Городские агломерационные эффекты, влияющие на производительность предприятий обрабатывающей промышленности

Рисунок - 2 Отраслевая структура выборки

Источник: авторская база данных за 2009-2014 годы на основе генеральной совокупности предприятий обрабатывающей промышленности

Стоит отметить, что данные нашей выборки практически не смещены относительно генеральной совокупности как в отраслевом, так и в региональном разрезе:максимальное отклонение доли отрасли в выборке от ее доли в генеральной совокупности составляет 1,5% (химическое производство), среднее отклонение доли составляет 0,5%; максимальное отклонение доли региона в выборке от доли региона в генеральной совокупности составляет 1% (в Москве), среднее отклонение доли региона составляет всего 0,14%.

Все данные для расчета производственных функций были сведены к базовому году (2009) с помощью применения дефляторов, рассчитанных на основе данных Федеральной службы государственной статистики России по индексам цен производителей в разрезе 4-хзначных видов экономической деятельности (корректировка величин стоимостных характеристик предприятия)и индексам потребительских цен (корректировка заработной платы). С целью получения наиболее общих оценок производственной функции, агломерационных эффектов и самоотбора данные были очищены от выбросов путем удаления 5% максимальных и минимальных значений распределенияпо переменной добавленной стоимости. Также из выборки были удалены недостоверные наблюдения, связанные, чаще всего, с ошибками ввода.



Глава III. Эмпирический анализ производительности предприятий обрабатывающей промышленности России

3.1 Оценивание производственной функции отраслей обрабатывающей промышленности и анализ эффективности производства

Для оценки производственных функций предприятия были разбиты на 23 отрасли обрабатывающей промышленности согласно двузначным классификаторам ОКВЭД. Предполагается, что предприятия, сгруппированные подобным образом, характеризуются схожестью технологических процессов. Безусловно, более детальная группировка предприятий позволила бы получить более точные оценки производственных функций, однако с целью получения устойчивых оценок, требующих наличия достаточного числа наблюдений, в анализе используются относительно агрегированные отрасли. Вследствие малого количества наблюдений для построения оценок из анализа исключена отрасль производства табачных изделий, а также отрасль обработки древесины и производства изделий из дерева и пробки -предприятия данной отрасли отсутствуют в агломерациях.

Стохастическая граница производственных возможностей оценивалась методом максимального правдоподобия. Все регрессии оказались значимы и обладают хорошей объясняющей способностью. После проведения анализа была предсказана эффективность каждого отдельного предприятия в терминах расстояния до границы производственных возможностей. Этот показатель рассматривается в анализе как индикатор уровня производительности предприятия.

В среднем по выборке эффективность предприятий (отношение наблюдаемого значения добавленной стоимости к значению на границе производственных возможностей при заданных параметрах труда и капитала)составила57%.

На рисунке 3 представлено распределение оценок технологической эффективности внутри агломераций и на периферии. Как можно видеть, в агломерации наблюдается в целом меньше низкопроизводительных и больше высокопроизводительных предприятий, а медиана распределения производительности в агломерации и на периферии практически совпадает.

Рисунок - 3 Распределение оценок технологической эффективности предприятий, расположенных в городских агломерациях и на периферии

Источник: оценки автора.

Далее мы приводим средние оценки показателя эффективности предприятий по отраслям (двузначным ВЭДам, см.таблицу 3). Наибольшую эффективность демонстрируют предприятия отраслей производства офисного оборудования и вычислительной техники, металлургического производства и производства кожи, изделий из кожи и производства обуви. Наименьшая средняя производительность наблюдается в пищевой отрасли, отраслях производства кокса и нефтепродуктов и производстве резиновых и пластмассовых изделий.

Отрасль производства кокса и нефтепродуктов демонстрирует наибольшую разницу в средней эффективности предприятий, расположенных внутри и вне агломерационных территорий, -около 20%. Большие разрывы наблюдаются также в производстве судов, летательных и космических аппаратов и прочих транспортных средств (16%), химическом производстве (12%), производстве электрических машин и электрооборудования (12%) и производстве целлюлозы, древесной массы, бумаги, картона и изделий из них (11%).

Единственной отраслью, средняя эффективность предприятий которой меньше в агломерациях, является металлургическое производство, что может объясняться важностью расположения металлургических предприятий вблизи источников сырья, расположенных в России преимущественно вне агломерационных территорий.

Таблица -3 Средняя оценка технологической эффективности предприятий по отраслям в границах и вне границ городских агломераций

Отрасль	ВЭД	Средняя эффективность предприятий отрасли, %
		На периферии	В городской агломерации
Производство пищевых продуктов, включая напитки	15	20,4	26,4
Текстильное производство	17	65,0	72,1
Производство одежды; выделка и крашение меха	18	76,6	82,3
Производство кожи, изделий из кожи и производство обуви	19	80,0	82,0
Производство целлюлозы, древесной массы, бумаги, картона и изделий из них	21	51,2	62,2
Издательская и полиграфическая деятельность, тиражирование записанных носителей информации	22	73,2	80,7
Производство кокса, нефтепродуктов и ядерных материалов	23	28,1	48,7
Химическое производство	24	59,5	71,9
Производство резиновых и пластмассовых изделий	25	29,4	33,0
Производство прочих неметаллических минеральных продуктов	26	71,6	77,1
Металлургическое производство	27	80,5	76,8
Производство готовых металлических изделий	28	58,9	62,1
Производство машин и оборудования	29	52,0	61,6
Производство офисного оборудования и вычислительной техники	30	94,6	95,0
Производство электрических машин и электрооборудования	31	55,6	67,8
Производство аппаратуры для радио, телевидения и связи	32	33,8	44,1
Производство изделий медицинской техники, средств измерений, оптических приборов и аппаратуры, часов	33	71,5	78,1
Производство автомобилей, прицепов и полуприцепов	34	34,0	40,4
Производство судов, летательных и космических аппаратов и прочих транспортных средств	35	61,6	77,6
Производство мебели и прочей продукции, не включенной в другие группировки	36	61,3	62,9
Обработка вторичного сырья	37	62,3	72,8

Источник: оценки автора.

