Стохастическая граница производственных возможностей и факторы технической эффективности предприятий российской обрабатывающей промышленности тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Щетинин, Евгений Игоревич

• Щетинин, Евгений Игоревич
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Щетинин, Евгений Игоревич

Оглавление

Введение

Глава 1 Основные понятия

1.1 Инструментарий стохастической границы производственных возможностей

1.2 Техническая эффективность и ее зависимость от дисперсии ошибки неэффективности

1.2.1 Предельный эффект технической эффективности по дис-

персии ошибки неэффективности

1.2.2 Теоремы о знаке предельного эффекта технической эф-

фективности по дисперсии ошибки неэффективности

1.3 Метод мэтчинга

1.3.1 Мэтчинг с использованием меры склонности

1.3.2 Мэтчинг и блокирование по мере склонности

1.4 Отрасли обрабатывающей промышленности

1.5 Выводы главы

Глава 2 Связь статуса экспортера и технической эффективности

2.1 Статус экспортера. Обзор литературы

2.2 Данные

2.3 Моделирование взаимосвязи статуса экспортера и технической эффективности

2.3.1 Метод ЭРА

2.3.2 Метод мэтчинга

2.3.3 Мэтчинг с использованием меры склонности

2.3.4 Мэтчинг и блокирование по мере склонности

2.4 Выводы главы

Плава 3 Связь доли импорта и технической эффективности

3.1 Доля импорта в продукции отрасли. Обзор литературы

3.2 Данные

3.3 Моделирование взаимосвязи доли импорта и технической эффективности

3.4 Отдача от масштаба

3.5 Выводы главы

Плава 4 Влияние инвестиций в основной капитал на техническую эффективность

4.1 Инвестиции в основной капитал. Обзор литературы

4.2 Данные

4.3 Моделирование влияния инвестиций в основной капитал на техническую эффективность

4.3.1 Техническая эффективность: изменение по годам

4.3.2 Техническая эффективность: панельные данные

4.3.3 Стабильность эффективных предприятий

4.3.4 Кластеризация предприятий

4.4 Выводы главы

Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Стохастическая граница производственных возможностей и факторы технической эффективности предприятий российской обрабатывающей промышленности»

Введение

Актуальность темы исследования

После формирования в конце семидесятых годов основ концепции стохастической границы сфера ее применения постоянно расширяется. На ее основе сформировался теоретически обоснованный подход к оценке технической эффективности производства. Это понятие было введено в работах (Koopmans, 1951; Debreu, 1951; Shephard, 1953; Farrell, 1957) для описания степени соответствия объема выпускаемой продукции количеству затрачиваемых ресурсов. Методология построения и анализа стохастической границы производственных возможностей (Stochastic Frontier Analysis, SFA) была впервые предложена в работах (Meeusen, van den Broeck, 1977; Aigner et al., 1977). Она основана на том, что результат производственного процесса определяется не только объемом используемых ресурсов и влиянием случайных неидентифицируемых воздействий. На него также оказывают систематические воздействия факторы, приводящие к снижению объема выпуска. То есть, факторы эффективности. Для моделирования результатов воздействия факторов эффективности в модель стохастической производственной функции дополнительно к нормально распределенной, была включена положительно распределенная составляющая ошибки. На основе этой модели созданы и развиваются параметрические метода оценки технической эффективности производства.

Актуальность исследования определяется возможностью идентификации факторов эффективности и их влияния на результаты производственного процесса. Создаются условия для повышения объемов выпуска предприятий путем воздействия на управляемые факторы эффективности, специфические для различных отраслей промышленности. На данных по российским предприятиям обрабатывающего сектора экономики отсутствуют публика-

ции, изучающие связь технической эффективности предприятий и таких факторов, как статус экспортера (экспортная активность предприятия), доля импорта товаров и инвестиции в основной капитал.

Статус экспортера является важным фактором, оказывающим влияние на техническую эффективность: наличие у фирм-экспортеров высокой производительности в литературе объясняется эффектом «самоотбора» и обучающими эффектами экспорта за рубеж. Однако для российского обрабатывающего сектора нет однозначного ответа, какие эффекты проявляются. Кроме этого, для российской обрабатывающей промышленности не рассматривалась

задача связи статуса экспортера предприятий и их технической эффективности

Импорт является одним из важных факторов, оказывающих влияние на техническую эффективность предприятий. В диссертационном исследовании изучается фактор доля импорта, равный отношению стоимости импорта товаров к валовой добавленной стоимости (ВДС) рассматриваемой отрасли. В существующих на сегодняшний день теоретических и эмпирических работах нет однозначного ответа, каким образом рост доли импорта в отрасли связан с технической эффективностью предприятий: рост импорта связан с ростом технической эффективности или наоборот, с ее убыванием. Таким образом, для российского обрабатывающего сектора, в частности, для пищевой промышленности актуальна задача определения взаимосвязи доли импорта и технической эффективности, т.к. для российских предприятий данная задача не рассматривалась.

Еще одним фактором ЯВЛЯЮТся инвестиции в основной капитал. Инвестиции в основной капитал оказывают значимое влияние на коэффициенты затрат для отдельных видов обрабатывающих производств. Для российской обрабатывающей промышленности, в частности, для пищевой промышленности важно выяснить, какое влияние оказывают инвестиции в основной ка-

питал на техническую эффективность предприятий, а также какие именно предприятия определяют эффективность отрасли и обеспечивают основной объем инвестиций в основной капитал.

