WWW.PDF.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Разные материалы
 

«Ключевые слова: DEA, SFA, совокупная факторная производительность JEL: С51, O11, O33, О57 К.э.н, Руководитель группы исследований мировой экономики ЦМАКП, старший научный сотрудник ...»

А.Ю. Апокин1, И.Б. Ипатова2

Компоненты совокупной факторной производительности

экономики России относительно других стран мира:

роль технической эффективности

В данной работе мы оцениваем структуру изменений совокупной

факторной производительности (СФП) для ВВП ряда экономик мира на двух

выборках в период 1990-2010 гг. Полученные оценки мы применяем для

изучения структуры изменений СФП в России.

Мы оценили динамику совокупной факторной производительности

(СФП) и провели ее разложение на компоненты, используя непараметрическую оценку производственной функции (метод DEA), модифицированную в соответствии с подходом О'Доннелла (2012).

Мы выявили значимое влияние прошлых (более 10 лет) значений расходов на НИОКР на динамику компонента глобальной технологической границы в присутствии ряда контрольных переменных. Также мы обнаружили, что увеличение интенсивности частных расходов на НИОКР на 1,0 % ВВП через пять лет увеличивает средние темпы прироста СФП на 1,2 проц. п., для интенсивности совокупных расходов на НИОКР ускорение роста СФП составляет 0,6-0,8 проц. п.

Ключевые слова: DEA, SFA, совокупная факторная производительность JEL: С51, O11, O33, О57 К.э.н, Руководитель группы исследований мировой экономики ЦМАКП, старший научный сотрудник ЛАПЭП ЦФИ НИУ ВШЭ Эксперт ЦМАКП, аналитик ЛАПЭП ЦФИ НИУ ВШЭ ВВЕДЕНИЕ Для анализа производительности экономики на макроуровне и в целях межстрановых сопоставлений исследователи, преимущественно, используют подход «арифметики роста» В рамках этого подхода СФП определяется как «остаток Солоу», а производственная функция предполагает полное использование запасов производственных факторов. Однако фактический выпуск часто не соответствует наблюдаемому набору факторов производства.



Учет этого феномена добавляет к динамике производительности, помимо технического прогресса (экзогенного или эндогенного), дополнительный фактор неэффективности3. На важность неэффективности как дополнительного измерения динамики СФП обращают внимание и исследователи со стороны «арифметики роста» (Jones, 2013).

Мы используем межстрановые сопоставления в анализе панельных данных на основе подхода технической эффективности. Этот подход достаточно давно применяется в литературе для межстрановых исследований4.

Несмотря на это, он редко используется для сопоставлений совокупной факторной производительности в качестве альтернативы подходу «арифметики роста».

Данную неэффективность можно трактовать и как производственную, и как аллокативную.

Наиболее близким представляется межстрановое сопоставление секторов в работе (Hultberg et al., 2004).

2 ОПИСАНИЕ ИСПОЛЬЗУЕМЫХ ДАННЫХ И МЕТОДОВ

ОЦЕНКИ

2.1 Описание используемых данных Для оценки модели используется база данных по широкому кругу индикаторов научно-технологического и экономического развития, подготовленная ранее.

В числе прочего база данных содержит оценки объемов труда и капитала для ста экономик мира в период 1990-2010 гг., а также информацию по целому ряду показателей научно-технологического развития, включая расходы на НИОКР и интенсивность НИОКР.

Показатели в базе данных поделены на следующие группы:

показатели статистики науки и технологий:

патентная активность;

показатели технологического платежного баланса (чистые доходы по роялти и лицензионным платежам);

показатели внешней торговли в высоко- и среднетехнологичных отраслях;





показатели отраслевой структуры национальных экономик;

показатели социально-экономического развития:

валовый внутренний продукт;

доли добавленных стоимостей высоко- и средневысокотехнологичных отраслей в ВВП по ППС;

показатели институционального и инфраструктурного развития:

индикаторы развития ИКТ:

количество пользователей Интернет;

распространение телефонных услуг;

охват широкополосного доступа;

индикаторы институционального развития:

индекс экономической свободы Fraser Institute;

индекс конкурентоспособности Всемирного экономического форума (WEF).

Дополнительно к содержимому описанной базы данных использовались данные ОЭСР о величине государственных расходов на НИОКР по направлениям. При оценке и межстрановых сопоставлениях многие из указанных выше переменных не были включены в спецификацию исходя из статистических или содержательных соображений.

