Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Введение

Топливно-энергетический комплекс России в нынешнее время является важнейшей частью экономики России. Большая часть всех поступлений в бюджет страны проходит именно за счет реализации продукции данной отрасли. И, как следствие, мы наблюдаем прямую связь между успешной работой топливно-энергетического сектора и остальных отраслей российской экономики. Так, можно утверждать, что ситуация в топливно-энергетическом комплексе задает темп развития всей экономики страны.

Однако такая зависимость экономики от одной отрасли привносит неуверенность и опасения касательно будущего состояния России. Так, первой угрозой является исчерпаемость ресурсов, что рано или поздно приведет к упадку индустрии. Второй же угрозой является отсутствие инноваций и новых технологий. Уже в нынешнее время данной отрасли присущи изношенные основные фонды и нехватка технологических нововведений. Возможное решение данной проблемы заключается в привлечении иностранных инвестиций.

Посредством них компания сможет обновить основные фонды, что приведет к увеличению продуктивности и эффективности своей деятельности. Это же, в свою очередь, положительно скажется на экономическом положении страны. Однако степень влияния прямых иностранных инвестиций на эффективность работы компаний топливно-энергетического сектора до сих пор неизвестна. Так, понятия эффективности деятельности может кардинально отличаться для различных отраслей. Для каких-то случаев достаточно задействовать исключительно финансовые результаты компании, а в некоторых случаях необходимо также рассматривать специальные показатели, рассматривающие понятие эффективности для конкретной отрасли.

В условиях современного мира данная проблема является особенно актуальной из-за длительного кризиса в стране и, как следствие, инвестиционной непривлекательности. В данной работе в качестве показателя эффективности будут использованы основополагающие финансовые показатели, на основе которых будет оцениваться степень влияния прямых иностранных инвестиций на компании топливно-энергетического сектора.



1. Обзор отрасли

Топливно-энергетический сектор является важнейшей отраслью в России. Так, продукция, произведенная в данной отрасли, составила 40% от общего объема отгруженных товаров собственного производства в 2015 году (Промышленное производство в России, 2016). Доля экспорта для продукции топливно-энергетического сектора составила 58% в 2016 году (Приложение 26). Таким образом, становится очевидно, что топливно-энергетический комплекс является основополагающей составляющей Российской экономики. Основная часть поступлений в экономику страны проходит именно от продукций данного сектора.

Топливно-энергетический сектор разделяется на несколько составляющих:

· добыча и обработка нефти

· добыча и обработка угля

· добыча природного газа

· электроэнергетика

В подотраслях, связанных с полезными ископаемыми, Россия занимает лидирующие позиции в мире. Более всего выделяется нефтегазовый сектор, который и выступает самым производительным и доходным. Поэтому именно данный сектор привлекает к себе больше всего инвестиций. Даже в кризисные времена количество инвестиций в эту область превалирует над инвестициями в другие отрасли.

Однако количество инвестиций не отражает их полную эффективность. Проблема заключается в том, что большая часть инвестиций направляется на добывающие подотрасли. Это приводит к тому, что перерабатывающие остаются неразвитыми. Так, основным нефтеперерабатывающим компаниям присущи изношенные основные фонды, малое качество продукции по сравнению с европейскими аналогами. Об этом можно судить на примере такого показателя, как глубина переработки, который показывает отношение произведенных нефтепродуктов к объему нефти, затраченной на их переработку. Данный показатель считается одним из важнейших факторов эффективности нефтеперерабатывающей компании. В России в 2015 году рекордный уровень был достигнут на отметке 74,1%, в то время как в Европе и США он составляет 85% и 96% соответственно. Таким образом, можно утверждать о производственной неэффективности российских нефтеперерабатывающих компаний в сравнении с иностранными конкурентами.

В данной работе мы будем рассматривать степень влияния прямых иностранных инвестиций именно на примере компаний нефтеперерабатывающей отрасли. Поскольку иностранные конкуренты имеют более совершенные технологии, которые позволяют более эффективную переработку нефти, передача необходимых знаний может сильно повлиять на функционирование отечественных компаний.

Как правило, для нефтеперерабатывающих компаний используют отраслевые показатели эффективности: глубина переработки нефти, выход светлых нефтепродуктов, доля вторичных продуктов, коэффициент сложности. Однако расчет данных коэффициентов связан со сложными производственными параметрами: плотность, содержание серы и пр. Поэтому в данной работе мы будем использовать финансовые показатели эффективности, которые могут рассчитывать для любых отраслей экономики.

1.1 Обзор литературы

На данный момент существует большое количество исследований, связанных с оценкой влияния прямых иностранных инвестиций на функционирование компаний-реципиентов.

Ранние работы, посвященные влиянию прямых иностранных инвестиций, исследовали воздействие на макроуровне. Только в более поздних работах, начиная с 1990 ых годов, авторы рассматривали эффект от иностранных инвестиций на примере компаний. По большей части в данных работах анализируются компании, относящиеся к различным отраслям экономики страны, в течение определенного временного промежутка. Из-за этого возникает проблема, что в большинстве работ не полностью учитывается специфичность каждой отрасли. А пренебрежение таким важным показателем может повлечь за собой искаженные результаты.

В данной части мы подробно рассмотрим некоторые из этих работ и выявим особенности каждой из них.

Одна из первых работ, где авторы начали рассматривать воздействие прямых иностранных инвестиций на функционирование фирмы, посвящена предприятиям Венесуэлы. В своей статье (Aitken et al, 1999), используя панель из более чем 4000 компаний, выявили два основных эффекта от прямых иностранных инвестиций. Во-первых, была выявлена связь между производительностью предприятия и наличием иностранного участия в капитале данной компании. Однако эта связь присутствует только в компаниях, в которых количество рабочих не превышает 50. В больших фирмах положительный эффект от иностранных инвестиций не наблюдался. Во-вторых, влияние на предприятия, не имеющие иностранного участия в капитале, оказалось отрицательным. Данное явление называется внешним эффектом от инвестиций. Таким образом, прямые иностранные инвестиции в венесуэльские компании уменьшают производительность остальных компаний той же отрасли. Метод взвешенных наименьших квадратов выявил, что положительный эффект от компаний-реципиентов преобладает над негативным эффектом для национальных предприятий. Поэтому получается, что чистый эффект от прямых иностранных инвестиций хоть и невелик, однако является положительным.