Степень научной разработанности проблемы

Для определения оценок технической эффективности (т.е. отставания от границы производственных возможностей) были предложены два подхода: 1) параметрический — метод стохастической границы производственных возможностей (англ. Stochastic Frontier Analysis, SFA) (Aigner et al., 1977) и 2) непараметрический — оболочечный анализ данных (англ. Data Envelopment Analysis, DEA) (Chames et al., 1978; Banker et al., 1984).

Подход SFA позволяет учесть, что производственная функция характеризует максимальный выпуск при фиксированных объемах ресурсов в условиях случайных воздействий. В рамках данного подхода строится модель стохастической границы производственных возможностей, представляющая собой параметрически заданную производственную функцию со случайной ошибкой, состоящей из стохастического шума и неэффективности (см., например, Kumbhakar, Lovell, 2000). Среди российских работ, использующих SFA и посвященных отдельным отраслям экономики, следует выделить, в частности, работы (Головань, 2006; Головань и др., 2010), которые посвящены анализу банковского сектора, в работе (Борисова и др., 2010) исследуются некоммерческие организации, Ипатова, Пересецкий (2013) рассмотрели резиновую и пластмассовую промышленность, Малахов, Пильник (2013) исследовали бетонную промышленность, в работе (Афанасьев, 2006) изучается техническая эффективность предприятий по производству и сбыту товаров хозяйственного назначения, в книге (Айвазян, Афанасьев, 2014) рассматриваются отрасли «разработка программного обеспечения» и «фармацевтика».

Подход DEA использует методы линейного программирования для по-

лучения оценок технической эффективности. Среди российских работ, в которых применяется подход БЕА, следует отметить статью (Головань и др., 2010), в которой оценивают техническую эффективность российского банковского сектора, а также работы (Абанкина и др., 2013; Алескеров и др., 2015; АЬапкта е! а1., 2016; АЬэкегоу, Ре1гш11с11епко, 2016), в которых оценивают техническую эффективность российских университетов. Главным ограничением БЕ А являетСя то, что этот подход не допускает наличия случайной ошибки в данных и интерпретирует любое отклонение от границы производственных возможностей как неэффективность (Иду е! а1., 2015). Поэтому в диссертационной работе использован подход 8КЛ.

При наличии гетероскедастичности ошибки неэффективности в подходе 8КЛ. важно понимать, какой предельный эффект на техническую эффективность обеспечивают факторы гетероскедастичности. В работах (КитЬЬакаг е! а1., 2015; Нау е! а1., 2015) рассчитано значение предельного эффекта ошибки неэффективности по факторам гетероскедастичности и показано, что знак коэффициента при факторе гетероскедастичности совпадает со знаком предельного эффекта ошибки неэффективности. Однако выражения для предельного эффекта именно технической эффективности (а не ошибки неэффективности) по дисперсии ошибки неэффективности и факторам гетероскедастичности, насколько известно, в литературе ранее не выводились. Отрицательное значение для предельного эффекта технической эффективности по дисперсии ошибки неэффективности выглядит естественным. Однако в литературе не было доказательства данного утверждения, позволяющего судить о связи факторов гетероскедастичности и технической эффективности.

В диссертационной работе оценивались различные модели 8КЛ. в которых в качестве факторов гетероскедастичности рассматривались статус экспортера (экспортная активность предприятия), доля импорта и инвестиции в основной капитал.

Что касается статуса экспортера предприятия, в литературе преобладает мнение, что на внешние рынки ВЬ1Ходят в первую очередь эффективные предприятия (гипотеза самоотбора). Эта гипотеза подтверждается результатами работ (Roberts, Tybout, 1997; Melitz, 2003; Golikova et al., 2012). Кроме того, при выходе предприятия на экспортный рынок, часто наблюдается эффект обучения (Голикова и др., 2011). В большинстве работ, посвященных анализу связи между экспортом и производительностью предприятий, в качестве показателя производительности использовалась оценка совокупной факторной производительности (СФП), либо производительность труда. Например, в статьях (Arnold, Hussinger, 2005; Bernand, Jensen, 1999; Pattnayak, Thangavelu, 2014) на разных данных было показано, что предприятия-экспортеры в среднем эффективнее предприятий-не-экспортеров.

В нескольких работах изучалась связь экспорта и технической эффективности. Например, среднее значение технической эффективности, рассчитанное с использованием методологии SFA, на предприятиях малого и среднего бизнеса обрабатывающего сектора Австралии за период 2005-2006 гг. оказалось примерно на 20 п.п. выше, чем у не-экспортирующих предприятий (Le, Valadkhani, 2014). Авторы также отмечают, что на их данных гипотеза об эффекте обучения не подтвердилась, но подтвердилась гипотеза самоотбора.

В эмпирических работах по оценке различия в производительности (эс]зс]зективности) ррудд др^ддр^^^^л широко используется метод мэтчинга, в том числе метод мэтчинга по мере склонности. Применительно к статусу экспортера, метод мэтчинга заключается в разделении исходной выборки на две группы — «экспериментальную группу-4, в которую входят предприятия-экспортеры и «контрольную группу-4, содержащую предприятия-не-экспортеры. При сравнении значений технической эффективности для наблюдений с

похожими значениями контрольных переменных в этих двух группах, средний эффект воздействия (англ. average treatment effect, ATE) экспорта на техническую эффективность оценивается как разность между средними значениями технической эффективности экспериментальной и контрольной групп. Лишь в некоторых эмпирических работах по оценке различия именно

мэтчинга (см., например, Le, Valadkhani, 2014; Moral-Pajares et al., 2015).

