Динамика стохастической и детерминированной производственной границы на примере российских предприятий обрабатывающей промышленности тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Ипатова, Ирина Борисовна

• Ипатова, Ирина Борисовна
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Ипатова, Ирина Борисовна

Введение..............................................................................................................4

Глава 1. Теоретические предпосылки исследования..............................12

Раздел 1.1 Краткий обзор состояния российской обрабатывающей промышленности...........................................................................................12

Раздел 1.2 Обзор литературы по основным пунктам исследования........15

1.2.1 Общая теория индексов...................................................................15

1.2.2 Методы DEA и SFA..........................................................................17

1.2.3 Анализ отдачи от масштаба на основе результатов оценивания методами DEA и SFA................................................................................19

1.2.4 Российский опыт оценивания СФП и ее компонент с помощью DEA и SFA...................................................................................................21

Раздел 1.3 Описание используемых методов..............................................22

1.3.1 Общая теория индексов...................................................................22

1.3.2 Методы DEA и SFA..........................................................................29

Глава 2. Оценивание детерминированной и стохастической производственной границы..........................................................................34

Раздел 2.1 Сбор и обработка данных. Репрезентативность выборки.......35

2.1.1 Сбор и обработка данных................................................................35

2.1.2 Репрезентативность выборки........................................................37

Раздел 2.2 Описательная статистика и корреляционный анализ переменных....................................................................................................42

2.2.1 Описательная статистика переменных.......................................42

2.2.2 Корреляционный анализ переменных..............................................46

Раздел 2.3 Оценивание детерминированной и стохастической производственной границы..........................................................................48

2.3.1 Оценивание детерминированной производственной границы.....48

2.3.2 Оценивание стохастической производственной границы, сквозные регрессии.....................................................................................56

2.3.3 Оценивание стохастической производственной границы, панельные регрессии..................................................................................63

Раздел 2.4 Трехшаговый анализ отдачи от масштаба................................69

2.4.1 Анализ отдачи от масштаба на основе суммы предельных эффектов....................................................................................................70

2.4.2 Анализ связи размера фирмы и оценок ее технической эффективности..........................................................................................74

2.4.3 Анализ динамики оценок эффективности от масштаба............78

Глава 3. Робастность и консервативность полученных оценок. Их агрегирование..................................................................................................81

Раздел 3.1 Робастность полученных оценок СФП и ее компонент..........81

Раздел 3.2 Консервативность полученных оценок СФП и ее компонент 90

Раздел 3.3 Агрегирование полученных оценок..........................................96

Заключение.....................................................................................................101

Список литературы......................................................................................103

Приложение 1.................................................................................................112

Приложение 2.................................................................................................114

Приложение 3.................................................................................................116

Приложение 4.................................................................................................117

Введение диссертации (часть автореферата) на тему «Динамика стохастической и детерминированной производственной границы на примере российских предприятий обрабатывающей промышленности»

Актуальность темы исследования

В период нестабильной социально-экономической и политической ситуации в стране, связанной с внешними шоками (падение цен на сырьевые экспортные товары, введение экономических санкций, природные и техногенные катастрофы и т.д.) и внутренними факторами развития (дисбаланс в структуре производства, ориентированность на экспорт сырьевых ресурсов, а не товаров с высокой добавленной стоимостью и т.д.) важным условием преодоления экономических кризисов и выхода на траекторию устойчивого роста является повышение эффективности производства.

Наряду с традиционным подходом оценки эффективности производства с помощью набора простых показателей альтернативным способом является применение более сложных методов, таких как оптимизационные задачи математического программирования и эконометрические модели. Эти методы на основе оценивания производственной границы позволяют получить оценки совокупной факторной производительности (СФП) и ее компонент (другими словами, показатели эффективности), среди которых, так называемая, техническая эффективность (ТЭ), отражающая эффективность использования всех факторов производства.

Совокупная факторная производительность — показатель эффективности производства, учитывающий как внешние, так и внутренние факторы развития. По предложенному в [O'Donnell, 2008] разложению динамика СФП состоит из динамики нескольких компонент: (1) показателя, отражающего достигнутый уровень технологического развития в отрасли, стране, регионе и т.д.; (2) эффективности отдачи от масштаба (близость рассматриваемых фирм к их оптимальному размеру при фиксированных пропорциях между выпусками и используемыми

факторами производства); (3) эффективности от перераспределения выпусков и факторов производства (близость к оптимальному соотношению между выпусками и факторами); (4) технической эффективности.

Техническая эффективность — показатель эффективности использования всех факторов, на которую влияют только внутренние условия функционирования предприятия: качество менеджмента, способности и усилия работников, качество используемых сырья и материалов, повреждения готового продукта и т.д. Другими словами, техническая эффективность показывает, насколько фирма близка к максимальному выпуску, который она могла бы производить, если бы добилась наиболее эффективного использования всех факторов в производстве. При этом внешние условия при оценке технической эффективности предприятий считаются заданными.

Оценки показателей эффективности являются относительными и задают ранжирование исследуемых предприятий. Оценив динамику показателей во времени, можно проследить, во-первых, какие изменения происходили на каждой отдельной фирме с течением времени, во-вторых, каким образом менялось распределение компаний по значению какого-либо показателя эффективности. Подобный мониторинг происходящих в отрасли, стране, регионе и т.д. процессов важен с точки зрения построения экономических прогнозов и принятия решений о дальнейшем развитии производства как на уровне фирм, так и на макроуровне.

Возможным шагом комплексного анализа ситуации является моделирование оценок показателей эффективности и выявление значимых факторов, влияющих на их динамику. Таким образом, может быть получен инструмент повышения эффективности производства или, по крайней мере, обнаружены устойчивые связи между переменными, которые важны для управляющих на микро- и макроуровне структур.

Объект и предмет исследования

Объектом исследования выступают российские предприятия обрабатывающей промышленности (коды ОКВЭД 15-37) за 2006-2014 гг. Предметом исследования являются финансовые показатели предприятий и оценки совокупной факторной производительности и ее компонент на их основе, в том числе технической эффективности и эффективности от масштаба.

Цель и задачи исследования

Целью диссертационного исследования является оценка динамики совокупной факторной производительности и ее компонент, в том числе технической эффективности и эффективности от масштаба, российских предприятий обрабатывающей промышленности за 2006-2014 гг. с помощью методов DEA и SFA. Для достижения поставленной цели в ходе работы решались следующие задачи:

1. Сбор и обработка данных по финансовым показателям предприятий, удаление выбросов из выборки, проверка репрезентативности итоговой выборки, проведение предварительного анализа данных на основе описательной статистики и корреляционной матрицы.

2. Оценивание детерминированной производственной границы с помощью метода DEA и стохастической производственной границы на основе моделей метода SFA, получение оценок СФП и ее компонент, включая техническую эффективность и эффективность от масштаба.