Региональное распределение средней эффективности предприятий представлено на рисунке 4. Наивысший уровень эффективности наблюдается в Москве и Московской области, Санкт-Петербурге, Ханты-Мансийском и Ямало-Ненецком автономных округах. Отстают по по показателю эффективности наименее развитые территории России - Республика Алтай, Дагестан, Ингушетия, Калмыкия, Северная Осетия, Кабардино-Балкарская и Чеченская Республики.



Рисунок - 4 Региональное распределение средней эффективности предприятий

Источник: оценки автора.

Примечание: более темные участки отражают более высокий уровень средней эффективности.

Как можно видеть из карты распределения по регионам (рисунок 4), средняя эффективность довольно сильно варьируется в региональном разрезе, следовательно, при оценивании агломерационных эффектов действительно необходимо учитывать региональную принадлежность предприятия. В зависимости от специфики региона, в котором она расположена, агломерация может быть более или менее благоприятным местом для проявления агломерационных эффектов.

3.2 Оценка влияния агломерационных эффектов и самоотбора на производительность предприятий в России

Результаты оценивания базовой модели (уравнение(8)) на полной выборке приведены в таблице 4, контрольные переменные отрасли и региона включены в модель, но не показаны в таблице. Референтной отраслью является производство пищевых продуктов, включая напитки (ВЭД 1500).

Таблица -4 Результаты оценки базовой моделина полной выборке

Переменные	Зависимая переменная -технологическая эффективность (TE)
	Оценка коэффициента	Стандартная ошибка
Агломерация (AG)	0.935***	(0.213)
Индекс локализации (LOC)	-2.551	(1.710)
Индексдиверсификации (DIV)	-39.79***	(2.220)
Логарифм численности населения региона (lnPop)	-2.182	(2.089)
Уровень конкуренции (Comp)	-1.109***	(0.145)
Плотность автомобильных дорог (Auto)	0.007***	(0.000)
Акционерное предприятие (JSC)	-3.801***	(0.195)
Логарифм числа занятых на предприятии (Ln(Emp))	0.154***	(0.033)
Возраст предприятия (Old)	0.437***	(0.016)
Квадрат возраста предприятия (Old2)	-0.002***	(0.000)
Отрасль (4-хзначный ВЭД) контролируется (Ind)
Регион контролируется (Reg)
N	170 288
R-sq	0.753

Примечание: таблица представляет результаты оцениванияметодом МНК панельной регрессии уравнения (8).*** p<0.01, ** p<0.05, * p<0.1

Источник данных: собранная автором база данных по предприятиям обрабатывающей промышленности России за 2009-2014 годы.

Оценки коэффициентов подтверждают существование городской агломерационной премии в производительности предприятий. Коэффициент при дамми-переменной агломерации значим и положителен, что свидетельствует о положительном воздействии размещения предприятия в границах городской агломерации на его эффективность. Размер премии, однако, является довольно малым - присутствие в агломерации увеличивает производительность всего на 0,94%.

Стоит отметить, что экстерналии специализации, диверсификации, объема рынка и уровня конкуренции, будучи рассчитанными на уровне региона, не позволяют учесть эффект воздействия именно агломерационных экстерналий на производительность.Влияние данных переменных осуществляется на производительность всех предприятий внутри отдельных отраслей и регионов. В то время как коэффициент при агломерационной переменной содержит в себе влияние именно агломерационных внешних эффектов на производительность предприятий в агломерации.

Данные анализа отражают существование диверсификационныхэкстерналий на уровне региона, коэффициент при переменной отраслевой диверсификации региона значим и отрицателен, что свидетельствует о положительном влиянии диверсификации производства на эффективность отдельных фирм (более низкие уровни переменной DIV отражают большую диверсификацию региона), что подтверждает теорию Джейкобс. А вот подтверждения эффектов специализации отрасли не обнаружено - коэффициент при уровне локализации оказался незначимым.

Коэффициент при переменной логарифма численности населения региона также оказался незначим, таким образом, объем субнационального рынка на наших данных не влияет на премию в производительности на уровне предприятия. Действительно, показатель численности населения региона в российских реалиях, скорее всего, слабо отражает существующий рыночный потенциал. Регионы России, в отличии, к примеру, от европейских, являются очень крупными, что приводит к повышениютранспортных издержек перемещения товаров внутри одного региона, и предприятие, расположенное в той или иной локации, не пользуется в полной мере всем региональным спросом, обслуживая лишь часть территории. К тому же границы регионов условны, и предприятие может обслуживать более близкие или более богатые межрегиональные рынки.