Результаты данного исследования показывают, что далеко не всегда наличие иностранных инвестиций однозначно положительно влияет на производительность компаний. Так, внешние эффекты от инвестиций ввиду некоторых особенностей страны оказались отрицательным.

Более подробный анализ внешних эффектов от прямых иностранных инвестиций в компании был рассмотрен на примере китайских компаний (Lin Ping et al, 2009). Существует два вида внешних эффектов от иностранных инвестиций: горизонтальные и вертикальные. Горизонтальные внешние эффекты отражают влияние прямых иностранных инвестиций на предприятия, находящиеся в той же индустрии, что и компания-реципиент. В теоретических материалах выделяют три основных канала, через которые идет влияние иностранного участия на национальные фирмы. Первым является демонстрационный эффект, который заключается в том, что национальные фирмы, наблюдая за успехами компаний с иностранным участием в капитале, снижают затраты на инновации. Так, на рынке появляются более эффективные методы производства, которые и перенимают компании, не имеющие доступ к иностранным ресурсам. Вторым каналом является текучесть рабочей силы. Так, сотрудники, получившие достаточно опыта и навыков при работе в компании с иностранным участием, могут со временем перейти в национальные предприятия. Третьим каналом является эффект конкуренции. Наличие компаний с иностранным участием может вынудить национальные компании провести реструктуризацию и улучшить функционирование фирмы, чтобы сохранить конкурентоспособность. Однако если у компаний не получится добиться успеха в модернизации собственного производства, это приведет к потере своей доли рынка.

Вертикальные внешние эффекты отражают влияние прямых иностранных инвестиций на взаимодействие поставщика и потребителя. Так, технологическое улучшение компании в канале поставок увеличит производительность других. Вертикальные внешние эффекты разделяются на два типа: нисходящие и восходящие. Нисходящие эффекты проходят от потребителя к поставщику. Наличие иностранного участника на рынке может повысить спрос, что, в свою очередь, может привести к росту производства в отрасли. Восходящие эффекты, наоборот, проходят от поставщика к потребителю. У национальных компаний появляется доступ к новым или более дешевым товарам, которые могут им предоставить компании, имеющие иностранное участие в капитале. Данный эффект может уменьшить затраты национальных компаний, тем самым повысив их эффективность.

Авторы оценивают степень воздействия прямых иностранных инвестиций через внешние эффекты на основе панельных данных китайских компаний с 1998 по 2005 года. В качестве изначального уравнения для оценки использовалось:

(1)

где является выручкой компании i в момент времени t, - количество работников, - чистая стоимость основных средств, - горизонтальные внешний эффект, - нисходящий эффект, - восходящий внешний эффект, которые рассчитываются следующим образом.

(2)

(3)

(4)

Здесь в уравнении (3) - доля продукции индустрии j, которая потребляется индустрией k. В уравнении (4) - доля продукции в индустрии j, которая поставляется индустрией m, - экспорт фирмы i в индустрии m.

Однако была выявлена проблема применения уравнения (1). Оценки, полученные методом наименьших квадратов, получились смещенными, поскольку при использовании выпуска в качестве объясняемой переменной, переменная количества работников и капитала оказывались не экзогенной. Для решения этой проблемы использовалась процедура Левинсона-Петрина, по итогам которой получили оценки коэффициентов и при переменных количества работников и капитала соответственно, которые были использованы в уравнении (5). Переменная же отражает добавленную стоимость фирмы i в момент времени t.

ln=ln+ln (5)

По окончанию всех процедур для оценки использовалось конечное уравнение (6).

ln=++++ (6)

По итогам анализа авторы получили следующие выводы: в китайской индустрии прямые иностранные инвестиции вызывают положительный вертикальный внешний эффект. Горизонтальный же внешний эффект же эффект оказывается отрицательным в тех случаях, когда инвестиции исходят из тройки стран Гонконг, Макао, Тайвань. В остальных случаях данный эффект получается положительным. Так, можно сделать вывод, что для китайской индустрии внешние эффекты от иностранных инвестиций в какой-то мере зависят от страны, от которой идет поток инвестиций.

Вышеупомянутые исследования охватывают большую часть интересующей нас проблемы, однако они не учитывают самое главное - специфику страны. Поэтому было бы неверным предполагать, что результаты оценок из данных работ, будут релевантными для России. Поэтому рассмотрим одну из первых работ, посвященных влиянию прямых иностранных инвестиций на функционирования компаний в России. В исследовании (Yudaeva et al, 2003) сравнивают продуктивность компаний, имеющих иностранную долю, с полностью национальными компаниями и оценивают внешние эффекты от иностранных инвестиций.

Сравнение продуктивностей компаний проводилось с помощью оценки уравнения (7):

=+++ (7)

где - логарифм добавленной стоимости фирмы, которая рассчитывается как разность выручки и общих затрат на заработную плату с общими затратами фирмы, и соответственно являются логарифмами количества работников и капитала, - фиктивная переменная, которая принимает значение 1, когда компания имеет иностранную долю в своем капитале (минимум 10%). Проблема данного уравнения заключается в том, что переменная иностранной доли собственности может не являться экзогенной по отношению к продуктивности компании. По некоторому мнению, иностранных инвесторов изначально будут привлекать компании с наибольшей производительностью. Так, авторы столкнулись с ошибкой самоотбора в своей модели. Чтобы решить данную проблему, была использована двухшаговая процедура Хекмана. В результате авторы получили положительный и значимый коэффициент при фиктивной переменной. По итогам же оценки с помощью treatment effect авторы получили неожиданные результаты: коэффициент при фиктивной переменной оказался выше, чем при оценке методом наименьших квадратов. Это говорит о том, что инвестиции направлены изначально в те индустрии, продуктивность которых меньше.

Авторы также проверили степень воздействия размера иностранной доли, размера фирмы и реформо-ориентированных регионов на продуктивность компаний с прямыми иностранными инвестициями. И они пришли к выводу, что продуктивность не меняется при разных размерах компаний и разных иностранных долей. Однако фактор реформо-ориентированности оказался очень важным. Для его оценки использовался индекс прогресса реформ в регионе (index of reform progress of a region). Чем выше его значение, тем больше поток прямых иностранных инвестиций в данном регионе. Но вместе с этим в таких регионах продуктивность компаний с иностранной долей выше, чем аналогичных компаниях из других регионов.