3. Проведение трехшагового анализа отдачи от масштаба путем (1) расчета отдачи от масштаба на основе оценок параметров производственной функции; (2) моделирования зависимости оценок технической эффективности от размера фирмы; (3) анализа динамики оценок эффективности от масштаба.

4. Сравнение полученных оценок показателей эффективности и анализ устойчивости ранжирования предприятий по ним к выбору метода

и модели, проверка консервативности оценок во времени путем моделирования авторегрессионных моделей первого порядка.

5. Агрегирование полученных оценок показателей эффективности с помощью нескольких способов задания весов. Научная новизна

Научная новизна диссертационной работы состоит в следующем:

1. Предложена авторская методика комплексного анализа эффективности предприятий, охватывающая весь накопленный опыт по изучению данного вопроса и объединяющая отдельные пункты анализа, включая оценивание детерминированной и стохастической производственной границы, получение оценок совокупной факторной производительности и ее компонент, анализ отдачи от масштаба, анализ устойчивости и консервативности оценок, а также их агрегирование. Методика позволяет сравнивать результаты двух методов и их моделей, при необходимости агрегировать их результаты и делать более обоснованный вывод для практических целей. Комплексная методика впервые была апробирована на российских предприятиях обрабатывающей промышленности за 2006-2014 гг.

2. Предложена новая методика анализа отдачи от масштаба, объединяющая три шага, обычно выполняемых по отдельности: (1) анализ отдачи от масштаба на основе оценок параметров производственной функции; (2) выявление и оценка влияния размера фирмы на оценки технической эффективности путем эконометрического моделирования; (3) анализ динамики оценок эффективности от масштаба, как компоненты СФП. Анализ позволяет сопоставлять результаты трех шагов и делать вывод на основе их непротиворечивости.

3. Предложены два новых способа агрегирования оценок СФП и ее компонент, полученных двумя методами и из разных моделей. Подобное агрегирование оценок не является широко распространенным. Первый способ учитывает возможные ошибки в оценке производственной границы

для отдельных предприятий. Второй — агрегирование с помощью весов из метода главных компонент — позволяет сохранить в сводном индексе наибольшую часть информации о ранжировании предприятий на основе каждой модели.

4. Впервые получены оценки совокупной факторной производительности и ее компонент, а также проанализирована их динамика для российских предприятий обрабатывающей промышленности за 2006-2014 гг.

Теоретическая и практическая значимость диссертационного исследования

Теоретическая значимость исследования заключается в следующем:

1) предложенная трехшаговая методика анализа отдачи от масштаба позволяет учитывать разные аспекты данного вопроса и сопоставлять результаты трех шагов;

2) предложенные способы агрегирования оценок показателей эффективности решают проблему сравнения и выбора из нескольких рядов оценок, полученных разными методами и из разных моделей.

Практическая значимость исследования состоит в следующем:

1) предложенная комплексная методика анализа эффективности предприятий может использоваться как на отдельных предприятиях, так и на уровне органов, принимающих решение о развитии отрасли или промышленности страны в целом, так как позволяет в динамике отслеживать проблемные компоненты эффективности, а также проблемные предприятия;

2) полученные оценки СФП и ее компонент могут быть использованы в других исследованиях в качестве экзогенных переменных в моделях, на основе которых строится прогноз дальнейшего развития предприятия, отрасли, промышленности в целом.

Результаты исследования и эконометрический инструментарий использовались в качестве примеров при проведении семинаров на курсе «Эконометрика-продвинутый уровень» в магистратуре НИУ ВШЭ. Структура диссертации

Диссертационное исследование включает в себя введение, три главы, заключение, список используемой литературы и четыре приложения общим объемом 118 стр.

В первой главе содержится краткий обзор состояния российской обрабатывающей промышленности, обзор литературы по основным пунктам исследования, теоретические предпосылки, касающиеся общей теории индексов и методов DEA и SFA. Вторая глава посвящена оцениванию детерминированной и стохастической производственной границы с помощью метода DEA и разных моделей метода SFA, а также получению оценок СФП и ее компонент, включая техническую эффективность и эффективность от масштаба, и трехшаговому анализу отдачи от масштаба. В третьей главе приведен анализ робастности по различным моделям и консервативности во времени оценок СФП и ее компонент, а также способы их агрегирования. Апробация результатов

Результаты настоящего исследования были представлены на следующих конференциях и научных семинарах:

• Исследование эффективности российских предприятий: отрасль производства резиновых и пластмассовых изделий. XV Апрельская международная научная конференция «Модернизация экономики и общества». Москва, 2-4 апреля 2014 г.

• Анализ стохастической границы производственных возможностей на примере российской отрасли производства резиновых и пластмассовых изделий. Международная научная студенческая конференция МНСК. Новосибирск, 11-18 апреля 2014 г.

• Technical efficiency of Russian plastic and rubber production firms. Asia Pacific Productivity Conference, APPC. Австралия, Брисбен, 7-11 июля 2014 г.

• Динамика технической эффективности российских фирм: отрасль производства пластмассовых изделий. X Международная конференция «Применение многомерного статистического анализа в экономике и оценке качества». Москва, 26-28 августа 2014 г.

• The influence of the global economic crisis on technical efficiency: Russian plastic and rubber production. EBES. Испания, Барселона, 23-25 сентября 2014 г.

• Динамика СФП и ее компонент на примере российской отрасли, производящей пластмассовые изделия. Семинар департамента прикладной экономики НИУ ВШЭ. Москва, 12 марта 2015 г.

• Динамика общей эффективности и ее компонент на примере российской отрасли пластмассовой промышленности. XVI Апрельская международная научная конференция «Модернизация экономики и общества». Москва, 8-10 апреля 2015 г.

• Динамика СФП и ее компоненты на примере российской отрасли, производящей пластмассовые изделия. Семинар ИНП РАН. Москва, 22 апреля 2015 г.

• Разложение совокупной факторной производительности на составляющие на примере отрасли, производящей пластмассовые изделия. VI Международная научно-практическая конференция студентов и аспирантов «Статистические методы анализа экономики и общества». Москва, 12-15 мая 2015 г.

• The dynamics of total factor productivity and its components: Russian plastic production. The 14th European Workshop on Efficiency and Productivity Analysis, EWEPA. Финляндия, Хельсинки, 15-18 июня 2015 г.

• Study on technical efficiency of global systemically important financial institutions (SIFI). DEA-2015. Германия, Брауншвейг, 24-27 августа 2015 г.

• The long-term impact of R&D expenditures on technical efficiency and total factor productivity in two panels of countries. II International Conference Modern Econometric Tools and Applications. Нижний Новгород, 24-26 сентября 2015 г.

• How R&D expenditures influence total factor productivity and technical efficiency? Asia Pacific Productivity Conference, APPC. Тяньцзинь, Китай, 7-10 июля 2016 г.

