2.2 Данные и методология

Чтобы тестировать гипотезу о различиях в институциональной среде страны компании-покупателя и страны компании-цели, необходимо измерить соответствующую переменную институциональная среда с помощью составляющих индекса экономической свободы. В качестве относительного значения переменной институциональная среда, выступает разница среднего арифметического суммы контрольных показателей индекса, которые описывают верховенство закона (права собственности и свобода от коррупции) и эффективность регулирования в стране (свобода бизнеса, свобода труда и монетарная свобода), страны компании-цели и страны компании-покупателя (Россия).

Для тестирования гипотезы об инвестиционной среде компании-покупателя и страны компании-цели, необходимо измерить соответствующую переменную инвестиционная среда с помощью составляющих того же индекса экономической свободы. В качестве относительного значения переменной инвестиционная среда, выступает разница среднего арифметического суммы контрольных показателей индекса, которые описывают открытость рынков (свобода торговли, свобода инвестиций и финансовая свобода), страны компании-цели и страны компании-покупателя (Россия).

Касательно гипотезы о кросс-культурных различиях, с целью выявить в каком кластере выше вероятность того, что сделка будет завершена, можно применить следующий способ измерения переменной, связанной с кросс-культурными различиями: для каждого из шести кластеров, которые определены по специально разработанной классификации стран, характерной для данного исследования, необходимо создать фиктивную переменную, которая принимает значение 1 в случае, если страна компании-цели находится в данном культурном кластере, и 0 в противном случае.

Чтобы выбрать контрольные переменные, необходимо обратить внимание в первую очередь на исследования в финансовой экономике, которые выявили факторы влияния на промежуточной стадии сделки M&A, а также на литературу, посвященную детерминантам эффективности после приобретения. Если фактор положительно связан с эффективностью сделки после приобретения, это может повлиять на вероятность завершения сделки, путем поступления сигналов сторонам сделки, что это «хорошая» сделка. В качестве контрольных переменных выступают переменные, связанные с характеристиками конкретной сделки (характер сделки, размер пакета акций, метод оплаты), а также связанные с характеристиками других факторов сделки, например, периода проведения сделки и рынка капитала компании-цели.

Касательно характеристик конкретной сделки, для измерения переменной характер сделки, который может быть, как дружественный, так и враждебный, необходимо создать фиктивную переменную, где дружественная сделка кодируется как 1, а враждебная как 0, исходя из того как сделка классифицируется в базах данных.

Приобретения могут быть оплачены денежными средствами, акциями, долгом или какой-либо комбинацией из этих трех вариантов (Weston et al., 2004). Для измерения переменной способ оплаты, необходимо создать дамми-переменную, которая будет принимать значение 1 в случае, если преобладающим способом оплаты в сделке были денежные средства, или где сделка была оплачена долгом, а 0 в случае оплаты сделки акциями. Финансирование сделки акциями, как правило, является более сложной процедурой, так как есть большая неопределенность касательно стоимости акций, и, следовательно, касательно цены, уплаченной за транзакцию.

Размер пакета акций это переменная, отвечающая за то, какой процент акций компания-покупатель стремилась приобрести у целевой фирмы в инициированной сделке M&A. Чем выше этот процент, тем больше поставлено на карту для акционеров фирмы-покупателя и фирмы-цели, что может повлиять на процедуру утверждения сделки и тем самым затруднить завершение сделки. Для измерения этой переменной, необходимо создать две фиктивные переменные. Первая фиктивная переменная принимает значение 1 в случае, если пакет акций, который стремилась приобрести фирма, составляет более 50 процентов, 0 в противном случае. Вторая фиктивная переменная принимает значение 1 в случае, если пакет акций более десяти процентов, но меньше или равен 50 процентам, 0 в противном случае.

Период проведения сделки это переменная, отвечающая за разделение выборки по дате объявления о сделке до 2008 года и после. Предполагаемое влияние этой контрольной переменной на вероятность завершения сделки можно объяснить следующим образом: до 2008 года была эпоха роста активности на рынке слияний и поглощений, соответственно ожидается, что объявленная сделка в период до 2008 года с большей вероятностью завершится, чем объявленная сделка в период после 2008 года. Для измерения этой переменной, необходимо создать дамми-переменную, которая будет принимать значение 1 в случае, если сделка была объявлена в период до 2008 года, а 0 в противном случае.

Для измерения переменной развитость рынка капитала компании-цели необходимо создать фиктивную переменную, где сделка, в которой страна компании-цели относится к развитым рынкам капитала, кодируется как 1, а в случае если компания-цель относится к развивающимся рынкам капитала, сделка кодируется как 0. Разделение стран на развитые и развивающиеся рынки капитала будет произведено согласно cписку развитых и развивающихся стран по индексу MSCI. Предполагается, что данная переменная поможет определению связи исследуемых факторов и вероятности завершения сделки.

Объем выборки составляет 255 наблюдений по объявленным с 1995 по 2014 год международным сделкам M&A, где российские компании выступают покупателями. Большую часть наблюдений представляют завершенные сделки (189 наблюдений) и составляют 74% от общего количества объявленных сделок. Приблизительно половину наблюдений (44% выборки) представляют сделки, объявленные до 2008 года, где незавершенные сделки составляют 21%; сделки, которые были объявлены после 2008 года, но не были завершены, составляют 30%.

Зависимая переменная completed представляет собой бинарную переменную, которая принимает значение 1, если сделка была завершена, 0 в противном случае.

Независимая переменная instdiff представляет разницу в институциональной среде между страной-целью и страной-покупателем (Россия). Подробное описание расчета данной переменной можно найти в подразделе «Переменные исследования». Минимальное значение переменной -7,2 балла говорит о том, что в выборке есть сделки, в которых качество институциональной среды страны компании-цели хуже, чем в России. Однако, подобных сделок в выборке насчитывается только 2 процента от общего количества объявленных сделок. Максимальное значение переменной составляет 44,9 балла, что говорит о том, что качество институциональной среды страны компании-цели, участвовавшей в объявленной сделке M&A, значительно лучше, чем в России.

Таблица 2. Описательная статистика переменных исследования

Переменные	Кол-во набл.	Ср. знач.	Ст. откл.	Мин. знач.	Макс. знач.
Зависимая
completed	255	0,7	0,4	0	1
Независимые
instdiff	172	24,3	13,7	-7,2	44,9
invdiff	172	29,8	21,6	-12,7	50,6
cis	172	0,1	0,3	0	1
east europe	172	0,2	0,4	0	1
asia	172	0,1	0,2	0	1
west europe	172	0,4	0,5	0	1
north america	172	0,2	0,4	0	1
islamic countries	172	0,0	0,2	0	1
Контрольные
period	255	0,4	0,5	0	1
largestake	255	0,3	0,5	0	1
majoritystake	277	0,6	0,5	0	1
developed	172	0,6	0,5	0	1



Независимая переменная invdiff представляет разницу в инвестиционной среде между страной-целью и страной-покупателем (Россия). Подробное описание расчета данной переменной можно найти в подразделе «Переменные исследования». Минимальное значение переменной -12,7 баллов говорит о том, что в выборке есть сделки, в которых инвестиционный климат страны компании-цели хуже, чем в России. Однако, подобных сделок в выборке мало: только 3 процента от общего количества объявленных сделок. Максимальное значение переменной составляет 50,6 баллов, что говорит о том, что инвестиционный климат страны компании-цели, участвовавшей в объявленной сделке M&A, значительно лучше, чем в России.

Независимые переменные cis, easteurope, asia, westeurope, northamerica и islamiccountries представляют шесть кластеров, разработанных в данном исследовании, где принимают значение 1, если страна компании-цели попадает в данный кластер, 0 в противном случае. В таблице 3 отображен состав стран каждого кластера и количество завершенных и незавершенных сделок в каждом из шести кластеров. Большая часть выборки - это объявленные сделки M&A российских компаний с компаниями из стран Западной Европы (37%). Сделки российских компаний с компаниями из стран Восточной Европы составляют 20% выборки, с компаниями из Канады, США и Австралии - 22%, из стран СНГ - 12%. С компаниями из стран Азии и исламских стран насчитывается небольшое количество сделок - 6% и 4%, соответственно.