2.2 Описание используемых методов оценки

В работе оценивается техническая эффективность стран (удаленность от мировой ГПВ) с помощью двух методов: метод стохастической границы – SFA (Stochastic Frontier Analysis) – и метод детерминистической границы – DEA (Data Envelopment Analysis). Также второй подход используется для анализа изменения страновой совокупной факторной производительности (Total Factor Productivity, TFP) и ее отдельных компонентов. Подробный обзор современных методов оценки неэффективности приведен, например, в (Fried et al., 2008).

2.2.1 Совокупная факторная производительность и ее составляющие Подход технической эффективности предполагает определение СФП как отношения агрегированного выпуска к агрегированным затратам после исключения влияния цен на продукты и производственные факторы. O’Donnell (2008) в своей работе приводит разложение СФП в этом определении на ряд компонентов: технологический компонент, техническую эффективность, эффективность от масштаба и смешанную эффективность. Произведение последних трех показателей он называет эффективностью СФП.

Для статистического исследования интерес представляют не столько уровни перечисленных компонентов СФП, сколько их динамика во времени и по выборке. В дальнейших работах O’Donnell развивает теорию индексов, предлагая как новые условия и индексы для агрегирования выпуска и затрат, удовлетворяющие этим условиям (O’Donnell, 2012a,b), так и новые компоненты

–  –  –

факторов, но и производить несколько видов продукции. С помощью некоторых функций, о которых речь пойдет дальше, получаем агрегированный выпуск Qit Q(qit ) и агрегированные затраты ресурсов X it X (qit ). Ограничения, накладываемые на функции Q( ) и X ( ), ограничиваются неотрицательностью, неубыванием и линейной однородностью.

Агрегированным показателям объемов соответствуют скрытые цены pit qit Qit и Wit wit xit X it. Таким образом, отношение общих доходов к общим Pit

–  –  –

где PI hsit и WI hsit – индексы скрытых цен по выпуску и затратам, QI hsit и XI hsit – индексы объемов выпуска и затрат, TTI hsit – индекс, определяющий изменение условий торговли между странами, TFPI hsit – индекс СФП.

Изменение СФП, согласно разложению (O’Donnell, 2008), состоит из:

технологического изменения – изменения максимально возможной СФП 1.

стран во времени;

изменения технической эффективности – движения к границе 2.

производственных возможностей или от нее при сохранении пропорций выпуска и используемых факторов;

изменения эффективности от масштаба – движения вдоль 3.

производственной границы в целях извлечения выгоды от масштаба;

изменения смешанной эффективности – движения к границе 4.

производственных возможностей или от нее при снятии ограничений на первоначальные пропорции выпуска и используемых факторов.

На графике (см. Рисунок 1), где по оси абсцисс – агрегированные затраты (Aggregate Input), а по оси ординат – агрегированный выпуск (Aggregate Output), отмечены все составляющие СФП для экономики страны, находящейся в точке A. Для удобства введем понятия, которые будем использовать в последующих подразделах. «Нижняя» граница производственных возможностей (ГПВ), проходящая через точки C и D, оценивается при условии сохранения экономикой страны A пропорций выпуска и факторов. «Верхняя»

граница, проходящая через точки E и V, находится при снятии ограничений на различные комбинации выпуска и факторов. Обычно в таком случае множество производственных возможностей расширяется.

–  –  –

2.2.2 Анализ данных методом огибающей (метод DEA) Значения СФП и ее составляющих в разных странах в разные периоды времени можно рассчитать с помощью непараметрического метода DEA. Он используется для нахождения детерминистической границы производственных возможностей. DEA предполагает разложение СФП путем решения одной из оптимизационных задач математического программирования: либо максимизации агрегированного выпуска при фиксированных затратах, либо минимизации агрегированных затрат при фиксированном выпуске. Примеры конкретных оптимизационных задач, решаемых методом DEA, можно найти в работе (O’Donnell, 2008).

DEA не требует априорных предположений о распределении ошибок.

В его основе лежат следующие предпосылки:

все необходимые переменные объемов и цен наблюдаются без ошибок;

1.

производственная метафункция (общая для всех стран) кусочно-линейна;

2.

меньшие количества выпуска и затрат доступны;

3.

производственное множество выпукло.

4.

При нанесении на график в системе координат затраты-выпуск (см.

Рисунок точек, соответствующих отдельным наблюдениям-странам, 2) производственное множество получается из пересечения всех четвертых квадрантов каждой точки (предпосылка 3). При этом крайние левые и крайние верхние точки соединяются кусочно-линейной функцией так, чтобы получилось выпуклое множество (предпосылки 2 и 4). Рисунок 2 поясняет более подробную теоретическую схему, изображенную на Рисунок 1.

На Рисунок 2 страны A и B имеют одни и те же агрегированные затраты, но выпуск у них разный. Функция расстояния, измеряющая в данном случае техническую эффективность по выпуску, для страны A равна отношению тангенса угла наклона OA к тангенсу угла наклона OB, что меньше единицы.