На российских данных обучающие эффекты в процессе экспортной деятельности рассматривались в работах (Bleaney et al., 2000; Wilhelmsson, Kozlov, 2007; Голикова и др., 2011).

Что касается импорта товаров, то в существующих на сегодняшний день теоретических и эмпирических работах нет однозначного ответа на вопрос о связи импорта товаров в отрасли и технической эффективности предприятий. В работе (Барсукова, 2010) описан один из механизмов, демонстрирующий пример резкого роста в России импорта мясной продукции в 1990-е годы, в результате которого российский производитель был не в силах конкурировать с дешевым мясом из США и Европы. Соответственно, первый механизм предполагает, что техническая эффективность отечественных предприятий падает с ростом доли импорта. Второй механизм предполагает рост технической эффективности, по крайней мере, некоторых предприятий, перестроивших свое производство при увеличении доли импорта (Яковлев, 1997). Связь доли импорта и технической эффективности изучалась, например, в работах (Miljkovic, Shaik, 2010; Miljkovic, Shaik, 2013) по данным сельского хозяйства США и Бразилии соответственно. Результаты согласуются с первым подходом.

Что касается инвестиций в основной капитал, в ранних работах полагалось, что инвестиции оказывают влияние на экономический рост лишь посредством накопления капитала и не связаны с продуктивностью. В совре-

менных работах авторы изучают связь инвестиций в основной капитал и технического прогресса, обычно измеряемого совокупной факторной производительностью. Такие работы свидетельствуют об ощутимом росте СФП при росте инвестиций (Hulten, 1992; Sajellaris, Wilson, 2004).

Применение SFA для анализа влияния инвестиций в основной капитал на техническую эффективность рассматривали, например, в (Kaslsas, Beamer, 1999). Авторы показали, что рост объема инвестиций без соответствующего роста расходов на заработную плату отрицательно влияет на техническую эффективность. Morrison (1997) на основе данных по пищевой промышленности США в 1980-е гг. рассматривает каналы влияния инвестиций на технологии — как инвестиции влияют на соотношение факторов производства предприятия. Рост инвестиций способствовал снижению доли труда, используемого в производственном процессе, росту потребления электроэнергии, а затраты на сырье и материалы (за исключением расходов на топливо и энергию) практически не менялись. Geylani, Stefanou (2008) на основе микро-данных по отдельным заводам в США показали, что в силу высокой неоднородности предприятий пищевой промышленности сложно оценить агрегированный эффект инвестиций: в мясной промышленности, например, рост СФП наблюдается сразу после осуществления инвестиций, а для других подотраслей рост СФП может происходить с большим лагом по времени.

Диссертационное исследование развивает описанные выше идеи и восполняет пробел в литературе, который связан с отсутствием исследований на уровне предприятий для российской экономики, в которых бы изучалось взаимосвязь технической эффективности предприятий и таких факторов, как статус экспортера, доля импорта и инвестиции в основной капитал.

Для подтверждения робастности полученных в исследовании результатов использовалось несколько моделей SFA, а для анализа связи технической эффективности с экспортной деятельностью предприятий использовались два

различных подхода — анализ стохастической производственной границы и метод мэтчинга.

Объект и предмет исследования

Объектом исследования в работе ЯВЛЯЮтся предприятия обрабатывающей промышленности российской экономики1.

Предметом исследования является взаимосвязь статуса экспортера, доли импорта, инвестиций в основной капитал и оценок технической эффективности предприятий в обрабатывающей промышленности российской экономики.

Цель и задачи исследования

Целью диссертационного исследования является выявление взаимосвязи между факторами и технической эффективностью предприятий отраслей российской обрабатывающей промышленности с использованием эконометри-ческого моделирования по статистическим данным за период с 2003 по 2013 гг. Для достижения поставленной цели в диссертации решались следующие задачи прикладного и методологического характера:

• Получить выражение для предельного эффекта технической эффективности по дисперсии ошибки неэффективности и для предельного эффекта технической эффективности по факторам гетероскедастичности ошибки неэффективности в предположении, что ошибка неэффективности имеет полунормальное или экспоненциальное распределение.

•

тивности по дисперсии ошибки неэффективности имеет отрицательное значение в предположении, что ошибка неэффективности имеет полунормальное или экспоненциальное распределение.

1 классы 15-37 раздела D «Обрабатывающие производства» в соответствии с классификатором ОКВЭД (Общероссийский классификатор видов экономической деятельности OK 029-2001, КДЕС Ред.

1, введен в действие постановлением Госстандарта РФ от 6 ноября 2001 г. № 454-ст, с изменениями и дополнениями) (http://base.garant.ru/185134).

• Разработать методику анализа связи статуса экспортера и технической эффективности российских предприятий, основанную на сопоставления результатов двух подходов — анализа стохастической производственной границы и методов мэтчинга (мэтчинга по склонности к экспорту и мэтчинга с 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. рассчитать предельный эф-

\у/ ' j £ХС' ] I IЯ ТТjpfyTТТ ТрТ"ТЯ р 11Я В ^p^^j^^-prpj^^ j ] О J 11) I I ОС' I I I HQ) rpg^'j^^x^^^p^y"^^

эффективность.