Таблица 3. Культурные кластеры: состав стран и количество завершенных/незавершенных сделок

Кластеры	Страны	Завершенные сделки	Незавершенные сделки
СНГ	Украина, Беларусь, Армения, Грузия,	4	16
	Казахстан, Узбекистан, Молдавия
Восточная Европа	Чехия, Польша, Словакия, Словения, Болгария	24	14
	Венгрия, Сербия, Греция,
	Эстония, Латвия, Литва
Азия	Индия, Таиланд, Вьетнам, Сингапур	3	7
Западная Европа	Испания, Франция, Италия, Германия, Люксембург	45	18
	Великобритания, Бельгия,
	Ирландия, Финляндия, Дания, Швеция, Австрия
	Швейцария, Норвегия,
Северная Америка и Австралия	Канада, США, Австралия	28	6
Исламские страны	Пакистан, Турция, ОАЭ, Иордания	3	4
		107	65

Контрольные переменные представляют собой бинарные переменные. Переменная period - принимает значение 1, если сделка была объявлена до 2008 года, 0 в противном случае. Переменные largestake и majoritystake описывают размер пакета акций, который намеревалась приобрести российская компания. Переменная largestake - принимает значение 1, если размер пакета больше 10%, но меньше и равен 50%, 0 в противном случае. Переменная majoritystake - принимает значение 1, если размер пакета больше 50%. Переменная developed - принимает значение 1, если страна компании-цели относится к развитым рынкам капитала, 0 в противном случае. Контрольная переменная характер сделки (дружественный/враждебный) не была включена в выборку, так как все зарубежные сделки, объявленные российскими компаниями, в основном дружественные. Контрольная переменная способ оплаты также не вошла в выборку из-за того, что в данных по способу оплаты сделок преобладал способ оплаты сделки денежными средствами, а также было много сделок с недостающей информацией по данной переменной.

Помимо этого, чтобы учесть возможно недостающую нелинейную связь переменных в модели, необходимо было создать такие переменные с нелинейной связью: instperiod и invperiod. Эти переменные рассчитываются как произведение instdiff*period и invdiff*period, соответственно. Эти переменные могут помочь сделать выводы о том, в какой период (до 2008 года или после) разница в институциональной среде и инвестиционной среде оказывала больший эффект на вероятность того завершится сделка или нет.

В виду того, что зависимая переменная - это дискретная переменная, принимающая только значения 1 и 0, в данном исследовании необходимо использовать модель бинарной логистической регрессии, с помощью которой можно оценить вероятность завершения сделки М&A. Логит-модель можно представить следующим образом:

, (1)

Где P(i) это вероятность того, что сделка по приобретению i будет завершена; e это экспоненциальная функция; X(i) это вектор независимых переменных, включающий ключевые объясняющие переменные и контрольные переменные; и b это коэффициент регрессии для вектора независимых переменных X(i). Объясняющая сила логит-модели определяется использованием теста отношения правдоподобия.

В работе стоит рассмотреть несколько моделей исследования: модель исследования, которая включает объясняющие переменные касательно всех трех гипотез вместе, и модели исследования, включающие объясняющие переменные касательно каждой гипотезы в отдельности. Дальнейший выбор спецификации модели и значимость результатов прямым образом зависит от наличия мультиколлинеарности в модели. Поэтому в первую очередь стоит учесть наличие сильной взаимосвязи между зависимыми переменными и не включать такие независимые переменные в одну модель. Также стоит учесть тот факт, что могут существовать независимые переменные с нелинейной связью, которые могут оказать значимое влияние на зависимую переменную. Кроме того, необходимо проверить каждую модель на источники гетероскедастичности, и учесть это в случае их обнаружения. Итоговый выбор модели из нескольких основывается на ее качестве: по информационным критериям Акаике (AIC) и по доле правильно классифицированных единиц и нулей зависимой переменной. После этого можно считать предельные эффекты, чтобы определить степень влияния ключевых объясняющих переменных на зависимую переменную. Также необходимо проверить надежность полученных результатов.



Глава 3. Эмпирический анализ

3.1 Спецификация модели

На первом этапе анализа данных необходимо обратить внимание на наличие зависимости между независимыми переменными. Такой анализ позволяет определить какие переменные не стоит включать в одну модель, иначе наличие мультиколлинеарности в модели скажется как на значимости самой модели, так и на значимости результатов.

По значениям коэффициентов корреляции между независимыми переменными, которые отображены в корреляционной матрице в Приложении 4, можно предположить, что есть сильная зависимость между переменными instdiff и invdiff, которые отвечают за различия в институциональной и инвестиционной среде, соответственно. Также наблюдается сильная зависимость у переменной instdiff с переменной developed и invdiff с переменной developed. Это можно объяснить тем, что различия страны компании-покупателя и страны компании-цели, как в институциональной среде, так и в инвестиционной, тесно связаны с тем развитый рынок капитала компании-цели или нет. Также можно заметить сильный коэффициент корреляции между переменными largestake и majoritystake, которые отвечают за размер пакета акций, который российская компания намеревалась приобрести (или приобрела, в случае завершенной сделки) у компании-цели.

Таблица 4. Спецификация моделей без мультиколлинеарности

Модель	Независимые переменные в модели	VIF	AIC
Inst_1	instdiff, majoritystake, developed, period	1,67	1,163
Inst_2	instdiff, majoritystake, developed, instperiod	1,73	1,136
Inv_1	Invdiff, majoritystake, developed, period	1,40	1,129
Inv_2	Invdiff, majoritystake, developed, invperiod	1,41	1,120
Clusters	Cis, easteurope, westeurope, northamerica, majoritystake, period	1,99	1,234

Также наличие мультиколлинеарности в модели было проверено другим способом - с помощью фактора, увеличивающего дисперсию (VIF), который позволяет сказать есть ли мультиколлинеарность в модели, и с каким именно фактором она связана. В модели нет мультиколлинеарности если показатель VIF имеет значение ниже трех.

Проверка на мультиколлинеарность показала, что не стоит включать объясняющие переменные касательно всех трех выдвинутых гипотез исследования вместе. Поэтому далее были рассмотрены модели, включающие объясняющие переменные касательно только одной из гипотез: касательно различий в институциональной среде, различий в инвестиционной среде или культурной дистанции.

Были отобраны пять спецификаций модели как с переменной period, так и с переменными с нелинейной связью instperiod и invperiod, согласно приемлемому значению показателя VIF. Среди отобранных спецификаций модели две спецификации касательно гипотезы исследования об институциональных различиях между страной компании-цели и страной компании-покупателя, две спецификации модели касательно гипотезы исследования об инвестиционных различиях между страной компании-цели и страной компании-покупателя, и одна спецификация касательно гипотезы исследования о различиях в культурной среде страны компании-цели и страны компании-покупателя. Список независимых переменных каждой спецификации модели представлен в Таблице 4.

Каждая модель была оценена с помощью метода бинарной логистической регрессии. После этого нужно было сделать выбор между двумя спецификациями модели касательно гипотезы об институциональных различиях и между двумя спецификациями моделей касательно гипотезы об инвестиционных различиях. Сравнение моделей было произведено по информационному критерию Акаике: чем меньше критерий, тем лучше качество модели.

В ходе проверки каждой модели на соответствие предпосылке о гомоскедастичности, было выявлено, что в каждой модели существует хотя бы один источник гетероскедастичности. Поэтому следующим шагом необходимо было оценить каждую модель с учетом гетероскедастичности. Учет гетероскедастичности не оказал влияния на значимость модели в целом и на значимость результатов модели во всех трех спецификациях.

