Большинство исследований в данной области используют регрессионный анализ. Данный способ является наиболее удобным для оценивания подобных взаимосвязей. Панельная структура, как уже было сказано ранее, учитывает не только изменения среди объектов, что делает кросс-секция, а также учитывает и временные изменения, эффекты связанные, например, с сезонностью или кризисом.

3.2 Расчет показателей центральности

Первое на что необходимо обратить внимание, это показатели связей директоров. Чтобы рассчитать показатели сетевых взаимоотношений директоров, была собрана большая база из 112 российских компаний. Для каждой компании были собраны данные по составу совета директоров на каждый год с 2009 по 2013.

В большинстве работ, на первом этапе строится матрица директоров отдельно на каждый год, в этой матрице значение 1 ставится в случае если

директор сидел хотя бы на одном заседании с

директором, а на главной диагонали ставятся нули, так как сам с собой директор сидеть не может (см. Таблица 2). С помощью данной матрицы можно посчитать первоначальный показатель «степень», то есть количество прямых связей для каждого директора (Freeman, 1979, Bohler, Rapp, Wolff, 2010, Qi, 2010, Andergassen, 2011, Andres, Bongard, Lehmann, 2013, Shelley, Omer, Tice, 2014).

Таблица 2. Пример матрицы связей

	0	1	0	1
	1	0	0	1
	0	0	0	1
	1	1	1	0

Так, согласно таблице 1, директор имеет показатель «степень» равный 2. Так же в социологии существует общая схема (см. Рисунок 2), которая объясняет данный показатель.

Формула показателя центральности по степени выглядит следующим образом:

, (1)

где g - это количество директоров в конкретном году. Знаменатель используется для того, чтобы избежать отличия в разнице количества человек в совете директоров.

Рис. 2. Схема формирования показателя центральности по степени



Следующий показатель центральность по близости. Как было сказано ранее, данный показатель можно назвать влиятельность или важность директора в сети, хотя последний (центральность по собственному вектору) больше характеризует важность (качество) прямых связей директора. Если быть точным, то данный показатель характеризует степень с которой данный директор контролирует связи других директоров, а также показатель характеризует степень, с которой этот же директор сокращает дистанцию между всеми возможными парами других директоров, которые не имеют прямой связи друг с другом. В этом случае директор выступает как «мост» помогающим другим образовывать связи. Данная ситуация наглядно представлена на рисунке 3.

Рис. 3. Схема формирования показателя центральности по посредничеству [1, C. 15]

Например, директор «С» образует связь между «B» и «D», «B» и «E», «A» и «D», «A» и «E», таким образом его показатель равен 4, а у «B» равен 3 так как он образует соединяет три пары «A» и «C», «A» и «D», «A» и «E» и так далее. Однако, когда мы рассматриваем директоров, как и в случае с показателем центральности по степени, то нужно использовать следующую формулу:

(2)



Где, - количество всех пар которые образует индивид i,

- количество связей между директорами j и k.

- для того, чтобы ликвидировать разницу между размерами советов директоров.

Третий показатель центральность по близости. Данный показатель характеризует сумму «расстояний», преодолеваемых i-м директором при попытке контактировать с другими персонами в сети, кроме того, она определяет скорость и независимость влияния директора на других людей. Формула выглядит следующим образом:

(3)

Где, d (i, j) - дистанция между директором i и директором j.

На рисунке 4 можно наглядно представлена схема расчёта этого показателя.

Рис. 4. Схема формирования и пример расчета показателя центральность по близости [1, C. 25]

Последний показатель центральность по собственному вектору. Эта мера показывает взвешенную величину прямых связей директора и характеризует степень с которой сетевая центральность директора соотносится с центральностью его соседей, иными словами эта мера характеризует качество всех связей, которые имеет директор. Формула выглядит следующим образом:

(4)

Расчет основывается на модели «собственное значение - собственный вектор» («eigenvalue-eigenvector»): , где - это смежная матрица, которая принимает значение 1 если директор i и директор j в одном совете директоров, и 0 в противном случае. л - наибольшее «собственное значение» и - это «собственное значение» центральности j-го директора. В социологии, индивиды, обладающие большим доступом к информации - ценные ресурсы информации. Данная величина определяет наиболее ценного директора.

3.3 Предварительный анализ данных

Рассмотрим описательные статистики переменных, чтобы выявить выбросы и ненужные наблюдения, таким образом останутся те наблюдения, результатом анализа которых будут получены более адекватные оценки.

Всего в исследовании 560 наблюдений. В приложении представлены описательные статистики выборки (см. Приложение 1). В нескольких переменных стандартное отклонение превышает их среднее в несколько раз, следовательно, выборка является неоднородной. Это можно объяснить тем, что в выборке собраны компании, принадлежащие разным отраслям и компании разного размера. Большая часть переменных не подчиняется нормальному закону распределения, на то указывают значения эксцесса и асимметрии, только переменная характеризующая размер компаний близка к нормальному.

Согласно описательным статистикам прокси показатель нелегального использования активов компании (TUN) не является нормально распределенной величиной, так как значения асимметрии и куртозиса равны 1,94 и 6,9, в случае нормального распределения они должны быть близки к значениям 0 и 3. Минимальное значение по выборке равно нулю, скорее всего это связанно с тем, что в выборке присутствуют компании, по которым не удалось рассчитать показатель, ввиду отсутствия данных в доступе.

