Спецификация стохастической производственной функции при оценке технической эффективности

• Автор: Руденко, Виктория Алексеевна
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 135 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Анализ существующих методов определения технической эффективности и выбора граничной функции
1.1. Анализ существующих подходов к описанию граничных функций
1.1.1. Детерминированные модели производственной функции
1.1.2. Стохастические модели производственной функции
1.2. Анализ существующих способов измерения технической эффективности в концепции стохастической граничной производственной функции
1.3. Описание проблем представления детерминированной части модели стохастической производственной функции при оценке эффективности
Глава 2. Методика спецификации моделей стохастической производственной функции
2.1. Схема спецификации моделей при отсутствии информации о факторах эффективности в предположении независимости компонент ошибки
2.2. Схема спецификации моделей в случае наличия информации о факторах эффективности в предположении независимости компонент ошибки
2.3. Схема спецификации моделей в предположении возможной зависимости компонент ошибки
Глава 3. Эмпирический анализ методики спецификации моделей трехфакторной стохастической производственной функции
3.1. Формулировка способов оценки интеллектуального и структурного капиталов
3.2. Апробация методики спецификации трехфакторных моделей производственной функции в предположении независимости компонент ошибки
3.2.1. Апробация методики спецификации трехфакторных моделей на примере компаний, работающих на американском рынке
3.2.2. Апробация методики спецификации трехфакторных моделей на примере компаний, работающих на российском рынке
3.3. Исследование влияния предпосылки о независимости случайных составляющих ошибки на значения технической эффективности при отсутствии информации о факторах эффективности
3.4. Исследование влияния факторов эффективности на зависимость случайных составляющих ошибки
Заключение
Список литературы
Приложения
Введение
Актуальность темы исследования. В 1951 году в работе Дебре [Debreu, 1951] впервые было введено понятие технической эффективности, которое может применяться к экономическим объектам различного рода, таким как компании, регионы и отрасли экономики. На сегодняшний день существует целый ряд важных прикладных задач, для решения которых необходимо уметь сравнивать экономические объекты по степени их эффективности. Так, на федеральном уровне постоянно проводится мониторинг регионов с целыо выявления наиболее и наименее эффективных. На местном и региональном уровнях информация, полученная с помощью такого разделения, может быть использована для оценки влияния государственного регулирования рынка на эффективность работы компаний, для исследования эффективности отраслей экономики и ранжирования компаний внутри одной отрасли, для улучшения качества управленческой деятельности. В современных работах техническая эффективность используется, например, для внесения рекомендаций по вопросам регулирования деятельности банков ([Allen, Rai, 1996]; [Dietsch, Lozano, 2000]; [Weil, 2004]), страховых компаний (например, [Балаш, 2013]) и других финансовых организаций (подробный обзор работ можно найти в [Berger, Humphrey, 1997]), для оценки эффективности реформ в сельскохозяйственном ([Drake, Weyman, 1996]; [Nguyen, Giang, 2009]) и промышленном ([Schmidt, Lovell, 1979, 1980]; [Greene, 1990]; [Murillo, 2000]) секторах на федеральном и региональном уровнях и т.п. Таким образом, получение обоснованных оценок технической эффективности является значимым инструментом для принятия верных управленческих решений. В связи с этим возникает необходимость в разработке методики получения таких оценок.
Концепция стохастической граничной производственной функции позволяет не только вычислить оценки технической эффективности, но и учесть влияние факторов эффективности. Выявление значимых факторов эффективности является актуальной практической задачей для любого экономического объекта, так как с их помощью можно объяснить неэффективность и обосновать возможность ее снижения. В диссертационном исследовании эмпирический анализ проводится на данных компаний1, что позволяет сравнить ряд полученных в работе теоретических результатов с результатами других авторов. Отметим, что на данный момент некоторые исследователи получают оценки параметров
1 При этом все полученные результаты могут быть использованы и для анализа других экономических объектов.