Страна B лежит на ГПВ, поэтому ее техническая эффективность в точности равна единице. Данный показатель зависит от набора стран, задающих производственную границу, поэтому является относительным и используется для ранжирования стран из выборки.

–  –  –

где DI ( xit, qit, t ) – функция расстояния по затратам: отношение агрегированных затрат страны к минимально возможным в период t при фиксированном i

–  –  –

2.2.4 Оценивание моделей на панельных данных В работе используются панельные данные, сопоставимые по странам и во времени. Основные проверяемые зависимости представляют собой зависимости значений текущего момента времени одной переменной от некоторого лага другой переменной. Таким образом, проблема эндогенности здесь не возникает.

При выборе типа модели используются следующие принципы.

Тест Хаусмана позволяет проверить нулевую гипотезу о коррелированности объясняющих переменных с ошибками. Оценки модели с фиксированными эффектами всегда состоятельны, но неэффективны. Оценки модели со случайными эффектами несостоятельны в случае отвержения нулевой гипотезы. Выбор в пользу модели со случайными эффектами делается в том случае, если ошибки не скоррелированы с экзогенными переменными.

Тогда оценки не только состоятельны, но и эффективны. Если же ошибки скоррелированы с факторами, то, значит, ошибки содержат фиксированные эффекты.

Выбор между моделью с фиксированными эффектами и сквозной регрессией проводится на основе простого F-теста о равенстве нулю всех фиксированных индивидуальных эффектов.

Сквозная регрессия предпочтительнее в случае равенства нулю дисперсии случайных индивидуальных эффектов по результатам LM-теста (см.

Рисунок 3).

–  –  –

Также в работе оценивается модель на временных рядах. Используемые методы требуют стационарности ошибок. Для этого ряды должны быть стационарны либо коинтегрированы. Модель проверялась на наличие автокорреляции с помощью статистики Дарбина-Уотсона, и использовались ошибки в форме Ньюи-Веста.6 Подробнее о применяемых методах исследования временных рядов см., например, в справочнике (Greene, 2002).

3 КОНЦЕПТУАЛЬНАЯ СХЕМА ДЛЯ ПОСТРОЕНИЯ

МОДЕЛЕЙ ДОЛГОСРОЧНОГО ВЛИЯНИЯ ГЛОБАЛЬНОГО

СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО И НАУЧНОТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ НА ПАРАМЕТРЫ

РОССИЙСКОЙ ЭКОНОМИКИ

В целом предполагалась следующая концептуальная схема взаимосвязи социально-экономического и научно-технологического развития, как правило, используемая в литературе (Рисунок 4):

–  –  –

Предполагается, что процесс адаптации научных результатов осуществляется посредством технологического развития и сопровождается появлением и широким распространением новых товаров и услуг. Его влияние на социально-экономическое развитие осуществляется в несколько этапов.

На первом этапе происходит выбор между тремя вариантами технологического развития:

импортом готовых товаров и услуг;

импортом готовых технологических концепций (в виде патентов) с их последующей адаптацией в производстве;

разработкой собственных технологических концепций и их внедрение.

Эти варианты технологического развития существенно различаются продолжительностью цикла влияния на социально-экономическое развитие.

Первый вариант (импорт технологий через готовую продукцию) позволяет получить результаты практически сразу (по мере импорта товара или оборудования, то есть в сроки не более одного-двух лет).

Второй вариант предполагает разработку собственного инженерного или технологического решения на базе предлагаемой концепции (уже существующего патента или пакета патентов) и занимает не менее трех-пяти лет до получения результатов на стадии массового производства.

Третий вариант подразумевает полноценную коммерциализацию технологического решения «с нуля», а не на базе готового патента, и потому не может занимать менее 10 лет.

В действительности все три варианта развития осуществляются параллельно в различных областях. Следует отметить, что под расходами на НИОКР в статистике понимаются и разработка полностью новых решений, и адаптация с частичным улучшением существующих технологий (патентов).

Следовательно, в расходах на НИОКР, фактически, не разделяются расходы на второй (адаптация патентов) и третий (разработка патентов) варианты технологического развития, выделяются только расходы на покупку собственно патентов.

Поэтому при использовании показателей динамики (интенсивности) расходов на НИОКР необходимо учитывать, что в динамике этого показателя смешиваются влияние процессов научно-технологического развития разных уровней, а сами значения показателей, в этом смысле, усреднены по вариантам разработки.

