Диссертация (1138589), страница 14

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

Для оценивания значимости коэффициентов модели мы будемпользоваться бутстраповским подходом. Данный подход позволит учесть примоделировании неэффективность инвестиционного процесса.Для устранения проблемы взаимозависимости инвестиций и основногокапитала мы воспользуемся моделью, основанной на системах линейныходновременных уравнений.

Наиболее общая модель систем регрессионныхуравнений представлена в работе William Greene [Greene, 2007].ВследзаW.Greeneрассмотримструктурнуюформусистемыодновременных уравнений, чтобы получить общий вид оценок регрессии:93 11 yt1   21 yt 2  ...

  M 1 ytM  11 xt1  ...   K 1 xtK   t1 , y   y  ...   y   x  ...   x   , 12 t1 22 t 2M 2 tM12 t1K 2 tKt2.... 1M yt1   2 M yt 2  ...   MM ytM  1M xt1  ...   KM xtK   tM .Система состоит из М одновременных уравнений, М эндогенныхпеременных y1,..,yM, K экзогенных переменных x1,…, xK, и структурныхошибок ɛt1,…, ɛtM, период времени обозначается стандартным индексом: t.Перепишем систему в матричной форме и получим следующую системууравнений: y1y2  11  12 22...

yM t  21 M 1  M 2...  1M ...  2 M   x1......  MM x2 11... xK t  21K112 22K 2... 1M ...  2 M  1  2 ...  M t......  KM илиyt Г  xt B   t ,где Г - матрица индексов переменной y, B – матрица индексовпеременной x.ПредполагаяобратимостьматрицыГиделаянеобходимыепреобразования, получим:yt   xt BГ 1   t Г 1  xt П  vtЧтобыданнаясистемаимелаединственноерешениедолжнывыполняться два условия: порядковое и ранговое условия. Порядковоеусловие является необходимым и накладывает жёсткое ограничение наколичество переменных, так чтобы система имела решение необходимо,чтобы количество эндогенных переменных yt было меньше количестваэкзогенных переменных xt.Это нужно для того, чтобы всегда былавозможность выбрать хотя бы одну инструментальную переменную x для94оценки модели. Ранговое условие гарантирует существование единственногорешения: [plim(1/ n)X'X]1[plim(1/ n)X'Y j ]Г j  B j  0 для каждого j, где plim –предел по вероятности.В предположении, что данная система является идентифицируемой (тоесть имеет решение), рассмотрим способы оценки данной модели.Существует три основных способа получить оценки данной системыуравнений: 2-х шаговый МНК, метод максимального правдоподобия и 3-хшаговый МНК.Для целей оценивания мы изменим вид нашей системы уравнений иприведём её к стандартному виду:y j  X j  j  Y j j   j  Z j j   j ,где yj – зависимая переменная, Xj – набор экзогенных переменных вуравнении j-й, Zj=(Xj,Yj) – матрица объясняющих переменных.

Так какпеременные zj и ɛj – коррелированы, то для оценивания часто применяетсядвухшаговый метод наименьших квадратов. Для этого на 1-м шаге строитсярегрессия матрицы Zj на X, чтобы получить матрицу оценок Zj:Z j  (X'X)1 X ' Z j . На 2-м шаге, с использованием данной оценкивычисляются оценки параметров исходной системы уравнений Yj от Xj, приэтом коррелированности ошибок ɛj с переменными регрессии уже невозникает. Оценка параметров системы принимает вид: j ,2 SLS  [Z j Z j ]1 Z j y j  [(Zj X)(XX)1(XZ j )]1(Zj X)(XX) 1 Xy jдисперсия оценки может быть представлена более простым образом: jj (y j  Z j  j )(y j  Z j  j )T95.,аДанная оценка часто используется исследователями, однако, имеетодин существенный недостаток, она зависит от масштаба переменных врегрессии, так если мы умножим все коэффициенты в системе уравнений на2, то оценка параметров системы уравнений изменится.