Список публикаций по теме диссертации

Работы, опубликованные в ведущих рецензируемых научных журналах, рекомендованных ВАК Министерства образования и науки РФ:

1. Ипатова И.Б., Пересецкий А.А. Техническая эффективность предприятий отрасли производства резиновых и пластмассовых изделий // Прикладная эконометрика. 2013. №32 (4). С. 71-92. - 1,2 п.л. (вклад автора - 1,0 п.л.)

2. Ипатова И.Б. Динамика совокупной факторной производительности и ее компонентов на примере российской отрасли, производящей пластмассовые изделия // Прикладная эконометрика. 2015. №38 (2). С. 21-40. - 1,1 п.л.

3. Могилат А.Н., Ипатова И.Б. Техническая эффективность как фактор финансовой устойчивости промышленных компаний // Прикладная эконометрика. 2016. №42 (2). С. 5-29. - 1,5 п.л. (вклад автора -0,6 п.л.)

4. Апокин А.Ю., Ипатова И.Б. Компоненты совокупной факторной производительности экономики России относительно других стран мира: роль технической эффективности // Проблемы прогнозирования. 2017. С. 22-29. №1. - 0,6 п.л. (вклад автора - 0,4 п.л.)

Глава 1. Теоретические предпосылки исследования

Раздел 1.1 Краткий обзор состояния российской обрабатывающей промышленности

Обрабатывающая промышленность считается основой индустриальной экономики. Российская обрабатывающая промышленность в среднем за 2011-2015 гг. занимала в валовой добавленной стоимости примерно 11,8%.1 Темпы прироста высоко коррелируют с темпами прироста ВВП страны (см. рис. 1), за исключением лет мирового экономического кризиса, когда обрабатывающая промышленность начала падать уже в 2008 г., а в 2009 г. упала в два раза сильнее, чем ВВП страны.

Добыча полезных ископаемых Обрабатывающие производства Строительство Оптовая и розничная торговля -ВВП

Источник: Росстат

2

Рис. 1 — Темпы прироста произведенного ВВП и его компонент, %

1 По данным Росстата.

2

На рисунке представлены виды деятельности, чья доля в произведенном ВВП во все годы составляла более 6%. * В 2012 г. была изменена методология расчета рядов.

При этом вклад обрабатывающей промышленности в рост ВВП составляет значительную долю (см. рис. 2), обеспечив в 2013 г. более 40% роста.

2012 2013 2014 2015

I 1Добыча полезных ископаемых I-1 Обрабатывающие производства I-1 Строительство

I I Оптовая и розничная торговля I I Прочие ВВП

Источник: Росстат, расчеты автора

Рис. 2 — Вклады отдельных компонент в рост произведенного ВВП, % Обрабатывающая промышленность на конец 2014 г. располагала 9,2% общих основных фондов страны, которые за последние 10 лет росли более чем в 1,5 раза быстрее, чем в среднем по экономике (в 2014 г. темп прироста основных фондов в обрабатывающей промышленности составил 6,7%). Коэффициент обновления основных фондов в обрабатывающей промышленности за это время также в 1,5 раза превышал среднее значение по экономике, коэффициент выбытия — в 1,4 раза. Инвестиции в основной капитал в обрабатывающей промышленности в среднем за 2006-2015 гг. составили 14,4% от общих инвестиций в основной капитал, с 2012 г. начав опережать рост последних.

Доля занятого в обрабатывающих производствах населения от общего числа занятых в экономике неуклонно снижалась с 2006 г., составив в среднем за 2015 г. 14,3%. При этом номинальная

среднемесячная заработная плата в обрабатывающей промышленности отстает от значения показателя в целом по всей экономике.

Внутри обрабатывающей промышленности высокими темпами за 2010-2014 гг. росли следующие отрасли: химическое производство, производство резиновых и пластмассовых изделий и производство транспортных средств и оборудования.

По доле в добавленной стоимости обрабатывающей промышленности лидерами, с небольшой вариацией по годам, являются: производство кокса и нефтепродуктов, металлургическое производство, производство пищевых продуктов, включая напитки, и химическое производство без производства пороха и взрывчатых веществ (см. рис. 3).

Источник: Росстат, расчеты автора

Рис. 3 — Доли отдельных видов деятельности в добавленной стоимости обрабатывающей промышленности в 2015 г., %

При этом наибольший вклад в рост добавленной стоимости за последние годы вносили производство кокса и нефтепродуктов, химическое производство без производства пороха и взрывчатых веществ и металлургическое производство (см. рис. 4).

I iПрочие

I i Производство судов, летательных и космических аппаратов, прочих транспортных средств и прочих материалов и веществ, не включенные в другие группировки.

I IМеталлургическое производство

I IХимическое производство (без производства пороха и взрывчатых веществ)

I IПроизводство кокса; производство нефтепродуктов

^^"Обрабатывающие производства

Источник: Росстат, расчеты автора

Рис. 4 — Вклады отдельных видов деятельности в рост обрабатывающих

производств, %

Развитие обрабатывающей промышленности в нашей стране станет залогом переориентации экономики с экспорта природных ресурсов с низкой добавленной стоимостью на экспорт продукции с высокой добавленной стоимостью. Повышение эффективности производства является одной из составляющих успешного развития отдельных предприятий и отраслей.

Раздел 1.2 Обзор литературы по основным пунктам исследования

1.2.1 Общая теория индексов

Общая теория индексов (Index Number Theory) начинается с понятия совокупной факторной производительности. В подходе арифметики роста оно используется для широко известного «остатка Солоу» [Solow, 1957] и отождествляется с техническим прогрессом. В подходе оценки эффективности под СФП понимается отношение агрегированного выпуска к агрегированным затратам факторов производства и включает в себя не только технический прогресс, но и компоненты эффективности.

В качестве функций агрегирования для выпуска и затрат факторов используются различные варианты. Среди наиболее распространенных индексов для оценки изменения СФП индексы Ласпейреса, Пааше, Фишера, Торнквиста, Малмквиста, Хикс-Мурстейна и др.

В [Balk, 1995] перечислен ряд аксиом, которым должны удовлетворять функции агрегирования для выпуска и затрат факторов. Из предложенных на сегодняшний день индексов СФП оптимальными в смысле удовлетворения всем аксиомам, к примеру, являются индексы Феэ-Примонта [O'Donnell, 2014a] и Лоуэ [O'Donnell, 2012]. Широко используемый индекс Малмквиста [Caves et al., 1982] не удовлетворяет аксиоме транзитивности.

Применяемое в данной работе разложение динамики СФП на технологическое изменение и изменения компонент эффективности впервые встречается в [Balk, 2001]. Автор приводит формулы для оценки компонент СФП, выраженные через функцию расстояния — понятие, введенное в [Shephard, 1953]. Среди компонент эффективности — техническая эффективность, предложенная в [Farrell, 1957], эффективность от масштаба и эффективность от перераспределения выпусков и факторов производства. Позднее в [O'Donnell, 2008] было дано более полное описание последней компоненты СФП, а также предложен альтернативный способ ее оценки в зависимости от того, что выделяют первой — эффективность от масштаба или от перераспределения выпусков и факторов производства. В [O'Donnell, 2014b] добавлена еще одна компонента эффективности СФП, связанная с включением в модель переменных окружающей среды.