Помимо прямых эффектов от иностранного участия в капитале компаний авторы так же исследовали наличие внешних эффектов. Так, горизонтальные внешние эффекты, по отношению к национальным компаниям, относящимся к той же индустрии, оказались положительными. А вертикальные внешние эффекты, наоборот, оказались отрицательными. В итоге авторы получили результат противоположный тому, что был получен в отношении китайских компаний.

Более подробный анализ влияния особенностей регионов на функционирование компаний с иностранной долей в капитале проводится Фёдоровой Е.А. (Фёдорова, Левина, 2016). Во-первых, в данном исследовании оценивалось воздействие дотационности регионов. Все регионы была разделены на 3 категории: независимые - не имеющие финансовой поддержки со стороны, дотационные - получающие средства в размере от 0 до 10 миллионов рублей, и сильно дотационные - получающие более 10 миллионов рублей. В результате авторы обнаружили, что на эффективность компаний в независимых регионах влияют такие факторы, как доля иностранного участия, уровень конкуренции и размер рассматриваемой компании. В сильно дотационных регионах на эффективность компаний более всего влияет количество работников и вертикальные внешние эффекты. Особо важным моментом для компаний в дотационных регионах является уровень партнерских отношений. Так, чтобы привлечь больше иностранных инвесторов, правительство может выделить достаточное количество средств на повышение уровня национальных компаний в экономически неблагоприятных регионах. Поэтому, авторы пришли к выводу, что не обязательно эффективность компаний, находящихся в дотационно-независимых регионах, выше, чем в дотационных. Также авторы оценивали фактор преобладания импорта или экспорта в регионе. Однако по ходу исследования авторы пришли к выводу, что отдельные показатели экспорта и импорта в регионах не сильно влияют на эффективность компаний.

Еще одним важным фактором, влияние которого неоднозначно, является конкуренция. Данный аспект был изучен в исследовании (Бессонова, 2010), где автор оценивала, как на эффективность российских компаний влияет появление иностранных конкурентов. Для проверки модели использовались факторы: доля продаж фирм с иностранным участием, расстояние до границы производственных возможностей, индекс концентрации производства Херфиндаля-Хиршмана. По итогам анализ были получены результаты, что появление фирм с иностранной долей положительно влияет на компании, которые уже являются наиболее эффективными в отрасли. Однако для других, менее эффективных предприятий, влияние от компаний с прямыми иностранными инвестициями может быть отрицательным. Поэтому совокупный эффект от фирмы с иностранной долей в капитале может быть и отрицательным для отрасли в целом.

В большей части литературы, посвященной влиянию прямых иностранных инвестиций на функционирование компаний, в качестве объяснимой переменной выступает показатель продуктивности. Однако, как верно отмечено в работе Dick Svedin (Svedin, 2016) продуктивность и эффективность понятия разные. Так, практически во всех исследованиях наличие иностранной доли в капитале приводит к увеличению продуктивность компании. Однако далеко не всегда это так же ведет к увеличению эффективности. Авторы, исследовавшие влияние инвестиций на эффективность, пришли к выводу, что степень влияния индивидуальна и зависит от страны-реципиента и от отрасли-реципиента. Все эти особенности были учтены в работе Федоровой Е.А. (Фёдорова и др, 2015). Во-первых, авторы используют показатель ROA (рентабельность активов) и коэффициент технической эффективности, оцениваемый моделью BCC. Во-вторых, параметры эффективности были рассчитаны по отдельности для каждой отрасли. В-третьих, авторы рассматривали прямое влияние и внешние эффекты от иностранных инвестиций для 2 периодов: кризисные 2008-2009 и 2012 год. По итогам анализа авторы получили показатели эффективности компаний с прямыми иностранными инвестициями и без них для каждой из отрасли во время кризиса и после него. В результате оценки выявились следующие факты. Предприятия, имеющие прямые иностранные инвестиции, функционируют эффективнее, чем национальные компании как в экономически стабильные времена, так и во время кризиса. Вертикальные и горизонтальные эффекты действительно оказывают положительное влияние на функционирование компаний. И, в конце концов, наиболее эффективными оказались предприятия с иностранной долей в капитале, относящиеся к отрасли производства кокса и нефтепродуктов.

Учитывая последние события, произошедшие с внешнеэкономической ситуацией России, можно утверждать, что все полученные результаты не актуальны для нынешнего времени. Введение санкций со стороны стран Запада не могло не повлиять на ситуацию с прямыми иностранными инвестициями в компании России. Данное явление также было изучено (Фёдорова, Николаев, 2016). В 2014 году произошел резкий спад прямых иностранных инвестиций в Россию. Их уровень упал на 70% до 19 млрд долларов. Авторы оценивают влияние параметров на эффективность компаний до введения санкций и после, тем самым сравнивая изменения, которые были ими вызваны. В результате оценивания эмпирической модели обнаружились следующие изменения. Степень влияния горизонтальных, восходящих и территориальных внешних эффектов поменялось с отрицательного на положительный. А фактор возраста компании, наоборот, поменялся с положительного на отрицательный. Таким образом, можно утверждать, что, во-первых, в отраслях уменьшилась конкуренция, поскольку горизонтальный эффект стал положительным. Неэффективные зарубежные компании покинули рынок, поэтому влияние прямых иностранных инвестиций на непосредственную эффективность предприятия увеличилось.

Проанализировав исследования, посвященные влиянию прямых иностранных инвестиций на функционирование компаний, можно выделить несколько основных факторов, оказывающих воздействие на данный эффект.

· Прямой эффект от наличия прямых иностранных инвестиций компанией.

Одно лишь присутствие иностранной доли в капитале компании оказывает воздействие на ее деятельность. Принято считать, что иностранные инвестиции привносят с собой улучшения компании, которые, несомненно, повысят ее продуктивность и эффективность.

· Горизонтальный внешний эффект.

Присутствие в отрасли компании с иностранной долей в капитале и имеющей доступ к каким-либо технологическим новшествам обязательно повлияет на функционирование остальных компаний в отрасли.

· Конкурентоспособность.

Уровень конкуренции в отрасли, которая определяет степень влияния прямых иностранных инвестиций на национальные предприятия.

· Вертикальный внешний эффект.

