WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 14 | 15 || 17 | 18 |

Что касается оценок динамики ОФ для всей российской промышленности в целом, то здесь дело обстоит несколько иначе, чем с оценками динамики выпуска и численности занятых. В частности, есть серьезные основания полагать, что официальные оценки ОФ существенно искажены; подробно источники смещений и возможные варианты устранения этих смещений рассмотрены в (Бессонов, Воскобойников (2006)). Именно по этой причине наряду с официальными были использованы альтернативные оценки динамики ОФ, полученные в указанной работе. В связи с использованием нескольких рядов динамики – официального и двух альтернативных – для калибровки ОФ предполагалось проверить устойчивость результатов оценок к выбору ряда.

В панели имеются микроданные по ОФ на начало и на конец каждого года. Стоит заметить, что не для всех предприятий показатели по ОФ на конец текущего года совпадают с показателями по ОФ на начало следующего года. Подобные расхождения могут быть обусловлены как ошибками ввода, так и переоценками ОФ, производимыми предприятиями. Так как установить, что именно является причиной указанных расхождений для каждого предприятия, не представляется возможным, а также из-за того, что для расчетов необходимо использовать среднегодовые значения ОФ, был использован следующий метод калибровки. На основе данных по основным фондам на начало года были построены среднегодовые показатели по ОФ: kbm(t) = (k_begin(t) + k_begin(t + 1))/2, где k_begin(t) – значение ОФ на начало года t. Заметим, что для последнего, 2004 г. в качестве k_begin(2005) был взят k_end(2004), где k_end(2004) – значение ОФ на конец 2004 г. Аналогично была проведена процедура калибровки по данным по ОФ на конец года: kem(t) = (k_end(t) + k_end(t –1))/2. Заметим, что для 1998 г. в качестве k_end(1997) был взят k_begin(1998). После чего полученные указанным образом среднегодовые показатели по ОФ были прокалиброваны по официальному индексу физического объема (ИФО) ОФ.

Кроме того, имеются альтернативные оценки динамики ОФ в виде базисных рядов показателей на начало года к началу 1998 г., поэтому был использован следующий метод калибровки. Данные по ОФ на начало года по предприятиям были прокалиброваны так, чтобы их динамика совпадала с динамикой аналогичных оценок, после чего были получены среднегодовые значения ОФ: dk1bm(t) = (dk1b(t) + dk1b(t + 1))/2; dk2bm(t) = (dk2b(t) + dk1b(t + 1))/2, где dk1bm, dk2bm – прокалиброванные по альтернативным оценкам (1) и (2) среднегодовые значения ОФ, dk1b, dk2b – прокалиброванные по альтернативным оценкам (1) и (2) значения ОФ на начало текущего года. Заметим, что для 2004 г. получить среднегодовые значения ОФ не представляется возможным, так как вначале была проведена калибровка, а только затем вычисление среднегодовых значений ОФ.

Еще один вариант получения среднегодовых значений ОФ для предприятий: dk1em(t) = (dk1e(t) + dk1e(t – 1))/2; dk2em(t) = (dk2e(t) + dk2e(t –1))/2, где dk1em, dk2em – прокалиброванные по альтернативным оценкам (1) и (2) среднегодовые значения ОФ, dk1e, dk2e – прокалиброванные по альтернативным оценкам (1) и (2) значения ОФ на конец текущего года, которые были получены перенормировкой рядов альтернативных оценок (1) и (2). Заметим также, что для г. получить среднегодовые значения ОФ не представляется возможным по тем же причинам, что и для предыдущих оценок. Таким образом, для каждого предприятия были получены 6 рядов различных оценок среднегодовых значений ОФ: 1-й и 2-й – ОФ на начало и на конец года соответственно прокалиброваны по официальному ИФО ОФ; 3-й и 4-й – ОФ на начало года прокалиброваны по альтернативным оценкам 1 и 2; 5-й и 6-й – ОФ на конец года прокалиброваны по альтернативным оценкам 1 и 2.

После проведения калибровки в панели остались некоторые выбросы, для избавления от которых была применена следующая процедура. Для каждого предприятия были построены следующие пеi i Y2004 Y2004 / Lii ременные: Y98-04 = и PLi = = – относитель98-i i i Y1998 Y1998 / Lные изменения выпуска и производительности труда для предпри ятия i в период с 1998 по 2004 г. Сопоставляются уровни показателей для крайних лет, чтобы уменьшить влияние погрешности для соседних лет. Из рассмотрения были исключены те предприятия, для которых значения указанных показателей превысили 10. Таким образом, панель очищена от выбросов и получены усредненные значения необходимых переменных.