С помощью перечисленных индексов оценивают СФП в отдельных отраслях, для промышленности в целом, на уровне регионов и т.д. Примерами работ с использованием индекса Торнквиста могут служить: [Athanasoglou et al., 2009] — греческий банковский сектор за 1990— 2006 гг.; [Islam et al., 2011] — малазийский сектор рыболовства за 1990—

2005 гг.; [Kulshreshtha, Parikh, 2001] — угледобывающий сектор Индии за 1980-1992 гг. и т.д.

Как уже было сказано, большой популярностью обладает индекс Малмквиста: [Armagan et al., 2010] — растениеводство в турецких регионах за 1994-2003 гг.; [Asche et al., 2013] — рыбоводство Норвегии за 1996-2008 гг.; [Balezentis, 2014] — литовские семейные фермы за 20042009 гг.; [Casu et al., 2013] — банковский сектор Индии за 1992-2009 гг.; [Chen et al., 2008] — сельскохозяйственный сектор в китайских провинциях за 1990-2003 гг.; [Hisali, Yawe, 2011] — телекоммуникационный сектор Уганды за 2001-2006 гг.; [Tovar et al., 2011] — сектор распределения электричества в Бразилии за 1998-2005 гг.; [Valdmanis et al., 2016] — шотландские больницы за 2003-2007 гг. и т.д.

Встречается использование и других индексов: индекс Фишера в [Kuosmanen, Sipilainen, 2009] — фермы Финляндии за 1992-2000 гг.; Хикса-Мурстейна в [See, Li, 2015] — сектор аэропортов Великобритании за 2001-2009 гг.; Феэ-Примонта в [Molinos-Senante et al., 2016] — английские и уэльские компании водоснабжения и водоотведения за 20012008 гг. и т.д.

1.2.2 Методы DEA и SFA

Общая теория индексов строится на применении двух методов — оболочечный анализ данных DEA (Data Envelopment Analysis) и анализ стохастической границы SFA (Stochastic Frontier Analysis). Оба этих метода позволяют оценить как СФП, так и отдельные ее компоненты, особое место среди которых занимает техническая эффективность.

Метод DEA был формализован в [Charnes et al., 1978]. С помощью данного метода оценивают детерминированную производственную границу, решая оптимизационные задачи математического программирования: в случае оценки технической эффективности — это максимизация агрегированного выпуска при фиксированных затратах

факторов производства. Чуть позже данный метод получил развитие в [Banker et al., 1984]: авторы ослабили предположение о постоянной отдаче от масштаба, позволив ей изменяться вдоль производственной границы. Первая модель получила название CCR, вторая — BCC.

Метод SFA был одновременно предложен в двух работах — [Aigner et al., 1977] и [Meeusen, Van den Broeck, 1977]. Данный метод позволяет оценить стохастическую производственную границу, то есть предполагается, что не только фирмы могут отклоняться от границы при неэффективном производстве, но и граница может сдвигаться в обе стороны для отдельных предприятий под действием внешних факторов. В [Aigner et al., 1977] впервые встречается название метода и приводится определение понятия технической неэффективности с экономической точки зрения. Также описывается развитие моделей и методов оценивания, приведшее к возникновению SFA: [Weinstein, 1964] — вывод формулы для плотности распределения суммы двух случайных величин, одна из которых имеет нормальное распределение, а вторая — усеченное нормальное, предложенное в [Birnbaum, 1950]; [Amemiya, 1973] — вывод формулы для функции максимального правдоподобие и анализ ее свойств; [Schmidt, 1976] — допущение об одностороннем распределении ошибки в уравнении регрессии.

Оба метода также широко используются для оценки только технической эффективности. Считается, что для практических целей DEA более прост в применении, так как не требует дополнительных предположений о спецификации производственной функции и распределении ошибок, участвующих в регрессионных моделях SFA. К примеру, DEA был применен в следующих работах: [Badunenko, 2010] — химическая промышленность Германия за 1992-2004 гг.; [Kumar, Arora,

2012] — сахарная промышленность Индии за 1975-2005 гг.; [Memon, Tahir, 2011] — промышленные компании Пакистана за 2008-2010 гг.; [Rai,

2013] — американские авиакомпании за 1986-1995 гг. и т.д.

Несмотря на дополнительные сложности при оценке регрессионных моделей метода SFA, они обладают рядом преимуществ, присущих параметрическим методам, поэтому зачастую выбор исследователей падает именно на них. Предпочтение использованию SFA было отдано в работах: [Castiglione, Infante, 2014] — промышленные компании Италии за 1995-2006 гг.; [Charoenrat, Harvie, 2014] — малые и средние промышленные предприятия Таиланда за 1997-2007 гг.; [Diaz, Sanches, 2008] — малые и средние промышленные предприятия Испании за 19952001 гг.; [Feng, Serletis, 2010] — американские крупные банки за 20002005 гг.; [Kumbhakar, Peresetsky, 2013] — сравнительный анализ банковского сектора в России и Казахстане за 2002-2006 гг. и т.д.

Нередко авторы используют в своих исследованиях оба метода, а затем сравнивают полученные результаты, как это сделано в работах: [Bazrkar, Khalilpour, 2013] — десять банков Ирана за 2005-2010 гг.; [Eling, Luhnen, 2010] — межстрановой анализ страховых компаний за 20022006 гг.; [Tingley et al., 2005] — рыболовство в проливе Ла-Манш за 19932000 гг. и т.д.

1.2.3 Анализ отдачи от масштаба на основе результатов оценивания методами DEA и SFA

Анализ отдачи от масштаба в традиционном понимании основывается на расчете суммы предельных эффектов всех факторов производства и сравнении получаемой величины с единицей.

В литературе встречается множество работ, исследующих отдачу от масштаба на основе результатов оценивания методом SFA. К примеру, в [Feng, Serletis, 2010] для американских крупных банков (активы которых превышают 1 млрд долл.) было выявлено действие возрастающей отдачи от масштаба за период с 2000 по 2005 гг. В [Paul, Nehring, 2005] исследовали техническую эффективность сельскохозяйственных ферм в США за 1996-2000 гг., для которых наблюдалась возрастающая отдача от

масштаба, игравшая значительную роль в развитии сельскохозяйственного сектора.

Два исследования на данных по швейцарским предприятиям имели большое значение для проводимых в те годы реформ. В [Farsi, Fetz, Filippini, 2007] была обнаружена возрастающая отдача от масштаба для транспортных фирм, в [Farsi, Filippini, Kuenzle, 2007] — для 26 компаний сектора распределения газа за 1996-2000 гг.

В [Tovar et al., 2011] исследование было проведено уже после реформы в секторе распределения электричества Бразилии. Результаты свидетельствовали, что фирмы действовали в условиях возрастающей отдачи от масштаба с 1998 по 2005 гг.