Воздействие прямых иностранных инвестиций на взаимодействие между покупателем и потребителем товаров. Так, если в этой цепочке присутствует компания с иностранной долей в капитале, то она окажет влияние на другие предприятия, находящиеся в одной цепочке поставок.

· Региональные особенности.

Такие аспекты регионов, как преобладание экспорта или импорта, наличие дотаций со стороны государства, реформо-ориентированность могут оказывать влияние на роль прямых иностранных инвестиций в эффективности компаний.



2. Исследование инвестиций

топливный инвестиция нефтеперерабатывающий

2.1 Цели и задачи исследования

Целью настоящего исследования является обнаружение взаимосвязей, относящихся к эффективности компаний нефтеперерабатывающей отрасли и прямым иностранным инвестициям. Акцент исследования будет сделан на динамике влияния прямых иностранных инвестиций на функционирование компаний.

Объект исследования: компании, относящиеся к нефтеперерабатывающей отрасли.

Предмет исследования: показатели рассматриваемых компаний в период с 2007 по 2015 год.

Гипотезы:

Гипотеза 1: Влияние прямых иностранных инвестиций на эффективность компаний различно для разных периодов.

Ожидается, что в периоды кризисные (2008-2009) и санкционные (2014-2015), влияние от прямых иностранных инвестиций будет значительно ниже, чем в другие.

Гипотеза 2: Прямые иностранные инвестиции оказывают положительные горизонтальные внешние эффекты. Уровень конкуренции не вызывает негативное влияние.

2.2 Описание переменных

Для того чтобы выбрать конечную модель, которая поможет нам оценить влияние прямых иностранных инвестиций на эффективность нефтеперерабатывающих компаний в России, рассмотрим некоторые из моделей, используемых авторами в вышеупомянутых исследованиях.



Автор	Модель
Brian J. Aitken (1999)	ln=C++++++++
Ping LIN (2009)	ln=+ ++++
Yudaeva K. (2003)	=+++
Бессонова Е. (2010)	=++++++
Федорова Е. (2016)	ln=+++++++++

В качестве объясняемой переменной разные авторы используют совершенно разные показатели. Самым простым из них является показатель выручки компании. Такая оценка показывает влияние иностранных инвестиций на уровень производства предприятия. Однако она игнорирует остальные факторы, играющие важную роль в жизни компании. Так, хотя количественно производство и могло увеличиться, затраты компании в то же время могли вырасти в большей степени. А такое производство нельзя считать эффективным. Поэтому данный показатель не подходит нам в нашем анализе. Авторами так же нередко используется переменная совокупная факторная производительность. Она отражает эффективность работы компании, происходящего на основе технологического прогресса. Однако проблема данного показателя заключается в неоднозначности его расчета. Так, разные расчеты одного и того же показателя могут привести к совершенно разным результатам. Поэтому не подходит и эта переменная. В одном из исследований (Гаврилов, Ратникова, 2014) упоминаются 3 основных показателя эффективности компании: рентабельность активов, рентабельность капитала и Q-Тобина. Показатель Q-Тобина в первую очередь отражает рыночную стоимость компании. Однако данная оценка является субъективной и основывается на рыночных представлениях о предприятии. А данные представления далеко не всегда отражают действительность. Более объективными показателями являются показатели рентабельности активов и капитала. Последний показывает эффективность использования предприятием собственного капитала. Поэтому он используется в основном самими инвесторами, чтобы оценить эффективность собственного вложения. Однако рентабельность активов отражает эффективность использования всех активов компании, что позволяет судить об эффективности функционировании компании в целом. Помимо этого существует еще один важный показатель: рентабельность прибыли. Он отражает количество прибыли, получаемой компанией, от каждой проданной единицы. Таким образом, по динамике данной переменной так же можно судить об эффективности функционирования компании. Таким образом, мы выделяем 2 показателя, которые в равной степени могут отражать эффективность деятельности предприятия: рентабельность активов и рентабельность прибыли.

В качестве тестируемой переменной, как и в большинстве исследований, мы будем использовать фиктивную переменную наличия иностранных инвесторов в капитале компании. Так, переменная принимает значение 1, если иностранная доля в капитале составляет как минимум 10 процентов.

Во всех исследованиях, посвященных влиянию прямых иностранных инвестиций на деятельность компаний, основными контролирующими переменными выступают количество работников и размер собственного капитала. Также эти показатели формируют производственную функцию компании, поэтому крайне важно включить их в оцениваемую модель. Еще одним важным финансовым показателем является плечо финансового рычага, которое показывает соотношение заемного и собственного капитала. Чем больше значения данного показателя, тем больше предприятие зависит от заемных средств, а, следовательно, тем оно более рискованное. Существует еще один важный показатель, характеризующий эффективность и финансовое положение компании в краткосрочном периоде. Рабочий капитал, выражающийся как отношение текущих активов и обязательств. Так, если показатель меньше 1, это показывает неспособность компании погасить свои текущие задолженности. Однако если показатель чересчур велик, можно говорить об операционной неэффективности компании. Так же в работе (Федорова, 2016) используется показатель масштаба компании SCL. Так, выдвигается предположение, что особо крупные компании имеют преимущество в виде экономии от масштаба.

Таблица 1. Описание переменных

Переменная	Показатель	Единица измерения	Источник данных
Зависимые переменные
ROA	Рентабельность активов	%	RUSLANA
margin	Рентабельность прибыли	%	RUSLANA
Тестируемые переменные
FDI	Фиктивная переменная на ПИИ		RUSLANA
HORIZ	Горизонтальный эффект		RUSLANA
H	Индекс Херфиндаля-Хиршмана		RUSLANA
Контрольные переменные
K	Собственный капитал	Тыс. долл.	RUSLANA
L	Количество работников	Человек	RUSLANA
lev	Плечо финансового рычага		RUSLANA
WC	Рабочий капитал		RUSLANA
SCL	Размер компании		RUSLANA

2.3 Данные и описательные статистики

Оцениваемая выборка была составлена на основе базы данных RUSLANA Bureau van Dijk. Объектами наблюдения стали компании, функционирующие на территории Российской Федерации и относящиеся к отрасли нефтепереработки (код 23.20.00 по ОКВЭД 2008). Таким образом, мы получили 1497 компаний, по которым и были скачены основные показатели отчетности за период с 2007 по 2015 года. После очистки данных от пропусков, мы получаем панель из 81 компаний.