Сложность продукции В качестве proxy для сложности продукции были использованы индексы, аналогичные рассчитанным в работе (Blanchard, Kremer (1997)). Эти индексы были вычислены на основе таблиц «ЗатратыВыпуск» для отдельных видов товаров по следующему формальному правилу: complexityi = 1- )2, где ij – доля промежуточ(ij j ного товара j в выпуске товара i. Таким образом, чем большее количество промежуточных товаров необходимо для производства конечного товара, тем ближе для него индекс сложности к 1. Заметим также, что используемое правило является чисто формальным.

Далее, исходя из классификации предприятий, входящих в панель, по ОКОНХ, каждому предприятию был приписан соответствующий индекс сложности. Стоит отметить, что классификация предприятий носит не вполне точный характер, особенно это существенно для предприятий, производящих сложную и диверсифицированную продукцию.

Переменные, характеризующие инфраструктуру Было бы оптимально построить переменные, характеризующие инфраструктуру, для каждого предприятия. Однако все, что известно о местоположении предприятия, – это в лучшем случае регион, поэтому сделать это не представляется возможным. Тогда ограничимся построением различного вида оценок региональной инфраструктуры и в расчетах будем использовать их в качестве proxy для инфраструктуры каждого отдельного предприятия данного региона.

Индекс доступности потенциальных рынков строится как сумма обратных квадратов минимального времени в пути наземным транспортом между крупнейшими городами регионов, взвешенных на отношение региональных ВРП: для i -го региона:

ВРПtj / ВРПit ~ tauit =, где tij2 – квадрат минимального времени в ~ tiji j пути наземным транспортом между крупнейшими городами региона i и j, ВРПk – ВРП k-го региона. Эта оценка характеризует только транспортную инфраструктуру и в первую очередь ее способность связывать как рынки сбыта производимой предприятиями продукции, так и рынки сырья, необходимого для производства. Разумно полагать, что этот индекс занижен для пограничных регионов России и регионов, имеющих выход в открытое море, т.е. не учитывает возможности международной торговли. Поэтому наряду с индексом tau включается в регрессию dummy-переменная на наличие в регионе морского порта.

Кроме того, для каждого региона был рассчитан чистый гравита~ ционный коэффициент tau, равный taui =, где tij2 – квадрат ~ tiji j минимального времени в пути наземным транспортом между крупнейшими городами региона i и j. Ожидается, что влияние этой переменной на рост выпуска предприятий будет меньшей, чем tauit, так как он недооценивает основного качества инфраструктуры – связывать рынки.

Результаты Нами были произведены оценки модели в спецификации 1 для трех переменных, характеризующих инфраструктуру, – tau, tau2(1998) и tau3 – гравитационный коэффициент, индекс доступности потенциальных рынков (уровень 1998 г.), динамический индекс доступности потенциальных рынков. Модели были оценены следующими методами – GLS с учетом наличия гетероскедастичности в данных3, Fixed Effect, Between Effect и метод Хаусмана–Тейлора в трех спецификациях. В первой в качестве переменных, коррелированных с индивидуальными эффектами предприятий4, были выбраны сложность производимой продукции (Complexity) и переменная, характеризующая инфраструктуру, во второй – только переменная, характеризующая инфраструктуру, а в третьей – только Complexity.

Кроме того, во всех трех спецификациях в качестве эндогенной была выбрана переменная, характеризующая размер предприятия, – численность занятых в прошлом периоде.

Для каждой калибровки и каждой спецификации (разного выбора инфраструктурной переменной) был проведен ряд тестов Хаусмана, позволяющих сравнить указанные спецификации и выявить наиболее адекватную имеющимся данным модель. Во всех спецификациях тест показал наличие корреляции между объясняющими переменными и индивидуальными эффектами, т.е. при сравнении моделей GLS и Fixed Effect тест Хаусмана выбирает последнюю. При сравнении моделей Fixed Effect и Хаусмана–Тейлора для большинства спецификаций также была выбрана последняя модель. Таким образом, можно говорить о существенной корреляции между объясняющими переменными и индивидуальными эффектами для предприятий.

Все оценки в целом значимы, о чем свидетельствуют высокие Fстатистики и статистики Вальда, также значимость регрессий в целом не сильно изменяется при смене инфраструктурных объясняющих переменных, зато существенно меняется при смене калибровочного ряда ОФ. Такое поведение оценок можно объяснить следующим образом. Во-первых, изменение выпуска предприятия в Первоначально были оценены модели Random Effect. В панель входят предприятия разного размера, что может привести к существенным различиям в дисперсии остатков для них, поэтому были проведены тесты на наличие гетероскедастичности (hettest) в cross-section-выборке, выявившие данную проблему. В дальнейшем все расчеты для моделей случайных индивидуальных эффектов проводились с учетом указанной особенности данных.