Теперь рассмотрим независимые переменные. Основные переменные, на которые необходимо обратить внимание - это центральность по степени (degree), центральность по близости (closeness), центральность по посредничеству (betweenness) и центральность по собственному вектору (eigenvector). Данные переменные в тои или иной мере характеризуют качество, степень сетевых взаимоотношений директоров в нашей выборке, и в среднем компании, в которой они выступают в качестве директоров совета. Остановимся на показателе центральности по степени (degree centrality) в среднем во всей выборке показатель равен около 13, то есть директора в компании в среднем имеют 13 прямых связей. Медианное значение так же около 12, это говорит о том, что половина выборки имеет показатель равный меньше 12 связей. Максимальный показатель равен примерно 32, скорее всего это достаточно крупные компании, такие как Лукойл, Газпром и т.д. в совете директоров подобных компании очень много директоров, или компании независимые директора которых работают на несколько компаний. Следующий показатель - центральность по близости (closeness centrality), характеризует близость директора к остальным директорам сети и его влияния в сети в целом на других директоров, скорость получения информации от других директоров. Среднее значение показателя по выборке примерно 0,05. Самый максимальный показатель равен 0,25. Показатель также не является нормально распределенной величиной, так как коэффициент асимметрии и куртозиса не равны 0 и 3, хотя довольно близки к этим значениям. Показатель центральности по посредничеству (betweenness centrality) - характеризует влиятельность директора в сети, т.е. то количество потенциальных связей, которые он образует между другими возможными парами директоров, то есть выступает в качестве «моста» между ними. Средний показатель по выборке равен 1549,04. Максимальное значение показателя в выборке около 20 тыс., минимальное 0 - этот показатель принадлежит тем компаниям, Совет Директоров которых не имеет индивидов, которые сидели бы еще в одном и более Советах Директоров. Последний показатель характеризует качество связей, которые компания имеет - центральность по собственному вектору (eigenvector centrality). Максимальное значение показателя в выборке 0,06. Минимальное значение также равно 0 - те же самые компании, директора которых не имеют связей вне компании. Хочется отметить, несмотря на то, что переменные не имеют нормального распределения, на них не стоит накладывать ограничений, так как нам важно понять, как влияет степень, качество, влияние директоров компаний на рыночную капитализацию компаний, таким образом надо нужны и те индивиды, которые не имеют связей.

Переменная характеризующая долю членов Совета Директоров с участием в собственности (Owners managers) близка к нормальному распределению, так как коэффициенты асимметрии и куртозиса близки к 0 и 3. Максимальное значение равно единице, это говорит о том, что в выборке присутствуют компании в совете директоров которых 100% собственников, а также в выборке есть компании в Совете Директоров которых нет вообще собственников, об этом нам говорят значения максимума и минимума (1 и 0 соответственно). Кроме того, можно говорить о том, что в среднем по выборке 20% членов Советов Директоров с участием в собственности, но чаще всего встречаются компании, в которых таковых членов СД 8%.

Следующая переменная характеризует общую долю собственности, которую имеют члены Совета Директоров (Board_share), сразу видно, что переменная не имеет нормального распределения, так как коэффициенты асимметрии и куртозиса в несколько раз превышают значения при нормальном распределении, в среднем по выборке общая доля собственности, которая принадлежит членам СД равна примерно 2-3%. Больше половины выборки имеют доли собственности равной 0%, существует также компания, в которой доля собственности, которой владеет СД равно 95%.

Переменная характеризующая финансовый рычаг (Leverage). По коэффициентам асимметрии и куртозиса данной переменной видно, что она не является нормально распределенной, так как значения превышают 0 и 3 в несколько раз.

Переменная размера компаний (Size) рассчитана как натуральный логарифм совокупных активов компании. Также не является нормально распределённой величиной. Медианное значение примерно равно 16, это говорит о том, что 50% выборки имеет компании размер которых колеблется от 16 до 20. В среднем компании имеют показатель равный 15.

Также в работе рассматривается показатель характеризующий количество дочерних компаний для каждой из выборки. Максимальное количество равно единице. В основном в компаниях имеются либо одна «дочка», либо их нет совсем.

Рассматривается показатель, характеризующий доли государственных собственников (Gov_Owner). Также переменная не является нормально распределенной, так как показатели асимметрии и куртозиса равны 5,2 и 31,4 соответственно. в среднем доля государственного владения составляет 3,58%, максимальное значение 100%, минимальное 0. Это говорит о том, что в выборке присутствуют компании независящие от государства, и зависящие либо частично, а в некоторых случаях на 100% (Транснефть).

Переменная доли независимых директоров в составе СД имеет среднее значение равное 14,35%. Это говорит о том, что в среднем по рассматриваемой выборке в составе Совета Директоров примерно 14% внешние директора. Максимальное значение данной переменной равно единице, данное значение говорит о том, что есть компания, в которой в какой-то период времени совет директоров состоял только из независимых директоров. Посмотрев на данные было определено, что в 2010 году у компании Транснефть Совет директоров полностью состоял из независимых директоров.

3.4 Корреляционный анализ

Согласно корреляционному анализу, представленному в приложении 2 видно, что все три показателя сетевых взаимодействия Советов Директоров имеют небольшую отрицательную взаимосвязь с показателем нелегального использования активов компании. Также по данной матрице видно, что показатель центральности по степени (degree centrality), центральности по близости (closeness centrality), центральности по посредничеству (betweenness centrality) и центральности по собственному вектору (eigenvector centrality) имеют положительную сильную связь с между собой, это говорит о том, что при регрессионном анализе включать все четыре показателя в одну модель не целесообразно, в силу возникновения мультиколлинеарности, поэтому мы будем рассматривать несколько моделей.

Корреляция между контрольными переменными и показателями центральности не велики в основном меньше 30%, таким образом мы можем включить их во все модели. Кроме того, между показателями центральности и контрольными переменными также не замечено сильной зависимости.