Таблица 2. Данные описательных статистик

Variable | Mean Std. Dev. Min Max | Observations

-+-+-

ROA overall |.1030631.1158051 1.13e-06.8042473 | N = 527

between |.0872925.0002954.3870621 | n = 81

within |.0805094 - .196592.526207 | T-bar = 6.50617

| |

margin overall | 11.35074 12.76831.03 111.82 | N = 527

between | 9.425295.2625 38.99333 | n = 81

within | 7.897461 -18.80259 99.24241 | T-bar = 6.50617

| |

K overall | 248771.9 670956.3.2722904 4257541 | N = 527

between | 571633.4 4.81982 2991323 | n = 81

within | 215030.7 -1087493 1713485 | T-bar = 6.50617

| |

L overall | 1010.723 1984.442 1 12949 | N = 527

between | 1809.709 1 9470 | n = 81

within | 333.8005 -1958.277 4489.723 | T-bar = 6.50617

| |

lev overall | 26.4671 130.8984.0008421 1820.45 | N = 527

between | 94.67777.0800519 627.3638 | n = 81

within | 106.0086 -600.1309 1487.342 | T-bar = 6.50617

| |

WC overall | 5.334269 52.48342.0471762 1188.5 | N = 527

between | 44.15259.0932778 397.2068 | n = 81

within | 42.93376 -390.5562 796.6275 | T-bar = 6.50617

| |

SCL overall |.1645192.4313745 3.81e-07 2.967767 | N = 527

between |.365305 5.02e-06 2.061191 | n = 81

within |.1284563 - .7364981 1.071096 | T-bar = 6.50617

| |

dFDI overall |.0967742.2959309 0 1 | N = 527

between |.2163088 0 1 | n = 81

within |.2139392 - .6175115.9856631 | T-bar = 6.50617

| |

HORIZ overall |.1060739.0833501.004169.2448731 | N = 527

between |.0226601.0226712.1679472 | n = 81

within |.0818388 - .0320976.2658666 | T-bar = 6.50617

| |

H overall | - .2107209.644905 -2.422698 0 | N = 527

between |.4661989 -2.085045 0 | n = 81

within |.4665242 -2.198327 1.379469 | T-bar = 6.50617

| |

Hir overall | -1.982651.6576778 -2.422698 0 | N = 527

between |.4747373 -2.311534 0 | n = 81

within |.4797765 -3.665407 - .0149155 | T-bar = 6.50617

Проанализировав Таблицу 2 (которая отражает выборку, которая будет анализироваться далее) можно сделать определенные выводы касательно рассматриваемых нами переменных. Так, для объяснимой переменной рентабельности активов стандартные ошибки within и between практически идентичны. Это говорит о том, что разброс значений данного показателя примерно одинаковый как по времени, так и по компаниям. Для переменной же рентабельности прибыли стандартные ошибки between чуть больше, чем within. Это говорит о большем разбросе показателя по компаниям, чем по времени. Однако разница в стандартных ошибках лишь 15%, так что изменения по времени являются в той же степени значительными, что различия данного показателя между компаниями.

Для переменной же прямых иностранных инвестиций (dFDI) мы также можем наблюдать малое различие в стандартных ошибках between и within. Значит, факт наличия прямых иностранных инвестиций варьируется по времени так же, как и по компаниям. Это позволяет нам сделать вывод о непостоянстве наличия иностранного капитала в компании. Подробнее рассмотрим данный фактор.

График 1. Количество компаний с ПИИ.

Проанализировав График 1, можно убедиться, что поток иностранных инвестиций в компании нефтеперерабатывающей отрасли крайне непостоянен. Только в период с 2011 по 2013 год наблюдался постоянный рост числа компаний, имеющих иностранную долю в капитале. Остальные периоды характеризуются регулярными подъемами и спадами численности компаний в отрасли с участием прямых иностранных инвестиций. Стоит также отметить, что количество компаний с иностранной долей в капитале достаточно мало. Из 93 компаний в среднем только 11 получают прямые иностранные инвестиции, что составляет только 12% всей выборки.



График 2. Распределение логарифма объясняемой переменное ROA

График 3. Распределение логарифма объясняемой переменной рентабельности прибыли

Исходя из графиков 2 и 3 можно сказать, что распределение логарифмов объясняемых переменных близко к нормальному. Поэтому есть смысл использовать именно логарифмическую форму, чтобы приблизиться к нормальному распределению ошибок. Однако данная мера повлечет за собой потерю части наблюдений.

В нашем исследовании не будут рассмотрены периоды компаний с отрицательными значениями капитала и рентабельности. Отрицательные значения собственного капитала довольно редки, но встречаются в нашей выборке. Это говорит о несостоятельности компании и полной ее зависимости от кредиторов. В таких случаях невозможен расчет каких-либо финансовых показателей, поскольку они не будут отражать действительность. Отрицательная рентабельность активов и прибыли встречается нередко у компаний. Однако в условиях нефтеперерабатывающей отрасли, отрицательные показатели рентабельности отражают совершенно плачевную ситуацию компании. В случае с нефтедобывающей компанией затраты относительно неизменны (в зависимости от сложности участка бурения), в то время как выручка может варьироваться в зависимости от цены нефти. Данное соотношение может привести к отрицательной рентабельности нефтедобывающих компаний. Однако для нефтеперерабатывающих компаний данное соотношение не действительно, поскольку для них и затраты, и выручка в какой-то степени зависят от количества выпускаемой продукции. А это значит, что компании с отрицательной рентабельностью так же несостоятельны. Поэтому из своего анализа мы заранее исключаем совершенно неэффективные компании.

Кроме того, нами были оценены модели без логарифмов объясняемых переменных, результаты которых оказались хуже (Приложение 22, 23). В частности показатель R-квадрат оказался в 3 ниже. Так что встал вопрос выбора лучшей спецификации: модели с большей выборкой (без логарифмов) или модели с более адекватной функциональной спецификацией. В данном случае, мы посчитали более приемлемым сокращение количества рассматриваемых компаний на 10% в пользу большей адекватности модели. Поэтому было решено оставить модели с прологарифмированными переменными.