Этого недостаткалишена оценка максимального правдоподобия с ограниченной информацией(так называемая LIML - оценка). Вслед за Дэвидсоном и Маккинаном мывыведем данную оценку [Davidsom, Maccinan, 2004].Рассмотрим следующую функцию максимального правдоподобия:W j0  E 0j E 0j , гдеY j0  [y j ,Y j ] , и E 0j  M jY j0  [I X j (Xj X)1 Xj ]Y0j . Каждый столбец матрицыE 0j - это вектор остатков в регрессии вектора Y j0 на Xj, экзогенныепеременные из уравнения j. Таким образом, W j0 - этою матрица суммыквадратовостатков.Определимещёоднуфункцию:W j1  E1jE1j  Y j0[1  X(XX)1 X]Y0j , где W j1 определена аналогично W j0 .Тогда функция правдоподобия для исходной задачи примет вид(W j1)1W j0 . Принимая во внимание, что у данной матрицы существуетминимальный характеристический корень λ1 и максимизируя функциюправдоподобия, мы получим следующие оценки искомых параметров:j , LIML [W 0jj  1 W1jj ]1 (w 0j  1 w1j ) j ,LIML  [Xj X]1 Xj (y j  Y j j , LIML )Данная оценка является несмещенной и эффективной в предположениинормального распределения остатков.Рассмотрим третий способ оценивания систем уравнений: 3-х шаговыйметод наименьших квадратов.96Для этого на первом шаге оценивается П методом наименьшихквадратов и вычислим оценку Y j для каждого уравнения.

На втором шагевычисляется оценка 2-х шагового метода наименьших квадратов каждого уравнения, а также  ij (yi  Zi  i )(y j  Z j  j )Tj ,2 SLSдля. На 3-м шаге наоснове, полученных оценку вычисляют оценку трёхшагового методанаименьших квадратов:  3SLS  [Z(1  I)Z]1 Z(1  I) y .Данная оценка является состоятельной [Phillips, 1983], поэтому вдальнейшем мы будем пользоваться именно оценкой трёхшагового МНК(параграф 3.4).xxxВо 2-й главе мы рассмотрели основные теории спроса на инвестиции имодели инвестиций. К основным теориям спроса на инвестиции можноотнести: теорию акселератора инвестиций, кейнсианскую теорию инеоклассический подход (теорию общего равновесия).

Также мы показали,что большинство современных моделей строятся на базе теории общегоэкономического равновесия. Установили, что наиболее распространённая вэкономической литературе модель Q-Тобина не применима в её изначальномвиде для моделирования инвестиций в основной капитал промышленныхпредприятий и требует модификации. Такой модификацией являетсятеоретическая модель Гилхриста-Химмельберга, она позволяет уйти отиспользования в моделировании показателя Q-Тобина и включить в модельфинансовые показатели. Модель Гилкриста-Химмельберга была переведенанами из статической в динамическую форму, а также модифицирована для97учёта переменной инвестиционной стратегии (переменная включена в модельв явном виде). Также нами была построена собственная оригинальнаяэмпирическая модель для инвестиций в основной капитал промышленныхпредприятий – модель инвестиционной стохастической границы, котораяпозволяетучестьинкорпорироватьнеэффективностьинвестиционныеинвестиционногостратегии,альтернативный подход к моделированию инвестиций.98процессапредставляяисобойГЛАВА 3Эмпирический анализ влияния стратегий инвестирования на объёмыинвестиций в основной капитал промышленных предприятийВ заключительной главе диссертации представлены результатыэмпирическойоценкивлияниястратегийинвестирования,атакжеинституциональных и экономических факторов на объёмы инвестиций восновной капитал российских промышленных предприятий, данная оценкаполучена с помощью двух методов: систем уравнений и стохастическойграницы, что позволяет учесть, как неэффективность инвестиционногопроцесса, так и взаимозависимость уравнений регрессии.