3.5 Регрессионный анализ

Далее проводился регрессионный анализ. В качестве зависимой переменной использовался прокси показатель нелегального использования активов компании, «туннелирование» (TUN). Основные независимые переменные включенные в регрессионную модель изначально были следующие: центральность по степени (degree centrality), центральность по посредничеству (betweenness centrality), центральность по близости (closeness centrality), центральность по собственному вектору (eigenvector centrality), доля членов СД с участием в собственности (owners managers), общая доля собственности, которую имею члены СД (board share), натуральный логарифм активов, который характеризует размер компании (size), финансовый рычаг (leverage), показатель отраслевой принадлежности компании (industry), доля государственных собственников компании (gov_owner), число дочерних предприятий (subsidiary), доля независимых директоров в составе СД (s_indep). Однако, после корреляционного анализа принято построить модели для каждого показателя сетевых взаимодействий отдельно, в силу однородности этих показателей в модели возникает мультиколлинеарность.

Общий вид регрессионной модели выглядит следующим образом:

Сначала были построены сквозные модели методом наименьших квадратов (OLS) без применения каких-либо эффектов (см. Таблица 3)

Таблица 3. Результаты оценки сквозных моделей

	1st	2nd	3rd	4th
DEGREE	-0.0023* (0,0013)
CLOSENESS		-0.2822** (0,1182)
BETWEENNESS			-3.69e-06 (2,54e-06)
EIGENVECTOR				-0.0035 (0.0025)
Owners managers	-0.0621* (0,0321)	-0.0695** (0,0309)	-0.0641** (0,0322)	-0.0711** (0,0312)
BOARD_SHARE	0.0021** (0,0008)	0.0023*** (0,0008)	0.0020** (0,0008)	0.0021** (0,0008)
GOV_OWNER	-0.0010** (0,0007)	-0.0009** (0,0007)	-0.0011** (0,0004)	-0.0011** (0,0004)
Leverage	0.0113*** (0,0024)	0.0112*** (0,0024)	0.0113*** (0,0024)	0.0114*** (0,0024)
Size	0.0033 (0,0028)	0.0036 (0,0028)	0.0031 (0,0027)	0.0029 (0,0028)
Industry	-0.0201** (0,0087)	-0.0238*** (0,0087)	-0.0204** (0,0087)	-0.0197** (0,0088)
Subsidiary	0.0149 (0,0171)	0.0130 (0,0171)	0.0181 (0,0167)	0.0203 (0,0166)
S_indep	0.0091 (0,0274)	0.0154 (0,0274)	0.0071 (0,0271)	0.0025 (0,0269)
Const.	0.2619*** (0,0531)	0.2251*** (0,0517)	0.2447*** (0,0516)	0.2396*** (0,0516)
R-squared	13.95%	14.58%	13.71%	13.67%
Obs.	360	360	360	360

* Значим на 10% уровне

** Значим на 5% уровне

*** Значим на 1% уровне

В результате построения сквозных регрессий видим, что показатели центральности по посредничеству (betweenness) и центральности по собственному вектору (eigenvector) незначимы. Однако в данных моделях видно, что показатель доли членов СД с участием в собственности (owners managers) отрицательно влияет на прокси показатель «туннелирования». Это говорит о том, что чем больше в СД членов, имеющих долю в собственности, тем меньше «туннелирование», скорее всего это связано с тем, что эти собственники всегда находятся близко к независимым директорам и те в свою очередь влияют на поведение этих собственников, способствуя снижению «туннелирования». Доля государственных собственников (GOV_OWNER) компании также отрицательно влияет на нелегальное использование активов, это связанно скорее всего с тем, что эти организации очень сильно контролируются государством и это способствует снижению «туннелирования», так как государство само не заинтересованно в подобных действиях. Однако, если обратить внимание на переменную, характеризующую общую долю собственности, которую имеют члены СД, то можно сказать о том, что чем больше доля владения, тем больше показатель нелегального использования активов. Переменная характеризующая отраслевую принадлежность (industry) значима и показывает, что, например, в строительных компаниях «туннелирование» в среднем больше, чем в финансовых компаниях, это связанно с тем, что в строительных компаниях физически активов больше, чем в финансовых, этими активами могут выступать как простые обрабатывающие станки, так и различные грузовые автомобили краны и т.д. в среднем модели описывают 14% дисперсии объясняющей переменной, в первой и второй моделях с независимыми переменными центральности по степени и центральности по близости. Коэффициенты перед показателями значимы и показывают отрицательную зависимость «туннелирования» от показателей центральности. Это говорит о том, что чем больше связей у членов СД, чем центральнее эти связи, тем сильнее они могут контролировать мажоритарного акционера, предотвращая нелегальное использование активов.

Также необходимо отметить, что показатель наличия дочерних компаний не значим ни в одной модели, это говорит о том, что подобное нелегальное поведение акционеров не будет зависеть от наличия и присутствия какой-либо аффилированной компании, что не соответствует предполагаемой нами гипотезе.

Далее для каждой модели были проверены графики остатков, в результате был обнаружено наличие гетероскедастичности (см. Рисунок 5), скорее всего это связанно с тем, что компании в выборке из разных отраслей, таких как: промышленность, строительство, торговля, банки и т.д.

Рис. 5. Графики остатков сквозных моделей

Наличие гетероскедастичности приводит к тому, что полученные оценки с помощью метода наименьших квадратов не являются эффективными. Кроме того, статистические выводы о качестве полученных оценок могут быть неадекватными.

Таким образом было принято оценивать модели с помощью обобщённого метода наименьших квадратов (GLS), чтобы избавиться от гетероскедастичности. В Таблице 4 представлены результаты оценки моделей методом GLS.