•

нической эффективности предприятий на примере пищевой промышленности в период с 2005 по 2011 гг., определить взаимосвязь между долей импорта товаров и технической эффективностью предприятий и рассчитать предельный

эффект технической эффективности по логарифму доли импорта товаров. •

ной капитал и технической эффективности на примере пищевой промышленности в период с 2003 по 2010 гг., определить, какое влияние оказывают инвестиции в основной капитал на техническую эффективность предприятий и рассчитать предельный эффект технической эффективности по логарифму инвестиций в основной капитал с лагом в один год.

Методы исследования

В диссертационном исследовании использовались следующие методы: •

границы на основе моделей SFA на кросс-секционных данных, моделей SFA на панельных данных: time-variant, time-invariant, true random effects, true

fixed effects, модель с четырьмя ошибками. •

по склонности к экспорту.

Информационная база исследования

Информационная база исследования представляет собой совокупность источников статистической информации с 2003 по 2013 гг.:

• База данных финансовой и бухгалтерской отчетности российских предприятий "Ruslana" (Bureau van Dijk).

ма (KMIl('C) Росстата.

Научная новизна

Научная новизна исследования заключается в следующем:

•

эффективности по дисперсии ошибки неэффективности и для предельного эффекта технической эффективности по факторам гетероскедастичности ошибки неэффективности в предположении, что ошибка неэффективности

имеет полунормальное или экспоненциальное распределение. •

ской эффективности по дисперсии ошибки неэффективности имеет отрицательное значение в предположении, что ошибка неэффективности имеет полунормальное или экспоненциальное распределение. •

и технической эффективности предприятий обрабатывающего сектора российской экономики в период с 2004 по 2013 гг. Предложена новая методика анализа связи статуса экспорта и технической эффективности российских предприятий, основанная на сопоставления результатов двух подходов — ана-

лиза стохастической производственной границы и методов мэтчинга (мэтчин-га по склонности к экспорту и мэтчинга с методом блокирования по склонности к экспорту). Данная методика гарантирует робастность полученного нового результата, заключающегося в том, что в обрабатывающем секторе российской промышленности предприятия-экспортеры в среднем технически эффективнее предприятий-не-экспортеров.

• Построены эконометрические модели взаимосвязи доли импорта и технической эффективности предприятий на примере пищевой промышленности в период с 2005 по 2011 гг. Оценивание моделей позволило получить новые результаты о связи технической эффективности российских предприятий пищевой промышленности и доли импорта: увеличение доли импорта товаров

связано с уменьшением технической эффективности этих предприятий.

•

новной капитал и технической эффективности на примере пищевой промышленности в период с 2003 по 2010 гг. Оценивание моделей позволило получить новые результаты о влиянии инвестиций в основной капитал на техническую эффективность российских предприятий пищевой промышленности: рост ин-^^^гр^^д^Л^ ^ ^^ ^^^^^ р^г ^ррр^.^ промышленности 13 л о ч о т

рост их технической эффективности.

Положения, выносимые на защиту

В диссертационной работе на основе проведенного исследования получены следующие результаты.

1. Получено выражение для предельного эффекта технической эффективности по дисперсии ошибки неэффективности и для предельного эффекта технической эффективности по факторам гетероскедастичности ошибки неэффективности в предположении, что ошибка неэффективности имеет полунормальное или экспоненциальное распределение.

2. Доказаны теоремы о том, что предельный эффект технической эффективности по дисперсии ошибки неэффективности имеет отрицательное значение в предположении, что ошибка неэффективности имеет полунормальное или экспоненциальное распределение.

3. Разработана методика анализа связи статуса экспортера и технической эффективности российских предприятий, основанная на сопоставления результатов двух подходов — анализа стохастической производственной границы и методов мэтчинга (мэтчинга по склонности к экспорту и мэтчинга с 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 робастный результат, заключающийся в том, что предприятия-экспортеры в среднем технически эффективнее предприятий-не-экспортеров, при этом предельный эффект от участия в экспортной деятельности на техническую эффективность находится в диапазоне 0.011ЧХ024.

4. Построены эконометрические модели взаимосвязи доли импорта и технической эффективности предприятий на примере пищевой промышленности в период с 2005 по 2011 гг. Оценивание моделей показало, что увеличение доли импорта товаров связано с уменьшением технической эффективности этих предприятий, при этом предельный эффект технической эффективности по логарифму доли импорта товаров находится в диапазоне от -0.054 до -0.045.

5. Построены эконометрические модели взаимосвязи инвестиций в основной капитал и технической эффективности на примере пищевой промышленности в период с 2003 по 2010 гг. Оценивание моделей показало, что рост ин-^^^гр^^д^Л^ ^ ^^ ^^^^^ р^г ^ -р зд р II промышленности 13 л о ч о т рост их технической эффективности, при этом предельный эффект технической эффективности по логарифму инвестиций в основной капитал с лагом в один год находится в диапазоне от 0.00061 до 0.00086.