Зависимость эффективности от уровня конкуренции подтверждается, что свидетельствует о существовании экстерналий Портера. В регионах, где конкуренция является более сильной, предприятия демонстрируют более высокуюпроизводительность, и конкуренция, скорее всего,стимулирует рост, оказывая давление на компании, стимулируя их заниматься инновациями и повышать эффективностьК оценке этого результата следует подходить с осторожностью, поскольку мы не можем исключить проблемы эндогенности показателей эффективности и конкуренции, и нельзя исключить, что направление причинно-следственной связи имеет обратный характер, поскольку более эффективные предприятия в свою очередь могут оказывать влияние на структуру рынка. Но поскольку в настоящей работе ставится задача проверки самоотбора в агломерацию, эндогенный характер других контролей в данном случае не изучается.

Получив результаты оценки базовой модели, следующим шагом мы проверяем устойчивость полученных результатов по двум направлениям. Во-первых, возможно, что агломерационные эффекты генерируются вовсе не всеми городскими поселениями, тем более спутниками - малыми городами вблизи агломерационных центров. Чтобы проверить это предположение, основная выборка была разделена на три подвыборки: предприятия в населенных пунктах с численностью населения до 100 тысяч человек, от 100 до 500 тысяч человек и от 500 тысяч до 1 миллиона человек (выборка с предприятиями, расположенными в городах-милионниках, не рассматривается, т.к. все из них уже являются агломерациями). Результаты регрессий приведены в таблице 5.

Во-вторых, проверка на устойчивость базовой модели проводится на основе предприятий, созданных при плановой экономике СССР ив послереформенное время, имея ввиду, что только новые предприятия принимали предпринимательское решение о месте размещения, и они вправе рассчитывать на агломерационную премию. Чтобы проверить, соблюдаются ли результаты, полученные на всей выборке, для предприятий, основанных до 1991 года, выборка была разделена на две подгруппы по году основания. Результаты регрессий на подвыборках представлены в таблице 6.



Таблица - 5 Результаты оценки базовой моделина подвыборках в зависимости от размера населенного пункта

Переменные	Зависимая переменная - технологическая эффективность (TE)
	Численность населения населенного пункта, в котором действует предприятие
	До 100 тыс.	100 - 500 тыс.	500 тыс. - 1 млн
Агломерация (AG)	1.067***	-0.570	-0.859
	(0.222)	(0.756)	(1.150)
Индекс локализации (LOC)	0.751	-25.04**	13.78***
	(1.622)	(11.26)	(3.238)
Индекс диверсификации (DIV)	-36.17***	-125.1***	-60.16***
	(2.349)	(22.15)	(6.954)
Логарифм численности населения региона (lnPop)	1.724	-204.2***	-126.7***
	(2.153)	(27.00)	(15.37)
Уровень конкуренции (Comp)	-0.930***	-0.783	-2.138***
	(0.147)	(1.270)	(0.635)
Плотность автомобильных дорог (Auto)	0.007***	0.018***	0.013***
	(0.000)	(0.003)	(0.002)
Акционерное предприятие (JSC)	-3.320***	-1.298*	-2.358***
	(0.200)	(0.747)	(0.623)
Логарифм числа занятых на предприятии (Ln(Emp))	0.126***	0.0250	0.131
	(0.038)	(0.190)	(0.089)
Возраст предприятия (Old)	0.370***	0.210*	0.0730
	(0.016)	(0.117)	(0.050)
Квадрат возраста предприятия (Old2)	-0.00142***	-0.00140	-0.000434
	(0.000)	(0.004)	(0.001)
Отрасль (4-хзначный ВЭД) контролируется (Ind)
Переменные	Зависимая переменная - технологическая эффективность (TE)
	Численность населения населенного пункта, в котором действует предприятие
	До 100 тыс.	100 - 500 тыс.	500 тыс. - 1 млн
Регион контролируется (Reg)
N	133 683	7 895	10 499
R-sq	0.765	0.764	0.842

Примечание: в данной таблице представлены оценки уравнения (8) панельной МНК регрессии на подвыборках предприятий, размещенных в городах разного размера. Стандартные ошибки указаны в скобках; *** p<0.01, ** p<0.05, * p<0.1

Источник данных: собранная автором база данных по предприятиям обрабатывающей промышленности России за 2009-2014 годы.

Как видно из таблицы 5, коэффициент при переменной агломерации значим лишь для предприятий, расположенных в населенных пунктах с численностью менее 100 тысяч человек. То есть, лишь для предприятий относительно малых городов и поселков генерируется премия в производительности от их вхождения в агломерацию.

Для более крупных городов эффект от агломерации незначим, что может объясняться возможностью предприятий крупных городов пользоваться ресурсами собственного города, в то время как предприятия малых поселений-спутников используют ресурсы агломерационного центра. Крупные города, как правило, являются более развитыми, и, по сути, являются самостоятельными небольшими агломерациями, способными предоставлять предприятиям определенные преимущества, вне зависимости от расположения вблизи агломерационного центра или на периферийных территориях.

Воздействие локализации отрасли на производительность предприятийсильно варьируется между городами разного размера. Производительность предприятий крупных городов значимо и положительно зависит от локализации отрасли в регионе. Числитель индекса локализации (занятость в отрасли в регионе), чаще всего формируется именно за счет предприятий отрасли, расположенных в крупных городах, где они концентрируются, следовательно, именно в крупных городах наиболее ярко могут проявляться эффекты специализации через легкость обмена знаниями и технологиями и наличие плотного рынка специализированного труда.