Таблица 4. Результат оценки моделей обобщенным методом наименьших квадратов

	1st	2nd	3rd	4th
DEGREE	-0.0016*** (0,0004)
CLOSENESS		-0.2477*** (0,0556)
BETWEENNESS			-1.89e-06** (8,59e-07)
EIGENVECTOR				-0.0019** (0,0007)
Owners managers	-0.0323*** (0,0123)	-0.0442*** (0,0118)	-0.0409*** (0,0124)	-0.0473*** (0,0124)
BOARD_SHARE	0.0026*** (0,0004)	0.0027*** (0,0004)	0.0026*** (0,0004)	0.0026*** (0,0004)
GOV_OWNER	-0.0001*** (9,08e-05)	-0.0008*** (9,56e-05)	-0.0009*** (9,00e-05)	-0.0009*** (8,37e-05)
Leverage	0.0139*** (0,0026)	0.0138*** (0,0025)	0.0139*** (0,0026)	0.0140*** (0,0026)
Size	0.0053*** (0,0014)	0.0073*** (0,0014)	0.0059*** (0,0014)	0.0059*** (0,0014)
Industry	-0.0019*** (0,0051)	-0.0208*** (0,0049)	-0.0192*** (0,0052)	-0.0182*** (0,0053)
Subsidiary	0.0134* (0,0081)	0.0167** (0,0079)	0.0159* (0,0082)	0.0198** (0,0082)
S_Indep	-0.0058 (0,0086)	-0.0055 (0,0084)	-0.0007 (0,0085)	-0.0024 (0,0084)
Const.	0.1955*** (0,0295)	0.1440*** (0,0297)	0.1728*** (0,0293)	0.1683*** (0,0296)
R-squared	51.69%	47.66%	53,03%	53,51%
Obs.	360	360	360	360

* Значим на 10% уровне

** Значим на 5% уровне

*** Значим на 1% уровне

В данном случае оценки получились более эффективными, почти все коэффициенты значимы на 1%-м уровне значимости. Коэффициенты при центральности по посредничеству (betweenness) и центральности по собственному вектору (eigenvector) стали значимыми на 5%-м уровне значимости. В данном случае гипотезы об отрицательном влиянии показателей центральности членов СД на нелегальное использование активов компании акционерами подтверждаются. Также обратим внимание на показатели количества дочерних компаний (subsidiary), видно, что коэффициенты значимы, это говорит нам о том, что наличие дочек способствует увеличению использования активов компании с целью получения лично выгоды. Это можно объяснить, так как при появлении новых аффилированных лиц, или наличие таких, возникают новые источники совершения «мнимых» сделок. Показатель размера компании (size) положительно влияет на прокси показатель нелегального использования активов компании, скорее всего это связано с тем, что в больших компаниях мониторинг со стороны независимых директоров трудноосуществим, в силу этого момента, контролирующий акционер может находить новые способы получения частных выгод, об этом уже упоминалось в теоретическом обзоре.

Следующим этапом в регрессионном анализе было рассмотрение совместного влияния показателей сетевой центральности с долей государственных собственников (GOV_CEN), чтобы ответить на вопрос о том являются ли компании с большей долей государственного владения и высокими показателями центральностей членов Совета Директоров менее предрасположены к нелегальному использованию активов, или наоборот это способствует оттоку нецелевому оттоку активов из компании. По сути, высокая центральность и высокая доля государственного владения должна перекрывать возможные источники нелегальных контрактов. Результаты оценки совместного влияния представлены ниже (см. Таблицу 5).

Таблица 5. Результат оценки моделей с совместным влиянием центральности и доли государственного владения.

	1st	2nd	3rd	4th
DEGREE	-0,0013*** (0,0005)
CLOSENESS		-0,2187*** (0,0581)
BETWEENNESS			-8,45e-07 (9,58e-07)
EIGENVECTOR				-0,0058* (0,0008)
Owners managers	-0,0296** (0,0127)	-0,0379*** (0,0118)	-0,0397*** (0,0128)	-0,0426*** (0,0125)
BOARD_SHARE	0,0025*** (0,0004)	0,0027*** (0,0004)	0,0026*** (0,0004)	0,0026*** (0,0004)
GOV_OWNER	-0,0005 (0,0004)	-0,0009*** (0,0001)	-0,0006*** (0,0002)	-0,0008*** (0,0001)
Leverage	0,0081*** (0,0026)	0,0081*** (0,0025)	0,0085*** (0,0026)	0,0084*** (0,0026)
Size	0,0012 (0,0014)	0,0019 (0,0014)	0,0013 (0,0014)	0,0013 (0,0014)
Industry	-0,0136*** (0,0051)	-0,0160*** (0,0049)	-0,0136** (0,0053)	-0,0135** (0,0053)
Subsidiary	0,0021 (0,0082)	0,0031 (0,0079)	0,0045 (0,0083)	0,0066 (0,0084)
S_Indep	-0,0030 (0,0087)	-0,0029 (0,0085)	-0,0057 (0,0088)	-0,0086 (0,0084)
GOV_CEN	-3,09e-05 (2,67e-05)	-0,0012 (0,0026)	-5,94e-08 (3,93e-08)	-0,0701 (0,0413)
Const.	0,2450*** (0,0296)	0,2147*** (0,0298)	0,2275*** (0,0291)	0,2282*** (0,0299)
R-squared	43,77%	38,17%	39,21%	46,53%
Obs.	360	360	360	360

* Значим на 10% уровне

** Значим на 5% уровне

*** Значим на 1% уровне

Как видим из данной таблицы показатели совместного влияния показателей центральности Советов Директоров и государственного владения не значимы.

Также важно рассмотреть совместное влияние доли независимых директоров в составе Совета Директоров и показателей центральности директоров (IND_CEN). Результаты оценки совместного влияния представлены ниже (см. Таблицу 6).