В [Niquidet, Nelson, 2010] была выявлена возрастающая отдача от масштаба для лесопильных заводов Британской Колумбии, которая в некоторых регионах могла привести к образованию естественных монополий.

Список литературы диссертационного исследования кандидат наук Ипатова, Ирина Борисовна, 2017 год

Список литературы

1. Абанкина И.В., Алескеров Ф.Т., Белоусова В.Ю., Зиньковский К.В., Петрущенко В.В. Оценка результативности университетов с помощью оболочечного анализа данных // Вопросы образования. 2013. №2. С. 15-48.

2. Алескеров Ф.Т., Белоусова В.Ю., Петрущенко В.В. Модели оболочечного анализа данных и анализа стохастической границы в задаче оценки эффективности деятельности университетов // Проблемы управления. 2015. №5. С. 2-19.

3. Алескеров Ф.Т., Белоусова В.Ю., Ивашковская И.В., Погорельский К.Б., Степанова А.Н. Анализ эффективности издержек и распределения влияния между акционерами банка, ч.1 // Управление в кредитной организации. 2010а. № 2. С. 49-64.

4. Алескеров Ф.Т., Белоусова В.Ю., Ивашковская И.В., Погорельский К.Б., Степанова А.Н. Анализ эффективности издержек и распределения влияния между акционерами банка, ч.2 // Управление в кредитной организации. 2010Ь. № 3. С. 30-38.

5. Апокин А.Ю., Ипатова И.Б. Компоненты совокупной факторной производительности экономики России относительно других стран мира: роль технической эффективности // Проблемы прогнозирования. 2017. №1. С. 22-29.

6. Белоусова В.Ю. Эффективность издержек однородных российских коммерческих банков: обзор проблемы и новые результаты // Экономический журнал Высшей школы экономики. 2009. Т. 13. № 4. С. 489-519.

7. Белоусова В.Ю. Эффективность издержек российских банков: факторы роста // Управление в кредитной организации. 2011а. № 1. С. 72-86.

8. Белоусова В.Ю. Моделирование границы эффективности российских банков по издержкам: вопросы методологии // Лизинг. Технологии бизнеса. 2011Ь. № 2. С. 34-40.

9. Бессонов В.А. О динамике совокупной факторной производительности в российской переходной экономике // Экономический журнал Высшей школы экономики. 2004. №8 (4). С. 542-587.

10. Бессонов В.А., Воскобойников И.Б. Изменения совокупной факторной производительности в российской промышленности / В кн.: Структурные изменения в российской промышленности // М.: Издательский дом ГУ-ВШЭ. 2004. Гл. 2. С. 55-90.

11. Борисова Е.И., Пересецкий А.А., Полищук Л.И. Анализ эффективности некоммерческих ассоциаций методом стохастической границы (на примере товариществ собственников жилья) // Прикладная эконометрика. 2010. №4 (20). С. 75-101.

12. Головань С.В. Факторы, влияющие на эффективность российских банков // Прикладная эконометрика. 2006. №2. С. 3-17.

13. Головань С.В., Назин В.В., Пересецкий А.А. Непараметрические оценки эффективности российских банков // Экономика и математические методы. 2010. №46 (3). С. 43-57.

14. Ипатова И.Б. Динамика совокупной факторной производительности и ее компонентов на примере российской отрасли, производящей пластмассовые изделия // Прикладная эконометрика. 2015. №38 (2). С. 21-40.

15. Ипатова И.Б., Пересецкий А.А. Техническая эффективность предприятий отрасли производства резиновых и пластмассовых изделий // Прикладная эконометрика. 2013. №32 (4). С. 71-92.

16. Краснопеева Н., Назруллаева Е., Пересецкий А., Щетинин Е. Экспортировать или нет? Экспортный статус и техническая эффективность российских предприятий // Вопросы экономики. 2016. №7. С. 123-146.

17. Малахов Д.И., Пильник Н.П. Методы оценки показателя эффективности в моделях стохастической производственной границы // Экономический журнал ВШЭ. 2013. №4. С. 660-686.

18. Могилат А.Н., Ипатова И.Б. Техническая эффективность как фактор финансовой устойчивости промышленных компаний // Прикладная эконометрика. 2016. №42 (2). С. 5-29.

19. Щетинин Е.И. Влияние импорта на техническую эффективность предприятий пищевой промышленности России // Прикладная эконометрика. 2015. №37 (1). С. 27-42.

20. Щетинин Е.И., Назруллаева Е.Ю. Производственный процесс в пищевой промышленности: взаимосвязь инвестиций в основной капитал и технической эффективности // Прикладная эконометрика. 2012. №28 (4). С. 63-84.

21. Abankina I.V., Aleskerov F.T., Belousova V., Gokhberg L., Kiselgof S.G., Petrushchenko S., Shvydun S.V., Zinkovsky K. From equality to diversity: Classifying Russian universities in a performance oriented system // Technological Forecasting and Social Change. 2016a. No. 103. P. 228-239.

22. Abankina I.V., Aleskerov F.T., Belousova V., Gokhberg L., Zinkovsky K., Kiselgof S.G., Petrushchenko S., Shvydun S.V. Construction of Universities' Typology via DEA // in: Data Envelopment Analysis and its Applications. Proceedings of the 13th International Conference of DEA. Braunschweig. 2016b. P. 25-33.

23. Aigner D., Lovell C.A.K., Schmidt P. Formulation and estimation of stochastic frontier function models // Journal of Econometrics. 1977. Vol. 6. No. 1. P. 21-37.

24. Aleskerov F.T., Petrushchenko S. Dea by sequential exclusion of alternatives in heterogeneous samples // International Journal of Information Technology and Decision Making. 2016. Vol. 15. No. 1. P. 5-22.

25. Amemiya T. Regression Analysis when the Variance of the Dependent Variable is Proportional to the Square of its Expectation // Journal of the American Statistical Association. 1973. Vol. 68. No. 344. P. 928-934.

26. Armagan G., Ozden A., Bekcioglu S. Efficiency and Total Factor Productivity of Crop Production at NUTS1 Level in Turkey: Malmquist Index Approach // Quality & Quantity. 2010. Vol. 44. No. 3. P. 573-581.

27. Asche F., Guttormsen A.G., Nielsen R. Future challenges for the maturing Norwegian salmon aquaculture industry: An analysis of total factor productivity change from 1996 to 2008 // Aquaculture. 2013. No. 396-399. P. 43-50.

28. Athanasoglou P.P., Georgiou E.A., Staikouras C.C. Assessing output and productivity growth in the banking industry // The Quarterly Review of Economics and Finance. 2009. Vol. 49. P. 1317-1340.

29. Badunenko O. Downsizing in the German chemical manufacturing industry during the 1990s. Why is small beautiful? // Small Business Economics. 2010. Vol. 34. No. 4. P. 413-431.