Малые города и поселки представлены в России как рядом с крупными городами, так и на существенном отдалении от них, то есть могут как иметь хорошую возможность для получения бонусов от специализации, так и не иметь ее вовсе, что отражается в незначимости коэффициента при локализационной переменной.

Переменная локализации оказывает отрицательное воздействие на эффективность предприятий городов среднего размера, что может быть объяснено наличием в данной подвыборкегородов, характеризующиеся наличием градообразующих предприятий (примерами в нашей базе могут быть Альметьевск, Магнитогорск, Норильск, Арзамас),которые зачастую вынуждены жертвовать эффективностью с целью поддержания стабильной социально-экономической обстановки в городе. В то же время именно для этих городов наблюдается наибольший эффект диверсификации на эффективность.

На производительность предприятий малых городов и поселков и крупных городов диверсификация экономики региона также оказывает положительное воздействие.

Коэффициенты при переменной логарифма численности населения региона демонстрируют неожиданную направленность для предприятий средних и крупных городов, что вероятно, также является следствием территориальных особенностей России.

Таблица -6 Результаты оценки базовой моделина подвыборках в зависимости от года основания предприятия

Переменные	Зависимая переменная - TE
	Основанные до 1991 года	Основанные после 1991 года
Агломерация (AG)	0.783	0.899***
	(1.585)	(0.215)
Индекс локализации (LOC)	-22.89	-2.171
	(16.64)	(1.713)
Индекс диверсификации (DIV)	-33.18**	-38.24***
	(13.03)	(2.240)
Логарифм численности населения региона (lnPop)	2.241	-2.719
	(9.950)	(2.129)
Уровень конкуренции (Comp)	-0.835	-1.081***
	(1.062)	(0.146)
Плотность автомобильных дорог (Auto)	0.009***	0.007***
	(0.002)	(0.000)
Акционерное предприятие (JSC)	-1.042	-3.939***
	(1.006)	(0.202)
Логарифм числа занятых на предприятии (Ln(Emp))	-0.078	0.141***
	(0.242)	(0.034)
Возраст предприятия (Old)	0.374***	0.477***
	(0.064)	(0.032)
Квадрат возраста предприятия (Old2)	-0.001***	-0.002
	(0.000)	(0.001)
Отрасль (4-хзначный ВЭД) контролируется (Ind)
Регион контролируется (Reg)
N	4 112	166 176
R-sq	0.833	0.753

Примечание: в данной таблицепредставлены оценки уравнения (8) панельной МНК регрессии на подвыборках предприятий, основанных до и после 1991 года. Стандартные ошибки указаны в скобках; *** p<0.01, ** p<0.05, * p<0.1

Источник данных: собранная автором база данных по предприятиям обрабатывающей промышленности России за 2009-2014 годы.

Как можно видеть из таблицы 6, для предприятий, основанных в советский период, коэффициент при переменной агломерации является незначимым. Объяснением этому могут служить нерыночные механизмы размещения предприятий в советское время, которые, по-видимому, не были связаны с использованием преимуществ от благоприятного географического положения в границах городских агломераций.

Невозможность получения этими предприятиями бонусов от агломераций, вероятнее всего связана с не соответствующей характеристикам агломерационного рынка ориентацией производства и, таким образом, невозможностью разделения положительных экстерналий, возникающих на агломерационных рынках. Кроме того, многие из старых предприятий обрабатывающей промышленности, скорее всего, выработали технологический ресурс и не модернизировались в послереформенное время, что также сказалось на их низкой эффективности как в границах городских агломераций, так и вне их.

Стоит, однако, отметить, что предприятий, основанных в СССР в выборке представлено довольно мало - во-первых, выборка ограничена 2009-2014 годами, и во-вторых, мы можем не наблюдать часть предприятий, основанных на самом деле до 1991 года, однако реорганизованных в период после распада Советского Союза. Таким образом, полученные результаты не позволяют в полной мере говорить об отсутствие положительных экстерналий для предприятий в агломерациях, основанных до 1991 года из-за недостаточного количества наблюдений.

Коэффициенты при переменной агломерации оказались значимыми в большинстве оценок базовой модели, однако это не означает, что весь эффект увеличения производительности в агломерации по сравнению с периферией происходит вследствие возникновенияагломерационных эффектов. Ключевым моментом возникновения агломераций, как показал теоретический обзор, может быть самоотбор предприятий, и, как уже говорилось выше в работе, его наличие может приводить к изменению распределения производительности, отражающегося в ее более высоких средних уровнях внутри агломерации.

Для проверки наличия самоотбора предприятий были оценены три регрессии, зависимыми переменными в которых выступают характеристики распределения производительности - 10-й, 50-й и 90-й процентили. Результаты регрессий представлены в таблице 7.



Таблица - 7 Результаты оценки уравнения (10) - проверка эффектов самоотбора эффективных предприятий в городские агломерации

Переменные	Процентили распределения
	10	50	90
Агломерация (AG)	-0.983***	0.233	0.848***
	(0.157)	(0.161)	(0.149)
Индекс локализации (LOC)	3.494***	-1.654**	7.376***
	(0.776)	(0.757)	(0.663)
Индекс диверсификации (DIV)	-60.92***	-58.12***	-46.45***
	(1.465)	(1.261)	(0.985)
Логарифм численности населения региона (lnPop)	15.59***	3.296***	-5.781***
	(1.439)	(1.238)	(0.966)
Уровень конкуренции (Comp)	0.590***	-0.850***	-2.703***
	(0.152)	(0.133)	(0.105)
Плотность автомобильных дорог (Auto)	0.013***	0.012***	0.014***
	(0.000)	(0.000)	(0.000)
Отрасль (4-хзначный ВЭД) контролируется (Ind)
Регион контролируется (Reg)
N	178 078	178078	178,078
R-sq	0.712	0.825	0.819

Примечание: в данной таблице представлены оценки уравнения (10) панельной МНК регрессии. Стандартные ошибки указаны в скобках; *** p<0.01, ** p<0.05, * p<0.1

Источник данных: собранная автором база данных по предприятиям обрабатывающей промышленности России за 2009-2014 годы.