Теоретическая и практическая значимость полученных результатов

Теоретическая значимость состоит в следующем: •

тивности по дисперсии ошибки неэффективности при разных предположениях о распределении ошибки неэффективности, который позволяет получить

его знак; •

ошибки неэффективности, которые свидетельствуют о том, что с ростом дисперсии ошибки неэффективности, техническая эффективность снижается; •

ническую эффективность с использованием метода анализа стохастической границы производственных возможностей и методов мэтчинга;

Практическая значимость заключается в следующем: •

эффективности российских предприятий;

эффективности российских предприятий обрабатывающего сектора при увеличении доли импорта;

рост технической эффективности; •

ческой эффективности по дисперсии ошибки неэффективности и по факторам гетероскедастичности, а также разработаны программные коды под программные пакеты Stata

и Python. Разработанная методика и написанные программные коды могут быть использованы как в преподавании курсов эконометрики, так и при анализе эффективности различных методов стимулирования предприятий.

Структура диссертации

Диссертационное исследование включает в себя введение, четыре главы, заключение и список использованной литературы. Общий объем диссертации составляет 127 страниц с 19 рисунками. Список литературы содержит 95 наименований.

В первой главе приводится обзор литературы, в котором содержится определение технической эффективности, обзор методов стохастической производственной границы, выводится выражение для предельного эффекта технической эффективности по дисперсии ошибки неэффективности при разных предположениях о распределении ошибки неэффективности, и доказываются две теоремы об убывании технической эффективности при возрастании дисперсии ошибки неэффективности.

Во второй главе диссертации приводится обзор литературы, в котором содержится определение статуса экспортера, обзор методов мэтчинга и производится эконометрическое моделирование взаимосвязи статуса экспортера и технической эффективности предприятий с использованием методов 8КЛ и мэтчинга.

В третьей главе приводится обзор литературы, в котором содержится определение доли импорта предприятий, производится эконометрическое моделирование взаимосвязи доли импорта и технической эффективности пред-

В четвертой главе приводится обзор литературы, в котором содержится определение инвестиций в основной капитал и производится эконометрическое моделирование влияния инвестиций в основной капитал на техническую эффективность.

Степень достоверности результатов

Степень достоверности результатов научных исследований, проведенных соискателем, обосновывается полученными оценками моделей стохастической производственной границы, регрессионного анализа и методов мэтчинга. Полученные результаты оценивания моделей во многом согласуются с результатами, полученными другими авторами на схожих моделях, а также дополняют их. Корректность теоретических положений обосновывается математическими доказательствами.

Апробация результатов

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

1. Конференция "9th Eurasia Business and Economics Society Conference (9th EBES Conference — Rome)". Рим, Италия, 11-13 января 2013 г.

2. X Международная конференция «Применение многомерного статистического анализа в экономике и оценке качества». Москва, 20 2Х августа 2014 г.

3. Семинар Лаборатории макроструктурного моделирования экономики России (НИУ ВШЭ). Москва, НИУ ВШЭ, 3 апреля 2015 года.

4. 6-я Международная научно-практическая конференция студентов и аспирантов «Статистические методы анализа экономики и общества». Москва, 12-15 мая 2015 г.

5. 14-й Европейский семинар по эффективности и анализу производительности (14th European Workshop on Efficiency and Productivity Analysis). Хельсинки, Финляндия, 15-19 июня 2015 г.

6. IX-я Международная школа-семинар «Многомерный статистический анализ и эконометрика». Цакхадзор, Республика Армения, 26 июня-

05 июля 2016 г.

7. III-я международная конференция "Modern Econometric Tools and Applications — META2016". Нижний Новгород, Россия, 22-24 сентября 2016 г.

8. Третий Российский экономический конгресс. Москва, Россия, 19-23 декабря 2016 г.

По теме диссертации опубликованы 4 работы, включая 3 статьи в журналах из перечня ВАК. Общий объем публикаций — 4.15 печатных листа, личный вклад автора — 2.78 печатных листа.

Список литературы диссертационного исследования кандидат наук Щетинин, Евгений Игоревич, 2017 год

Список литературы

1. Абанкина И.В., Алескеров Ф.Т., Белоусова В.Ю., Зиньковский К.В., Пет-рущенко В.В. (2013). Оценка результативности университетов с помощью оболочечного анализа данных /7 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.: КРАС АНД.

3. Алескеров Ф.Т., Белоусова В.Ю., Петрущенко В.В. (2015). Модели оболочечного анализа данных и анализа стохастической границы в задаче оценки эффективности деятельности университетов /7 Проблемы управления. № 5. С. 2-19.

4. Афанасьев М. Ю. (2006). Модель производственного потенциала с управляемыми факторами неэффективности /7 Прикладная эконометрика. № 4 (4). С. 74-89.

5. Афанасьев М. Ю., Скоков В. А. (1984). Программа оценки эффективности функционирования предприятий на основе расчета стохастических границ производства. М.: ЦЭМИ АН СССР.

6. Барсукова С. Ю. (2010). Отечественный рынок продовольствия: как и в чьих интересах проводится импорто-экспортная политика /7 Мир России. № 2. С. 148-167.

7. Бессонова Е.В., Козлов К.К., Юдаева К.В. (2003). Либерализация торговли, прямые иностранные инвестиции и производительность российских предприятий. (Препринты ЦЭФИР, № 39). М.: ЦЭФИР.

8. Борисова Е.И., Пересецкий A.A., Полищук Л.И. (2010). Анализ эффективности некоммерческих ассоциаций методом стохастической границы (на примере товариществ собственников жилья) /7 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 C.B. (2006). Факторы, влияющие на эффективность российских банков /7 Прикладная эконометрика. № 2. С. 3-17.