С целью проверить насколько правильно оцененная модель классифицирует единицы и нули зависимой переменной, т.е. насколько хорошо независимые переменные определяют зависимую переменную, был проведен соответствующий тест трех спецификаций моделей. Каждая из трех спецификаций модели показывает достаточно высокий процент корректной классификации единиц и нулей зависимой переменной, что говорит о хорошем качестве оцененных моделей.

Таблица 5. Качество модели согласно корректности классификации

Модель	Независимые переменные в модели	Корректная классификация
Inst_2	Instdiff, majoritystake, developed, instperiod	70,41%
Inv_2	Invdiff, majoritystake, developed, invperiod	73,37%
Clusters	Cis, easteurope, westeurope, northamerica, majoritystake, period	72,09%

Примечание касательно отсутствия в модели Clusters двух кластеров asia и islamiccountries: изначально эти переменные были включены в модель, но оказались не значимы, поэтому с целью улучшить модель эти переменные были исключены из модели в виду того, что представляют крайне малый процент от всей выборки.

В итоге, отобранные спецификации модели выглядят следующим образом:

1) Гипотеза о влиянии различий в институциональной среде между страной компании-цели и страной компании-покупателя на вероятность завершения сделки:

P(completed_i=1)=f(completed*), где

completed* = б + в*Instdiff + в*majoritystake + в*developed + в*instperiod + е

2) Гипотеза о влиянии различий в инвестиционной среде между страной компании-цели и страной компании-покупателя на вероятность завершения сделки:

P(completed_i=1)=f(completed*), где

completed* = б + в*Invdiff + в*majoritystake + в*developed + в*invperiod + е

3) Гипотеза о влиянии культурной дистанции между страной компании-цели и страной компании-покупателя на вероятность завершения сделки:

P(completed_i=1)=f(completed*), где

completed* = б + в*Cis + в*easteurope + в*westeurope + в*northamerica + в*majoritystake + в*period + е

3.2 Результаты исследования

Результаты оценки отобранных моделей касательно трех гипотез исследования отображены в Таблице 6.

Касательно гипотезы о влиянии различий в институциональной среде между страной компании-цели и страной компании-покупателя на вероятность завершения сделки была оценена модель Inst_2. По результатам оценки регрессии можно сказать, что модель в целом значима на уровне 1%: нулевая гипотеза о незначимости модели отвергается (prob>chi2 = 0.000). Независимые переменные instdiff и instperiod оказались значимы в модели. Нулевая гипотеза о равенстве коэффициентов нулю была отвергнута: переменная instdiff значима на уровне 1% и имеет положительное влияние на вероятность завершения сделки M&A; переменная instperiod также значима на уровне 1% и имеет положительное влияние на вероятность завершения сделки.

Значимость переменной instdiff, которая описывает различия в институциональной среде между страной компании-цели и страной компании-покупателя, и положительное направление влияния на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания, подтверждают гипотезу 1б: Чем существеннее различия в институциональной среде страны компании-покупателя и страны компании-цели, тем больше вероятность, что сделка завершится. Такой эффект влияния может быть связан с тем фактом, что чем выше качество институциональных органов, тем ниже уровень бюрократических барьеров, что может привести к успешному ведению переговоров между сторонами сделки, а, следовательно, выше вероятность того, что сделка завершится.

Кроме того, был подсчитан средний предельный эффект влияния переменной instdiff на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания. Средний предельный эффект составляет 1,2 процентных пункта, что означает, что при увеличении разницы в институциональный среде между страной компании-цели и страной компании-покупателя на 1 балл, вероятность завершения сделки увеличится на 1,2 п.п., при прочих равных условиях. При значительной разнице в институциональной среде между странами компаний, участвующих в сделке, которая может достигать 40 баллов и выше, вероятность того, что сделка завершится, может увеличиться на 48 п.п. и больше, соответственно.

Значимость переменной instperiod и ее положительное влияние на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания, говорит о большем эффекте влияния разницы в институциональной среде в период до 2008 года на вероятность того завершится сделка или нет.

Таблица 6. Результаты итоговых моделей

Переменные	Inst_2	Inv_2	Clusters
instdiff	0.065***
majoritystake	-0.234	-0.100	-0.037
developed	-0.009	0.166
instyear	0.044***
invdiff		0.077***
invyear		0.035**
cis			-0.783
easteurope			1.102*
westeurope			1.519**
northamerica			2.149***
year			0.336
_cons	-1.222***	-2.073***	-0.702
Кол-во переменных	169	169	172
Значимость модели	0.000	0.000	0.000
	legend: * p<.1; ** p<.05; *** p<.01

Касательно гипотезы о влиянии различий в инвестиционной среде между страной компании-цели и страной компании-покупателя на вероятность завершения сделки была оценена модель Inv_2. По результатам оценки регрессии можно сказать, что модель в целом значима на уровне 1%: нулевая гипотеза о незначимости модели отвергается (prob>chi2 = 0.000). Независимые переменные invdiff и invperiod оказались значимы в модели. Нулевая гипотеза о равенстве коэффициентов нулю была отвергнута: переменная invdiff значима на уровне 1% и имеет положительное влияние на вероятность завершения сделки M&A; переменная invperiod значима на уровне 5% и имеет положительное влияние на вероятность завершения сделки.

Значимость переменной invdiff, которая описывает различия в инвестиционной среде между страной компании-цели и страной компании-покупателя, и положительное направление влияния на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания, подтверждают гипотезу 2: Чем существеннее различия в инвестиционной среде страны компании-покупателя и страны компании-цели, тем больше вероятность, что сделка завершится. Такой эффект влияния может быть связан с тем фактом, что при благоприятном инвестиционном климате страны, который дает больше возможностей для свободного входа на рынок, меньше неофициальных барьеров, мешающих торговле, и ограничений в каких-либо отраслях экономики, соответственно, чем меньше ограничений такого рода, тем с большей вероятностью сделка может быть завершена.

Кроме того, был подсчитан средний предельный эффект влияния переменной invdiff на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания. Средний предельный эффект составляет 1,4 процентных пункта (см. Приложение 5), что означает, что при увеличении разницы в инвестиционной среде между страной компании-цели и страной компании-покупателя на 1 балл, вероятность завершения сделки увеличится на 1,4 п.п., при прочих равных условиях. При значительной разнице в инвестиционной среде между странами компаний, участвующих в сделке, которая может достигать 40 баллов и выше, вероятность того, что сделка завершится, может увеличиться на 56 п.п. и больше, соответственно.

Значимость переменной invperiod и ее положительное влияние на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания, говорит о большем эффекте влияния разницы в инвестиционной среде в период до 2008 года на вероятность того завершится сделка или нет.

Касательно гипотезы о влиянии культурной дистанции между страной компании-цели и страной компании-покупателя на вероятность завершения сделки была оценена модель Clusters. По результатам оценки регрессии можно сказать, что модель в целом значима на уровне 1%: нулевая гипотеза о незначимости модели отвергается (prob>chi2 = 0.000). Независимые переменные easteurope, westeurope и northamerica оказались значимы в модели. Нулевая гипотеза о равенстве коэффициентов нулю была отвергнута: переменная easteurope значима на уровне 10% и имеет положительное влияние на вероятность завершения сделки M&A; переменная westeurope значима на уровне 5% и имеет положительное влияние на вероятность завершения сделки; переменная northamerica значима на уровне 1% и также имеет положительное влияние на вероятность завершения сделки.

Кроме того, был подсчитан средний предельный эффект влияния переменных easteurope, westeurope и northamerica на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания. Средний предельный эффект переменных составляет 20 п.п., 29 п.п. и 35 п.п., соответственно. Это означает, что если страна компании-цели находится в конкретном кластере, например, easteurope, то вероятность завершения сделки увеличится на 20 п.п., при прочих равных условиях. Аналогичным образом можно сделать выводы о степени влияния переменных westeurope и northamerica на вероятность завершения сделки, и чем больше культурная дистанция России и страны компании-цели, согласно разработанной в данном исследовании классификации стран на культурные кластеры, тем выше вероятность, что сделка M&A завершится.