В целом по выборке гипотеза о наличии самоотбора в терминах левостороннего усечения распределения производительности не подтверждается. Более того, в регрессии 10-го процентиля коэффициент при переменной агломерации имеет отрицательный знак и является значимым. Следовательно, в целом, в агломерации наблюдается больше низкопроизводительных предприятий, чем на периферии. Регрессии, оцененные по отдельным отраслям, также не показали ни одного значимого коэффициента при агломерационной дамми. То есть, левостороннего отсечения распределения производительности в агломерации не наблюдается ни в одной из отраслей.

Результаты, полученные в регрессии процентилей распределения (таблица 8), могут свидетельствовать о наличии двустороннего отбора предприятий в агломерацию. Согласно методологии, были оценены отраслевые регрессии, где зависимой переменной является вероятность попадания наблюдения в 10-й и 90-й процентили распределения очищенной от среднего значения производительности, а регрессором - дамми вхождения предприятия в агломерацию. Рассмотрение показателя производительности, очищенного от средних значений внутри отрасли, региона и агломерации, позволяет исключить часть производительности, объясненной агломерационными эффектами, региональными и отраслевыми характеристиками, позволяя, таким образом сосредоточиться именно на самоотборе предприятий. Результаты оценок коэффициентов по отраслям представлены в таблице8.Поскольку оценка уравнений (10) и (11) производилась с использованием логистической регрессии, коэффициенты не могут быть проинтерпретированы, значение имеет лишь их значимость и знак.

Таблица - 8Результаты оценки моделей (11) и (12) вероятности попадания предприятия в процентили распределения производительности - проверка на двусторонний самоотбор предприятий

Отрасль	ОКВЭД	P(Xi<p10)	P(Xi>p90)	N
Производство пищевых продуктов, включая напитки	15	1.205*** (8.24)	2.120*** (12.03)	932
Текстильное производство	17	0.801* (2.39)	0.358 (0.99)	24473
Производство одежды; выделка и крашение меха	18	3.098*** (5.16)	0.543** (2.80)	10293
Производство кожи, изделий из кожи и производство обуви	19	2.115** (2.90)	2.257** (2.82)	15588
Производство целлюлозы, древесной массы, бумаги, картона и изделий из них	21	1.070** (2.59)	0.997* (2.36)	3839
Издательская и полиграфическая деятельность, тиражирование записанных носителей информации	22	0.998*** (5.32)	1.116*** (5.89)	22035
Производство кокса, нефтепродуктов и ядерных материалов	23	1.845* (2.38)	0.949 (0.91)	26673
Химическое производство	24	0.0929 (0.31)	0.159 (0.72)	3709
Производство резиновых и пластмассовых изделий	25	0.778*** (3.85)	0.943*** (3.75)	4788
Производство прочих неметаллических минеральных продуктов	26	0.307 (1.36)	0.273 (1.50)	1220
Металлургическое производство	27	0.900*** (5.77)	0.871*** (4.56)	24
Производство готовых металлических изделий	28	0.103 (0.59)	0.912*** (6.86)	3439
Производство машин и оборудования	29	0.286 (1.71)	0.782*** (4.96)	12832
Отрасль	ОКВЭД	P(Xi<p10)	P(Xi>p90)	N
Производство офисного оборудования и вычислительной техники	30	0.716 (1.77)	2.078 (1.80)	976
Производство электрических машин и электрооборудования	31	1.487*** (6.32)	0.731** (2.82)	7769
Производство аппаратуры для радио, телевидения и связи	32	2.757** (2.79)	0.993 (1.60)	3669
Производство изделий медицинской техники, средств измерений, оптических приборов и аппаратуры, часов	33	0.772* (2.36)	0.734 (1.47)	13823
Производство автомобилей, прицепов и полуприцепов	34	0.0591 (0.12)	0.682 (1.16)	3549
Производство судов, летательных и космических аппаратов и прочих транспортных средств	35	1.017 (1.56)	0.218 (0.48)	9919
Производство мебели и прочей продукции, не включенной в другие группировки	36	0.642** (3.22)	1.087*** (5.10)	1509
Обработка вторичного сырья	37	-0.123 (-0.44)	-0.0940 (-0.33)	4420

Примечание: в данной таблице представлены оценки уравнений (11) и (12) панельной логит-регрессии с зависимой переменной - характеристикой распределения очищенной производительности внутри региона и 2-значного ВЭДа. Стандартные ошибки указаны в скобках; *** p<0.01, ** p<0.05, * p<0.1

Источник данных: собранная автором база данных по предприятиям обрабатывающей промышленности России за 2009-2014 годы.