4 ОЦЕНКА ВЕЛИЧИНЫ ВЛИЯНИЯ НАУЧНОТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ НА СОЦИАЛЬНОЭКОНОМИЧЕСКОЕ С ПОМОЩЬЮ ПОДХОДА ГРАНИЦЫ

ПРОИЗВОДСТВЕННЫХ ВОЗМОЖНОСТЕЙ (МЕТОД DEA)

Оценка глобальной технологической границы проводилась на двух выборках: для широкого круга экономик («мира») и контрольной выборки – группы развитых стран, эффективность и технологический уровень производства в которых считается эталонными («ОЭСР-1990») и России, которая нас интересует в данном исследовании. Мы предполагаем, что масштаб экономик может влиять на оценку ГПВ (малые экономики могут располагаться на границе). Контрольная выборка исключает подобные случаи, плохо объясняемые с экономической точки зрения.

При отборе в контрольную выборку учитывался уровень экономического развития страны, устойчивость развития (в первую очередь, отсутствие трансформационного спада), уровень технологического развития (объем и интенсивность, а также структура расходов на НИОКР) и регуляторного (деловой климат). Всеми этими качествами по отношению к другим странам мира страны контрольной выборки должны были обладать на протяжении всего периода 1990-2010 гг. Для состава контрольной выборки были взяты страны, входившие в состав ОЭСР по состоянию на 1990 г. Точные составы выборок «мир» и «ОЭСР-1990» приведены в Приложении А.

Производственные границы оценивались методом DEA с помощью программы DPIN7. Этот метод рассчитывает сопоставимые по странам и во времени уровни СФП и ее компонентов, поэтому разумным требованием является сбалансированность панельных данных. В результате, выборка «ОЭСР-1990» содержит 23 страны (кроме Ирландии) и Россию, а мировая производственная граница оценивалась по 91 стране.

http://www.uq.edu.au/economics/cepa/dpin.php Как уже было сказано в разделе 2.2, DEA позволяет оценивать ГПВ при множественном выпуске и нескольких факторах. В данной работе в качестве показателя выпуска использовался ВВП по ППС в сопоставимых ценах 2005 г.

В качестве факторов были выделены запас основного капитала (по ППС в сопоставимых ценах 2005 г.), численность экономически активного населения и среднее количество лет образования, полученного людьми, старше 25 лет, как показатель величины человеческого капитала. При выборе факторов учитывались международный опыт построения производственной границы, а также полнота данных переменных по странам и годам.

Если для численности экономически активного населения можно взять среднюю заработную плату по стране (условное приближение стоимости рабочей силы), то измерение цены человеческого капитала вызывает большие затруднения даже на теоретическом уровне. Преимущество выбранного метода и индекса агрегирования (см. разделы 2.2.2 и 2.2.3) в том, что они не требуют наличия цен для оценки выпуска и факторов производства.

4.1 Проверка адекватности оценок СФП Мы проверили адекватность оценок СФП, полученных с помощью DEA, несколькими способами:

соответствие границы производственных возможностей для стран 1.

выборки «ОЭСР-1990» и выборки «Мир»;

величина и относительное положение стран по СФП в зависимости от 2.

выборки;

относительное положение стран по СФП в сравнении с другими 3.

исследованиями;

корреляция оценок СФП и ее компонент;

4.

корреляция полученных оценок СФП и оценок СФП, сделанных The 5.

Conference Board и ОЭСР.

4.1.1 Соответствие границы производственных возможностей для стран выборки «ОЭСР-1990» и выборки «Мир».

Страны «ОЭСР-1990», по нашему предположению, задают мировую производственную границу. Следовательно, страны, образующие ГПВ «ОЭСРбудут лежать и ГПВ «мира», то есть иметь единичную техническую эффективность8. Это предположение было проверено с помощью полученных оценок технической эффективности (см. Таблица 1). Некоторые страны (например, Люксембург) попали на производственную границу исключительно из-за небольшого масштаба экономики. При этом нет стран, которые бы лежали на границе «мира», но не лежали бы на границе «ОЭСР-1990», то есть в этом аспекте DEA не выявил противоречий. Но все же вызывают сомнения страны из правого столбца. Возможно, на следующем этапе исследования следует включить дополнительные условия на вхождение в состав контрольной выборки.

–  –  –

4.1.2 Величина и относительное положение стран по СФП в зависимости от выборки.

В Таблица 2 приведены средние значения совокупной факторной производительности по пятилеткам для 10 стран с наибольшей производительностью (мировая граница). В основном это страны ОЭСР и G20.

Напомним, что данный показатель равен отношению агрегированного выпуска Здесь речь идет о «нижней» производственной границе (см. раздел 2.2.1, Рисунок 1).