12. Головань C.B., Назин В.В., Пересецкий A.A. (2010). Непараметрические оценки эффективности российских банков /7 Экономика и математические методы. № 46(3). С. 43-57.

13. ЕАЭСД. Единый архив экономических и социологических данных НИУ ВШЭ, раздел «Электронные таблицы», «Инвестиции в экономику РФ» (http://sophist .hse.ru/).

14. Единая межведомственная информационно-статистическая система (ЕМИСС), Федеральная служба государственной статистики (Росстат), раздел «Обрабатывающие производства» (http : //www. f edstat.ru).

15. Ениколопов P. (2009). Оценивание эффекта воздействия /7 Квантиль. № 6. С. 3-14.

16. Ипатова И. Б., Пересецкий А. А. (2013). Техническая эффективность предприятий отрасли производства резиновых и пластмассовых изделий /7 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 их снижению? /7 Экономический журнал ВШЭ. № 13(1). С. -39 79.

18. Краснопеева Н., Назруллаева Е., Пересецкий А., Щетинин Е. (2016). Экспортировать или нет? Экспортный статус и техническая эффективность российских предприятий /7 Вопросы Экономики. № 7. С. 123 1 10.

19. Малахов Д.И., Пильник Н. П. (2013). Методы оценки показателя эффективности в моделях стохастической производственной границы /7 Экономический журнал ВШЭ. № 4. С. 660-686.

20. Методологические положения по статистике (1998). Выпуск второй. М.: Росстат.

21. Назруллаева Е. Ю. (2010). Моделирование влияния инвестиционных процессов в российской промышленности на структуру затрат по видам экономической деятельности в 2005-2009 гг. /7 Прикладная эконометрика. № 19(3). С. 38-61.

22. Щетинин Е. И. (2015). Влияние импорта на техническую эффективность предприятий пищевой промышленности России /7 Прикладная эконометрика. № 37(1). С. 27-42.

23. Щетинин Е. П., Назруллаева Е.Ю. (2012). Производственный процесс в пищевой промышленности: взаимосвязь инвестиций в основной капитал и технической эффективности /7 Прикладная эконометрика. № 28(4). С. 63-84.

24. Яковлев А. А. (1997). Развитие конкуренции и проблемы реструктуризации предприятий /7 Экономический журнал ВШЭ. № 1. С. 75-83.

25. Abadie A., Imbens G. (2006). Large sample properties of matching estimators for average treatment effects /7 Econometrica. Vol. 74 No. 1. P. 235-267.

26. Abankina I.V., Aleskerov F.T., Belousova V., Gokhberg L., Kiselgof S.G., Petrushchenko S., Shvydun S.V., Zinkovsky K. (2016). From equality to diversity: Classifying Russian universities in a performance oriented system /7 Technological Forecasting and Social Change. No. 103. P. 228-239.

27. Abate G. Т., Francesconi G. N., Getnet K. (2014). Impact of agricultural cooperatives on smallholders' technical efficiency: empirical evidence from Ethiopia /7 Annals of Public and Cooperative Economics. Vol. 85 No. 2. P. 257-286.

28. Aigner D., Lovell C., Schmidt P. (1977). Formulation and estimation of stochastic frontier production function models /7 Journal of Economics. Vol. 6 No. 1. P. 21-37.

29. Aldan A., Gunay M. (2008). Entry to export markets and productivity: Analysis of matched firms in Turkey. Working Papers 0805, Research and Monetary Policy Department, Central Bank of the Republic of Turkey.

30. Aleskerov F.T., Petrushchenko S. (2016). Dea by sequential exclusion of alternatives in heterogeneous samples /7 International Journal of Information Technology and Decision Making. Vol. 15 No. 1. P. 5-22.

31. Almanidis P., Sickles R. C. (2012). The skewness issue in stochastic frontiers models: Fact or fiction? /7 Journal of Productivity Analysis. No. 1. P. 201227.

32. Alvarez R., Lopez R. A. (2005). Exporting and performance: Evidence from Chilean plants /7 Canadian Journal of Economics, Canadian Economics Association. Vol. 38 No. 4. P. 1384-1400.

33. Arnold J. M., Hussinger K. (2005). Export behavior and firm productivity in German manufacturing: a firm-level analysis /7 Review of World Economics. Vol. 141 No. 2. P. 219-243.

34. Austin P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding in observational studies /7 Multivariate Behavioral Research. No. 46. P. 399-424.

35. Banker, R.D., A. Charnes, and W.W. Cooper (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis /7 Management Science. Vol. 30 No. 9 P. 1078-1092.

36. Battese G. E., Coelli T. J. (1988). Prediction of firm-level technical efficiencies: With a generalized frontier production function and panel data /7 Journal of Econometrics. Vol. 38 No. 3. P. 387-399.

37. Battese G. E., Coelli T. J. (1995). A model for technical inefficiency effects in a stochastic frontier production function for panel data /7 Empirical Economics. No. 20 (2). P. 325-332.

38. Bernard A. B., Jensen J. B. (1999). Exceptional exporter performance: Cause, effect, or both? /7 Journal of international economics. Vol. 47 No. 1. P. 1-25.

39. Blalock G., Gertler P. J. (2004). Learning from exporting revisited in a less developed setting. /7 Journal of Development Economics. Vol. 75 No. 2. P. 397-416.