Как видно из таблицы 8, наличие двустороннего отбора предприятий подтверждается для многих отраслей российской обрабатывающей промышленности, в частности, для пищевой и целлюлозно-бумажной отраслей, отраслей производства одежды, выделки и крашения меха,производства кожи, изделий из кожи и производства обуви, производства резиновых и пластмассовых изделий и производства мебели, металлургического производства, производства электрических машин и электрооборудования.

Коэффициенты при агломерационной дамми в регрессиях как 10-го, так и 90-го процентиля для этих отраслей оказались значимыми, что свидетельствует о более «толстом» распределении производительности на концах в агломерации по сравнению с периферийными территориями. Получение такого результата согласуется с моделью Forslidи Okubo (2014), двусторонний самоотбор имеется в тех отраслях, в которых возможно соседство высокопроизводительных капиталоемких предприятий и предприятий низкопроизводительных с низкой капиталоемкостью, но высокой добавленной стоимостью.

Проведенный анализ, таким образом, подтверждает наличие в России эффектов самоотбора предприятий на агломерационные рынки и не дает определенного подтверждения существования агломерационных эффектов. В то же время, нельзя в полной мере исключать влияние агломерационных эффектов на рост производительности предприятий в агломерациях, так как наблюдается увеличение числа более производительных предприятий на агломерационных рынках и общие выводы позволяют наблюдать картину роста производительности, которую нельзя полностью объяснить самоотбором.

Таким образом, эмпирическим анализом отвергается гипотеза H1 об исключительном объяснении более высокой производительности предприятий в агломерациях существованием агломерационных эффектов. Гипотезы H2 иH3 не отвергаются результатами анализа, однако, полученные оценки скорее свидетельствуют в пользу гипотезы H3 о влиянии на повышение производительности предприятий в агломерациях, как агломерационных эффектов, так и самоотбора предприятий. Для получения более точных результатов, необходимо проведение дополнительного анализа с использованием детальной городской экономической статистики, которая, к сожалению, отсутствует в доступных нам базах данных для поселений с численностью населения менее 100 тысяч человек.



Заключение

Существование внутриотраслевых разрывов в производительности предприятий, расположенных внутри агломерации и на периферийных территориях, подтверждается множеством экономических исследований производительности на данных различных стран, в том числе и в России. Предприятия в городских агломерациях устойчиво характеризуются более высокими уровнями производительности по сравнению с предприятиями той же отрасли, расположенными вне агломерационных территорий.

На протяжении долгого времени данное преимущество, или агломерационная премия, объяснялась в экономической литературе исключительно существованием агломерационных эффектов - экстерналий, возникающих вследствие концентрации экономической активности в отдельных локациях. К основным видам экстерналий относят три вида внешних эффектов: эффекты специализации, диверсификации и конкуренции.

В последние годы, однако, появляется все больше исследований, демонстрирующих, что более высокая производительность предприятий на агломерационных рынках может объясняться не только и не столько агломерационными эффектами, сколько самоотбором более производительных предприятий на эти рынки.

Согласно одной теории самоотбора, жесткая конкуренция и высокие затраты на ресурсы, наблюдаемые в агломерации, вынуждают менее эффективные фирмы не входить на этот рынок, отражаясь в левостороннем отсечении распределения производительности в агломерации, что объясняет более высокие наблюдаемые средние уровни производительности. Согласно другой теории, отбор фирм в агломерацию может происходить с двух сторон распределения: в агломерации, предъявляющей относительно высокий спрос на товары повседневного и немассового спроса, могут быть представлены как наиболее производительные предприятия, генерирующие основной продукт с использованием большого количества станков и оборудования, так и относительно небольшие предприятия, производящие товары почти ручного производства, но часто - с высокой добавленной стоимостью.

Нами был проведен анализ наличия агломерационных эффектов и самоотбора предприятий на данных по предприятиям обрабатывающей промышленности России за 2009-2014 годы.

Согласно полученным оценкам технологической эффективности предприятий, в России премия в производительности предприятий на агломерационных рынках невелика и составляет лишь 0,94%.

Результаты анализа не отрицают существования агломерационных эффектов, однако и не дают строгого подтверждения их наличия. Мы не обнаружили смещения распределения производительности в агломерации вправо по сравнению с вне-агломерационными территориями, которое, согласно теории, должно происходить при возникновении агломерационных эффектов. Однако, распределение производительности в агломерации характеризуется большей долей высокопроизводительных предприятий, чем на периферии, и возможно, что преимущества агломерации получают лишь наиболее производительные фирмы. Важный результат состоит также в том, что малые спутники крупных городов - наиболее очевидные бенефициары агломерационных эффектов, что может говорить в пользу разработки мер региональной политики, повышающих транспортную связанность территорий вокруг крупных городов, что «пристегнет» к траектории эффективного роста более широкий круг предприятий в малых городах.

Мы не обнаружили левостороннего отсечения распределения производительности в агломерациях, что отрицает гипотезу о наличии самоотбора в агломерации лишь наиболее производительныхпредприятий и выходе наименее производительных фирм с агломерационных рынков вследствие высокой конкуренции.

Проведенный анализ выявил наличие другого типа самоотбора - двустороннего. Согласно результатам, для многих отраслей российской обрабатывающей промышленности наблюдается отбор в агломерацию предприятий с двух сторон распределения производительности. В отдельных отраслях в агломерации присутствует больше как высокопроизводительных капиталоемких предприятий, так и предприятий низкопроизводительных с низкой капиталоемкостью, но высокой добавленной стоимостью. Это справедливо для отраслей, в которых возможно такое соседство, в частности,для пищевой и целлюлозно-бумажной отраслей, отраслей производства одежды, выделки и крашения меха,производства кожи и обуви, производства мебели и других. Несмотря на отбор с двух сторон распределения, самоотбор более производительных предприятий является более выраженным, что отражается в увеличении средней производительности предприятий в агломерации.