2.4 Эмпирическая модель

В данной главе мы, используя описанные выше переменные, протестируем заявленные гипотезы. Для всех спецификаций будут использованы логарифмы объясняемых и контрольных переменных. Основной тестируемой переменной является фиктивная переменная наличия иностранной доли в капитале компании.

Во многих исследованиях авторы высказывали опасения, насчет наличия эндогенности у показателя прямых иностранных инвестиций. Так, есть предположение, что именно изначально эффективные компании привлекают иностранных инвесторов. Изначально нами была предпринята попытка анализировать модели с лаговой переменной прямых иностранных инвестиций в качестве тестируемой, однако полученные результаты выявили ее сильную незначимость (Приложение 17). Далее нами были проанализированы графики (Приложения 24, 25) потоков прямых иностранных инвестиций и рентабельности активов и прибыли для каждой компании (имеющей иностранную долю в какой-либо из периодов). В конце концов были оценены показатели корреляции между показателями (Приложение 21): лаговая переменная рентабельности активов и переменная ПИИ, лаговая переменная ПИИ и переменная рентабельности активов. В результате данной оценки выявилось, что уровень эффективности предыдущего периода слабо коррелирует с наличием прямых иностранных инвестиций в данном периоде. Та же ситуация с уровнем корреляции между наличием прямых иностранных инвестиций в предыдущем периоде и нынешней эффективностью. Показатели для нынешних периодов оказались более всего коррелированы. По итогам проделанного анализа мы пришли к выводу, что прямые иностранные инвестиции не обязательно направлены в изначально эффективные компании. Таким образом, мы исключаем наличие эндогенности фиктивной переменной прямых иностранных инвестиций и используем значения переменных для нынешних периодов.

Cross-section регрессии

Для каждого года будем оценивать уравнение:



ln=++++++ (8)

Нас интересует оценки коэффициентов , так как необходимо проследить динамику воздействия наличия прямых иностранных инвестиций на функционирование компаний. Оценив регрессии, получаем следующие результаты.

График 4. Динамика коэффициента ПИИ для ROA

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

График 5. Динамика коэффициента ПИИ для margin

*По оси X обозначены годы: с 2007 по 2015

По графикам 4 и 5 видно, что доверительные интервалы коэффициентов не позволяют сделать однозначный вывод, какое влияние оказывают прямые иностранные инвестиции. Однако стоит отметить значимые отрицательные коэффициенты для 2008 года (График 4). И при объясняемой переменной рентабельности прибыли (График 5) значимые на 10% уровне значимости коэффициенты для 2007, 2009, 2014 и 2015 годов. И из всех этих периодов только для 2014 года наблюдается положительный значимый коэффициент. Для коэффициентов при контрольных переменных не наблюдается динамика. Для некоторых показателей, как правило, есть один период, который выбивается из общей тенденции и к тому же является незначимым. Однако в нашем исследовании нас не интересует динамика коэффициентов остальных переменных, кроме dFDI.

Модели анализа панельных данных

Если оценка отдельных регрессий для каждого периода не выявила однозначную динамику коэффициента при фиктивной переменной ПИИ, рассмотрим ее динамику для моделей анализа панельных данных: модель сквозной регрессии, модель с детерминированным индивидуальным эффектом, модель со случайным индивидуальным эффектом. Чтобы рассмотреть динамику интересующего нас коэффициента, добавим фиктивные переменные времени dt, принимающие значение 1, если t=year (показатель времени в панели). И добавим в оцениваемые уравнения переменные dFDI*dt, коэффициенты при которых и покажут нам динамику влияния прямых иностранных инвестиций на деятельность компании.

Однако данная процедура может вызвать сильную мультиколлинеарность, что приведет к завышенным оценкам стандартных ошибок. В результате этого потеряется возможная значимость коэффициентов. Чтобы оценить возможную мультиколлинеарность, рассчитаем показатель VIF (Приложение 18). Получаем, что мультиколлинеарность присутствует для 3 переменных: фиктивной переменной прямых иностранных инвестиций, переменной капитала и переменной размера компании. По ходу тестирования наших моделей, мы выявим, критично ли наличие мультиколлинеарности для исследования.

Модель сквозной регрессии:

ln=+++++++++ (9)

где - нормальны и не коррелируют с регрессорами.

Модель с детерминированным индивидуальным эффектом:



ln=+++++++++ (10)

где - свободный член, учитывающий какие-либо индивидуальные эффекты рассматриваемых объектов. В нашем случае это могут быть специфичные черты, присущие каждой компании, например, особенности корпоративной культуры и менеджмента.

Модель со случайным индивидуальным эффектом:

ln=++++++++где (11)

где так же отражают индивидуальные особенности компаний. Однако, в отличие от предыдущей модели, данные эффекты имеют случайный характер и .

В итоге получаем следующие оценки коэффициентов.

Таблица 3. Оценки коэффициентов моделей pool, FE, RE

-

Variable | ROA margin ROAfe marginfe ROAre marginre

-+-

lK | -0.3575*** 0.5404*** -0.1469 0.4781*** -0.2784*** 0.4923***

lL | -0.0633 0.0131 0.0337 0.1300 -0.0231 0.0704

llev | -0.7659*** -0.0310 -0.4743*** 0.0456 -0.6403*** -0.0020

lSCL | 0.4809*** -0.4696*** 0.3054*** -0.4207*** 0.3933*** -0.4335***

lWC | -0.1511*** -0.0753** -0.0683 0.0058 -0.1122** -0.0295

dFDI | -0.3495 -0.7712 -0.1025 -1.1816** -0.1581 -1.0412**

d07 | 0.0371 0.2845 (omitted) 0.1658 -0.0127 0.0932

d08 | 0.2388 0.3245 0.3096 0.1756 0.2393 0.1113

d09 | -0.3948 0.1649 -0.3227 -0.0035 -0.3780 -0.0549

d10 | 0.0273 0.1602 0.0907 -0.0755 0.0212 -0.1082

d11 | -0.2528 0.1867 -0.0244 -0.0022 -0.1582 -0.0534

d12 | -0.2242 0.1070 -0.0477 -0.1188 -0.1531 -0.1519

d13 | -0.3329 (omitted) -0.1806 -0.2802 -0.2586 -0.2940

d14 | -0.0712 0.1347 0.0539 -0.1200 0.0003 -0.1335

d15 | (omitted) 0.3000 0.0379 (omitted) (omitted) (omitted)