30. Balezentis T. Total factor productivity in the Lithuanian family farms after accession to the EU: application of the bias-corrected Malmquist indices // Empírica. 2014. Vol. 41. No. 4. P. 731-746.

31. Balk B.M. Axiomatic Price Index Theory: A Survey // International Statistical Review. 1995. Vol. 63. No. 1. P. 69-93.

32. Balk B.M. Scale Efficiency and Productivity Change // Journal of Productivity Analysis. 2001. Vol. 15. P. 159-183.

33. Balk B.M. The Residual: On Monitoring and Benchmarking Firms, Industries, and Economies with Respect to Productivity // Journal of Productivity Analysis. 2003. Vol. 20. P. 5-47.

34. Banker R.D., Charnes A., Cooper W.W. Some models for estimating technical and scale inefficiencies in data envelopment analysis // Management Science. 1984. Vol. 30. No. 9. P. 1078-1092.

35. Battese G.E., Coelli T.J. Prediction of Firm-level Technical Efficiencies: With a Generalized Frontier Production Function and Panel Data // Journal of Econometrics. 1988. Vol. 38. P. 387-399.

36. Battese G.E., Coelli T.J. Frontier production functions, technical efficiency and panel data with application to paddy fanners in India // Journal of Productivity Analysis. 1992. Vol. 3. P. 153-169.

37. Bazrkar A., Khalilpour K. A comparative study on ranking the banks using Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA) approach // International Research Journal of Applied and Basic Sciences. 2013. Vol. 4. No. 2. P. 302-306.

38. Birnbaum Z.W. Effect of linear truncation on a multinormal population // The Annals of Mathematical Statistics. 1950. Vol. 21. No. 2. P. 272-279.

39. Castiglione C., Infante D. ICTs and time-span in technical efficiency gains. A stochastic frontier approach over a panel of Italian manufacturing firms // Economic Modelling. 2014. Vol. 41. P. 55-65.

40. Casu B., Ferrari A., Zhao T. Regulatory reform and productivity change in Indian banking // Review of Economics and Statistics. 2013. Vol. 95. No. 3. P. 1066-1077.

41. Caves D.W., Christensen L.R., Diewert W.E. The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity // Econometrica. 1982. Vol. 50. No. 6. P. 1393-1414.

42. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of decision making units // European Journal of Operational Research. 1978. Vol. 2. No. 6. P. 429-444.

43. Charoenrat T., Harvie C. The efficiency of SMEs in Thai manufacturing: A stochastic frontier analysis // Economic Modelling. 2014. Vol. 43. P. 372-393.

44. Chen P.-C., Yu M.-M., Chang C.-C., Hsu S.-H. Total factor productivity growth in China's agricultural sector // China Economic Review. 2008. Vol. 19. P. 580-593.

45. Diaz M.A., Sanchez R. Firm size and productivity in Spain: a stochastic frontier analysis // Small Business Economics. 2008. Vol. 30. P. 315— 323.

46. Eling M., Luhnen M. Efficiency in the international insurance industry: A cross-country comparison // Journal of Banking and Finance. 2010. Vol. 34. No. 7. P. 1497-1509.

47. Farrell M.J. The Measurement of Productive Efficiency // Journal of the Royal Statistical Society. 1957. Vol. 120. No. 3. P. 253-290.

48. Farsi M., Fetz A., Filippini M. Economies of scale and scope in local public transportation // Journal of Transport Economics and Policy. 2007. Vol. 41. No. 3. P. 345-361.

49. Farsi M., Filippini M., Kuenzle M. Cost efficiency in the Swiss gas distribution sector // Energy Economics. 2007. Vol. 29. No 1. P. 64-78.

50. Feng G., Serletis A. Efficiency, technical change, and returns to scale in large US banks: Panel data evidence from an output distance function satisfying theoretical regularity // Journal of Banking and Finance. 2010. Vol. 34. No. 1. P. 127-138.

51. Greene W. Reconsidering heterogeneity in panel data estimators of the stochastic frontier model // Journal of Econometrics. 2005. Vol. 126. No. 2. P. 269-303.

52. Heshmati, A., Kumbhakar S.C., Hjalmarsson L. Efficiency of the Swedish pork industry: A farm level study using rotating panel data 1976-1988 // European Journal of Operational Research. 1995. Vol. 80. No. 3. P. 519-533.

53. Hisali E., Yawe B. Total factor productivity growth in Uganda's telecommunications industry // Telecommunications Policy. 2011. Vol. 35. P. 12-19.

54. Islam G.Md.N., Noh K.M., Yew T.S. Measuring productivity in fishery sector of Peninsular Malaysia // Fisheries Research. 2011. Vol. 108. P. 52-57.

55. Kulshreshtha M., Parikh J.K. A study of productivity in the Indian coal sector // Energy Policy. 2001. Vol. 29. P. 701-713.

56. Kumar S., Arora N. Evaluation of technical efficiency in Indian sugar industry: an application of full cumulative Data Envelopment Analysis // Eurasian Journal of Business and Economics. 2012. Vol. 5. No. 9. P. 57-78.

57. Kumbhakar S.C., Lovell C.F.K. Stochastic frontier analysis // Cambridge University Press. 2000.

58. Kumbhakar S.C., Peresetsky A.A. Cost efficiency of Kazakhstan and Russian banks: Results from competing panel data models // Macroeconomics and Finance in Emerging Market Economies. 2013. Vol. 6. No. 1. P. 88-113.

59. Kumbhakar S.C., Tsionas E.G. Estimation of stochastic frontier production functions with input-oriented technical efficiency // Journal of Econometrics. 2006. Vol. 133. No. 1. P. 71-96.

60. Kuosmanen T., Sipilainen T. Exact decomposition of the Fisher ideal total factor productivity index // Journal of Productivity Analysis. 2009. Vol. 31. P. 137-150.

61. Liu T., Li K.-W. Analyzing China's productivity growth: Evidence from manufacturing industries // Economic Systems. 2012. Vol. 36. No. 4. P. 531-551.

62. Margono H., Sharma S.C., Melvin II P.D. Cost efficiency, economies of scale, technological progress and productivity in Indonesian banks // Journal of Asian Economics. 2010. Vol. 21. No. 1. P. 53-65.

63. Mari F.M., Lohano H.D. Measuring production function and technical efficiency of onion, tomato, and chillies farms in Sindh, Pakistan // The Pakistan Development Review. 2007. Vol. 46. No. 4. P. 1053-1064.

64. Memon A.M., Tahir I.M. Relative efficiency of manufacturing companies in Pakistan using Data Envelopment Analysis // International Journal of Business and Commerce. 2011. Vol. 1. No 3. P. 10-27.

65. Molinos-Senante M., Maziotis A., Sala-Garrido R. Assessment of the Total Factor Productivity Change in the English and Welsh Water Industry: a

Fare-Primont Productivity Index Approach // Water Resources Management. DOI 10.1007/s11269-016-1346-2

66. Meeusen W., Van den Broeck J. Efficiency estimation from Cobb-Douglas production functions with composed error // International Economic Review. 1977. Vol. 18. No 2. P. 435-444.

