014)(0.0014)прогнозные вероятности ^0.01800.01810.01840.0187(0.0015) (0.0015) (0.0014) (0.0015)0.02260.02410.02110.0222(0.0014) (0.0015) (0.0014) (0.0014)только константа0.02000.02120.01970.0206(0.0015) (0.0015) (0.0014) (0.0015)* Для каждого набора контрольных переменных приведены 2 результата: для равномерного (в первой строке) и для пропорционального (во второй строке) разбиенияна блоки.дый из блоков попадает примерно одинаковое количество наблюдений (0.00,0.055, 0.09, 0.13, 0.18, 0.23, 0.30, 0.39, 0.51, 0.67, 1.00).Полученные по методу блокирования оценки эффекта воздействия (таблица 9) практически совпадают с оценками, полученными по методу мэтчинга по склонности (таблица 8).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