FDI08 | -0.4763 0.7531 -0.8646 0.9140 -0.7001 0.8971

FDI09 | 0.5950 0.2780 0.2093 0.4748 0.3159 0.4200

FDI10 | 1.3903 1.4150 1.2378 1.2722 1.3136 1.3360

FDI11 | 0.8226 1.0165 -0.0497 1.3281** 0.2910 1.2391*

FDI12 | 0.3067 1.1925* -0.1400 1.3838** 0.0222 1.3032**

FDI13 | 0.4344 0.4521 -0.2285 0.9113 0.0091 0.7652

FDI14 | 0.8001 1.3839* -0.1691 1.3818* 0.0966 1.3629*

FDI15 | 0.5135 -0.2061 -0.6498 0.6491 -0.1335 0.3326

_cons | 3.2964*** -5.3275*** -0.1829 -5.0752*** 1.8414* -4.8700***

-

legend: * p<0.05; ** p<0.01; *** p<0.001

В первую очередь проверим уровень влияния мультиколлинераности. Так, показатели с наибольшими значениями VIF: lK и lSCL, - практически для всех моделей оказались значимыми. Значит, факт завышенной оценки стандартной ошибки для данных переменных не повлиял на качество результатов. В случае же с переменной dFDI, наличие мультиколлинеарности не повлияло на результаты для моделей с рентабельностью прибыли в качестве объясняемой переменной. Однако для модели с рентабельностью активов, показатель оказался незначим. Проверим, является ли данный результат фактом наличия мультиколлинеарности. Для этого рассмотрим модели с ROA без учета переменных dFDI*dt (Приложение 19). Анализ показал, что факт незначимости коэффициента не зависит от наличия мультиколлинеарности. Так что можем сделать вывод, что в дальнейшем она не вызовет некачественность результатов.

Стоит обратить внимание, что большая часть коэффициентов в моделях, где объясняемой переменной выступал ROA, являются незначимыми даже на 10% уровне значимости. Помимо этого значения R-квадрата и R-квадрата within (для FE моделей) намного больше для моделей с рентабельностью прибыли в качестве объясняемой переменной. Более того в модели с детерминированным индивидуальным эффектом оценки коэффициентов при фиктивных переменных прямых иностранных инвестиций по времени имеют противоположный знак, чем в других моделях. Таким образом, можно сделать вывод, что модели с рентабельностью активов в качестве объясняемой переменной менее качественные, чем модели с рентабельностью активов в качестве объясняемой переменной.

Для того чтобы выбрать подходящую нам модель, проведем соответствующие тесты. Тест Вальда в обоих случаях выявил, что модель с детерминированным индивидуальным эффектом более адекватна, чем модель сквозной регрессии. Тест Бройша-Пагана так же в обоих случаях выявил, что модель со случайным индивидуальным эффектом более адекватна, нежели модель сквозной регрессии. Тест Хаусмана, в свою очередь, выявил, что случайный эффект не коррелирован с регрессорами. А это значит, что в обоих случае наиболее адекватна модель со случайным индивидуальным эффектом.



График 6. Динамика коэффициента ПИИ для ROA

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

График 7. Динамика коэффициента ПИИ для margin в модели RE

*По оси Х обозначены годы: с 2007 по 2015

Рассмотрим теперь подробнее коэффициенты при переменных в обоих случаях. Как уже упоминалось выше в модели с объясняемой переменной ROA, коэффициенты при тестируемых переменных незначимы. Этот факт можно наблюдать на графике 6. Однако для модели с рентабельностью прибыли коэффициент при 2013 году оказался значимым на 10% уровне значимости. Для 2011, 2012 и 2014 года коэффициенты значимы и на 5% и положительны. Это говорит о том, что в период с 2011 по 2014 прямые иностранные инвестиции оказывали прямой положительный эффект на компании. В 2007 году этот эффект, наоборот, был строго отрицательным. В остальные же периоды наличие прямых иностранных инвестиций значимо не воздействовало на функционирование предприятия.

Особо примечательны разные знаки у оценок коэффициентов у одних и тех же переменных для модели с ROA и рентабельностью прибыли. Так, в модели с рентабельностью активов при переменных капитала, рабочего капитала и плеча финансового рычага коэффициенты отрицательные и значимые. Это можно объяснить структурой связи активов, собственного капитала и обязательств. При увеличении одного из показателей: капитала или обязательств, - и неизменности другого, размер активов увеличивается в той же мере. А если при неизменности прибыли проходит увеличение активов, то показатель рентабельности активов, очевидно, падает. Однако в этой цепочки слишком много допущений о неизменности некоторых показателей, поэтому нельзя с уверенностью утверждать о ее достоверности. В модели же с объясняемой переменной рентабельности прибыли коэффициенты при рабочем капитале и плеча финансового рычага и вовсе оказались незначимыми, а коэффициент при переменной капитала оказался положительным. Так же коэффициент при переменной размера фирмы так же различается в рассматриваемых нами моделях. Так, для модели с ROA коэффициент значимый и положительный, что говорит об увеличении эффективности компании по мере ее роста. Для модели же с рентабельностью прибыли коэффициент значимый и отрицательный.

Отклонения моделей

В каждой модели присутствуют некоторые отклонения, которые приводят к смещению полученных оценок коэффициентов или их стандартных ошибок, что может приводить к неверным заключениям о статистической значимости коэффициентов. Поэтому необходимо проверить наличие отклонений в наших моделях от идеальных предпосылок гомоскедастичности и отсутствия коррелированности случайных ошибок уравнений.

В первую очередь проверим значимость случайных эффектов и наличие автокорреляции (Приложение 7, 8). Нулевыми гипотезами выступают отсутствие случайных эффектов и автокорреляции:

, где

Для обеих моделей выявилась значимость случайных эффектов и наличие автокорреляции AR(1).

Так же проверим наличие гетероскедастичности. Проблема заключается в том, что для моделей со случайным индивидуальным эффектом, тесты на гетероскедастичность отличаются техническими сложностями. До такой степени, что они отсутствует в пакете STATA. Поэтому, как утверждается в учебном пособии (Ратникова, Фурманов, 2014), поскольку модель со случайным индивидуальным эффектом является частным случаем модели с детерминированным индивидуальным эффектом, где индивидуальный эффект и регрессоры не коррелируют, допускается использование тестов на гетероскедастичность, предназначенных для моделей с детерминированным индивидуальным эффектом. Исходя из этого проведем модифицированный тест Уальда (изначально предназначенный для моделей FE) для наших моделей (Приложение 9, 10). Тестируется нулевая гипотеза , то есть об отсутствии гетероскедастичности. В обоих случаях гипотеза отвергается, так что получаем, что в обеих наших моделях присутствует гетероскедастичность.