Таблица 6. Результат оценки моделей с совместным влиянием центральности и доли независимых директоров в составе СД

	1st	2nd	3rd	4th
DEGREE	-0,0032*** (0,0005)
CLOSENESS		-0,1799*** (0,0645)
BETWEENNESS			-5,80e-08*** (1,26e-06)
EIGENVECTOR				-0,0018** (0,0009)
Owners managers	-0,0404*** (0,0125)	-0,0461*** (0,0119)	-0,0418*** (0,0123)	-0,0047*** (0,0125)
BOARD_SHARE	0,0025*** (0,0004)	0,0028*** (0,0004)	0,0025*** (0,0004)	0,0026*** (0,0004)
GOV_OWNER	-0,0011*** (8,95e-05)	-0,0008*** (9,34e-05)	-0,0009*** (8,67e-05)	-0,0009*** (8,56e-05)
Leverage	0,0139*** (0,0025)	0,0138*** (0,0026)	0,0140*** (0,0026)	0,0139*** (0,0026)
Size	0,0045*** (0,0014)	0,0075*** (0,0014)	0,0059*** (0,0014)	0,0059*** (0,0014)
Industry	-0,0160*** (0,0048)	-0,0237*** (0,0052)	-0,0191** (0,0049)	-0,0184*** (0,0054)
Subsidiary	0,0156* (0,0079)	0,0159* (0,0082)	0,0180** (0,0081)	0,0194** (0,0082)
S_Indep	-0,0593** (0,0244)	-0,0014 (0,0085)	-0,0262** (0,0117)	-0,0024 (0,0099)
IND_CEN	-0,0046*** (0,0016)	-0,4400 (0,2952)	-1,01e-05*** (2,91e-06)	-0,2362 (3,0171)
Const.	0,2220*** (0,0296)	0,2147*** (0,0296)	0,1809*** (0,0296)	0,1686*** (0,297)
R-squared	53,57%	50,31%	54,59%	53,59%
Obs.	360	360	360	360

* Значим на 10% уровне

** Значим на 5% уровне

*** Значим на 1% уровне



Рассмотрим результаты по каждой модели отдельно. В результате оценки модели с совместным влиянием центральности по степени и доли независимых директоров в СД, коэффициент перед переменной доля независимых членов СД (S_Indep) получился значимым с отрицательным знаком. В результате можно сделать вывод о том, что чем больше количество независимых директоров в СД, тем меньше контролирующий акционер использует активы компании с целью личной выгоды. Такой эффект связан с тем, что большему количеству независимых директоров проще проводить мониторинг деятельности акционера и оказывать давление в случае возникновения прецедентов к «туннелированию». Переменная совместного влияния (IND_CEN) говорит о том, что чем больше независимых директоров с большим количеством связей, тем меньше нелегальное использование активов со стороны мажоритарного акционера. Ситуация с третьей моделью, где в качестве показателя центральности выступает посредничество (betweenness) такая же. Знак перед показателем совместного влияния говорит о том, что чем больше в Совете Директоров независимых членов с высокими показателями центральности по посредничеству, тем меньше нелегальное использование активов.

Обратив внимание на модели с центральностью по близости и с центральностью по собственному вектору можно сказать, что не имеет значения сколько независимых членов состоит в Совете Директоров, а важно то, какие связи они имеют с точки зрения близости и собственного вектора, то есть в СД может находиться один независимый, но с высоким показателем центральности по близости, имеющий наибольшую центральность во всей сети локально. Также и с центральностью по собственному вектору, самое главное не количество таких директоров, а качество их связей, чем выше центральность его связей, тем наибольший авторитет он представляет в глазах контролирующего акционера. Такой независимый директор способен предотвращать «туннелирование».

В силу того, что показатели центральности получаются ненормированными для каждой компании, так как при анализе не выделяется максимально возможное количество связей, то есть в регрессии рассматриваться одна сеть, таким образом отсутствие нормирования не искажает результаты.



4. Описание результатов

4.1 Основные результаты

После построения нескольких моделей регрессий и анализа данных моделей, их коэффициентов влияния на показатель нелегального использования активов компании, можно сделать несколько выводов.

Переменная показывающая количество прямых связей - центральность по степени (degree centrality) Советов Директоров российских компаний имеет отрицательное влияние на нелегальное использование активов компании. Другими словами, более активный директор всей сети, у которого больше всего связей, более уверен в принятии тех или иных решений, и способен влиять на поведение акционера, таким образом предотвращая нелегальные действия с его стороны. Гипотеза об отрицательно влиянии показателя центральности по степени не опровергнута.

Переменная центральность по близости (closeness centrality) также отрицательно влияет на показатель нелегального использования активов компании, так как показатель характеризует скорость распространения информации в сети от одного участника к остальным. Иными словами, директор, чей показатель центральности по близости наиболее высокий имеет возможность быстрее всех получить ту или иную информацию, а, следовательно, быстрее всех и эффективнее принимает управленческие решения, в том числе и решает проблемы с возможными нелегальными действиями акционера. Гипотеза об отрицательном влиянии центральности по близости на нелегальное использование активов компании не опровергнута.

Переменная центральность по посредничеству (betweenness centrality) показывает то, сколько кратчайших путей между всеми директорами сети проходит через определенного директора. По сути, данный показатель характеризует насколько важную роль играет директор в данной сети на пути между другими директорами. То есть чем выше степень контроля независимого директора над передачей информации и образованию потенциальных связей между другими удаленными в сети акторами, тем больше у него влияния на акционеров. В результате анализа мы видим, что показатель также отрицательно влияет на показатель нелегального использования активов компании это является подтверждением выдвинутой ранее гипотезы.

Показатель центральности по собственному вектору (eigenvector centrality) показывает зависимость между центральностью директора и центральностью директоров, имеющих с ним прямые связи. Этот показатель также отрицательно влияет на нелегальное использование активов, это объясняется тем, что директор имеющий качественные связи будет наиболее уверенным в том, что любые его действия будут поддерживаться со стороны, данный директор не будет переживать по поводу будущего места работы, что позволит принимать ему решения даже наперекор акционеру, в результате чего директор с таким авторитетом может влиять и предотвращать вредящие компании действия со стороны акционера. Гипотеза об отрицательном влиянии центральности по собственному вектору на нелегальное использование активов не была опровергнута.