к агрегированным затратам, но он является относительным и равен произведению технологического показателя (максимального значения СФП в каждом году) и эффективности СФП (см (Формула (9). Почти во все исследуемые годы США имели максимальное значение СФП, за исключением 1990-1991 гг. (Россия) и 2006-2008 гг. (Великобритания).

Россия по среднему значению СФП входила в первую десятку в 1990и 2010 гг. (второе место после США в 1990-1994 гг.). После распада СССР Россия опустилась на 33 место в ранжировке по странам в 1995гг., а затем в период восстановления заняла 23 позицию в 2000-2004 гг.

–  –  –

4.1.4 Корреляция оценок СФП и ее компонентов Исходя из парных корреляций между СФП и ее компонентами (см. Таблица 7и Таблица 8), можно заключить, что динамика эффективности СФП и, соответственно, самого показателя совокупной факторной производительности объясняется остаточной смешанной эффективностью, то есть постепенным снятием ограничений на передвижение капитала и низкоквалифицированной и высококвалифицированной рабочей силы между странами, иными словами, происходящими процессами глобализации и интеграции.

При этом для стран «ОЭСР-1990» (см.

Таблица 8) динамика технической эффективности не влияет на динамику СФП, возможно из-за того, что в данной выборке многие страны уже лежат на «нижней» производственной границе (см. раздел 2.2.1, Рисунок 1) и изменение СФП происходит благодаря изменению комбинаций выпуска и факторов производства.

–  –  –

4.1.5 Корреляция полученных оценок СФП и оценок, сделанных другими авторами (The Conference Board, ОЭСР, [2]) Для сравнения полученных оценок СФП (по странам «ОЭСР-1990») мы взяли темпы ее прироста, рассчитанные The Conference Board9 на основе производственной функции как остаток Солоу, а также оценки темпов прироста СФП ОЭСР (см. Таблица 9). По всей видимости, The Conference Board оценивает производственные функции для каждой страны отдельно10, поэтому корреляции оценок высокие для производственной границы «ОЭСР-1990» и https://www.conference-board.org/data/economydatabase/index.cfm?id=27770 https://www.conference-board.org/retrievefile.cfm?filename=TED-Methodological-Notes.pdf&type=subsite низкие (иногда отрицательные) для мировой производственной границы, по всей видимости, искаженной влиянием других стран. Оценки ОЭСР высоко коррелируют с оценками The Conference Board.

–  –  –

-1 0

-2 -2

-3 -4

-4 -6

-5 -8

–  –  –

5 ОЦЕНКА ВЛИЯНИЯ ДИНАМИКИ РАСХОДОВ НА

НИЛКР НА СОВОКУПНУЮ ФАКТОРНУЮ

ПРОИЗВОДИТЕЛЬНОСТЬ

5.1 Моделирование технологического показателя Максимальное значение СФП среди стран в каждом периоде времени формирует динамику компонента СФП – технологического показателя. Страна, с максимальным значением СФП (определяющим технологический показатель) имеет единичную эффективность СФП и лежит на «верхней» границе в точке касания луча, выходящего из начала координат, и границы (см. Рисунок 1).

Изменение технологического показателя означает сдвиг «верхней» границы.

Принято считать, что сдвиг производственной границы происходит из-за изменения технологий, поэтому с экономической точки зрения технологический показатель задает технологическую границу.

При этом необходимо учитывать, что значение технологического показателя зависит от конкретной выборки, и предполагается, что существует страна, формирующая технологическую границу.

Выше упоминалось, что технологическая граница для выборки «Мир»

почти за все годы (за исключением начала периода и периода мирового финансового кризиса) определяется США. В случае «ОЭСР-1990» США за все годы имеют максимальное значение СФП. По этой причине две технологические границы не полностью совпадают по динамике (см. Рисунок 7), но коэффициент корреляции темпов прироста технологического показателя составляет 0,89.

–  –  –

Были оценены модели динамики обоих технологических показателей.

Результаты приведены в Таблица 10 и Таблица 11. Зависимой переменной выступала разность логарифмов (приблизительно соответствующая темпам прироста) полученного в DEA технологического показателя. Ошибки моделей стационарны согласно тесту Дики-Фуллера. Использовались ошибки в форме Ньюи-Веста, значимой автокорреляции с помощью статистики ДарбинаУотсона выявлено не было. Число оцениваемых параметров равно 4, количество наблюдений – 16-18.

Среди объясняющих переменных, как главная с точки зрения анализа, выделяется переменная разности логарифмов (Модели 1-3) или соотношения к ВВП в % (Модели 4-6) государственных расходов на проведение НИОКР в США с лагом11, примерно соответствующим концептуальной схеме взаимосвязи социально-экономического и научно-технологического развития (см. Рисунок 4).