В пакете Stata такие переменные называются эндогенными. В дальнейшем используется этот термин именно в указанном смысле, и только в модели Хаусмана– Тейлора.

первую очередь обусловлено такими переменными, как изменение численности занятых и основных фондов. Имеющиеся же в распоряжении инфраструктурные переменные если и оказывают в какойто мере влияние на выпуск предприятий, то это влияние на порядок меньшее, чем для указанных переменных. Во-вторых, изменение значимости регрессий при переходе от одного калибровочного ряда к другому обусловлено прежде всего различным числом наблюдений. Чтобы проверить эту гипотезу, были посчитаны регрессии для рядов 1 и 2 (калибровка производилась по рядам официальной динамики ОФ) по меньшему числу наблюдений (исключая последний год и последние два года). Полученные регрессии в целом оказались менее значимы, чем аналогичные, посчитанные по альтернативным калибровкам (F-статистики или статистики Вальда оказались меньше). Таким образом, альтернативные оценки динамики ОФ, во всяком случае, не хуже официальных отражают реальные колебания промышленных ОФ.

Отметим, что значимость коэффициентов при переменных, характеризующих динамику численности занятости, устойчива к выбору как метода оценки, так и ряда динамики, по которому производилась калибровка ОФ, однако сами значения коэффициентов изменяются. Так, при переходе от случайных к детерминированным индивидуальным эффектам коэффициенты при этих переменных снижаются. Можно предположить, что индивидуальные эффекты предприятий коррелированны с указанными переменными, поэтому при переходе от GLS к Fixed Effect значения коэффициентов существенно изменяются.

Коэффициент при переменной, характеризующей изменение ОФ, более устойчив к смене метода оценки, однако демонстрирует существенную неустойчивость по отношению к смене ряда, по которому была произведена калибровка ОФ, что вполне естественно, так как это, вообще говоря, различные переменные. Заметим также, что коэффициент при переменной, отвечающей за изменение ОФ, на порядок меньше коэффициента при переменной, отвечающей за изменение численности занятых, т.е. можно сказать, что колебания выпуска предприятий в рассматриваемый период определялись прежде всего изменениями численности занятых в производстве. Вероятно, это обусловлено тем, что динамика основных фондов слабо отражает динамику капитала, непосредственно занятого в производстве, так как балансовая стоимость ОФ (а именно она используется в панели как proxy для запасов капитала) может включать большое количество капитала, не имеющего никакого отношения к текущему производству продукции. Как уже говорилось, в выборке в большей степени представлены крупные предприятия, унаследовавшие большинство основных фондов от плановой экономики. Вероятно, что по причине физического и/или морального старения эти фонды в производстве не используются, однако числятся на балансе предприятия, например для целей оптимизации налогообложения. Так для альтернативных оценок 1 и 2 коэффициент при переменных, характеризующих динамику ОФ, выше, чем при переменных, откалиброванных по рядам официальной динамики. Таким образом, по-видимому, альтернативные оценки динамки ОФ более адекватны реальной динамике ОФ, участвующих в производственном процессе.

Среди трех рассмотренных переменных, характеризующих инфраструктуру, индекс доступности потенциальных рынков tau3 демонстрирует наилучшую устойчивость как значимости коэффициента при нем, так и самого коэффициента и к смене метода оценки, и к смене калибровочного ряда. Можно предположить, что в предложенной модели существуют еще и временные эффекты, которые «ухватывает» этот индекс, но которые трудно специфицировать, а следовательно, и оценить соответствующую модель. Таким образом, последняя спецификация (выбор в качестве объясняющей переменной, характеризующей инфраструктуру, tau3) наилучшим образом соответствует реальным данным. Полученный результат свидетельствует в пользу того, что предприятия, находящиеся в регионах с более развитой инфраструктурой, в период экономического роста 1998–2004 гг. имели больше возможностей для расширения производства, чем предприятия, находящиеся в регионах с менее развитой инфраструктурой.

Что касается переменной, характеризующей сложность продукции, то коэффициент при ней устойчиво значим и положителен. При переходе от GLS к методу Хаусмана–Тейлора значение коэффициента существенно возрастает, что согласуется с предположением о корреляции этой переменной и индивидуальных эффектов для предприятий. Подобный же результат был получен в статье (Hausman, Taylor (1981)) для образования как фактора, влияющего на зарплату индивида5. Таким образом, полученные результаты говорят в пользу того факта, что в рассматриваемый период реструктуризации хозяйственных связей и формирования новых рыночных институтов выпуск предприятий, производящих более сложную продукцию, растет более высокими темпами.

Теперь перейдем к проверке гипотезы о том, что для предприятий со сложным выпуском качество инфраструктуры более существенно, чем для предприятий с относительно более простым выпуском;

Pages:     | 1 |   ...   | 14 | 15 || 17 | 18 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.