Показатель доли членов СД с участием в собственности говорит о том, что чем больше доля таких членов, тем меньше подобных нелегальных действий совершается со стороны собственников. Однако, показатель общей доли собственности, которой владеют члены СД говорит об обратном, что чем больше доля их владения, тем больше нелегальных сделок они будут совершать. Это логично исходя из того, что они могут оказывать некоторый «прессинг» на всех членов советов директоров, возможно это один из тех вопросов, который можно изучать в будущем.

Один из важных показателей контрольных переменных количество дочерних компаний (Subsidiary). Коэффициент перед переменной значим и имеет прямое влияние на зависимую переменную. Это говорит о том, что наличие аффилированных лиц, дочерних компаний может позволять акционерам проводить нелегальные операции с активами и совершать прочие фиктивные сделки с этими аффилированными лицами, так как возникают потенциальные источники «туннелирования» и совершения мнимых сделок.

Также в работе рассматривались вопросы о совместном влиянии показателей центральности и доли независимых членов советов директоров. В результате анализа стало ясно, что такие показатели как центральность по степени и центральность по посредничеству имеют совместное влияние с долей членов советов директоров на нелегальное использование активов. Логика в подобном выводе есть, так как один директор с небольшим количеством связей, не важно каких, так как мы рассматриваем простой показатель центральности по степени, не имел бы такого влияния на акционера, как если бы таких директоров было двадцать. С показателем центральности по посредничеству такие же выводы. В силу того, что показатель посредничества может быть высокий, а качество прямых связей не большое (центральность по собственному вектору), в данном случае обладатель таких показателей центральности необязательно может иметь авторитет и способность к быстрому принятию решения, при наличии маленького показателя центральности по близости. Если таких независимых директоров будет несколько в СД, то они уже смогут повлиять на какие-либо скрытые действия акционера.

Еще один важный вывод, который мы получили в результате исследования, что показатель центральности по близости и центральности по собственному вектору не имеют общего влияния с долей независимых директоров в СД. Это, с точки здравого смысла, логично, так как в СД может быть один независимый директор, но с очень высоким показателем центральности по близости, и в силу скорости получения той или иной информации, в силу быстроты и широкого доступа ко всем акторам сети он может получать необходимую информацию, опыт с высокой скоростью, что дает ему возможность принимать более качественные решения в более короткое время. Также независимый директор может иметь высокий показатель центральности по собственному вектору и для компании не важно сколько таких директоров будет в СД.

В работе рассматривался такой вопрос как совместное влияние центральности и доли владения государством. Анализ не дал положительных результатов, совместное влияние оказалось не значимым, хотя в отдельно эти переменные отрицательно влияют на зависимую переменную, т.е. даже если в компании не будет независимых директоров, но высокая доля владения государством, то в таких компаниях «туннелирование» будет сводиться к минимуму.

Также был сделан вывод о том, что компании, относящиеся к таким отраслям как строительство и недвижимость, обрабатывающая промышленность имеют более высокий показатель нелегального использования активов компании в отличии от компаний финансового сектора или отрасли услуг.

Сравнивая результаты с предыдущими работами можно выделить то, что в данной рассматривались такие вопросы как наличие дочерних предприятий, наличие государственного владения и влияние доли независимых директоров и их совместного влияния на нелегальное использование активов компании. В предыдущих работах, как например (Chen, Wang, Lin, 2012) авторы рассматривали просто влияние показателей центральности на «туннелирование», однако вопрос о возможном совместном влиянии центральности и долей государственного владения, или долей независимых директоров в СД не рассматривался. В целом выводы о том, что высокие показатели центральности директоров снижают нелегальное использование активов одинаковы.

Заключительные выводы проделанной работы следующие: наиболее активные директора сети, имеющие наиболее высокий показатель центральности по степени, центральности по близости, центральности по посредничеству и центральности по собственному вектору обеспечивают более качественное управление, качественный мониторинг акционеров. Такие директора определенно имеют авторитет внутри всей сети, что позволяет им получать всю необходимую информацию, которая помогает принимать им быстрые и качественные решения, таким образом предотвращая нелегальное использование активов компании и ее фондов. Результаты показывают, что директора могут сократить подобные действия со стороны акционеров с помощью своих связей, используя свой авторитет и опыт, доступность информации. Это позитивно влияет на корпоративное управление, и в результате этого можно сделать вывод о том, что Совет Директоров, как орган управления, является определенно важной частью компаний, особенно при наличии независимых директоров, имеющих множество качественных связей.

4.2 Ограничения исследования

Данная работа полезна исследователям в области корпоративного управления, аналитикам компаний и социологам. Она позволяет рассмотреть теории социальных сетей на примере корпоративного управления. Полученные результаты в первую очередь характерны для российских компаний. Тем не менее результаты могут применяться и к другим компаниям, не только рассмотренным в данной работе. В работе было показано, что сетевые взаимодействия членов Совета Директоров могут оказывать влияние на поведение акционеров. Продолжая исследования зарубежных авторов можно сказать, что влияние сетевых взаимодействий на нелегальное использование активов компании имеет место быть и в российских компаниях. Однако в данной работе есть свои ограничения.

Во-первых, отсутствие большей по размерности выборки. В отличии от зарубежных исследователей выборка по российским компаниям достаточно маленькая, и слишком разнообразная по сферам деятельности, что отразилось на анализе в виде гетероскедастичности.

Во-вторых, в качестве оценки нелегального использования активов был выбран прокси показатель, который используется в прошлых работах (Chen et al., 2012, Peng et al., 2010). В дальнейшем хотелось бы разработать какой-нибудь более другой показатель оттока активов и нелегальных сделок в компании, который будет более конкретно отображать нецелевые использования активов компаний и ихфонды, однако сложность в том, что подобные действия сложно заметить, в силу грамотно проведенных сделок как с юридической, так и с экономической точки зрения, однако такие сделки имеют место быть.