Значимость переменных easteurope, westeurope и northamerica, которые описывают различия в инвестиционной среде между страной компании-цели и страной компании-покупателя, положительное направление влияния на вероятность завершения зарубежной сделки M&A, где покупателем выступает российская компания, а также степень влияния, подсчитанная с помощью средних предельных эффектов, подтверждают гипотезу 3б: Чем существеннее различия в культурной среде страны компании-покупателя и страны компании-цели, тем больше вероятность, что сделка завершится. Такой эффект влияния может быть связан скорее всего с тем, что фирма-покупатель, которая несет дополнительные расходы, связанные с приобретением компании из менее знакомой культурной среды, участвует в сделках, от которых она сама ожидает высокую вероятность завершения сделки.

Чтобы убедиться, что полученные результаты надежны, необходимо было проверить каждую модель на устойчивость ее результатов. Есть несколько основных способов проверить надежность полученных результатов, например, замена меры зависимой переменной на близкую ей, или замена мер объясняющих переменных на близкие им. Однако в виду того, что зависимая переменная данного исследования является бинарной, а независимые переменные тоже либо фиктивные переменные, либо измеряются однозначно, можно было применить только один способ -- двигать выборку и проверять насколько это скажется на результатах. Проведенный тест на устойчивость результатов каждой модели, показал, что результаты исследования надежны.

Результаты проведенного исследования помогли подтвердить выдвинуты гипотезы исследования о наличии положительного влияния институциональных и инвестиционных различий на вероятность завершения зарубежной сделки M&A, где российские компании выступают покупателями. Существенные различия в качестве институциональной среды и в инвестиционном климате стран, участвующих в сделке, могут оказать значительный эффект на вероятность завершения сделки.

Также подтвердилась гипотеза исследования о наличии положительного влияния культурной дистанции на вероятность завершения зарубежной сделки M&A, где российские компании выступают покупателями. Данные результаты согласуются с результатами, полученными в исследовании Muehlfeld, Rao Sahib, Van Witteloostuijn (2012).

В качестве ограничений данного исследования может быть рассмотрено несколько факторов, которые могли бы повлиять на результаты модели. Во-первых, из-за недостаточности данных, некоторые контрольные переменные не удалось включить в модель. Во-вторых, однозначно существуют еще объясняющие переменные, которые стоило бы включить в модель с целью исключить возможное наличие эндогенности в модели, и таким образом получить лучшее качество модели и результатов.



Заключение

Основываясь на том, что трансграничные сделки по слияниям и поглощениям из-за их международного характера связаны с особыми проблемами, поскольку страны имеют разную экономическую, институциональную и культурную структуру, мы исследовали как различия в институциональной, инвестиционной и культурной среде влияют на вероятность завершения международных сделок M&A, совершаемые российскими компаниями. Мы проверили наши гипотезы, используя данные 255 сделок M&A, объявленных в период с 1995 по 2014 год. В качестве прокси различий в институциональной и инвестиционной среде использовался индекс экономической свободы. Для исследования гипотезы о влиянии культурной дистанции между Россией и страной компании-цели была разработана методика классификации стран на культурные кластеры, учитывая сильные и слабые культурные различия между Россией и страной компании-цели. Результаты исследования показали, что существенные различия в качестве институциональной среды и в инвестиционном климате страны компании-цели и России могут оказать значительный эффект на вероятность завершения сделки. Также на вероятность завершения зарубежной сделки M&A, в которой российские компании являются покупателями, оказывает положительное влияние культурная дистанция между странами-участниками сделки.

экономический инвестиционный культурный дистанция



Список использованных источников

1) Aguilera RV, Dencker JC. 2008. Determinants of acquisition completion: a relational perspective. Working paper, College of Business, University of Illinois at Urbana-Champaign, IL.

2) Ahmad, M., de Bodt, E., Bollaert, H. 2014. Mergers and Acquisitions Across Cultures. Draft: 10.03.2014

3) Angwin, D., 2001. Mergers and acquisitions across European borders: national perspectives on pre-acquisition due diligence and the use of professional advisors. J. World Bus. 36 (1), 32-57.

4) Asquith, P. 1983. Merger bids, uncertainty, and stockholder returns. Journal of Financial Economics, 11(1): 51-83.

5) Asquith, P., & Kim, E. 1982. The impact of merger bids on the participating firms' security holders. The Journal of Finance, 37(5): 1209-1228.

6) Beckman CM, Haunschild PR. 2002. Network learning: the effects of partners' heterogeneity of experience on corporate acquisitions. Administrative Science Quarterly 47(1): 92-124.

7) Berkovitch, E., & Narayanan, M. P. 1993. Motives for takeovers: An empirical investigation. Journal of Financial and Quantitative Analysis, 28(3): 347-362.

8) Boone, A. L., & Mulherin, J. H. 2007. How are firms sold? The Journal of Finance, 62(2): 847-875.

9) Branch, B., Wang, J., & Yang, T. (2008). A note on takeover success prediction. International Review of Financial Analysis, 17(5), 1186-1193.

10) Brown, K. C., & Raymond, M. V. (1986). Risk arbitrage and the prediction of successful corporate takeovers. Financial Management, 15, 54-63.

11) Bruner, R. F. (2002). Does M&A Pay? A Survey of Evidence for the Decision-Maker. Journal of Applied Finance, 12(1):48-68.

12) Cotter, J. S., Shivdasani, A., & Zenner,M. (1997). Do independent directors enhance target shareholder wealth during tender offers? Journal of Financial Economics,39, 3-43.

13) Dikova, D., Sahib, P. R., & van Witteloostuijn, A. 201. Cross-border acquisition abandonment and completion: The effect of institutional differences and organizational learning in the international business service industry, 1981-2001. Journal of International Business Studies, 41(2): 223-245.

14) Duggal, R., & Miller, J. A. (1994). Institutional investors, anti-takeover defenses and success of hostile takeover bids. Quarterly Review of Economics and Finance, 34, 387-402.

15) Haleblian, J., Devers, C. E., McNamara, G., Carpenter, M. A., & Davison, R. B. 2009. Taking stock of what we know about mergers and acquisitions: A review and research agenda. Journal of Management, 35(3): 469-502.

16) Haspeslagh, C., & Jemison, B. 1991. Managing acquisitions. Creating value through corporate renewal, New York: The Free Press.

17) Henry, D. (2002). Directors' recommendations in takeovers: An agency and governance analysis. Working paper, La Trobe University.

18) Henry, D. (2004). Corporate governance and ownership structure of target companies and the outcome of takeovers. Pacific-Basin Finance Journal, 12(4), 419-444.

19) Hirshleifer, D., & Titman, S. (1990). Share tendering strategies and the success of hostile takeover bids. Journal of Political Economy, 98, 295-324.

20) Hoffmeister, J. R., & Dyl, E. A. (1981). Predicting outcomes of cash tender offers. Financial Management, 9, 50-58.

21) Holl, P., & Kyriazis, D. (1996). The determinants of outcome in UK takeover bids. International Journal of the Economics of Business, 3, 165-184.

22) Holl, P., & Pickering, J. F. (1988). The Determinants and effects of actual, abandoned and contested mergers. Managerial and Decision Economics, 9(1), 1-19.

23) Kissin, W.D., Herrera, J., 1990. International mergers and acquisitions. J. Bus. Strategy 11 (July/ August), 51-55.

24) Laamanen T. 2007. On the role of acquisition premium in acquisition research. Strategic Management Journal 28(13): 1359-1369.

25) Lim, M., Lee, J., Kim, S. 2014. A Multi-Level Approach to the Completion of Cross-Border M&As after Announcements. KAIST College of Business Working Paper Series No. 2014-019

26) Luo, Y. (2005). Do insiders learn from outsiders? Evidence from mergers and acquisitions. Journal of Finance, 4, 1951-1982.

27) Meyer, C. B., & Altenborg, E. 2008. Incompatible strategies in international mergers: The failed merger between Telia and Telenor, journal of International Business Studies, 39(3): 508-525.

