Диссертация (1138702), страница 25
Текст из файла (страница 25)
Если мырассмотрим влияние оборота компании на предложение финансовых услуг, то, в рамкахэмпирической модели, мы получили, что рост оборота способствует повышениюинновационности компании. Однако данный эффект не является статистически значимым.Это означает, что данные 2013 года опровергают Гипотезу 1, т.е. быстрорастущие ивысокомаржинальные компании не являются более инновационными.Динамическое сопоставление результатов оценки линейной регрессионной модели,построенной на опросных данных мониторинга сектора интеллектуальных услуг 2013 годаи описывающих поведение производителей финансовых услуг, представлено ниже (см.Рисунок 11).10612108642020092010201120122013-2Рисунок 11 – Значение коэффициента влияния темпа роста годового оборота наинновационную активность.Источник: Составлено автором по данным опроса ИСИЭЗ-РОМИР,2013.Исходя из графика видно, что величина коэффициента менялась значительно напротяжении нескольких лет.
Несмотря на то, что знак коэффициента менялся со временем,статистическая значимость коэффициента в 2011-2012 гг. оставалась менее 5%, чтосвидетельствует о положительном влиянии доходов компании на инновационнуюактивность. Полученные результаты позволяют нам отвергнуть Гипотезу 1 о том, чтобыстрорастущиекомпаниисвысокойнормойприбылиявляютсянаиболееинновационными.Для проверки Гипотезы 2 мы использовали переменную size. В целом можноотметить, что, с точки зрения производителей, размер компании оказывает влияние наинновационную активность, однако этот эффект невелик, или связь между размеромкомпании и инновационной активность носит нелинейный характер. При этом следуетпомнить, что компании сферы интеллектуальных услуг преимущественно имеютнебольшой размер, что характерно не только для российских, но и для европейскихкомпаний. Это также может служить объяснением низкой значимости коэффициента припеременной.
Исходя из полученных результатов, мы можем опровергнуть гипотезу означимости темпов роста компании для инновационности предприятия в сфере финансовыхуслуг. Модель 2 и модель 3 представляют спецификации с исключением переменной size(для исключения переменной проводился тест Вальда). Для моделей сохраниласьзначимость всех коэффициентов на 5% уровне (см. Приложение 13). В дальнейшем припостроении регрессии тест Хаусмана (Hausman, 1978) показал отсутствие проблемыэндогенности в данной гипотезе (Приложение 14).107Далее мы применили алгоритм Гиббса для проверки гипотез, предложенных впервом разделе настоящей главы.
Целью применения более сложного математическогоаппарата стала большая размерность пространства и относительная небольшая выборка,которыемоглипривестиксмещенностиоценок,полученных«стандартными»эконометрическими методами. При выборе начальных значений приора мы взяли оценкикоэффициентов, полученные при помощи МНК. Затем мы оценили модель, описывающуюповедение производителей финансовых услуг, на основе 125000 итераций алгоритмаГиббса. Полученные коэффициенты относительно стабильны в зависимости от итераций(см.
Приложение 15), что свидетельствует в пользу отсутствия автокорреляциикоэффициентов.Приэтомполученныекоэффициентыпознакамсовпадаютспредложенной в предыдущем разделе «стандартной» эконометрической моделью, чтопозволяет нам подтвердить сделанные ранее выводы. Коэффициент для переменной sizeоказывается незначимым, как и в предыдущем случае, что позволяет нам исключить прямоевлияние размера компаний на инновационную активность производителей финансовыхинтеллектуальных услуг.Таблица 11 – Средние значения коэффициентов моделей поведения производителей.РегрессорыСреднеезначение 16%- доверительный 84%- доверительныйкоэффициентаинтервалинтервалconstant-78,59-79,56-80,54dturnover9,5910,578,57size1,920,970,03standard0,440,360,28wage1,671,531,41LM-150,3028Chib LM-173,8260Источник: Составлено автором по данным опроса ИСИЭЗ-РОМИР,2013.Вцелом,наосноверегрессий,построенныхспомощьюбайесовскогоинструментария, мы получили результаты, отличные от МНК, в плане оценкистатистической значимости коэффициентов (см.
Таблица10). Полученные коэффициентырегрессии в байесовских моделях оказались выше по сравнению с МНК-моделями,представленными в Таблице 9. При этом, если для модели производителей финансовыхуслуг мы отвергли Гипотезу 2 вследствие невысокой значимости коэффициентов, то припомощи байесовских методов мы получили подтверждение Гипотезы 2, т.е.
инновационная108активность выше среди более крупных компаний у быстрорастущих высокоприбыльныхкомпаний.Рассмотреврезультатыэмпирическогоанализаинновационнойактивностипроизводителей финансовых услуг, мы оценили линейную регрессию для проверки третьейи четвертой гипотезы нашего исследования. Для оценки использовались опросные данныепотребителей финансовых интеллектуальных услуг (в опросах респондентами выступалибизнес-потребители), полученные в рамках «Мониторинга сектора интеллектуальных услугза 2013 год».