Данный показатель значим почти во всех оцененных моделях (кроме М5), и его влияние положительно. При этом более ранние и более поздние лаги (приблизительно от 10-го до 15-го лага) также значимы, но модели с ними несколько уступают по статистическим характеристикам тем спецификациям, что Термин «лаг» здесь и далее используется для значений показателей временных рядов в предыдущие периоды. Переменная «показатель с лагом один» соответствует предшествующему значению показателя, «с лагом десять» - значению показателя десять периодов назад.

приведены в таблицах. Подобные большие лаги характерны именно для государственных расходов на НИОКР (см. Рисунок 4, вариант 3).

Переменная разности логарифмов мирового ВВП включена в модель в качестве контрольного показателя внешних шоков. При этом возможна и обратная зависимость. Ошибки уравнений не коррелируют с темпами прироста мирового ВВП. Проблема возможной одновременности будет решаться на втором этапе подбором корректных инструментов и оцениванием моделей с помощью метода инструментальных переменных. Оценки при использовании данного метода состоятельны в случае эндогенности по тесту Хаусмана.

Разрыв выпуска США (в процентах потенциального ВВП) с лагом в 1 год отрицательно влияет на зависимую переменную, тем самым отвечая циклическим колебаниям в экономике. Положительный разрыв снижает темпы прироста технологического показателя (одного из компонентов СФП) в следующем году, замедляя темпы прироста фактического ВВП и уменьшая положительный разрыв.

–  –  –

Моделирование влияния научно-технологических 5.2 показателей на социально-экономические Для моделирования темпов прироста СФП использовались следующие предположения:

согласно концептуальной схеме взаимосвязи социально-экономического 1.

и научно-технологического развития (см. Рисунок 4), расходы на проведение НИОКР должны влиять на совокупную факторную производительность с лагом в 10-15 лет;

при этом госрасходы на НИОКР слабо варьируют во времени и по своей 2.

сути близки к фиксированным страновым эффектам;

частные расходы на НИОКР чаще имеют прикладную направленность, 3.

поэтому быстрее приводят к социально-экономическому результату.

Все модели из данного подраздела оценивались на панельных данных с фиксированными эффектами. Включение фиксированных эффектов было продиктовано результатами F-теста. При этом LM-тест указывал на отсутствие случайных эффектов в модели на панельных данных.

Модель 1 (см. Таблица включает лаг уровня СФП и 12) авторегрессионную часть первого порядка (AR(1)). Первый показатель проверяет гипотезу -конвергенции: чем выше значение уровня СФП, тем меньше будут темпы его прироста в следующем периоде. Эту гипотезу подтверждает значимый отрицательный коэффициент. В Моделях 2 и 4 сохраняются результаты М1, но добавляется еще показатель расходов на НИОКР: М2 – частных, М4 – общих.

В Модели 3 и 5 включены факторы институциональной среды, степени развития инфраструктуры, демографии, финансовой сферы, внешних шоков и взаимосвязей с остальным миром. В результате значимыми оказались агрегированный индекс развития институтов, рассчитываемый по методологии Fraser Institute, темпы прироста числа пользователей стационарных и мобильных телефонных соединений и внешнеторговый оборот (сумма экспорта и импорта страны в процентах от ВВП). Коэффициенты перед этими переменными имеют положительный знак.

Расходы на НИОКР, как частные, так и совокупные, значимы (кроме М2) с пятым лагом. Этот лаг более чем в два раза меньше ожидаемого (см. Рисунок 4), но, как уже было сказано, наиболее приемлемым объяснением может служить природа этих вложений: бизнес заинтересован в скорейшей коммерциализации научных разработок. Импорт технологий также уменьшает среднее время получения реальной отдачи от инвестиций.

–  –  –

6 ОЦЕНКА ВЛИЯНИЯ НАУЧНО-ТЕХНОЛОГИЧЕСКОГО

РАЗВИТИЯ НА ПАРАМЕТРЫ ОТДЕЛЬНОЙ ЭКОНОМИКИ

(НА ПРИМЕРЕ РОССИИ) В данном подразделе оценки взаимосвязи глобального социальноэкономического и научно-технологического развития, полученные в подразделах 1-5, используются для построения предварительной версии взаимосвязанного прогноза параметров социально-экономического и научнотехнологического развития. В частности:

анализируется динамика технологического показателя и показателей 1.

эффективности России по выборкам;

абсолютную и относительную (рейтинг) величину ошибки модели для 2.

наблюдений по России как потенциал для развития;

прогноз НИОКР и СФП для России по моделям.

3.

6.1 Анализ динамики оценок технологического показателя и показателей эффективности России и выбор модели для прогноза Одной из основных задач исследования представляется выделение динамики влияния научно-технологического развития на социальноэкономические показатели России.