28) Moeller, S. B., Schlingemann, F. P. and Stulz, R. M. (2005). Wealth Destruction on a Massive Scale? A Study of Acquiring-Firm Returns in the Recent Merger Wave. Journal of Finance, 60:757-782.

29) O'Sullivan, N., & Wong, P. (1998a). The impact of board composition and ownership on the nature and outcome of UK takeovers. Corporate Governance: An International Review, 6, 92-100.

30) O'Sullivan, N., & Wong, P. (1998b). Internal versus external control: An analysis of board composition and ownership in UK takeovers. Journal of Management and Governance, 2, 17-35.

31) O'Sullivan, N., & Wong, P. (1999). Board composition, ownership structure and hostile takeovers: Some UK evidence. Accounting and Business Research, 29, 139-155.

32) Officer, S. M. (2003). Termination fees in mergers and acquisitions. Journal of Financial Economics, 69, 431-467.

33) Peltier, S. (2004). Mergers and Acquisitions in the Media Industries: Were Failures Really Unforeseeable? Journal of Media Economics, 17: 261-278.

34) Raad, E., & Ryan, R. (1995). Capital structure and ownership distribution of tender offer targets: An empirical study. Financial Management, 24, 45-56.

35) Ravenscraft, D. and Scherer, F.M. (1987). Life After Takeovers. Journal of Industrial Economics, 36(2): 147-156.

36) Saxton, T. and M. Dollinger (2004). Target Reputation and Appropriability: Picking and Deploying Resources in Acquisitions. Journal of Management, 30: 123-147.

37) Sudarsanam, P. S. (1995). The role of defensive strategies and ownership structure of target firms: Evidence from UK hostile takeover bids. European Financial Management, 1, 223-240.

38) Sudarsanam, P. S. (1996). Large shareholders, takeovers and target valuation. Journal of Business Finance and Accounting, 23, 295-314.

39) Walkling, R. A. (1985). Predicting tender offer success: A logistic analysis. Journal of Financial and Quantitative Analysis, 20, 461-478.

40) Weir, C. (1997). Corporate governance, performance and take-overs: An empirical analysis of UK mergers. Applied Economics, 29, 1465-1475.

41) Weston, J. F., Mitchell, M. L, & Mulherin, J. H. 2004. Takeovers, restructuring and corporate governance, (4th ed.). Englewood Cliffs, NJ: Prentice-Hall.

42) Wong, P., O'Sullivan, N. 2001. The determinants and consequences of abandoned takeovers. Journal of Economic Surveys, 15(2): 145-186.

43) Zhang, J., He, X. 2014. Economic Nationalism and Foreign Acquisition Completion: The Case of China. International Business Review, 23(1): 212-227.

44) Zhang, J., Zhou, C., Ebbers, H. 2010. Completion of Chinese overseas acquisitions: Institutional perspectives and evidence. International Business Review, 20 (2011) 226-238



Приложение 1

Рейтинг стран по индексу экономической свободы

Таблица 7. Рейтинг стран по индексу экономической свободы в 2014 году

Free (100 - 80)

Mostly Free (79,9 - 70)

Moderately Free (69,9 - 60)

Mostly Unfree (59,9 - 50)

Repressed (49,9 - 40)

Not Ranked (N/A)