Используемая нами панель несбалансированная, поэтому у нас не получится протестировать наличие пространственной автокорреляции. И тест Бройша-Пагана, и тест Песарана не удалось прогнать в пакете STATA из-за сильной несбалансированности панели, поэтому судить о наличии пространственной автокорреляции мы можем только исходя из собственных рассуждений. Ситуация на рынке заключается в том, что достаточно большая часть компаний являются дочерними компаниями нефтяных гигантов России. Те же компании, что не входят в структуру вертикальной интеграции, все равно взаимодействуют с ними и, в некоторых случаях, оперируют в одних регионах. Таким образом, мы большой долей уверенности можем утверждать о наличии пространственной автокорреляции. Компании одной узконаправленной отрасли не могут не оказывать никакого влияния друг на друга. Поэтому в ходе анализа мы будем считать наличие пространственной автокорреляции уместным.

Для того, чтобы устранить выявленные проблемы, проведем несколько спецификаций, позволяющих вычислять робастные стандартные ошибки. Модификация с кластерными стандартными ошибками Роджера, учитывающие гетероскедастичность. Регрессия Прайса-Винстона, учитывающая автокорреляцию и гетероскедастичноть. Стандартные ошибки Дрискола-Крэя, учитывающие и гетероскедастичность, и автокорреляцию, и пространственную корреляцию.

Таблица 3. Оценки коэффициентом для моделей с поправками

-

Variable | marginR marginPW marginDK ROAR ROAPW ROADK

-+-

lK | 0.4923*** 0.4561*** 0.5404*** -0.2784*** -0.3473*** -0.3575***

lL | 0.0704 0.1032 0.0131 -0.0231 -0.0609 -0.0633*

llev | -0.0020 -0.0412 -0.0310 -0.6403*** -0.7227*** -0.7659***

lSCL | -0.4335*** -0.4213*** -0.4696*** 0.3933*** 0.4555*** 0.4809***

lWC | -0.0295 -0.0602* -0.0753 -0.1122 -0.1437*** -0.1511*

dFDI | -1.0412* -0.5261 -0.7712*** -0.1581 0.2090 -0.3495***

d07 | 0.0932 0.0898 -0.0155 -0.0127 3.1002*** 0.0371

d08 | 0.1113 0.1182 0.0245 0.2393 3.3280*** 0.2388***

d09 | -0.0549 -0.0345 -0.1351*** -0.3780 2.6641*** -0.3948***

d10 | -0.1082 -0.0500 -0.1398*** 0.0212 2.9191*** 0.0273

d11 | -0.0534 0.0068 -0.1133*** -0.1582 2.7230*** -0.2528***

d12 | -0.1519 -0.1467 -0.1930*** -0.1531 2.6797*** -0.2242***

d13 | -0.2940* -0.2116 -0.3000*** -0.2586 2.6451*** -0.3329***

d14 | -0.1335 -0.1420 -0.1653*** 0.0003 2.9405*** -0.0712***

d15 | (omitted) (omitted) 0.0000 (omitted) 2.9832*** 0.0000

FDI08 | 0.8971 0.7704 0.7531*** -0.7001 -1.2195 -0.4763**

FDI09 | 0.4200 0.0012 0.2780** 0.3159 0.0201 0.5950***

FDI10 | 1.3360** 1.5138* 1.4150*** 1.3136** 1.0529 1.3903***

FDI11 | 1.2391* 0.9024* 1.0165*** 0.2910 0.0827 0.8226***

FDI12 | 1.3032* 0.9998* 1.1925*** 0.0222 -0.1532 0.3067**

FDI13 | 0.7652 0.2906 0.4521*** 0.0091 -0.1738 0.4344**

FDI14 | 1.3629** 1.0436* 1.3839*** 0.0966 0.0594 0.8001***

FDI15 | 0.3326 -0.1961 -0.2061 -0.1335 -1.1088 0.5135

_cons | -4.8700*** -4.7410*** -5.0275*** 1.8414 (omitted) 3.2964*

-

legend: * p<0.05; ** p<0.01; *** p<0.001

Стоит начать с того, что все построенные модели оказались значимыми с достаточно высоким значением R-квадрата. Исключением являются лишь модели с кластерными стандартными ошибками Роджера, поскольку в них оценивается модель со случайным индивидуальным эффектом (RE), где значение R-квадрата как меры адекватности модели теряется. Стоит отметить, что в моделях с одной объясняемой переменной значения коэффициентов не сильно меняются в зависимости от метода корректировки ошибок. Исключением является регрессия Прайса-Уинстона с переменной ROA. Где фиктивные переменные времени неожиданно стали положительными и приобрели значимость. Если считать, что во всех спецификациях у этих переменных коэффициенты отрицательные, можно говорить о сильном смещении данных оценок. Кроме того оказались смещенными и стандартные ошибки коэффициентов, что повысило их значимость. Таким образом, мы не можем доверять оценкам, полученным с помощью регрессии Прайса-Уинстона. Стандартные ошибки Дрискола-Крэя получились ниже, чем в остальных моделях, что привело к увеличению значимости большей части коэффициентов. Оценки же при учете кластерных стандартных ошибок Роджера получились практически идентичными оценкам, полученным ранее. Коэффициенты при интересующих нас переменных во всех моделях оказались примерно идентичными. Исключением является регрессия с кластерными стандартными ошибками Роджера с переменной ROA, где эти коэффициенты все так же остались незначимыми.



График 8 Динамика коэффициента ПИИ для ROA

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

График 9. Динамика коэффициента для margin с кластерными ст. ош. Роджера

*По оси Х обозначены годы: с 2007 по 2015

Наглядно видно, что графики 6 и 7 идентичны графикам 8 и 9. Таким образом, наши выводы касательно динамики влияния прямых иностранных инвестиций на деятельность компании не меняются. Рассмотрим эту динамику для модели со стандартными ошибками Дрискола-Крэя и сравним полученные результаты.