40. Bleaney M. F., Filatotchev I., Wakelin K. (2000). Learning by exporting: Evidence from three transition economies. Research Paper 2000/6, Centre for Research on Globalisation and Labour Markets, School of Economics, University of Nottingham.

41. Bravo-Ureta B. E., Greene W. H., Solis D. (2012). Technical efficiency analysis correcting for biases from observed and unobserved variables: An application to a natural resource management project /7 Empirical Economics. No. 43. P. 55-72.

42. Charnes, A., W.W. Cooper, and E. Rhodes (1978). Measuring the efficiency of decision making units /7 European Journal of Operational Research Vol. 6 No. 2. P. 429—444.

43. Cornwell, C., P. Schmidt, and R. C. Sickles (1990). Production Frontiers with Cross-Sectional and Time-Series Variation in Efficiency Levels /7 Journal of Econometrics. No. 46:1/2 (October/November). P. 185-200.

44. Damijan J. P., Polanec S., Prasnikar J. (2004). Self-selection, export market heterogeneity and productivity improvements: Firm level evidence from Slovenia. LICOS Discussion Papers 148/2004, LICOS — Centre for Institutions and Economic Performance, KU Leuven.

45. De Loecker J. (2013). Detecting learning by exporting /7 American Economic Journal: Microeconomics. Vol. 5 No. 3. P. 1-21.

46. Debreu, G. (1951). The coefficient of resource utilization /7 Econometrica. Vol. 19 No. 3 (July). P. 273-292.

47. Farrell, M.J. (1957). The measurement of productive efficiency /7 Journal of the Royal Statistical Society. Series A: General 120. P. 253-281.

48. Gebregziabher G., Namara R. E., Holden R. E. (2012). Technical efficiency of irrigated and rain-fed smallholder agriculture in Tigray, Ethiopia: A comparative stochastic frontier production function analysis /7 Quarterly Journal of International Agriculture. Vol. 51 No. 3. P. 203-226.

49. Geylani P. C., Stefanou S. E. (2008) Linking investment spikes and productutivity growth: U.S. food manufacturing industry. CES 08-36 Discussion Papers.

50. Golikova V., Gonchar K., Kuznetsov B. (2012). Does international trade provide incentives for efficient behaviour of Russian manufacturing firms? // Post-Communist Economies. No. 24:2. P. 277-289. DOI: 10.1080/14631377.2012.675163.

51. Greenaway D., Gullstrand J., Kneller R. (2005). Exporting may not always boost firm productivity /7 Review of World Economics. Vol. 141 No. 4. P. 561-582.

52. Greenaway D., Kneller R. (2004). Exporting and productivity in the United Kingdom /7 Oxford Review of Economic Policy. Vol. 20 No. 3. P. 358-371.

53. Greene W. H. (2005). Reconsidering heterogeneity in panel data estimators of the stochastic frontier model /7 Journal of Econometrics. No. 126. P. 269-303.

54. Heshmati A., Kumbhakar S. C., Hjalmarsson L. (1995). Efficiency of the Swedish pork industry: A farm level study using rotating panel data 19761988 /7 European Journal of Operational Research. No. 80 (3). P. 519-533.

55. Hirano K., Imbens G. W., Ridder G. (2003). Efficient estimation of average treatment effects using the estimated propensity score /7 Econometrica. Vol. 71 No. 4. P. 1161-1189.

56. Hulten C. R. (1992). Growth accounting when technical change is embodied in capital. The /7 American Economic Review. No. 82 (4). P. 964-980.

57. Imbens G. (2015). Matching methods in practice: Three examples /7 Journal of Human Resources. Vol. 50 No. 2. P. 373-419.

58. Imbens G., Rubin D. (2015). Causal Inference in statistics, social, and biomedical sciences. New York: Cambridge University Press.

59. Kaltsas I., Beamer B. (1999). Drawing the profile of efficient food industries — vertical integration, economies of scale, and location advantages in the distribution of products: A case study from the Greek food industry /7 Journal of Food Distribution Research. No. 30 (1). P. 106-111.

60. King G., Nielsen R. (2016). Why propensity scores should not be used for matching. Manuscript, February 2 (http: //gking.harvard. edu/f iles/ gking/files/psnot_03.pdf).

61. Koopmans T. C. (1951) An analysis of production as an efficient combination of activities., in T. C. Koopmans, ed., Activity Analysis of Production and Allocation, Cowles Commission for Research in Economics, Monograph.

62. Kumbhakar S. C. (1990). Production frontiers, panel data, and time-varying technical efficiency /7 Journal of Econometrics. No. 46 (1/2). P. 201-212.

63. Kumbhakar S. C., Lien G. D., Hardaker J. B. (2014). Technical efficiency in competing panel data models: a study of Norwegian grain farming /7 Journal of Productivity Analysis. Springer. Vol. 41 No. 2, P. 321-337.

64. Kumbhakar S. C., Lovell K. C. A. (2000). Stochastic frontier analysis. Cambridge University Press, New York.

65. Kumbhakar S. C., Wang H-J., Horncastle A. P. (2015). A practitioner's guide to stochastic frontier analysis using Stata. Cambridge Books, Cambridge University Press.

66. Le V., Valadkhani A. (2014). Are exporting manufacturing SMEs more efficient than non-exporting ones? Evidence from Australia's business longitudinal database /7 Economic Analysis and Policy. Vol. 44 No. 3. P. 310-317.