67. Niquidet K., Nelson H. Sawmill production in the interior of British Columbia: A stochastic ray frontier approach // Journal of Forest Economics. 2010. Vol. 16. No 4. P. 257-267.

68. O'Donnell C.J. An Aggregate Quantity-Price Framework for Measuring and Decomposing Productivity and Profitability Change // Centre for Efficiency and Productivity Analysis Working Papers WP07/2008. University of Queensland. 2008.

69. O'Donnell C.J. DPIN 3.0. A program for decomposing productivity index number // The University of Queensland. 2011.

70. O'Donnell C.J. Nonparametric Estimates of the Components of Productivity and Profitability Change in U.S. Agriculture // American Journal of Agricultural Economics. 2012. Vol. 94. No. 4. P. 873-890.

71. O'Donnell C.J. Econometric estimation of distance functions and associated measures of productivity and efficiency change // Journal of Productivity Analysis. 2014a. Vol. 41. P. 187-200.

72. O'Donnell C.J. An Economic Approach to Identifying the Drivers of Productivity Change in the Market Sectors of the Australian Economy // Centre for Efficiency and Productivity Analysis Working Papers WP02/2014. University of Queensland. 2014b.

73. Paul C.J.M., Nehring R. Product diversification, production systems, and economic performance in U.S. agricultural production // Journal of Econometrics. 2005. Vol. 126. No. 6. P. 525-548.

74. Rai A. Measurement of efficiency in the airline industry using Data Envelopment Analysis // Investment Management and Financial Innovations. 2013. Vol. 10. No. 1. P. 38-45.

75. See K.F., Li F. Total factor productivity analysis of the UK airport industry: A Hicks-Moorsteen index method // Journal of Air Transport Management. 2015. Vol. 43. P. 1-10.

76. Shephard R.W. Cost and Production Functions // Princeton: Princeton University Press. 1953.

77. Schmidt P. On the statistical estimation of parametric frontier production functions // Review of Economics and Statistics. 1976. Vol. 58. P. 238-239.

78. Solow R.M. Technical Change and the Aggregate Production Function // The Review of Economics and Statistics. 1957. Vol. 39. No. 3. P. 312-320.

79. Timmer M., Voskoboynikov I.B. Is Mining Fuelling Long-Run Growth in Russia? Industry Productivity Growth Trends in 1995-2012 / in: Jorgenson D., Timmer M.P., Fukao K. (eds.) Growth and Stagnation in the World Economy // Cambridge University Press. 2016.

80. Tingley D., Pascoe S., Coglan L. Factors affecting technical efficiency in fisheries: stochastic production frontier versus data envelopment analysis approaches // Fisheries Research. 2005. Vol. 73. P. 363-376.

81. Tovar B., Ramos-Real F.J., Almeida E.F. Firm size and productivity. Evidence from the electricity distribution industry in Brazil // Energy Policy. 2011. Vol. 39. P. 826-833.

82. Valdmanis V., Rosko M., Mancuso P., Tavakoli M., Farrar S. Measuring Performance Change in Scottish Hospitals: a Malmquist and TimesSeries Approach // Health Services and Outcomes Research Methodology. DOI 10.1007/s 10742-016-0151-y

83. Weinstein M.A. The sum of values from a normal and a truncated normal distribution // Technometrics. 1964. Vol. 6. P. 104-105.

Таблица 25 — Коэффициенты вариации показателей по отраслям обрабатывающей промышленности за 2006-2014 гг._

Название отрасли Выручка от реализации Общие активы Численность работников Основные средства Оборотные средства

15 - Производство пищевых продуктов, включая напитки 2,266 2,319 1,244 2,910 2,296

16 - Производство табачных изделий 1,243 1,082 0,635 1,068 1,332

17 - Текстильное производство 1,538 1,968 1,437 3,086 1,660

18 - Производство одежды; выделка и крашение меха 4,599 4,136 1,398 5,229 3,997

19 - Производство кожи, изделий из кожи и производство обуви 1,828 2,132 1,321 3,322 2,062

20 - Обработка древесины и производство изделий из дерева и пробки, кроме мебели 1,876 2,161 1,987 2,662 2,132

21 - Производство целлюлозы, древесной массы, бумаги, картона и изделий из них 2,080 2,413 1,682 2,784 2,446

22 - Издательская полиграфическая деятельность, тиражирование записанных носителей информации 2,278 2,691 1,275 3,922 2,828

23 - Производство кокса и нефтепродуктов 2,092 1,984 1,212 2,344 1,837

24 - Химическое производство 2,200 2,512 1,696 3,249 2,398

25 - Производство резиновых и пластмассовых изделий 2,968 3,252 2,145 4,174 2,895

26 - Производство прочих неметаллических минеральных продуктов 1,924 2,373 1,446 3,031 2,265

27 - Металлургическое производство 1,860 2,032 1,594 2,594 2,021

28 - Производство готовых металлических изделий 2,735 3,125 1,843 3,710 3,291

29 - Производство машин и оборудования 2,363 2,684 1,832 3,438 2,656

30 - Производство офисного оборудования и вычислительной техники 1,804 1,548 1,401 2,687 1,559

31 - Производство электрических машин и электрооборудования 1,771 1,840 1,721 2,054 1,980

32 - Производство электронных компонентов, аппаратуры для радио, телевидения и связи 1,435 1,854 1,295 2,310 1,872

33 - Производство медицинских изделий; средств измерений, контроля, управления и испытаний; оптических приборов, фото- и кинооборудования; часов 2,397 3,003 1,856 3,800 2,940

34 - Производство автомобилей, прицепов и полуприцепов 2,289 2,522 1,633 3,026 2,432

Название отрасли Выручка от реализации Общие активы Численность работников Основные средства Оборотные средства

35 -Производство судов,

летательных и космических аппаратов и прочих 1,858 1,687 1,353 2,041 1,726

транспортных средств

36 - Производство мебели и

прочей продукции, не включенной в другие 1,902 2,196 1,411 2,634 2,461

группировки

37 - Обработка вторичного сырья 2,142 2,791 1,747 4,036 2,577

Источник: расчеты автора

со

см

о о

Рис. 44 — Гистограмма численности работников за 2006-2014 гг., тыс. руб.

Рис. 46 — Гистограмма основных средств за 2006-2014 гг., тыс. руб.

о ^-|-|-|-р-

2 4 6 8 10

1п1_

Рис. 45 — Гистограмма логарифма численности работников за 20062014 гг.

Рис. 47 — Гистограмма логарифма основных средств за 2006-2014 гг.

Рис. 42 — Гистограмма общих Рис. 43 — Гистограмма логарифма активов за 2006-2014 гг., тыс. руб. общих активов за 2006-2014 гг.

0 2000 4000 6000

I

Рис. 48 — Гистограмма оборотных Рис. 49 — Гистограмма логарифма средств за 2006-2014 гг., тыс. руб. оборотных средств за 2006-2014 гг.