В-третьих, могут существовать и другие ненаблюдаемые факторы, влияющие на показатель нелегального использования активов компании, в будущем можно было рассмотреть с использованием таких показателей как самоуверенность акционеров, в виде уровня их образования. Кроме самоуверенности акционеров, можно рассмотреть, как уровень образования независимых директоров, а также совместное влияние образования и центральности независимых директоров будет влиять на нелегальное использование активов компании контролирующим акционером. Это отдельный раздел, но определенно заслуживающий внимания в рассматриваемой теме.



Заключение

Цель данной работы состоит в том, чтобы изучить влияние центральности членов советов директоров на нелегальное использование активов компании. Анализируемая выборка представляет собой 112 Российских компаний в период с 2009 по 2013 годы. В результате проведенного регрессионного анализа была обнаружена обратная зависимость нелегального использования активов компании и показателей центральности. В предыдущих работах авторы также получали отрицательную зависимость.

В результате оценки нескольких спецификаций моделей были получены ожидаемые результаты. Было доказано, что при высокой центральности по степени независимые члены Советов Директоров имеют возможность подавлять «туннелирование» со стороны контролирующего акционера. Центральность по близости, характеризующая близость членов СД ко всем остальным участникам сети директоров, отрицательно влияет на нелегальное использование активов компании, так как директор с высокой центральностью способен получать информацию, распространяющуюся внутри сети с большей скоростью чем остальные, что позволяет ему быстро принимать решения. Центральность по посредничеству, которая характеризует степень контроля директора на протекающей информацией во всей сети, снижает возможности контролирующего акционера совершать нелегальные сделки. Центральность по собственному вектору характеризует качество прямых связей директора, и носит смысловую нагрузку в виде его авторитета, то есть имея в «друзьях» директоров с высокой центральностью делает независимого директора авторитетом. Такой директор не переживает по поводу своего будущего, рабочего места и так далее. Он может спокойно и независимо от мнения других принимать решения, даже иногда наперекор контролирующему директору, в том числе при обнаружении каких-либо нелегальных действий со стороны акционера. Независимый директор с высокими показателями центральности не будет рисковать своим авторитетом, поэтому он не заинтересован в том, чтобы такие сделки имели место в его карьере.

Также результаты работы показали, что доля независимых членов в составе СД снижает «туннелирование». Чем больше таких директоров, с высокой центральностью по степени и по посредничеству, тем меньше использование активов с целью получения личной выгоду у мажоритарного акционера.

Вклад данной работы также заключается в том, что были проверены эффекты присутствия государства во владении компании. В целом совместного влияния центральности директоров и доли владения государством нет, так как государство по умолчанию заинтересованно в развитии организации, а не в распродажах и пустых растратах ее активов. Кроме того, это первая работа, которая рассматривает данные российских компаний в рамках анализа сетей.

Данное исследование можно улучшить, добавив такие показатели как самоуверенность акционеров, в виде уровня их образования и прочих личностных характеристик. Кроме самоуверенности акционеров, можно рассмотреть уровень образования независимых директоров, а также совместное влияние образования и центральности независимых директоров. Это отдельный раздел, но определенно заслуживающий внимания в рамках рассматриваемой темы.



Список литературы

1. Adamic, L. (2013), Network Centrality, Available at Department of Computer Science at Bryn Mawr College: http://cs.brynmawr.edu/Courses/cs380/spring2013/section02/slides/05_Centrality.pdf

2. Adams, R.B., Ferreira, D. (2007), A theory of friendly boards, Journal of Finance, 62 (1), 217-250.

3. Adler, P.S., Kwon, S. (2000), Social Capital: The Good, the Bad, and the Ugly, Knowledge and Social Capital: Foundations and Applications, 89-115.

4. Aggarwal, R., Elston, J.A. (2001), Bank-firm relationships, financing and firm performance in Germany, Economics Letters, 72 (2), 225-232.

5. Andres, C., Bongard, I., Lehmann, M. (2013), Is Busy Really Busy? Board Governance Revisited, Journal of Business Finance & Accounting.

6. Barnea, A., Guedj, I. (2009), Director Networks, Working Paper, University of Texas at Austin, Available at SSRN: http://papers.ssrn.com/sol3/papers.cfm? abstract_id=966555.

7. Baysinger, B.D., Butler, H.N. (1985), Corporate Governance and the Board of Directors: Performance Effects of Changes in Board Composition, Journal of Law, Economics and Organization, 1 (1), 101-124.

8. Beasley, M. (1996), An empirical analysis of the relation between the board of director composition and financial statement fraud, The Accounting Review, 443-465.

9. Belliveau, M.A., O'Reilly, C.A., Wade, J.B. (1996), Social capital at the top: effects of social similarity and status on CEO-composition, Academy of Management Journal, 39 (6), 1568-1593.

10. Bizjak, J., Lemmon, M., Whitby, R. (2009), Option backdating and board interlocks, Review of Financial Studies, 22 (11), 4821-4847.

11. Bohler, D., Rapp, M.S., Wolff, M. (2010), Director Networks, Firm Performsnce, and Shareholder Base, Working Paper.

12. Borgatti, S.P., Halgin, D.S. (2011), On Network Theory, Organization Science, 22 (5), 1168-1181.

13. Brass, D.J., Galaskiewicz, J., Greve, H.R., Tsai, W. (2004), Taking stock of networks and organizations: a multilevel perspective, Academy of Management Journal, 47 (6), 795-817.

14. Burt, R.S. (2005), Brokerage and Closure: an introduction to social capital, Oxford University Press.

15. Burt, R.S. (2000), The network structure of social capital, Research in Organizational Behavior, 22, 345-423.

16. Caldarelli, G., Catanzaro, M. (2004), The corporate boards networks, Physica A, 338, 98-106.

17. Chen, X., Wang, K. (2005), Related party transactions, corporate governance and state ownership reform, Economic Research Journal, 4, 77-86.