Таким образом, полученные результаты анализа производительности обрабатывающей промышленности России, позволяют сделать вывод о том, что величина агломерационной премии в производительности предприятий обрабатывающей промышленности, размещенных в агломерациях, во-первых, является в России небольшой и, во-вторых, в большей степени объясняется самоотбором наиболее производительных фирм в агломерации, хотя влияние агломерационных эффектов на существование разрывов не исключается.

Для дальнейшего исследования воздействия агломерации на производительностьнеобходим поиск иных эконометрических методов оценки для получения более точных оценок агломерационных эффектов и разграничения влияния агломерационных экстерналий и эффектов самоотбора, проявляющихся на российских рынках. Также рекомендуется проведение более детального анализа производительности предприятий отдельных отраслей - результаты, полученные в данной работе, свидетельствуют об отраслевой неоднородности проявления как агломерационных эффектов, так и самоотбора.

Также стоит обратить более пристальное внимание на учет в анализе индивидуальных характеристик предприятий. В базе данных, используемой в данной работе, индивидуальные характеристики представлены относительно небольшим количеством параметров, в то время как такие свойства фирмы, как инвестиции в НИОКР, участие в обществах, занимающихся научно-исследовательской деятельностью и созданием инноваций, объем инвестиций в человеческий капитал и прочие имеют не последнее значение при анализе агломерационных эффектов(Stavropoulos, 2016).Доступ к данным городской статистики для поселений всех размеров также обогатит представление о механизмах действия экстерналий на уровне городов на характер проявления эффектов на производительность.

обрабатывающий производительность агломерационный промышленность



Список литературы

Accetturo A., Di Giacinto V., Micucci G., Pagnini M. 2011. Local productivity differences through thick and thin: market size, entry costs and openness to trade. Preliminary draft, 2011.

Affuso A., Capello R., Fratesi U. 2011. Globalization and competitive strategies in European vulnerable regions. Regional Studies, 45, pp. 657-675, 2011.

Andersson M., Klaesson J., Larsson J.P.2016.How local are spatial density externalities? Neighbourhood effects in agglomeration economies. Regional Studies, 50 (6), pp. 1082-1095.

Arimoto Y., Nakajima K., Okazaki T. Sources of productivity improvement in industrial clusters: The case of the prewar Japanese silk-reeling industry. Regional Science and Urban Economics, 46 (1), pp. 27-41, 2014.

Arrow K.J. The Economic Implications of Learning by Doing. 1962. Review of Economic Studies, 29, pp. 155-173.

Baldwin R., Okubo T. 2006.Heterogeneous firms, agglomeration and economic geography: spatial selection and sorting. Journal of Economic Geography, 6 (3), pp. 323-346.

Behrens K., Duranton G., Robert-Nicoud F. 2014.Productive cities: sorting, selection, and agglomeration. Journal of Political Economy, 122 (3), pp. 507-553.

Bigsten M.,Gebreeyesus E.,SibaS.M. 2011. The effects of agglomeration and competition on prices and productivity: evidence for Ethiopia's manufacturing sector. Essays on Industrial Development and Political Economy of Africa.

Brinkman J., Coen-Pirani D., Sieg H. 2015.Firm dynamics in an urban economy. International Economic Review, 56 (4), pp. 1135-1164.

Brock G. 2002.Intercity, industrial performance and JSC finance in Moscow Region, 1993-1995 - Just a lot of company towns? Post-Communist Economies, 14 (2), pp. 259-270.

Cainelli G., Montresor S., VittucciMarzetti G. 2014.Spatial agglomeration and firm exit: A spatial dynamic analysis for Italian provinces. Small Business Economics, 43 (1), pp. 213-228.

Combes P.-P., Duranton G., Gobillon L., Puga D., Roux S. 2012.The productivity advantages of large cities: distinguishing agglomeration from firm selection. Econometrica, 80 (6), pp. 2543-2594.

Combes P.-P., Gobillon L. 2014.The empirics of agglomeration economies.IZA Discussion Paper, No. 8508.

Di Lucio J.J., HerzeJ.J., Goicolea A. 2002. The effects of externalities on productivity growth in Spanish industry.Regional Science and Urban Economics, 32, pp. 241-258.

Dubй, J., Brunelle, C. 2014.Dots to dots: a general methodology to build local indicators using spatial micro-data. Annals of Regional Science, 53 (1), pp. 245-272.

Duranton G. 2015.Growing through cities in developing countries. World Bank Research Observer, 30 (1), lku006, pp. 39-73.

EllisonG., Glaeser E.L., Kerr W.R.2010. What causes industry agglomeration? Evidence from coagglomerationpatterns. American Economic Review,100, pp. 1195-1213.

Faggio G., Silva O., Strange W.C. 2014. Heterogeneous agglomeration. UK Spatial Economics Research Centre Discussion Papers, SERCDP0152.

Ferragina A.M., Mazzotta F. 2015. Agglomeration economies in Italy: impact on heterogeneous firms' exit in a multilevel framework. Economia e PoliticaIndustriale, 42 (4), pp. 395-440.