67. Lin F. (2015). Learning by exporting effect in China revisited: An instrumental approach /7 China Economic Review. No. 36. issue C. P. 113.

68. Lunceford J. K., Davidian M. (2004). Stratification and weighting via the propensity score in estimation of causal treatment effects: A comparative study // Statistics in Medicine. No. 23. P. 2937-2960.

69. Mastromarco C., Ghosh S. (2009). Foreign capital, human capital, and efficiency: A stochastic frontier analysis for developing countries /7 World Development. No. 37 (2). P. 489-502.

70. Mayen C. D., Balagtas J. V., Alexander C. E. (2010). Technology adoption and technical efficiency: Organic and conventional dairy farms in the United States /7 American Journal of Agricultural Economic. Vol. 92 No. 1. P. 181— 195.

71. Meeusen W., van den Broeck J. (1977). Efficiency estimation from Cobb-Douglas production functions with composed error /7 International Economic Review. No. 18. P. 435-444.

72. Melitz M. J. (2003). The impact of trade on intra-industry reallocations and aggregate industry productivity /7 Econometrica. Vol. 71 No. 6. P. 16951725.

73. Miljkovic D., Miranda S. H., Shaik S. (2013). Trade openness and technical efficiency in Brazilian agriculture /7 Applied Economics Letters. No. 20 (2). P. 103-106.

74. Miljkovic D., Shaik S. (2010). The impact of trade openness on technical efficiency in U.S. agriculture. Agribusiness & Applied Economics Report 95749, North Dakota State University, Department of Agribusiness and Applied Economics.

75. Moral-Pajares E., Mozas-Moral A., Bernal-Jurado E., Medina-Viruel M. J. (2015). Efficiency and exports: Evidence from Southern European companies /7 Journal of Business Research. Vol. 68 No. 7. P. 1506-1511.

76. Morrison C.J. (1997). Structural change, capital investment, and productivity in the food processing industry /7 American Journal of Agricultural Economics. No. 79 (1). P. 110-125.

77. Olsen J.V., Henningsen A. (2011). Investment utilisation, adjustment costs, and technical efficiency in Danish pig farms. FOI Working Paper No 13, Institute of Food and Resource Economics, University of Copenhagen.

78. Pattnayak S. S., Thangavelu S. M. (2014). Productivity and learning-by-exporting: A firm-level analysis of Indian manufacturing /7 The Word Economy. Vol. 37 No. 7. P. 1016-1026.

79. Pham T. T. T. (2015). Does exporting spur firm productivity? Evidence from Vietnam /7 Journal of Southeast Asian Economies. Vol. 32 No. 1. P. 84-105.

80. Pisu M. (2008). Export destinations and learning-by-exporting: Evidence from Belgium. Working Paper Research No. 140. National Bank of Belgium.

81. Pitt M., Lee L. (1981). The measurement and sources of technical inefficiency in Indonesian weaving industry /7 Journal of Development Economics. No. 9. P. 43-64.

82. Ray S. C., Kumbhakar S. C., Dua P. (2015). Benchmarking for Performance Evaluation. A Production Frontier Approach. Springer India.

83. Roberts M. J., Tybout J. R. (1997). The decision to export in Colombia: an empirical model of entry with sunk costs /7 The American Economic Review. Vol. 87 No. 4. P. 545-564.

84. Ruslana, the Bureau van Dijk database. Russian, Ukrainian and Kazakh company information (https://ruslana.bvdep.com (access provided by NRU HSE)).

85. Sakellaris P., Wilson D. J. (2004) Quantifying embodied technological change /7 Review of Economic Dynamics. No. 7. P. 1-26.

86. Salter W. E. G. (1960). Productivity and technical change. Cambridge University Press.

87. Schmidt P., Sickles R. C. (1984). Production frontiers and panel data /7 Journal of Business and Economic Statistics. No. 4. P. 367-374.

88. Sharma C., Mishra R. K. (2015). International trade and performance of firms: Unraveling export, import and productivity puzzle /7 The Quarterly Review of Economics and Finance. No. 57. P. 61-74.

89. Shephard R.W. (1953) Cost and Production Functions, Princeton University Press, Princeton.

90. Solow R. M. (1957). Technical change and the aggregate production function /7 Review of Economics and Statistics. No. 39. P. 312-320.

91. Sun X., Hong J. (2011). Exports, ownership and firm productivity: Evidence from China // The World Economy. Vol. 34 No. 7. P. 1199-1215.

92. Wilhelmsson F., Kozlov K. (2007). Exports and productivity of Russian firms: in search of causality /7 Economic Change and Restructuring. Vol. 40 No. 4. P. 361-385.

93. Yang S.-F., Chen K.-.M.. Huang T.-H. (2013). Outward foreign direct investment and technical efficiency: Evidence from Taiwan's manufacturing firms /7 Journal of Asian Economics. No. 27. P. 7-17.

94. Zaitsev A.A., Burnaev E.V., Spokoiny V.G. Properties of the posterior distribution of a regression model based on Gaussian random fields /7 Automation and Remote Control. Springer US. Vol. 74 No. 10. P. 1645-1655.

95. Zucco C. Jr. (2013). When payouts pay off: Conditional cash transfers and voting behavior in Brazil 2002-10 /7 American Journal of Political Science. Vol. 57 No. 4. P. 810-822.