18. Chen, Y., Wang, Y., Lin, L. (2014), Independent Directors' Board Networks and Controlling shareholders' tunneling behavior, China Journal of Accounting Research, 101-118.

19. Chuluun, T., Prevost, A., Puthenpurackal, J. (2010), Board networks and the Cost of Corporate Debt, Working Paper.

20. Coleman, J.S. (1988), Social Capital in the Creation of Human Capital, The American Journal of Sociology, 94 (1), 95-120.

21. Davis, G.F., Greve, H.R. (1997), Corporate Elite Networks and Governance Changes in the 1980s', American Journal of Sociology, 103 (1), 1-37.

22. Du, X.Q., Guo, J.H., Lei, Y. (2010), Controlling shareholders' cash embezzlement, external auditing and corporate governance. Economic Management Journal, 1, 111-117.

23. Fich, E.M., Shivdasani, A. (2006), Are Busy Boards Effective Monitors?, Journal of Finance, 61 (2), 689-724.

24. Fracassi, C., Tate, M. (2012), External networking and internal firm governance, Journal of Finance, 67 (1), 153-194.

25. Freeman, L.C. (1979), Centrality in social networks: conceptual clarification, Social Networks, 1, 215-239.

26. Friedman, E., Simon, J., Todd, M. (2003), Propping and tunneling, Journal of Comparative Economics, 31 (4), 732-750.

27. Gao, L., He, S.H., Huang, Z.Z. (2006), Corporate governance and tunneling. China Economic Quarterly, 5 (4), 1157-1178.

28. Granovetter, M. (2005), The impact of social structure on economic outcomes, Journal of Economic Perspectives, 19 (1), 33-50.

29. Hochberg, Y., Ljungqvist, A., Lu, Y. (2007), Whom you know matters: venture capital networks and investment performance, The Journal of Finance, 62, 251-301.

30. Jiang, G.H., Yue, H. (2005), A study of the relationship between big shareholders' diverting listed companies' capital and the stock returns of these companies, Management World, 9, 119-126.

31. Johnson, S., La, Porta, R., Lopez-de-Silanes, F., Shleifer, A. (2000), Tunneling, The American Economic Review, 90 (2), 22-27.

32. Ju, X.Q., Pan, A.L. (2010), Determinants of violations of related party transactions of listed companies in China, Shandong Social Sciences, 7, 71-75.

33. Newman, M.E. (2005), A measure of betweenness centrality based on random walks, Social Networks, 27 (1), 39-54.

34. Koening, T, Gogel, R. (1981), Interlocking directorates as a social network, American Journal of Economics and Sociology, 40 (1), 37-50.

35. Kuhnen, C.M. (2009), Business networks, corporate governance, and contracting in the mutual fund industry, Journal of Finance, 5, 2185-2220.

36. Larcker, D.F., So, E.C., Wang, C.C.Y. (2013), Boardroom centrality and stock returns, Journal of Accounting and Economics, 55 (2-3), 225-250.

37. Li, Z.Q., Sun, Z., Wang, Z.W. (2004), Tunneling and ownership structure of a ?rm: evidence from controlling shareholder's embezzlement of listed company's funds in China, Accounting Research, 12, 3-13.

38. Luo, D.L., Tang, Q.Q. (2007), Market environment and controlling shareholders' tunneling behavior, Accounting Research, 4, 71-76.

39. Murray, G. (2001), Interlocking directorates: what do they tell about corporate power in Australia, Journal of Australian Political Economy, 47, 5-26.

40. Omer, T., Shelley, M., Tice, F. (2014), Do director networks matter for financial reporting quality? Evidence from restatements, Working paper.

41. Qi, Q. (2010), How Does The director's social network matter? Evidence from structure estimation, Working paper.

42. Andergassen, R. (2011), Board of Director collusion, managerial incentives and firm values, Working Paper.

43. Schonlau, R., Singh, P.V. (2009), Board networks and merger performance, Working paper, Carnegie Mellon University.

44. Schoorman, F., Bazerman, M., Atkin, R. (1981), Interlocking directorates: a strategy for reducing environmental uncertainty, Academy of Management Review, 6, 243-251.

45. Shleifer, A., Vishny, R.W. (1997), A survey of corporate governance, Journal of Finance, 52 (2), 737-783.

46. Tsai, W. (2001), Knowledge transfer in intraorganizational networks: effects of network position and absorptive capacity on business unit innovation and performance, The Academy of Management Journal, 44, 996-1004.

47. Wang, K., Xiao, X. (2005), The empirical study on the institutional ownership and resources expropriation by the related parties, Nankai Business Review 2, 27-33.

48. Wasserman, S., Faust, K. (1994), Social network analysis: methods and applications, Cambridge University Press.

49. Windolf, P. (2002), Corporate Networks in Europe and the United States, Oxford: Oxford University press.

50. Yu, M.G., Xia, X.P. (2004), Controlling shareholder, agency problem and related party transaction: evidence from China's listed companies, Nankai Business Review, 6, 33-38.

51. Zaheer, A., Bell, G.G. (2005), Benefiting from network position: firm capabilities, structural holes, and performance, Strategic Management Journal, 26 (9), 809-825.

52. Zajac, E.J., Westphal, J.D. (1996), Director reputation and CEO-Board power, and the dynamics of board interlocks, Administrative Science Quarterly, 41 (3), 507-529.

53. Лифинцев, Д.В. (2013), Вестник Балтийского федерального университета им. И. Канта, №5, 77-84.

54. Ратникова, Т.А. (2006), Введение в эконометрический анализ панельных данных, Экономический журнал ВШЭ, №2.

Размещено на Allbest.ru