Анализ динамики оценок технологического показателя и 6.1.1 показателей эффективности России Используемые в исследовании предпосылки подразумевают рассмотрение влияния технологического развития через динамику и изменение структуры СФП.

Для России динамика и структура СФП приведены на Рисунок 8.

Следует отметить, что оценка методом DEA в том числе отражает существенный трансформационный спад, который проявился в сокращении практически всех без исключения компонентов СФП. Так как отдельное отражение эффекта трансформации отраслевой структуры в разложении методом DEA не предусмотрено, спад за счет собственно трансформационного кризиса отражен, преимущественно, в динамике остаточной эффективности.

1.1 1.0 0.9 0.8 0.7 0.6 0.5

–  –  –

При этом восстановление основных компонент СФП до оптимального уровня, согласно оценке, произошло после кризиса 1998 г., и динамика СФП в последние 15 лет определялась, преимущественно, восстановлением остаточной эффективности.

Быстрое восстановление всех компонент СФП частично объясняется и побочными эффектами метода огибающей: сочетание издержек и выпуска специфичное для России, практически не повторяется в других странах. Таким образом, на этом участке технологическая граница (огибающая) должна пройти через точки, соответствующие России.

На следующем этапе будет проведен более подробный анализ структуры СФП России с целью изолировать трансформационную компоненту, которая на прогнозном горизонте предполагается отсутствующей.

6.1.2 Сопоставление ошибок моделей для России и выбор модели для прогноза Ошибку регрессии (то есть дистанцию от фактического до модельного значения зависимой переменной) можно рассматривать как эффект влияния на зависимую переменную совокупности прочих факторов, не учтенных при оценке. При этом в силу усреднения при оценке регрессии ошибки существенно различаются в зависимости от страны и года.

Целесообразно предположить, что модель с устойчиво более низкая ошибкой регрессии для России более пригодна для прогноза российских показателей. Поэтому выбор модели для прогноза показателей по России должен учитывать не среднеквадратическую величину ошибки, которая используется для измерения качества регрессии, а величину и динамику ошибок регрессии для России.

На Рисунок 9, Рисунок 10 и Рисунок 11 приведена динамика относительного положения наблюдений по России для выборки «Мир». Более высокий ранг (место) соответствует более точному описанию моделью динамики российских показателей, более низкий (например, первое место по величине ошибок) подразумевает невысокую точность даже на обучающей выборке. Наилучшая динамика ошибок по этому критерию наблюдается в модели для компонента СФП «техническая эффективность», на втором месте модель для СФП в целом.

Особый интерес представляет существенное различие ранга ошибок при использовании в качестве фактора частных и совокупных расходов на НИОКР.

Ошибки в первом случае, как правило, оказывались существенно больше, даже если скорректировать ранг на размер выборки.

СФП, частные R&D СФП, общие R&D ТЭ, частные R&D ТЭ, общие R&D

–  –  –

СПИСОК ИСПОЛЬЗОВАНЫХ ИСТОЧНИКОВ

Белоусов и др. (2012). Долгосрочное прогнозирование социальноэкономического развития: методология / Д.Р. Белоусов, А.Ю. Апокин, А.А.

Пестова, И.О. Сухарева, А.С. Фролов и др. - М.: МАКС Пресс, 2012. – 320 с.

Бессонов В.А. (2004). О динамике совокупной факторной производительности в российской переходной экономике // Экономический журнал ВШЭ. Т.8. №4. С. 542–587.

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

Назруллаева Е.Ю. (2005). Оценивание уровня технологического прогресса в российской экономике. // Квантиль, №5, С. 59–82.

Balk, B.M. (1998). Industrial Price, Quantity, and Productivity Indices: The Micro-Economic Theory and an Application. Boston, Kluwer Academic Publishers.

Bokusheva R., Hockmann H., and Kumbhakar S.C. (2012). Dynamics of productivity and technical efficiency in Russian agriculture // European Review of Agricultural Economics, 39(4), pp. 611–637.

Fre, R., Primont, D. (1995). Multi-output Production and Duality: Theory and Applications. Boston, Kluwer Academic Publishers.

Farrell, M.J. (1957). The Measurement of Productive Efficiency. Journal of the Royal Statistical Society, Series A (General), 120(3), pp. 253–290.

Fried, H.O., Lovell, C.K., and Schmidt, S.S. (2008). The Measurement of Productive Efficiency and Productivity Growth. Oxford University Press.

Greene, W.H. (2002). Econometric analysis. New Jersey, Prentice Hall.

Hultberg, P.T., Nadiri, M.I., and Sickles, R.C. (2004). Cross-country Catch-up in the Manufacturing Sector: Impacts of Heterogeneity on Convergence and Technology Adoption. Empirical Economics. 29(4), pp. 753–768.