Результаты оценки регрессионной модели представлены в таблице ниже (см.Таблица 12).Таблица 12 – Результаты оценок регрессионных моделей.РегрессорыОценки коэффициентов и тестовые статистикиМодель 1Модель 2Коэффициентыt-статистикиКоэффициентыt-статистикиconstant-0,35-0,16-0,61-0,29quality1,422,891,573,35freq0,351,940,291,66size0,00010,43––expend-0,0002-0,39––Характеристики моделей:R20,260,23F-statistics4,118,46Источник: Составлено автором по данным опроса ИСИЭЗ-РОМИР, 2013.Предложенные модели представляет МНК-спецификацию регрессии с логарифмаминезависимых переменных size, freq (модель 2) и без использования логарифмов (модель 1)(см. Приложение 16).В целом, результаты, полученные по итогам оценивания обеих моделей,показывают, что в настоящий момент инновационные услуги приобретаются наиболееопытными потребителями финансовых услуг (freq) и относительно крупными компаниями(size).
При этом инновационные услуги обладают более высоким качеством (quality), исопровождаются меньшими расходами на приобретение. Обе спецификации дают схожиерезультаты, что говорит о незначительном влиянии логарифмирования на результатымоделирования. Однако Модель 2 дает чуть более высокие статистики (F-statistics и R2), чтоделает данную спецификацию вероятности распределения более предпочтительной.Относительно низкие значения R2 обосновываются значительной разнородностью выборки109в области опроса потребителей, в отличие от опроса производителей, где F-statistics иR2оказались значительно выше. Коэффициенты при переменных quality и freq являютсястатистически значимыми на 5% и 10% уровне соответственно, что говорит оподтверждении Гипотезы 3 и Гипотезы 4 в представленной модели.ВсоответствиисГипотезой3,регрессионныйанализпоказалналичиеположительной связи между долей инновационных услуг, приобретаемых компаниейзаказчиком, и качеством финансовых услуг.
Потребители начинают понимать, что качествоуслуг важнее, чем их стоимость (в 2013 г. 51,4% клиентов с высокой склонностью кстандартным услугам, т.е. имевшие долю стандартных услуг в общем объеме ихпотребления свыше 80%, указали, что высокое качество услуг для них стоит на первомместе при выборе поставщика). Подробнее результаты приведены в приложении (см.Приложение 17).В нашей модели фиктивная переменная, отвечающая за использования различныхуслугнесколькихпотребителейуслуг(freq),являетсяиндикаторомопытностипотребителей.
Проведенный анализ показал, что наличие у потребителей опыта виспользовании финансовых услуг способствует спросу на инновационные услуги. Болеетого, чувствительность к качеству еще возрастет при увеличении опыта пользованияинновационныеуслугами.Обэтомсвидетельствуеттотфакт,чтосуществуетположительная связь между опытом использования финансовых услуг (freq) и восприятиемих качества (quality) - коэффициент корреляции между указанными переменными составил0,19 и оказался значимым на 5% доверительном интервале. В итоге Гипотеза 3 и Гипотеза 4нашли подтверждение в нашей работе.Далее, используя в качестве начальных значений приора результаты МНК-оценки,мыоценилимодель,описывающуюповедениепотребителейфинансовыхинтеллектуальных услуг, на основе более 125000 итераций алгоритма Гиббса.
В отличие отпредыдущего случая, коэффициенты оказались менее стабильны даже на последнихитерациях, что свидетельствует не в пользу модели (Приложение 18). При этом полученныекоэффициенты по знакам совпадают с предложенной в предыдущем разделе «стандартной»эконометрической моделью. При этом в отличии обычных МНК-коэффициентов вбайесовской спецификации коэффициенты оказываются статистически незначимыми длявсех переменных, в результате чего мы должны сделать выводов том, что предлагаемыенами факторы оказывают значимое влияние на степень инновационности потребляемыхинтеллектуальных услуг.Таблица 13 – Средние значения коэффициентов моделей поведения потребителей.110РегрессорыСреднеезначение 16%- доверительный 84%- доверительныйкоэффициентаинтервалинтервалconstant-0,8768-1,83350,1103size0,37950,14990,6151quality1,53671,25881,8264freq0,23880,07820,3967expend-0,2830-0,5001-0,0727LM-140,1241Chib LM-165,1650Источник: Составлено автором по данным опроса ИСИЭЗ-РОМИР, 2013.Результаты оценки модели потребителей финансовых услуг, как и для МНК версии,дают статистически значимые коэффициенты (см.
Таблица 13), в результате чего мы можемсделать вывод о том, что Гипотеза 3 и Гипотеза 4 подтверждаются в нашей работе в полноймере, т.е. качество услуг и наличие опыта являются важными факторами выбораинтеллектуальных услуг потребителями. Таким образом, мы можем отметить, чтоприменение байесовского подхода позволило нам уточнить оценки коэффициентовмоделей поведения потребителей и производителей финансовых интеллектуальных услуг иизбежать проблемы малой выборки.В результате проведенного теоретического и эмпирического анализа услуг в сферефинансовогопосредничества,мыпоказали,чтофинансовыеуслугиобладаютинновационным потенциалом. Большая доля финансовых посредников отмечает наличиерегулярной инновационной деятельности, которая в настоящий момент возможна только засчетстандартизированныхуслуг,которыеспособствуютснижениюиздержекпроизводителей за счет эффекта масштаба.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