Таблица 26 — Коэффициенты корреляции экзогенных переменных с

логарифмом выручки от реализации по годам

Экзогенная

переменная 2006 2007 2008 2009 2010 2011 2012 2013 2014

1п(Общие

активы) 0,880 0,894 0,888 0,879 0,883 0,884 0,884 0,880 0,870

1п(Численность

занятых) 0,848 0,818 0,797 0,769 0,766 0,760 0,757 0,752 0,743

1п(Основные

средства) 0,731 0,743 0,740 0,732 0,736 0,737 0,739 0,740 0,734

1п(Оборотные

средства) 0,886 0,897 0,889 0,879 0,883 0,883 0,883 0,878 0,867

Таблица 27 — Коэффициенты корреляции экзогенных переменных с

логарифмом выручки от реализации по отраслям за 2006-2014 гг.

1п(Общие 1п(Численность 1п(Основные 1п(Оборотные

Номер отрасли активы) занятых) средства) средства)

15 0,853 0,732 0,751 0,856

16 0,886 0,515 0,511 0,849

17 0,871 0,732 0,706 0,877

18 0,871 0,666 0,662 0,857

19 0,854 0,673 0,719 0,854

20 0,860 0,788 0,729 0,857

21 0,925 0,829 0,820 0,925

22 0,845 0,768 0,591 0,855

23 0,807 0,831 0,684 0,847

24 0,913 0,827 0,789 0,917

25 0,893 0,797 0,763 0,889

26 0,849 0,762 0,720 0,859

27 0,906 0,835 0,801 0,922

28 0,880 0,771 0,715 0,880

29 0,890 0,757 0,719 0,892

30 0,790 0,583 0,565 0,813

31 0,909 0,783 0,750 0,906

32 0,868 0,789 0,680 0,899

33 0,876 0,796 0,635 0,897

34 0,904 0,778 0,781 0,905

35 0,898 0,818 0,793 0,896

36 0,873 0,692 0,687 0,865

37 0,807 0,713 0,602 0,813

Примечание. Номер отрасли соответствует ее двухзначному коду по старому ОКВЭД.

Таблица 28 — Результаты оценивания сквозных регрессий за 20062014 гг., включая оценки коэффициентов при дамми-переменных на года и отрасли, зависимая переменная — 1п(Выручка от реализации), функция Кобба-Дугласа_

Переменные Модель 1 Модель 2 Модель 3 Модель 4 Модель 5 Модель 6

полунорм. эксп. полунорм. эксп. полунорм. эксп.

1п(Численность 0,299*** 0,295*** 0,309*** 0,304*** 0,303*** 0,298***

занятых) (0,00300) (0,00293) (0,00299) (0,00292) (0,00294) (0,00286)

1п(Основные 0,0830*** 0,0849*** 0,0804*** 0,0823*** 0,0676*** 0,0690***

средства) (0,00150) (0,00147) (0,00149) (0,00145) (0,00149) (0,00145)

1п(Оборотные 0,566*** 0,564*** 0,569*** 0,568*** 0,583*** 0,583***

средства) (0,00208) (0,00204) (0,00206) (0,00202) (0,00205) (0,00201)

а2007 0,0141 0,0140* 0,0135 0,0133

(0,00885) (0,00843) (0,00860) (0,00816)

а2008 -0,0255*** -0,0246*** -0,0257*** -0,0243***

(0,00885) (0,00845) (0,00861) (0,00817)

а2009 -0,219*** -0,217*** -0,222*** -0,219***

(0,00887) (0,00851) (0,00862) (0,00822)

а2010 -0,186*** -0,183*** -0,189*** -0,185***

(0,00888) (0,00851) (0,00863) (0,00822)

а2011 -0,170*** -0,164*** -0 171*** -0,165***

(0,00888) (0,00852) (0,00863) (0,00824)

а2012 -0,189*** -0,180*** -0,189*** -0,180***

(0,00888) (0,00853) (0,00863) (0,00825)

а2013 -0,226*** -0,213*** -0,227*** -0,213***

(0,00888) (0,00855) (0,00864) (0,00827)

а2014 -0,281*** -0,260*** -0,282*** -0,261***

(0,00889) (0,00858) (0,00864) (0,00830)

ша16 -0,0630 -0,0681

(0,0665) (0,0669)

шап -0,385*** -0,388***

(0,0153) (0,0146)

ша18 -0,285*** -0,288***

(0,0152) (0,0146)

ша19 -0,353*** -0,353***

(0,0217) (0,0210)

^20 -0,271*** -0,268***

(0,0130) (0,0126)

ша21 0,0455*** 0,0341**

(0,0145) (0,0137)

М22 -0,165*** -0,175***

(0,0100) (0,00958)

ша23 -0,128*** -0,0900**

(0,0358) (0,0362)

М24 -0,109*** -0 117***

Переменные Модель 1 Модель 2 Модель 3 Модель 4 Модель 5 Модель 6

полунорм. эксп. полунорм. эксп. полунорм. эксп.

ind25 (0,00924) -0,0410*** (0,00883) —0,0558***

ind26 (0,00951) -0,222*** (0,00905) —0,226***

ind27 (0,00797) 0,0998*** (0,00768) 0,0944***

ind28 (0,0152) -0,188*** (0,0145) —0 194***

ind29 (0,00816) -0,282*** (0,00782) —0,291***

ind30 (0,00731) -0,0283 (0,00702) —0,0456*

ind31 (0,0260) -0,209*** (0,0253) —0,221***

ind32 (0,00991) -0,395*** (0,00943) —0 414***

ind33 (0,0225) -0,356*** (0,0214) —0,371***

ind34 (0,0121) _0 141*** (0,0115) —0 141***

ind35 (0,0142) -0,282*** (0,0137) —0,291***

ind36 (0,0180) -0,235*** (0,0173) —0,242***

ind37 (0,0122) 0,323*** (0,0118) 0,324***

Constant 4 071*** 3,893*** 4,133*** 3,958*** (0,0193) 4,285*** (0,0192) 4,120***

(0,0141) (0,0136) (0,0147) (0,0142) (0,0153) (0,0146)

lnsig2v -1,736*** -1,558*** -1,721*** -1,560*** -1,822*** —1,660***

lnsig2u (0,0121) -0,435*** (0,00909) -1,642*** (0,0120) -0,505*** (0,00898) —1 711*** (0,0120) -0,507*** (0,00916) —1,698***

(0,0116) (0,0151) (0,0122) (0,0155) (0,0115) (0,0149)

Число наблюдений 84195 84195 84195 84195 84195 84195

logL -80563 -78973 -79367 -77795 -77270 —75488

Примечание. *, , значимость на 10, 5, 1%-ном уровне соответственно. В

скобках приведены стандартные ошибки. Номер дамми-переменной на отрасль соответствует ее двухзначному коду по старому ОКВЭД.