Jones, C. (2013). Misallocation, Input-Output Economics, and Economic Growth // D. Acemoglu, M. Arellano, and E. Dekel. Advances in Economics and Econometrics, Tenth World Congress, Volume II, Cambridge University Press.

O’Donnell, C.J. (2008). 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.

O’Donnell, C.J. (2011). DPIN 3.0. A program for decomposing productivity index number. The University of Queensland, p. 6.

O’Donnell, C.J. (2012a). An aggregate quantity framework for measuring and decomposing productivity change. Journal of Productivity Analysis, 38(3), pp. 255– 272.

O’Donnell, C.J. (2012b). Nonparametric estimates of the components of productivity and profitability change in U.S. agriculture. American Journal of Agricultural Economics, 94(4), pp. 873–890.

O’Donnell, C.J. (2014). An economic approach to identifying the drivers of productivity change in the market sectors of the Australian economy. The Econometric Society Australasian Meetings (ESAM), Hobart, 1–4 July, 2014.

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

Похожие работы:

«ВОЛГОГРАДСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ КАФЕДРА НОРМАЛЬНОЙ ФИЗИОЛОГИИ Лекция №1 Вводная лекция ПЛАН: Физиология как наука о жизнедеятельности организма. Связь физиологии с другими науками (физикой, химией, кибернетикой, клинич...»

«ОКУЛОВ КИРИЛЛ ВАЛЕРЬЕВИЧ МИКРОФИЛЬТРАЦИОННЫЕ МЕМБРАНЫ НА ОСНОВЕ ПОЛИАМИДА 6 С ВЫСОКИМИ И СТАБИЛЬНЫМИ ХАРАКТЕРИСТИКАМИ 05.17.06 – Технология и переработка полимеров и композитов АВТОРЕФЕРАТ диссертации на...»

«ПРОГРАММА ВСТУПИТЕЛЬНОГО ЭКЗАМЕНА ДЛЯ ПОСТУПЛЕНИЯ В МАГИСТРАТУРУ ЭКОНОМИЧЕСКАЯ ТЕОРИЯ Код дисциплины 8605.01.01;ПВЭ.01;1 Раздел 1 Ведение в экономику Тема 1 Экономическая наука и ее функции Предмет экономической науки. Функции экономической науки. Основы экономического анализа. М...»

«А.С. Хахалин и Л.Л. Воронин Институт Высшей нервной деятельности и нейрофизиологии РАН Исследование механизмов синаптической пластичности в синапсах гиппокампа: совмес...»

«1|Страница Документация открытого редукциона № ОР16-11-92 на закупку услуг по техническому сопровождению ПО Varonis для нужд Банка ГПБ (АО) в двух лотах Москва Банк ГПБ (АО) | Открытый редукцион № ОР16-11-92 2|Страница 1. Извещение о проведении открытого редукциона «Газпромбанк» (Акционерное общество),...»

«Шутов Владимир Дмитриевич ЛИНЕАРИЗАЦИЯ СВЧ УСИЛИТЕЛЕЙ МОЩНОСТИ МЕТОДОМ ЦИФРОВЫХ ПРЕДЫСКАЖЕНИЙ Специальности 01.04.03 – Радиофизика, 05.13.01 – Системный анализ, управление и обработка информации АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математ...»

«Приложение N 3 к перечню пунктов технических регламентов Республики Казахстан, являющейся государством участником таможенного союза, которые содержат обязательные требования в отношении отдельных видов продукции и связанных с требованиями к ней процессов проектирования (включая изыскания), производства, строительств...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ СИБИРСКОЕ ОТДЕЛЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ МАТЕРИАЛЫ XLV МЕЖДУНАРОДНОЙ НАУЧНОЙ СТУДЕНЧЕСКОЙ КОНФЕРЕНЦИИ «Студент и научно-технический прогресс» ИНОСТРАННЫЕ ЯЗЫКИ: ЛИНГВИСТИКА И МЕЖКУЛЬ...»

«5 Причины длинных волн и проблема неравномерного экономического развития мировой экономики А. А. Акаев, С. Ю. Румянцева, А. И. Сарыгулов, В. Н. Соколов Современный экономический кризис показал наличие неравномерного экономического развития и вли...»

«НАЗНАЧЕНИЕ ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ЛЮДЕЙ Практическое занятие №1 Под редакцией профессора В.А. Козырева Рекомендовано редакционно-издательским советом университета в качестве методических указаний для студентов специальности «...»








 
2017 www.pdf.knigi-x.ru - «Бесплатная электронная библиотека - разные матриалы»

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.