ForslidR., Okubo T. 2014.Spatial sorting with heterogeneous firms and heterogeneous sectors. Regional Science and Urban Economics, 46, pp. 42-56.

Glaeser E.L., KallalH.D., ScheinkmanJ. A., ShleiferA. 1992. Growth in Cities. Journal of Political Economy, 100(6), Centennial Issue, pp. 1126-1152.

Gonchar K., Ratnikova T. 2013. Do agglomeration forces bring productivity gains to manufacturing firms in Russian urban agglomerations? 53th International congress of the European Regional Science Association.

Gonchar K., Ratnikova T. 2012. Explaining the productivity advantages of manufacturing firms in Russian urban agglomeration. WP BRP 22/EC/2012.

Henderson J.V. 2003.Marshall's scale economies. Journal of Urban Economics, 53, pp. 1-28.

Henderson J.V., Kuncoro A., Turner M.1995. Industrial development in cities. Journal of Political Economy, 103, pp. 1067-1090.

Henderson J.V., Shalizi Z., Venables A.J.2001. Geography and development. Journal of Economic Geography, 1, pp. 81-105.

Holl A. 2013.Firm location and productivity in Spain. InvestigacionesRegionales, 25, pp. 27-42.

Holmes T., Stevens J. 2002.Geographic concentration and establishment scale. Review of Economics and Statistics, 84, pp. 682-690.

HuC., XuZ., Yashiro N. 2015. Agglomeration and productivity in China: firm level evidence. China Economic Review, 33, pp.50-66.

Jacobs J. 1969. The Economy of Cities. New York: Vintage, 288 p.

Krugman P. 1998.What's new about the new economic Geography? Oxford Review of Economic Policy, 14,pp. 7-16.

Kumbhakar S., Lovell K. 2000. StochasticFrontier Analysis. Cambridge UK: Cambridge University Press, 333 p.

Kumbhakar S., Wang H.-J., Horncastle A.P. 2015. A Practitioner's Guide to Stochastic Frontier Analysis Using Stata. Cambridge University Press, 374 p.

Lццf H., Nabavi P. 2015. Knowledge spillovers, productivity and patent. Annals of Regional Science,55 (1), pp. 249-263.

Marshall A. Principles of Economics. 1920. 8th ed., London, Macmillan and Co., 731 p.

Martнn-Barroso D., Nъсez-Serrano J.A., Velбzquez F.J. 2015.The effect of accessibility on productivity in Spanish manufacturing firms. Journal of Regional Science, 55 (5), pp. 708-735.

Melitz M. and Ottaviano G.I.P.2008.Market size, trade, and productivity. Review of Economic Studies, 75, pp. 295-316.

Melitz M.J.2003.The impact of trade on intra-industry reallocations and aggregate industry productivity.Econometrica, 71 (6), pp.1695-1725.

Mion G., Naticchioni, P. 2009.The spatial sorting and matching of skills and firms. Canadian Journal of Economics, 42, pp. 28-55.

NeffkeF., HenningM., Boschma R.2012. The impact of aging and technological relatedness on agglomeration externalities: a survival analysis. Journal of Economic Geography, 12, pp. 485-517.

OkuboT., Picard P.M., Thisse J.-F. 2010.The spatial selection of heterogeneous firms. Journal of International Economics, 82, pp. 230-237.

Porter M.E. 1990. The Competitive Advantage of Nations. New York: Free Press, 896 p.

Rice P., Venables A. J., Patacchini E. 2006.Spatial determinants of productivity: analysis for the regions of Great Britain. Regional Science and Urban Economics, 36, pp. 727-752.

Rizov M., Oskam A., Walsh P.2012. Is there a limit to agglomeration? Evidence from productivity of Dutch firms. Regional Science and Urban Economics, 42 (4), pp. 595-606.

Rizov M., Zhang X. 2014.Regional disparities and productivity in China: evidence from manufacturing micro data. Papers in Regional Science, 93 (2), pp. 321-339.

Romer P.M. 1986.Increasing returns and long-run growth. Journal of Political Economy, 94,pp. 1002-1037.

Saito H. 2015.Firm heterogeneity, multiplant choice, and agglomeration. Journal of Regional Science, 55(4), pp. 540-559.

Saito H., Gopinath M., Wu J. 2011.Heterogeneous firms, trade liberalization and agglomeration. Canadian Journal of Economics, 44 (2), pp. 541-560.

SaitoH.,Gopinathy M.2009. Plants' self-selection, agglomeration economies and regional productivity in Chile. Journal of Economic Geography, 9, pp. 539-558.

Stavropoulos S., Skuras D. 2016. Firm profitability and agglomeration economies: an elusive relationship. TijdschriftvoorEconomische en SocialeGeografie, 107 (1), pp. 66-80.

Syverson C. 2004.Market structure and productivity: a concrete example. Journal of Political Economy, 112(6), pp. 1181-1222.

Wooldridge J.M. 2002. Econometric analysis of cross section and panel data. Cambridge, Mass.: MIT Press,735 p.

Бессонова Е.В. 2011.Эконометрический анализ влияния внутренней конкуренции и иностранных инвестиций на эффективность российских промышленных предприятий.Диссертация.

Гончар К.Р., Ратникова Т.А.2014. Оценка и объяснение городских агломерационных эффектов для обрабатывающей промышленности России. XIV Апрельская международная научная конференция по проблемам развития экономики и общества, кн. 3, c. 55-64.

Размещено на Allbest.ru