Кризис 2008-2009гг. дает уникальную возможность для применения данного подхода ванализе, сравнении и сопоставлении докризисного и посткризисногоинвестиционного поведения компаний.Для этого на основе определения инвестиционной стратегии,приведенного в 1-й главе, промышленные предприятия в сформированнойвыборке разделены в зависимости от использования той или инойинвестиционной стратегии в период до кризиса и после кризиса 2008-го года.Мы рассматриваем четыре вида инвестиционных стратегий, используемыхинвестирующими промышленными предприятиями, которые были измереныкак бинарные переменные, в дальнейшем исследуется их влияние на объёмыинвестиций.

Также в 3-й главе исследуются специфические для разныхотраслей обрабатывающей промышленности факторы инвестиционнойактивности. Период анализа охватывает одиннадцать лет – с 2003 по 2013 гг.,из которых первые шесть лет – до кризиса, и пять последующих (начиная с2009) – после распространения кризисных явлений в экономике.99Помимо этого, в 3-й главе на основе методов кластерного анализа имодели Хекмана показана нелинейная связь решения компании обинвестициях с рентабельностью основных фондов компании, выявленыоценки коэффициентов регрессии в такой модели. В дополнение к этому дляинвестирующих компаний российской обрабатывающей промышленности наоснове эмпирического анализа выявлена зависимость отношения инвестицийк основным фондам от 3-х групп факторов: инвестиционных стратегий,финансовых показателей предприятия и институциональных условий, вкоторых работает предприятие.3.1 Характеристика выборки и гипотезы исследованияПосостояниюнаконец2015годавобрабатывающейпромышленности России насчитывалось 412 тысяч компаний с объёмомосновных фондов 13,4 трлн.

рублей, объёмом инвестиций 2,2 трлн. рублей ивыпуском 32 трлн. рублей. При этом около 400 тысяч компаний (или 97%генеральной совокупности) имеют выручку менее 60 млн. рублей и относятсяк компаниям микро-бизнеса, однако, формируют всего 30% выпуска всейобрабатывающей промышленности, в то же время на 3% компанийприходится 70% выпуска промышленности. В таких условиях очень сложносформировать несмещённую выборку, для этого нужно иметь финансовуюотчётность компаний микро-бизнеса, которая во многих случаях недоступна.По этой причине при формировании выборки из компаний с оборотом более60 млн. рублей в год приходится считаться со смещённостью получаемойвыборки.Для целей нашего анализа мы сформировали выборку компанийобрабатывающей промышленности на основе следующих источниковфинансовой информации за период с 2003 по 2013 гг.:100 Система профессионального анализа рынков и компаний (SPARK)сетевого издания Interfax; Информационно-аналитическаясистемаБИР-аналитикагентстваэкономической информации PRIME; CRM (Client Relationship Management system) одного из крупнейшихбанков России.После структурирования данных из источников была получена выборкаиз 12,134 компании обрабатывающей промышленности.

Критерием отборакомпаний выступал показатель выручки, были отобраны все компании свыручкой более 60 млн. рублей. Данный уровень отсечения обусловлениспользованием данных по ставкам инвестиционных кредитов компаний,база данных по ставкам инвестиционных кредитов в текущий моментдоступна только для компаний с выручкой более 60 млн. рублей. К тому жетакой уровень отсечения по выручке позволяет убрать из выборки компаниимикро-бизнеса (в соответствии с классификацией, принятой многимибанками), по которым в большинстве случаев нет данных об инвестициях восновной капитал и других экономических показателей. Тем не менеекомпании выборки дают около 70% объёма выручки обрабатывающейпромышленности.

Данные предприятия представляют собой 23 отрасли 8обрабатывающей промышленности (полный перечень отраслей представленв Приложении 1).Вкачествепоказателяинвестицийвосновнойкапиталбылиспользован показатель строки 4211 отчёта о движении денежных средствбухгалтерской отчётности. Данный показатель отражает денежные платежи всвязи с приобретением, созданием, модернизацией, реконструкцией и8Здесь и далее термины «отрасль» и термин «вид экономической деятельности» используются каксинонимы.101подготовкой к использованию внеоборотных активов. Это позволит нам уйтиот недостатка многих исследований, в которых в качестве инвестицийвыступает proxy переменная роста основных фондов.

Характеристики

Список файлов диссертации