модели стохастической производственной функции без какого-либо теоретического обоснования, ориентируясь только на имеющееся у них программное обеспечение, или выбирая наиболее подходящий результат для решения поставленной ими задачи. Как правило, коэффициент ранговой корреляции значений технических эффективностей, построенных при разных спецификациях остатков в стохастических моделях, оказывается достаточно большим, однако сами ранги могут сильно отличаться для конкретной компании, в связи с чем необходим анализ корректности и качества полученных оценок. Кроме того, в случае наличия информации о факторах эффективности, может оказаться, что при разных спецификациях остатков в итоговые модели войдут разные факторы, вследствие чего принятие управленческих решений для повышения эффективности компании будет затруднено. Актуальность проблемы спецификации возрастает с учетом того, что в большинстве существующих работ по данной тематике принимается предпосылка о независимости случайных компонент ошибки в модели стохастической производственной функции. Она позволяет избежать трудоемких вычислений при оценке параметров, неизбежных при отказе от этой предпосылки. Тем не менее, ее справедливость требует подтверждения. Таким образом, для того чтобы осуществить обоснованный выбор модели и получить корректные оценки эффективности, необходимо разработать методику спецификации моделей стохастической производственной функции.
Ряд вопросов, рассматриваемых в диссертации, уже был отражен в иностранной и отечественной литературе. В качестве инструмента оценки технической эффективности в работе используется стохастическая граничная производственная функция. Впервые общепринятые на сегодняшний день понятия технической эффективности и граничной производственной функции были введены в работах Г. Дебре и М. Фаррелла. Формальный эконометрический анализ моделей граничных функций начинается с работы [Aigner, Chu, 1968], которые рассматривали задачу оценки параметров детерминированной граничной функции. П. Шмидт в работе [Shmidt, 1976] подобрал статистический базис для подобных задач. Параллельно эконометрическому подходу к изучению неэффективности развиваются непараметрические методы, где граничная производственная функция строится на основе аппарата линейного программирования ([Ferrier, Lovell, 1987]; [Ершов, 2013]). В работах ([Timmer, 1971]; [Dugger, 1974]) приведено определение так называемых «вероятностных» границ, позволяющих избежать проблемы высокой чувствительности к выбросам в моделях детерминированной граничной функции с помощью включения доли случайных

компетенции/образования персонала и пр. Однако для получения большинства существующих оценок необходимо иметь данные, которые существуют только внутри компаний и их нельзя найти в открытом доступе. Для оценки структурного капитала ([Spatafora, 2004]; [Weatherly, 2003]) можно использовать: затраты на исследования и
разработки; затраты на Selling General and Administrative (одна из составляющих операционных затрат, наряду с затратами на исследования и разработки, включает в себя заработную плату части сотрудников, ренту, расходы на рекламу, стоимость производства и т.п.); число патентов и пр. Также в работе [Spatafora, 2004] приводится ряд оценок структурного капитала, которые нельзя узнать из балансового отчета: число новых клиентов, процент продаж постоянным клиентам, расходы на рекламу, индекс удовлетворенности клиентов, число поставщиков и др.
4) Коэффициент Q-Тобина. В работе [Tobin,1969] впервые был предложен коэффициент Q, равный отношению рыночной стоимости компании к стоимости замещения ее физических активов. Джеймс Тобин разработал его как показатель инвестиционной привлекательности компании. Так, компания с наибольшим значением Q является наиболее привлекательной для инвесторов. Изначально Q-Тобина не рассматривался в качестве оценки интеллектуального капитала, но Алан Гринспэн, председатель Федеральной резервной системы, отметил, что высокие значения показателя Q и отношения рыночной стоимости к
балансовой стоимости (/^g) могут существенно влиять на величину инвестиций в
технологии компании [Stewart, 1997]. В работах ([Roos et al., 1998]; [Stewart, 1997]) отмечены преимущества коэффициента Q перед другими похожими коэффициентами, такими как
отношение Кроме того, в [Stewart, 1997] показано, что Q-Тобина лучше других
подходит для оценки интеллектуального капитала в течение продолжительного времени. Основная трудность такого подхода заключается в определении стоимости замещения физических активов компании, которую могут обоснованно предоставить лишь специалисты в данной области.
5) Метод добавленной экономической стоимости (EVA). Он был предложен компанией Stem Stewart & Company в 1989 году [Biddle et al., 1997]. Согласно им величина добавленной стоимости EVA рассчитывается как разность между чистыми операционными доходами компании за вычетом налогов и стоимостью капитала, относящегося как к собственным, так и к заемным средствам. Самая известная формула вычисления EVA приведена в [Horngren et al., 1997]. Всего же существует около 160 различных формул