Name	overall score	fiscal freedom	government spending	business freedom	labor freedom	monetary freedom	investment freedom
Hong Kong	90,1	93	89,7	98,9	95,5	82	90
Singapore	89,4	91,2	91,2	96,8	96,5	81,5	85
Australia	82	64,2	62,6	94,6	79,2	80,5	85
Switzerland	81,6	68,9	65,7	75,4	87,4	85,2	85
New Zealand	81,2	71,2	32,3	96,1	90,2	86,3	80
Canada	80,2	79,7	47,3	89,3	83,1	76,3	80
Chile	78,7	76,5	83,8	69,3	69,3	84,1	90
Mauritius	76,5	92,2	81,8	74,4	78	76,7	85
Ireland	76,2	74	30,6	83,4	79,5	81,7	90
Denmark	76,1	39,3	0,5	98,1	91,2	80	90
Estonia	75,9	80,4	56	77,6	55,9	76,9	90
United States	75,5	65,8	48,1	89,2	97,2	75,4	70
Bahrain	75,1	99,9	71,4	76,3	82	78,4	75
United Kingdom	74,9	56,6	29,5	92	73,1	73,5	90
Luxembourg	74,2	62,8	47,6	72,6	43,1	78,9	95
The Netherlands	74,2	51,7	25,6	89,7	59,6	79,9	90
Taiwan	73,9	80,3	84,7	93,9	53,1	81,7	70
Finland	73,4	65,1	8,9	93,6	46,5	78,9	90
Germany	73,4	61,2	38,2	89,9	46,4	80,8	90
Sweden	73,1	42,9	21,4	91,1	52,9	82,5	90
Lithuania	73	92,9	55,9	85,7	59	78,6	80
Georgia	72,6	87,3	69,7	87,8	91,2	78,4	80
Austria	72,4	51	23,5	76,3	80,5	79,5	90
Iceland	72,4	72,9	32,9	91,2	59,1	76	70
Japan	72,4	69,2	47,1	80	79,8	87,5	70
Czech Republic	72,2	81,7	43,8	70,1	84	79,4	80
Botswana	72	81	69,8	68,5	69,7	72,4	75
United Arab Emirates	71,4	99,6	83,1	74,4	82,9	84,6	35
Macau	71,3	71,4	91,7	60	55	79,8	85
Qatar	71,2	99,9	72,1	71,7	70	81,2	45
South Korea	71,2	72,6	72,6	92,8	47,8	79,6	70
Norway	70,9	50,6	42,2	90,9	44,6	78,7	75
Colombia	70,7	80,6	74,9	85,2	80,5	78,8	75
Saint Lucia	70,7	75,7	63,6	83,1	84,5	82,7	65
Belgium	69,9	44,8	14,8	89,9	72,7	79,5	85
The Bahamas	69,8	97,3	84,1	70,7	81,5	75,1	30
Malaysia	69,6	84,6	75,6	85,6	78,5	81	55
Uruguay	69,3	77,4	68	74,5	68,1	72,1	80
Jordan	69,2	94	66,9	62	72,9	81,3	70
Brunei Darussalam	69	90,2	66,1	68,2	96,5	74,2	70
Armenia	68,9	86,5	81,3	83,1	78,5	77	70
Latvia	68,7	84,6	54,9	82,5	68,5	79,7	85
Macedonia	68,6	91,4	70,7	81	78,8	83,5	60
Israel	68,4	60,1	40,3	73,2	63	80,6	80
Barbados	68,3	74	49,8	72,8	78,4	74,6	55
Cyprus	67,6	79,7	36,2	79,7	70,2	78,8	65
Oman	67,4	98,5	56	68,3	75,5	73,6	65
Peru	67,4	79,1	89,1	70,6	61,4	83,3	70
Spain	67,2	54	38,7	77,3	52,2	79,9	80
Hungary	67	81,1	26,8	79,3	65,7	75,6	75
Poland	67	76,1	43,2	70,1	60,4	77,8	70
Saint Vincent and the Grenadines	67	73,7	72,4	76,3	78,7	79,8	50
Albania	66,9	92,7	75,6	78,1	49,7	80	75
Costa Rica	66,9	80	90	64,9	53,3	76,3	70
Mexico	66,8	80,9	78,9	76,8	58,3	77,4	70
Jamaica	66,7	77,2	69,4	84,6	75,6	77,3	85
Malta	66,4	63,7	47,2	62,4	53,2	79,1	80
Slovakia	66,4	80,2	56	67	53,6	78,1	80
El Salvador	66,2	79,6	85,8	59,6	63,3	80	70
Cabo Verde	66,1	77,4	68,6	63,8	48	79,1	70
Bulgaria	65,7	91,2	64,5	73,5	80,2	79,6	55
Romania	65,5	87	59,2	71	65,2	77,1	80
Dominica	65,2	72,9	61,7	75	70,7	85,8	70
Turkey	64,9	77,5	63,5	67,6	59,7	71,8	70
Rwanda	64,7	80,3	78,2	69,6	84,1	74,8	65
Ghana	64,2	85,4	83,3	62,6	60,2	65,8	70
Kazakhstan	63,7	92,9	85	74,4	86,7	74,4	40
Montenegro	63,6	92,5	42,6	77,6	68,6	78,6	65
France	63,5	48,4	5,6	79,9	51,8	76,1	70
Portugal	63,5	60,1	26,8	84,9	34,6	79,3	70
Panama	63,4	84,3	78,7	73	39,4	75,1	75
Thailand	63,3	79,7	83,6	71,4	61,6	68,6	45
Slovenia	62,7	58,9	22,6	85,4	51	80,3	70
Trinidad and Tobago	62,7	84,8	62,5	59,4	76,4	71,7	60
South Africa	62,5	68,7	69,1	74,5	54,4	75,3	55
Kuwait	62,3	97,7	55,6	57,7	63,6	73,2	55
Saudi Arabia	62,2	99,7	63,1	67,3	75,8	68,7	40
Paraguay	62	96,2	89	58	28,9	80,9	75
Madagascar	61,7	90,8	92,3	62,8	43,9	77,6	55
Azerbaijan	61,3	88,1	64,8	73,5	77,9	78,8	60
Dominican Republic	61,3	83,7	92,3	56,1	55,2	75,7	75
Guatemala	61,2	79,6	93,6	58,4	49,3	76,7	65
Swaziland	61,2	74,7	70,9	64,2	71,7	72,3	65
Kyrgyz Republic	61,1	94,6	60,2	74,2	83,8	73,7	60
Samoa	61,1	79,9	42,2	73,7	80,3	76,1	55
Italy	60,9	55,5	25,6	75,5	52,5	78,9	85
Croatia	60,4	69,4	45,8	61,4	39,4	79,2	80
Zambia	60,4	71,8	82,9	74,9	50,1	68	60
Philippines	60,1	79,2	92,3	59,9	49,7	78	60
Sri Lanka	60	84,9	86,3	74,4	59,2	68	40
Uganda	59,9	79,1	87,3	45,1	87,4	71	60
The Gambia	59,5	79	79,8	57,4	65,8	71,3	65
Vanuatu	59,5	97,3	81,7	54,8	56,8	82,7	60
Lebanon	59,4	90,9	73,7	55,6	58,7	74,5	60
Namibia	59,4	66,9	58,8	64,4	81,9	75	50
Serbia	59,4	83,1	38,6	59,3	70,1	66,9	75
Burkina Faso	58,9	83	82,3	60,7	55	78,8	60
Mongolia	58,9	81,8	39,1	71,8	81,1	72,4	50
Fiji	58,7	82,3	76,2	64,9	73,1	75,2	50
Indonesia	58,5	83,4	89,8	54,8	47,8	76,4	40
Bosnia and Herzegovina	58,4	82,9	27,4	55,5	62,4	80,1	75
Nicaragua	58,4	78,6	80	52,6	60,3	72,8	65
Morocco	58,3	71,3	64,1	76,2	31,5	78,1	70
Tonga	58,2	86,7	74,8	74,6	91,2	71,3	35
Gabon	57,8	74,5	81,7	58,9	63	75,1	55
Tanzania	57,8	79,7	78,3	47	61,1	66	60
Cote d'Ivoire	57,7	79,1	79,8	55,1	59	80,6	50
Cambodia	57,4	90,8	88,4	36,6	50,2	77,9	60
Moldova	57,3	85,8	54,4	70,1	37,9	75	50
Tunisia	57,3	74,3	63,8	80,7	72,6	75,9	35
Benin	57,1	68,3	86,1	51	50,5	75,4	70
Honduras	57,1	84,9	79,8	55,4	26,5	75,1	60
Kenya	57,1	78	74,6	55,8	64	74,9	50
Brazil	56,9	68,8	54,1	53,8	49,8	69,9	55
Belize	56,7	82,1	74,2	71,6	67,2	77,6	40
Bhutan	56,7	82,9	57,2	59,4	83,6	65,8	20
Seychelles	56,2	76,8	61,8	67,6	68,5	75,1	50
Djibouti	55,9	80,6	62,8	42,7	65,1	77,2	65
Greece	55,7	65,9	19,2	75,8	53,9	76,3	60
Guyana	55,7	68,4	71,8	64,3	72,6	78,1	45
India	55,7	79,4	77,8	37,7	74	65,5	35
Mali	55,5	69,8	81,7	48	63,2	76,7	55
Yemen	55,5	91,7	74,9	59,2	54,9	62,1	50
Malawi	55,4	78	63	38,9	60,3	64,1	50
Senegal	55,4	65,1	75,4	47,5	41,5	81,8	60
Pakistan	55,2	80,6	88,3	69,4	47,3	68,5	40
Niger	55,1	76,8	88,4	35,2	45,4	88,3	55
Mozambique	55	75,7	64,6	65,2	36,7	80,8	45
Nigeria	54,3	85	74,5	48	66,4	73,1	40
Suriname	54,2	69	78,3	41,8	81,8	71,8	30
Bangladesh	54,1	72,5	92,3	70,8	51,9	65,9	55
Papua New Guinea	53,9	66,7	75,4	57	73,7	75,5	35
Guinea	53,5	69,3	86,2	51,8	73,4	64,1	50
Mauritania	53,2	81,7	75,8	38	53,1	75,5	50
Egypt	52,9	85,6	69,6	62,7	45,7	60,5	45
Cameroon	52,6	71,7	86	45	56,1	69,4	35
China	52,5	69,9	82,9	49,7	61,9	73,3	30
Liberia	52,4	83,6	70,5	62,3	47	72,9	40
Tajikistan	52	92,3	78,1	58,4	45,5	67,7	25
Russia	51,9	85,6	61,5	70	55,8	69,4	25
Burundi	51,4	73,5	51,9	59,8	63,1	68,2	60
Comoros	51,4	64,5	85,3	49,4	50,1	74,5	35
Guinea-Bissau	51,3	89	86,6	40,5	61,4	74,4	30
Laos	51,2	86,6	86,7	60,7	54,9	75,5	35
Maldives	51	97,4	43,8	87,4	71,7	69,4	25
Algeria	50,8	80,5	51	66,3	48,3	67,8	45
Vietnam	50,8	77	71,4	62	68,3	63,6	15
Sierra Leone	50,5	80,7	85,7	55,3	28,7	70,2	55
Belarus	50,1	89,2	61,2	73,4	77,7	33,9	30
Nepal	50,1	85,9	89,6	58,5	43,8	76,3	5
Ethiopia	50	77,5	89,9	57,8	54,7	59	20
Togo	49,9	69,7	82,4	43,3	42,8	79,3	35
Micronesia	49,8	97,5	0	51,7	77,9	75,2	25
Lesotho	49,5	67,4	0	54	62,4	75,5	50
Ukraine	49,3	79,1	37,5	59,8	49,8	78,7	20
Haiti	48,9	80,3	66,3	33,3	68,5	73,6	40
Sao Tome and Principe	48,8	86,9	27,9	52,6	44,7	68,3	50
Bolivia	48,4	87,1	62,5	53,4	29,9	70	15
Ecuador	48	79,8	41,8	52,8	52	66,1	30
Angola	47,7	87,7	55,3	47,5	40,1	63,6	40
Central African Republic	46,7	65,1	92,6	33,9	40,4	72,5	50
Burma	46,5	86,9	89,2	28,3	75,7	64,8	15
Uzbekistan	46,5	90,3	70,4	75,7	60,8	63,1	0
Kiribati	46,3	71,4	0	57	83,6	81,3	25
Solomon Islands	46,2	61,4	21,3	65,2	65,2	75,4	15
Argentina	44,6	63,5	49,9	53,9	44,9	60	30
Chad	44,5	46,2	80	24,9	43,3	69,8	50
Equatorial Guinea	44,4	75,5	62,6	43,4	41,5	75,4	35
Republic of Congo	43,7	67,5	79,6	35,1	47	72	20
Timor-Leste	43,2	64,7	0	45,4	79,2	68,3	45
Turkmenistan	42,2	95,2	93	30	30	65,9	0
Democratic Republic of Congo	40,6	69,4	74,6	30	38,5	63	20
Iran	40,3	80,6	85,9	62,3	41,7	47,3	0
Afghanistan	N/A	91,2	84,2	63,1	75	74,3	65
Iraq	N/A	95,5	40,3	56,9	73,4	70	N/A
Kosovo	N/A	92,7	73	58,1	71,3	72,7	65
Libya	N/A	95	0	50,1	77,9	66,9	5
Liechtenstein	N/A	N/A	N/A	N/A	N/A	N/A	85
Somalia	N/A	N/A	N/A	N/A	N/A	N/A	N/A
Sudan	N/A	85,1	90,3	54,5	49,1	55,8	15
Syria	N/A	N/A	N/A	60,4	55,1	N/A	0



Приложение 2

Кластеры стран согласно исследованию GLOBE Study

Рисунок 1. Кластеры стран согласно исследованию GLOBE Study



Приложение 3

Тест на надежность результатов модели

Рисунок 2. Проверка устойчивости результатов модели Inst_2

Рисунок 3. Проверка устойчивости результатов модели Inv_2

Рисунок 4. Проверка устойчивости результатов модели Clusters

Приложение 4

Тест на наличие линейной зависимости между объясняющими переменными

Таблица 8. Корреляционная матрица независимых переменных

	instdiff	invdiff	cis	east europe	asia	west europe	north america	islamic countries	large stake	majority stake	developed	period	instperiod	invperiod
instdiff	1,000
invdiff	0,783	1,000
cis	-0,539	-0,520	1,000
east europe	-0,185	-0,019	-0,187	1,000
asia	-0,271	-0,496	-0,092	-0,128	1,000
west europe	0,309	0,411	-0,282	-0,394	-0,193	1,000
north america	0,529	0,298	-0,184	-0,257	-0,126	-0,387	1,000
islamic countries	-0,243	-0,126	-0,076	-0,106	-0,052	-0,160	-0,104	1,000
large stake	-0,095	0,019	-0,028	0,002	0,065	0,139	-0,152	-0,065	1,000
majority stake	0,057	-0,019	0,019	0,012	-0,039	-0,091	0,065	0,081	-0,907	1,000
developed	0,749	0,652	-0,430	-0,600	-0,244	0,656	0,427	-0,244	-0,004	-0,028	1,000
period	-0,057	-0,133	-0,043	0,139	-0,055	-0,043	-0,027	0,009	-0,123	0,166	-0,074	1,000
instperiod	0,351	0,195	-0,239	-0,027	-0,102	0,120	0,183	-0,095	-0,052	0,091	0,258	0,793	1,000
invperiod	0,221	0,260	-0,225	0,083	-0,182	0,135	0,073	-0,063	-0,040	0,078	0,183	0,831	0,911	1,000

Приложение 5

Средние предельные эффекты влияния объясняющих переменных на вероятность завершения сделки M&A

Рисунок 5. Средние предельные эффекты влияния институциональных различий между страной компании-цели и России на вероятность завершения сделки M&A

Рисунок 6. Средние предельные эффекты влияния инвестиционных различий между страной компании-цели и России на вероятность завершения сделки M&A



Рисунок 7. Средние предельные эффекты влияния культурной дистанции между страной компании-цели и России на вероятность завершения сделки M&A



Приложение 6

Выборка исследования

Таблица 9. Выборка исследования

Number	Status	DateAnnounced	Target Country	% Acq/Sought	Clusters	Inst diff value
1	Withdrawn	21.12.1995	Hungary	51	East Europe	10,4
2	Withdrawn	02.02.1996	Thailand	62	Asia	23,6
3	Withdrawn	01.02.2000	Kazakhstan	100	CIS	-7,2
4	Withdrawn	23.01.2001	Ukraine	68	CIS	1,4
5	Withdrawn	09.04.2003	Slovakia	16,3	East Europe	15,8
6	Withdrawn	31.08.2003	Moldova	99,97	CIS	8,6
7	Withdrawn	01.01.2004	Kazakhstan	100	CIS	1,4
8	Withdrawn	21.04.2004	Poland	100	East Europe	15,7
9	Withdrawn	04.02.2005	India	49	Asia	6,5
10	Withdrawn	24.03.2005	Lithuania	53,7	East Europe	14,7
11	Withdrawn	24.05.2005	United Arab Emirates	52	Islamic Countries	17,2
12	Withdrawn	08.09.2005	India	100	Asia	6,5
13	Withdrawn	24.10.2005	Bulgaria	100	East Europe	9,6
14	Withdrawn	18.01.2006	Italy	100	West Europe	17,7
15	Withdrawn	08.02.2006	Slovakia	49	East Europe	13,3
16	Withdrawn	11.02.2006	Italy	100	West Europe	17,7
17	Withdrawn	31.03.2006	Pakistan	75	Islamic Countries	2,3
18	Withdrawn	28.08.2006	Slovenia	100	East Europe	12,2
19	Withdrawn	04.12.2006	Greece	51	East Europe	11,2
20	Withdrawn	12.02.2007	Ukraine	60	CIS	-3,9
21	Withdrawn	03.05.2007	Canada	100	North America	38,7
22	Withdrawn	29.05.2007	Poland	41	East Europe	8,1
23	Withdrawn	11.06.2007	Poland	100	East Europe	8,1
24	Withdrawn	25.03.2008	France	5	West Europe	27,0
25	Withdrawn	02.04.2008	Turkey	100	Islamic Countries	6,4
26	Withdrawn	24.05.2008	Switzerland	60,91	West Europe	38,7
27	Withdrawn	03.07.2008	Kazakhstan	49	CIS	7,1
28	Withdrawn	03.09.2008	Italy	50	West Europe	19,3
29	Withdrawn	01.11.2008	Spain	14,1	West Europe	21,9
30	Withdrawn	13.02.2009	Ukraine	100	CIS	-3,9
31	Withdrawn	22.05.2009	Germany	55	West Europe	29,3
32	Withdrawn	27.11.2009	Canada	100	North America	38,7
33	Withdrawn	01.12.2009	Ukraine	40	CIS	-3,9
34	Withdrawn	30.04.2010	Ukraine	100	CIS	-1,6
35	Withdrawn	05.07.2010	Kazakhstan	50	CIS	10,8
36	Withdrawn	20.07.2010	Austria	100	West Europe	36,5
37	Withdrawn	15.10.2010	Latvia	100	East Europe	16,7
38	Withdrawn	18.10.2010	Vietnam	33,3	Asia	1,8
39	Withdrawn	20.10.2010	Kazakhstan	85	CIS	10,8
40	Withdrawn	25.10.2010	United Kingdom	100	West Europe	36,6
41	Withdrawn	31.10.2010	Vietnam	controlling stake	Asia	1,8
42	Withdrawn	14.01.2011	Cyprus	100	East Europe	32,3
43	Withdrawn	16.02.2011	Italy	16,67	West Europe	14,6
44	Withdrawn	21.02.2011	Sweden	100	West Europe	37,5
45	Withdrawn	10.03.2011	Turkey	50	Islamic Countries	10,3
46	Withdrawn	29.05.2011	Austria	100	West Europe	35,8
47	Withdrawn	06.06.2011	Kazakhstan	-	CIS	14,2
48	Withdrawn	28.06.2011	Latvia	100	East Europe	15,8
49	Withdrawn	27.09.2011	France	50	West Europe	29,2
50	Withdrawn	12.01.2012	Armenia	100	CIS	10,5
51	Withdrawn	16.04.2012	United States	-	North America	35,8
52	Withdrawn	23.05.2012	Canada	100	North America	38,8
53	Withdrawn	31.05.2012	United States	-	North America	35,8
54	Withdrawn	11.07.2012	India	74	Asia	2,9
55	Withdrawn	05.08.2012	Germany	100	West Europe	28,7
56	Withdrawn	08.08.2012	Italy	25	West Europe	10,1
57	Withdrawn	26.02.2013	Georgia	100	CIS	20,6
58	Withdrawn	20.04.2013	Brazil	40	-	7,0
59	Withdrawn	30.05.2013	Cyprus	100	East Europe	24,6
60	Withdrawn	21.06.2013	Belgium	100	West Europe	31,6
61	Withdrawn	12.11.2013	Vietnam	49	Asia	0,2
62	Withdrawn	20.12.2013	United States	100	North America	35,9
63	Withdrawn	05.02.2014	Ukraine	60	CIS	-0,4
64	Withdrawn	19.02.2014	Kazakhstan	51	CIS	9,8
65	Withdrawn	27.02.2014	Switzerland	49	West Europe	36,8
66	Withdrawn	27.06.2014	Austria	24,9	West Europe	31,9
67	Completed	18.09.2000	United Kingdom	100	West Europe	39,8
68	Completed	02.11.2000	United States	100	North America	37,5
69	Completed	03.05.2001	Australia	100	North America	41,8
70	Completed	17.07.2001	Argentina	100	-	23,1
71	Completed	10.06.2002	-	82,3	-	-
72	Completed	31.07.2002	Latvia	9	East Europe	20,3
73	Completed	05.11.2002	Ukraine	57,7	CIS	0,2
74	Completed	29.11.2002	-	76	-	-
75	Completed	01.04.2003	Lithuania	100	East Europe	22,8
76	Completed	04.04.2003	-	100	-	-
77	Completed	30.06.2003	Ukraine	57,7	CIS	1,3
78	Completed	25.08.2003	-	79,5	-	-
79	Completed	30.09.2003	-	100	-	-
80	Completed	23.10.2003	United States	100	North America	42,6
81	Completed	21.11.2003	-	40	-	-
82	Completed	21.11.2003	-	40	-	-
83	Completed	21.11.2003	-	40	-	-
84	Completed	21.11.2003	-	40	-	-
85	Completed	13.02.2004	-	90	-	-
86	Completed	03.03.2004	Cyprus	33	East Europe	38,6
87	Completed	23.04.2004	Czech Republic	100	East Europe	21,6
88	Completed	28.12.2004	Germany	30,2	West Europe	36,2
89	Completed	14.02.2005	Finland	100	West Europe	34,1
90	Completed	14.02.2005	-	100	-	-
91	Completed	10.06.2005	Germany	100	West Europe	26,9
92	Completed	27.06.2005	United States	51	North America	38,3
93	Completed	30.09.2005	France	87,04	West Europe	22,0
94	Completed	30.09.2005	Germany	51,62	West Europe	26,9
95	Completed	30.09.2005	Austria	15	West Europe	32,2
96	Completed	30.09.2005	Luxembourg	15	West Europe	32,0
97	Completed	31.10.2005	-	98,47	-	-
98	Completed	01.11.2005	United States	51	North America	38,3
99	Completed	15.12.2005	-	100	-	-
100	Completed	22.12.2005	-	49	-	-
101	Completed	05.01.2006	Denmark	100	West Europe	43,8
102	Completed	31.01.2006	-	100	-	-
103	Completed	13.02.2006	Greece	51	East Europe	11,2
104	Completed	17.02.2006	-	57,9	-	-
105	Completed	11.04.2006	United Kingdom	100	West Europe	37,6
106	Completed	15.05.2006	United States	100	North America	38,7
107	Completed	16.05.2006	-	50	-	-
108	Completed	20.06.2006	-	100	-	-
109	Completed	31.07.2006	-	51	-	-
110	Completed	25.08.2006	-	65	-	-
111	Completed	25.08.2006	-	15,39	-	-
112	Completed	08.09.2006	-	50,82	-	-
113	Completed	19.09.2006	Cyprus	50	East Europe	24,2
114	Completed	29.09.2006	Germany	51,62	West Europe	29,0
115	Completed	08.11.2006	Turkey	100	Islamic Countries	1,0
116	Completed	20.11.2006	Finland	100	West Europe	34,6
117	Completed	20.11.2006	Australia	100	North America	38,6
118

Подобные документы

• Индекс экономической свободы

  Расчёт индекса экономической свободы по первичным данным компонентов: предпринимательская, налоговая, финансовая свобода и свобода от коррупции. Определение общих тенденций изменений уровней свобод, применение кластерного и факторного видов анализа.
  
  курсовая работа [2,8 M], добавлен 22.01.2016
  

• Сделки на условиях ВОТ (ВООТ)

  Сделки ВОТ как форма финансирования долгосрочных инвестиционных проектов промышленного и инфраструктурного направления, анализ причин появления. Знакомство с особенностями распределения проектных рисков между подрядчиком, кредитором и государством.
  
  презентация [28,2 K], добавлен 19.02.2014
  

• Экономическое развитие ведущих стран Запада

  Развитие ведущих стран Запада между Первой и Второй мировой войнами (1919-1939 гг.): экономическое состояние стран. Возрастание экономической роли США в межвоенный период. Развитие Германии, Англии, Франции, Японии. Следствия мирового кризиса.
  
  лекция [15,8 K], добавлен 02.08.2008
  

• Кластеры как новая форма конкурентных отношений в современной экономике

  Экономические кластеры: понятие, условия возникновения и функционирования. Кластеры в зарубежной и российской практике. Влияние процесса глобализации на развитие кластеров. Достоинства и недостатки кластера, перспективы и задачи кластеризации в России.
  
  курсовая работа [623,5 K], добавлен 22.11.2010
  

• Экономическая интеграция СНГ

  Цели и предпосылки интеграционных процессов в СНГ, этапы сближения стран. Состояние интеграционных связей регионов России с государствами-участниками СНГ, их экономический обзор и проблемы взаимоотношений между ними. Ханты-Мансийский автономный округ.
  
  курсовая работа [59,3 K], добавлен 23.05.2009
  

• Понятие "институциональных ловушек". Примеры "институциональных ловушек" в России

  Применение теории институциональных ловушек для анализа макроэкономической политики в России. Причины институциональных ловушек и способы выхода из них. Формирование инвестиционной ловушки, бифуркационная точка как путь выхода из финансового кризиса.
  
  эссе [22,6 K], добавлен 09.11.2010
  

• Расчет валовой прибыли предприятия

  Изучение зависимости между объемом произведенной продукции и валовой прибылью. Анализ сглаживания уровней ряда динамики с помощью трехчленной скользящей средней. Расчет индекса физического объема реализации, индекса цен и индекса стоимости товарооборота.
  
  контрольная работа [130,0 K], добавлен 22.03.2012
  

• Оценка экономической эффективности инвестиционных проектов

  Оценка финансовой реализуемости инвестиционных проектов. Эффективность участия в проекте хозяйствующих субъектов, сравнение альтернативных вариантов. Основные принципы принятия инвестиционных решений; показатели, используемые для расчета их эффективности.
  
  презентация [45,5 K], добавлен 25.11.2014
  

• Экономический рост и увеличение свободы

  Основные факторы экономического роста. Факторы институциональных изменений по Норту. Культурные ценности и общественная организация. Крах централизованного планирования в странах "третьего мира" и всей социалистической системы. Причины политики несвободы.
  
  реферат [16,6 K], добавлен 19.01.2010
  

• Особенности реформирования рыночных структур и новых форм управления

  Возрождение российской государственности и ее институтов. Начало масштабных реформ в управлении страной. Обострение конфликта между союзными и республиканскими властями. Российская экономика в 1990-е годы. Сущность западной либеральной модели развития.
  
  курсовая работа [32,5 K], добавлен 03.04.2012
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам