Институциональная структура нефтегазового сектора экономик Америки и России

Здесь отрицательные значения для США на протяжении 2002-2004 гг. говорят о замедлении прироста разрыва между ставками оплаты труда в НГС и в других секторах. Наиболее удачными в терминах прироста "delta wage" годами являются 2005-2008 гг. для США и 2001-2004 гг. для РФ.

Динамика занятости в НГС РФ

Рассмотрим динамику занятости в российском НГС на протяжении рассматриваемого периода. В среднем на протяжении десятилетия занятость составляла порядка 1,090 миллионов человек, и основные колебания в уровне занятости наблюдались в 2000-2004 гг.

Рисунок 18. Динамика занятости в российском НГС, тысяч человек. Источник: http://www.gks.ru

Интересна также динамика отношения уровня занятости в России к уровню занятости в США. Этот показатель приведен на рисунке 19. В среднем это отношение держалось на уровне приблизительно 0,6.

Рисунок 19. Отношение числа занятых в НГС России к числу занятых в НГС США, по сектору upstream.

Источники: http://www.gks.ru, http://www.ipaa.org

Основываясь на динамике, приведенной на последнем рисунке, можно сразу предположить, что СЭВ от занятости для США будут превышать российский аналог по меньшей мере в два раза за счет численности занятых. В следующем разделе мы перейдем к детальному построению динамики СЭВ от занятости для России, чтобы получить более аккуратные цифры.

Аналогично анализу, проведенному с занятостью в НГС США, интересно было бы проделать ту же работу в отношении России и проверить некоторые гипотезы, в частности, объясняется ли динамика занятости в НГС России динамикой показателя "delta wage".

Регрессионный анализ занятости в НГС России

Прежде чем приступить к построению спецификаций и проверке гипотез необходимо проделать первичный анализ, связанный с природой имеющихся данных, а именно - временных рядов. В первую очередь проверим на стационарность основные интересующие нас ряды.

Для ряда "employ_r" проведем тест Дики-Фуллера на единичный корень, а именно, прогоним следующую регрессию:

Так как мы отвергаем нулевую гипотезу о равенстве нулю при любом уровне значимости, мы можем заключить, что ряд "Employ_r" является интегрированным степени 0 и, следовательно, может быть использован в регрессионном анализе без каких-либо модификаций.

Однако есть подозрение, что динамика

"Employ_r" зависит от временного тренда, и переменная, отвечающая за тренд, будет включена в финальную регрессию, чтобы избежать проблемы "spurious regression".

Теперь проведем тест на единичный корень для ряда "delta wage". Для этого можно прогнать регрессию следующего вида:

где AR(1) - авторегрессионный процесс первого порядка вида

Итоговое тестируемое уравнение принимает вид:

Если то процесс не является стационарным. Результаты регрессии:

Таблица 12. Результаты регрессии для переменной delta wage

Зависимая переменная:	t: 2001-2011
C	-33415
AR(1)	1.036***

Как видим, мы получили значимый на всех разумных уровнях коэффициент . Это означает, что ряд "delta wage" является интегрированным степени 1, и в дальнейших регрессиях необходимо использовать не абсолютные значения ряда, а его разности.

Теперь можно приступать к исследованию зависимости между "employ_r" и "delta wage". Исходная спецификация:

Сразу необходимо оговориться, что в расчете стандартных ошибок коэффициентов регрессии будет использована процедура Newey-West (HAC standard errors), чтобы возможные проблемы гетероскедастичности и серийной корреляции в ошибках не помешали нам правильно оценить все взаимосвязи.

Таблица 13. Результаты регрессии для переменной employ

Зависимая переменная: EMPLOY_R	t: 2001-2011
C	1254***
D(DEW)	0.023
@TREND	-13.8**
Adjusted R-squared	0.55
Prob (F-statistic)	0.016 (**)
Akaike info criterion	10.2

Мы получили значимым коэффициент при трендовой переменной, но незначимый коэффициент при "delta wage". Возможно, это связано с не вполне корректной спецификацией (если мы не учли в уравнении какие-либо релевантные показатели (например, производственные), наше уравнение может испытывать проблемы эндогенности и пропущенной переменной).

Добавим в спецификацию производственный показатель, связанный с динамикой занятости, а именно, эффективность эксплуатационного бурения, "efbur", выражающую метраж эксплуатационного бурения в единицу времени.

Разумно предположить, что эффективность бурения влияет на динамику занятости не сразу, а с некоторым лагом. Это предположение оправдывается: наиболее значимый эффективность бурения оказывает с лагом, равным 2 года. Итоговая спецификация выглядит как:

Результаты этой регрессии представлены ниже:

Таблица 14. Результаты регрессии для переменной employ

Зависимая переменная: EMPLOY_R	t: 2001-2011
C	1226***
D(DEW)	0.0326**
@TREND	-5.07*
EFBUR(-2)	-0.166**
Adjusted R-squared	0.71
Prob (F-statistic)	0.007 (***)
Akaike info criterion	9.8

В итоге мы получаем значимый положительный эффект, оказываемый динамикой "delta wage" на динамику "employ_r", что представляется достаточно важным в рамках настоящей работы. Тот факт, что последняя спецификация уравнения является более удачной, чем предыдущая, подтверждается и увеличенным скорректированным R-квадратом, уменьшенным информационным критерием Akaike, а также тем, что значимость нового уравнения в целом выросла. Теперь мы отвергаем гипотезу о совместной незначимости коэффициентов на 1% (показатель Prob (F-statistic)), в то время как раньше могли это сделать только на 5%.

После изучения факторов, влияющих на динамику занятости в НГС РФ, можно приступить к построению связанных с ней СЭВ.

СЭВ от занятости в НГС России

Имея в распоряжении данные по занятости, относительной оплате труда в НГС России, а также используя простую формулу для расчета СЭВ от занятости, приведенную ниже, мы можем получить искомую динамику.

Динамика рассчитанных СЭВ от занятости представлена ниже.

Рисунок 20. Динамика СЭВ от занятости в НГС России, расчеты автора, млрд. руб. 2011 г.

Можем видеть, что в приведенной спецификации исследуемый показатель составлял в среднем 260 млрд. рублей в год. Сразу стоит заметить, что российская динамика этого показателя своей монотонностью отличается от американского. Полученная нами оценка для США снижалась на протяжении 2001-2004, а затем испытала бурный рост:

Рисунок 21. Динамика СЭВ от занятости в НГС США, расчеты автора, млрд. долл. 2005 г.

Для наглядного сравнения динамик двух стран совместим два вышеприведенных рисунка:

Рисунок 22. Отношение СЭВ от занятости в НГС РФ к НГС США (upstream)

Получаем колоколообразную картину с пиком в районе 2004 года. Динамика очень похожа на полученное ранее соотношение показателей "delta wage" рассматриваемых стран, только немного сглаженное за счет динамики занятости.

Рассчитав СЭВ от занятости в НГС РФ, мы можем приступить к анализу следующего компонента СЭВ, а именно, "запасов в недрах".

• 3.3 Компонент СЭВ: "запасы в недрах" РФ
• Весомым компонентом СЭВ от НГС, как уже было показано на примере США, является показатель запасов в недрах. Ключевым элементом в расчете этого показателя является динамика оставленных скважин. Для России аналогом этого показателя является фонд бездействующих скважин, динамика которого ежемесячно публикуется журналом "Нефтегазовая вертикаль". Динамика фонда бездействующих скважин по НГС РФ представлена на рисунке ниже:

Рисунок 23. Динамика фонда бездействующих скважин, источник: "Нефтегазовая вертикаль"

Можем видеть, что наиболее благоприятная ситуация с бездействием скважин в РФ наблюдалась с 2004 по 2008 гг. После кризиса 2008 года, как и следует ожидать, число бездействующих скважин выросло вследствие понижения мирового спроса на нефть. Следует оговориться, что мировой экономический кризис в рамках нашего анализа относится к параметрам "рыночной", не "институциональной" природы. Поэтому в дальнейшем при проведении регрессионного анализа нам нужно будет контролировать экзогенные шоки (например, кризис) с помощью dummy-переменных.

На следующем рисунке приведено отношение числа бездействующих скважин к общему числу скважин.

С помощью вышеприведенного рисунка можно сделать вывод о том, что рост показателя в интервале 2008-2009 гг. является более сглаженным, чем рост абсолютного числа бездействующих скважин из прошлого рисунка. Динамика общего фонда скважин приведена ниже.

Рисунок 25. Динамика общего фонда скважин

Можем заключить, что в целом динамика общего фонда скважин описывается медленным ростом (в среднем, на 800 скважин в год) и испытала отрицательные шоки в 2007-2009гг., а также в 2004-2006 гг.

Следует отметить, что общеотраслевая динамика общего фонда скважин характерна не для всех компаний по отдельности. В данном контексте интерес представляет рассмотрение динамики фонда скважин крупнейшего игрока на российском рынке нефти, государственной компании ОАО "Роснефть".



Динамика фонда скважин ОАО "Роснефть"

На нижеприведенном рисунке изображена динамика общего фонда скважин ОАО "Роснефть".

Рисунок 26. Динамика общего фонда скважин ОАО "Роснефть". Источник: "Нефтегазовая вертикаль"

Резкий взлет показателя после 2004 г. объясняется обретением скважинной базы компании "Юкос", в частности, после приобретения крупнейшего актива "Юкоса" - "Юганскнефтегаза". Примечательным фактом является то, что, в отличие от общероссийской динамики после 2010 г., фонд скважин ОАО "Роснефть" не растет, а падает.

Ниже приведена сравнительная динамика показателей отношения числа бездействующих скважин к общему фонду скважин для российского НГС в целом и для Роснефти.

Рисунок 27. Динамика показателей отношения числа бездействующих скважин к общему фонду скважин. Источник: "Нефтегазовая вертикаль"

Можем заключить, что до начала поглощения "Юкос" в 2004 г. и в последующие два года Роснефть была эффективнее среднероссийского уровня в смысле интенсивности использования фонда скважин. Этот факт может указывать на то, что трехкратное увеличение фонда скважин "Роснефти" могло быть связано с некоторой потерей эффективности их использования (с точки зрения динамики процента нефункционирующих скважин), особенно в первые годы после поглощения "Юкоса".

Хотя подробный анализ деятельности национальных нефтегазовых компаний (как компонентов ресурсного режима) по созданию СЭВ представляет большой интерес и является перспективным расширением исследования, но в рамках данной работы он не находится в фокусе. В дальнейшем относительно "Роснефти" будут лишь проверены некоторые статистические гипотезы, позволяющие установить однородность/разнородность факторов, определяющих динамику нефункционирующих скважин "Роснефти" и российского НГС в целом.

Регрессионный анализ динамики фонда нефункционирующих скважин.

Чтобы выявить те институциональные и неинституцинальные факторы, которые определяют динамику фонда бездействующих скважин, мы должны провести регрессионный анализ ряда "aban". Начать следует с предварительного анализ временного ряда "aban" на стабильность. Проведем тест на единичный корень. Результаты регрессии ряда на свой лаг и константу представлены ниже.

Можем заключить, что равенство коэффициента единице не отвергается на всех уровнях значимости, а значит, авторегрессионный процесс является нестабильным, ряд имеет единичный корень, и в дальнейшем при анализе мы должны будем использовать не сами значения ряда, а его первые разности.

Интерес представляет такое регрессионное уравнение, как зависимость числа бездействующих скважин от таких событий, как поглощение Юкоса и мировой экономический кризис. Обе рассматриваемые переменные являются типа dummy и их спецификация приведена в таблице ниже:

Таблица 17. Спецификация используемых dummy-переменных

year	YUKOS	CRISIS
2000	1	0
2001	1	0
2002	1	0
2003	1	0
2004	1	0
2005	0	0
2006	0	0
2007	0	0
2008	0	1
2009	0	1
2010	0	1
2011	0	1
2012	0	0

Гипотеза относительно влияния переменной "crisis" на динамику "aban" состоит в том, что оно должно быть положительным: финансовый кризис должен негативно сказаться на эффективности использования фонда скважин, увеличивая число простаивающих скважин. Гипотеза же относительно влияния переменной "yukos" состоит в том, что коэффициент должен быть значимым и отрицательным: поглощение эффективной (по некоторым оценкам и фактам) корпорации "Юкос" должно увеличить число простаивающих скважин. Прогоняя регрессию переменной "aban" на константу и dummy-переменные "yukos" и "crisis", а также используя при расчете ошибки в форме Newey-West, мы получим следующие результаты:

Таблица 18. Результаты регрессии для переменной d(aban)

Зависимая переменная: D(ABAN)	t: 2001-2011
C	-3209**
CRISIS(-1)	3219**
YUKOS	4105***
R-squared	0.624
Prob(F-statistic)	0.0121
Akaike info criterion	17.7
Schwarz criterion	17.9

Как можно видеть, в рамках данной спецификации подтвердилась гипотеза относительно переменной "crisis". Переменная, отвечающая за кризис, взята с первым лагом, так как именно в такой конфигурации эффект наиболее значим и силен. Полученный положительный знак коэффициента при переменной "yukos" говорит о неверности первоначальной гипотезы. Возможным объяснением этого факта может служить то, что с началом негативных корпоративных происшествий после 2002 г., связанных с "Юкосом" и затрагивающих налоговые и другие аспекты, эффективность компании в смысле использования фонда скважин снизилась. Однако данный вопрос требует отдельного подробного анализа и в рамках данной работы информация от переменной "yukos" будет трактоваться как значимое корпоративное событие в российском НГС, которое необходимо учитывать в регрессионном анализе во избежание проблемы пропущенной переменной (omitted variable). Примечательно, что эффект от "yukos" значимее и сильнее, чем эффект от crisis.

Удостоверившись в том что лаг кризисных событий значимо влияет на фонд бездействующих скважин, мы можем ввести более конкретный рыночный показатель - цену нефти. Для единообразия с моделью, построенной ранее для НГС США, будет использована цена, сообщаемая IPAA. Следует также отметить, что при введении в анализ цены нефти нужно будет избавиться от переменной crisis, так как кризисная динамика будет уже отражена в ценовом показателе. Ниже получаем результаты регрессии для "aban", "yukos", "price" и константы. Для учета динамики цены используется модель распределенных лагов (distributed lag model), что выражается и использовании самой цены, а также ее первого и второго лага.

Таблица 19. Результаты регрессии для переменной d(aban)

Зависимая переменная: D(ABAN)	t: 2001-2011
C	-10588***
PRICE	12.4
PRICE(-1)	-73.65***
PRICE(-2)	-96.44***
YUKOS	7325***
R-squared	0.907
Prob(F-statistic)	0.00299
Akaike info criterion	16.80
Schwarz criterion	16.98

Как и ранее для "crisis", для цены наиболее значим и силен эффект от лагов: влияние текущей цены на динамику бездействующих скважин незначим. Следует отметить, что данная спецификация является предпочтительнее предыдущей, где использовалась dummy-переменная на кризис. Это выражается в показателях Akaike info criterion, Schwarz criterion, значимости регрессии в целом (Prob (F-stat)), коэффициента плотности подгонки R². Кроме этого, эффект переменной yukos стал еще значимее (рост t-статистики Стьюдента с 4 до 5) и весомее. Улучшение модели можно связать со статистическими свойствами ряда "price" и dummy-переменной "crisis". Ряд цен обладает более богатой вариацией, следовательно, мы получаем больше информации о выборке и, в конце концов, более надежные выводы.

Примечательным является факт, что если мы прогоним последнюю спецификацию для показателя фонда недействующих скважин не для НГС РФ в целом, а только отдельно для "Роснефти", мы получим сильно отличающиеся результаты:

Таблица 20. Результаты регрессии для переменной d(rosaban)

Зависимая переменная: D(ROSABAN)	t: 2001-2011
C	4783***
PRICE	-27.71*
PRICE(-1)	-6.373
PRICE(-2)	-39.79***
YUKOS	-2740***
R-squared	0.499
Prob(F-statistic)	0.313
Akaike info criterion	17.02
Schwarz criterion	17.20

Незначимость регрессии в целом (это выражается в том, что Prob(F-statistic) > 10%) означает, что динамика показателя Роснефти зависит от другой конфигурации факторов, нежели динамика показателя российского НГС в целом.

После рассмотрения влияния на динамику фонд бездействующих скважин ценового и корпоративного ("yukos") факторов, нам следует еще проверить эффект производственного фактора.

Анализ производственного фактора: средний дебит

В модели для США в группу неинституциональных факторов входили такие показатели, как средний дебит скважины и число малодебитных скважин, причем в итоговой спецификации оба фактора оказались значимыми и весомыми. К сожалению, российской статистикой не ведется учет динамики малодебитных скважин, однако такой показатель, как средний дебит скважины, может быть получен. Справочное издание компании BP под названием "Statistical review of world energy" содержит информацию о ежегодном производстве нефти в РФ. Поделив этот ряд на упомянутый выше ряд общего фонда скважин в НГС РФ, мы получим оценку среднего дебита скважины. Полученную динамику можно увидеть на рисунке ниже.

Рисунок 28. Динамика среднего дебита скважины РФ, тонны в сутки. Источники: "BP Statistical review of world energy", "Нефтегазовая вертикаль".

Используя полученный ряд в качестве производственного фактора, влияющего на фонд бездействующих скважин, мы включим ряд в регрессионный анализ, предварительно проведя тест на единичный корень. Следует заметить, что тест на стабильность авторегрессионного процесса для ряда "debit" будет иметь не совсем обычный результат.

Сначала прогоним регрессию

полагая ряд нестабильным при Результаты регрессии:

Таблица 21. Результаты теста на единичный корень

Зависимая переменная: Debit	t: 2001-2011
Debit(-1)	0.80***
C	1.78***

Проведем тест Вальда, чтобы проверить нулевую гипотезу о значимости единице коэффициента при debit(-1):

Таблица 22. Результаты теста Вальда

Null Hypothesis: C(1)=1	Value	P-value
t-stat	-3.53	0.0055

Таким образом, исходя из данной спецификации, процесс для "debit" является стабильным, а сам ряд является интегрированным степени 0. Однако, если мы модифицируем тест и добавим в регрессию трендовую переменную, то есть оценим спецификацию

то получим противоположный результат, а именно

Таблица 23. Результаты теста на единичный корень

Зависимая переменная: Debit	t: 2001-2011
Debit(-1)	0.93***
C	1.04
Trend	-0.04

Проведем тест Вальда, чтобы проверить нулевую гипотезу о значимости единице коэффициента при debit(-1):



Таблица 24. Результаты теста Вальда

Null Hypothesis: C(1)=1	Value	P-value
t-stat	-0.535	0.6054

То есть, теперь мы не можем отвергнуть гипотезу о равенстве коэффициента единице при любом уровне значимости. Делаем вывод, что при учете временного тренда ряд "debit" не является более стабильным. В итоге нам следует в дальнейшем использовать не сам ряд, а его первые разности, чтобы нивелировать эффект тренда на динамику ряда.

Теперь можно приступить к регрессионному анализу "aban" с учетом производственного фактора. Воспользуемся последней спецификацией для "aban" с распределенными лагами цены и добавим "d(debit)" в качестве объясняющей переменной.

Таблица 25. Результаты регрессии для d(aban)

Зависимая переменная: D(ABAN)	t: 2001-2011
C	-9150***
PRICE	16.0
PRICE(-1)	-93.1***
PRICE(-2)	-26.5
YUKOS	10402***
D(DEBIT)	-6937***
R-squared	0.98
Prob(F-statistic)	0.00028
Akaike info criterion	15.4
Schwarz criterion	15.6

Как можем видеть, гипотеза о значимости и силе производственного показателя оправдалась: с увеличением среднего дебита скважины на 1 т/сутки, фонд нефункционирующих скважин сокращается почти на 7000 единиц. Добавление важной переменной улучшило также статистические свойства регрессии в целом: по сравнению с последней спецификацией из таблицы мы видим рост R-squared, увеличение значимости регрессии в целом и улучшение показателей качества спецификации Akaike и Schwarz. Что касается остальных коэффициентов регрессии, то произошло дальнейшее увеличение значения коэффициента при yukos, а второй лаг цены перестал быть значимым.

Проверим, поможет ли добавление производственного фактора в регрессию приблизить модель к описанию динамики нефункционирующего фонда "Роснефти". Для этого прогоним последнюю спецификацию для зависимой переменной "rosaban". Результаты представлены ниже.

Таблица 26. Результаты регрессии для d(rosaban)

Зависимая переменная: D(ROSABAN)	t: 2001-2011
C	4200.934**
PRICE	-39.22040**
PRICE(-1)	-14.26535
PRICE(-2)	-11.49327
YUKOS	-3986.797***
D(DEBIT)	2809.347
R-squared	0.551227
Prob(F-statistic)	0.413
Akaike info criterion	17.09
Schwarz criterion	17.32

Как и ранее, мы получили регрессию, в которой не можем отвергнуть гипотезу о совместной незначимости коэффициентов даже на 10% (Prob(F-statistic) = 0,413). Делаем вывод, что добавление производственного фактора в регрессию не позволило приблизить модель к описанию динамики нефункционирующего фонда Роснефти, а даже отдалило (ранее мы не отвергали гипотезу о совместной незначимости коэффициента примерно на 30%).

Вернемся к анализу нефункционирующего фонда скважин всей индустрии в целом. Последняя полученная спецификация для "d(aban)" (таблица 25) будет в рамках данной работы объяснять вклад неинституциональных факторов в динамику фонда нефункционирующих скважин в НГС РФ. Следующим шагом в работе станет анализ институционального фактора (рентного налога).

• 3.4 Анализ влияния рентного налога (НДПИ)
• Далее рассмотрим следующую составляющую СЭВ от НГС, а именно, рентный налог (налог на недропользователей). В рамках данной работы в качестве такого налога будет рассматриваться налог на добычу полезных ископаемых (НДПИ).
• НДПИ - прямой, федеральный налог на недропользователей, введенный в 2002 году. Тот факт, что налоговой базой по НДПИ в случае нефти и газа является количество (не стоимость) добытых ресурсов, а уплата НДПИ происходит по месту нахождения участков недр, позволяет рассматривать НДПИ в качестве подходящего "прокси" для такого компонента ресурсного режима, как "рентный налог", особенно в свете того, что фокусом настоящей работы является анализ именно сектора upstream НГС.
• Скорректированные на инфляцию поступления от НДПИ приведены на рисунке ниже:

Рисунок 29. Динамика поступлений от НДПИ, млрд. рублей (в рублях 2012). Источник: Федеральная налоговая служба, Министерство финансов РФ.

Как и в модели для США, рентный налог (в нашем случае, НДПИ) входит в СЭВ дважды:

· Сам ряд налога полностью входит в СЭВ со знаком "+" как изъятая в пользу общества часть ресурсной ренты;

· Потери в недрах, вызванные неиспользованием существующих скважин из-за рентного налога, входят в СЭВ со знаком "-".

Теперь необходимо с помощью регрессионного анализа определить, значимо ли налог влияет на динамику неиспользуемых скважин. Для этого, начиная с последней спецификации для ряда "aban", которая выглядит как

добавим в уравнение ряд ndpi и модифицируем спецификацию. В частности, из результатов оценки уравнения, записанного выше, следует, что текущее значение цены и ее второй лаг влияют на динамику нефункционирующих скважин незначимо. Следовательно, удалив незначимые коэффициенты, мы освободим степени свободы для регрессора ndpi, и в то же время сохраним цену как объясняющий регрессор, оставив ее наиболее значимый лаг. Ниже представлены результаты регрессии с налогом:

Можем видеть, что в данной спецификации гипотеза о влиянии динамики рентного налога на динамику приростов нефункционирующих скважин оправдывается: коэффициент значим на 1% и положителен. При этом уравнение значимо в целом на 1% (Prob(F-statistic)<1%), что означает, что результатам оценки в терминах совместной значимости коэффициентов можно доверять. Заметим также, что в регрессии использован первый лаг ndpi, так как именно он дает наиболее значимый и сильный эффект в регрессии. Интерпретация коэффициента при ndpi в рамках данной спецификации заключается в следующем: при прочих равных условиях увеличение налога в году t-1 на 1 миллиард рублей (в реальном выражении) приводит к росту прироста нефункционирующих скважин в году t-1 приблизительно на 3 скважины. Заметим также, что в спецификации в качестве ценового регрессора используется первая разность первого лага цены, так как именно она дала значимый результат. Использование первой разности также дает определенное преимущество: мы отслеживаем влияние перехода из второго лага цены в первый лаг, что дает полученному коэффициенту более гибкую интерпретацию.

Взглянем на статистические свойства полученной оценки параметра ndpi. Стандартная ошибка полученной оценки составила 0,49. Это позволяет нам провести некоторые тесты на специфические значения параметра. Воспользуемся тестом Вальда на ограничения коэффициентов (Wald test on coefficient restrictions) и положим Результаты теста представлены ниже:

Можем видеть, что нулевая гипотеза не отвергается на любом уровне значимости. Следовательно, в дальнейшем при анализе мы можем использовать в качестве значения коэффициента при ndpi.

Опираясь на полученное из регрессии значение коэффициента мы можем, как и в модели для США, восстановить ряд нефункционирующих скважин, которые были приостановлены по институциональным причинам. Этот восстановленный ряд, в свою очередь, послужит основой для расчета СЭВ, связанных с потерями в недрах. Сперва приведем диаграмму соотношения институциональных и неинституциональных факторов перевода скважин в категорию нефункционирующих. Для удобства восприятия факторы price, yukos и debit объединены в одну группу под названием "неинституциональные факторы". См. рисунок 30.

Рисунок 30. Соотношение институциональных и неинституциональных факторов, определяющих динамику фонда нефункционирующих скважин, расчеты автора.

Из рисунка можем видеть, что на протяжении 2002-2004 гг. вклад НДПИ в динамику нефункционирующих скважин был значительно ниже вклада неинституциональной группы. С течением времени неинституциональная группа (за исключением шоков в 2008 и 2010 гг.) играет все меньшее значение. Это можно объяснить положительной динамикой среднего дебита скважины, который, как видно из полученных ранее регрессионных уравнений, имеет очень большое влияние на динамику нефункционирующих скважин. Дополнительного пояснения требует ряд "Всего-прокси". Ряд носит такое название, так как интерес для нас представляет не сам ряд Хотя в целом динамика ряда «всего-прокси» соответствует общей динамике фонда нефункционирующих скважин, который был приведен на рисунке 23., а его первые разности (именно первые разности ряда динамики нефункционирующих скважин мы моделировали в регрессии). Для иллюстрации плотности подгонки вынесем в отдельный рисунок соотношение ряда "реальных" первых разностей (то есть наблюдаемых в статистике) и моделированных первых разностей (первых разностей ряда "всего-прокси" из предыдущего рисунка).

Рисунок 31. Плотность подгонки регрессии, объясняющей динамику нефункционирующих скважин d(aban), расчеты автора.

Видим, что плотность подгонки далеко не является идеальной, но отвечает общей динамике реальных данных, особенно в 2002-2005 и 2010-2011 гг.

Итак, мы останавливаемся на спецификации модели, из которой следует, что каждый дополнительный миллиард рублей собранного НДПИ увеличивает прирост нефункционирующих скважин на 3. В дальнейшем эта оценка будет использована для построения ряда "потерь в недрах".

Расчет "потерь в недрах" для НГС РФ

В предыдущей части работы с помощью регрессионного анализа был получен ряд нефункционирующих скважин, которые не используются по институциональным причинам. Согласно концепции работы, мы должны внести потери от бездействия этих скважин в социально-экономические выгоды со знаком "-". Однако для расчета итогового показателя потерь в недрах нам требуются следующие параметры:

· Срок, в течение которого могла бы действовать бездействующая скважина

· Средний дебит скважины, которая могла бы действовать

· Цены, по которым была бы продана нефть от скважины, которая могла бы действовать

Предположение состоит в том, что мы не можем применить параметры из модели для США (за исключением, возможно, цены), так как геологические свойства скважин в РФ и в США сильно рознятся.

Неоспоримым является факт, что средний дебит как для функционирующих, так и для простаивающих/малодебитных скважин в РФ многократно превышает аналогичный показатель в США. Так, средний дебит российской скважины составляет 8,4 т/сутки, в то время как в США - 1,4 т/сутки (Ивановский, 2010). Что касается малодебитных скважин, то для США IPAA установила значение 2 барреля в сутки (что эквивалентно 0,27 т/сутки) для периода после 1989 года (ссылка). Мнения экспертов относительно среднего дебита российской малодебитной скважины расходятся. Встречаются такие оценки, как

· до 1 т/сутки (Ивановский, 2010).

· до 5 т/сутки (Адонин)

· от 1,0 /сутки до 10,0 т/сутки и в целом по стране определяется на уровне 3,0-3,5 т/сутки (Конопляник)

В наших расчетах остановимся на достаточно консервативной оценке в 3 т/сутки, что эквивалентно 22,2 барреля/сутки.

Можно заметить, что уже при таком значении параметра средний дебит малодебитных скважин РФ превышает американский аналог на порядок, что позволяет делать догадку о том, что потери СЭВ

России от "запасов в недрах" могут оказаться значительно выше американских (учитывая сопоставимые размеры НГС рассматриваемых стран).

В качестве срока функционирования малодебитной скважины воспользуемся вновь данными нефтегазовой корпорации Encana, которая дает оценку в 10 лет.

В качестве ряда цен возьмем ранее использованные данные от IPAA. Формула, по которой для каждого года калькулируется показатель "потерь в недрах", представлена ниже:

где

- "Потери в недрах в году t=1",

- "Нефункционирующие из-за налога скважины в году t=1",

22,2 - средний дебит малодебитной скважины РФ в баррелях в сутки.

Суммирование происходит по годам вплоть до 10 года предполагаемого использования скважины. Диаграмма "потерь в недрах" представлена ниже.

Из рисунка можно видеть, что общий тренд потерь в недрах восходящий (рост примерно на 120 миллиардов рублей в год). Провал в зоне 2008-2010 гг. связан с тем, что "неинституциональные" факторы оставления скважин во время кризиса играли повышенную роль.

Интересным было бы сопоставление динамики "потерь в недрах" и рентного налога - НДПИ. На первый взгляд может показаться, что "потери в недрах" повторяют динамику НДПИ с точностью до линейного преобразования, однако это не совсем так. Чтобы показать это, приведем динамику такого показателя, как "рентабельность НДПИ в терминах потерь в недрах", который специфицируется как

Так как в рамках данной работы "потери в недрах" мы можем называть издержками рентного налога, показатель "рентабельности НДПИ в терминах потерь в недрах" позволяет понять, каково отношение чистого эффекта он сбора НДПИ к размеру этого сбора. Динамика приведена ниже.

Рисунок 33. Динамика показателя "рентабельности НДПИ в терминах потерь в недрах"

Можем видеть, что динамика вышеупомянутого показателя является отрицательной, рентабельность снижается в среднем на 2% в год. Объяснить это можно тем, что в условиях негибкости налогового режима значительная часть скважин ежегодно находится в состоянии бездействия, а с каждым годом такое простаивание обходится все дороже. Положительной новостью является выпуклый характер функции на рисунке 32, что означает замедление темпов падения рентабельности.

Стоить также упомянуть о том, что "потери в недрах" были рассчитаны исходя из консервативных оценок рентабельности малодебитных скважин (22,2 барреля/сутки). Это означает, что описанный выше показатель "рентабельности НДПИ в терминах потерь в недрах" в реальной жизни может оказаться значительно ниже.

Рассчитав очередной компонент СЭВ "потери в недрах", мы можем приступить к консолидации результатов и получению итогового показателя, а именно, суммарных СЭВ от НГС РФ.

• 
• 3.5 Расчет суммарных СЭВ от НГС РФ
• Динамика обобщенного показателя СЭВ от НГС РФ, который включает рассчитанные ранее выгоды от занятости, "потери в недрах" и рентные налоги, представлен на рисунке ниже:

Рисунок 34. Динамика СЭВ от НГС РФ, миллиарды рублей 2012, расчеты автора

Как можем видеть, динамика СЭВ в основном определяется соотношением поступлений от НДПИ и "потерь в недрах". В целом можно заметить, что суммарные СЭВ растут в среднем на 50 млрд. рублей в год. Как и следует ожидать, после 2008 г. произошло снижение СЭВ от НГС в связи с мировым экономическим кризисом.

Интерес вызывает сопоставление динамик СЭВ для США и РФ. Поэтому приведем ниже динамику СЭВ США, полученную в предыдущей части работы, сделав фокус на периоде после 2000 г. и приведя стоимостные выражения СЭВ к рублям 2012 года.

Рисунок 35. Динамика СЭВ от НГС США, миллиарды рублей 2012, расчеты автора

Из рисунков можно видеть принципиальное различие в структурах СЭВ рассматриваемых стран. Если основной компонент СЭВ России - это НДПИ, то в США СЭВ определяются в основном выгодами от занятости. Как и предполагалось ранее, "потери в недрах" для России являются более серьезной проблемой, чем для США. Отчасти это вызвано характеристиками месторождения (как уже было упомянуто, одна простаивающая скважина в РФ обходится гораздо дороже в терминах упущенной добычи, чем одна простаивающая скважина в США), однако определяющим фактором является налоговый режим недропользования и его гибкость (особенно в разрезе налогообложения малодебитных скважин). Сравнительная гибкость налогового режима может быть проиллюстрирована на следующем примере. В 2006 году на каждый полученный триллион руб. НДПИ в России приходилось, согласно расчету, около 0,5 триллиона руб. потерь в недрах. В США же на каждый полученный триллион руб. рентного налога приходилось всего 0,25 триллиона руб. потерь в недрах.

Наконец, приведем на совместном графике динамики суммарных СЭВ США и РФ:

Рисунок 36. Соотношение динамик СЭВ от НГС РФ и США, миллиарды рублей 2012, расчеты автора (нет данных 2000-2001 для РФ и 2010-2012 для США)

Можно видеть, что, хотя в среднем СЭВ США превышают СЭВ России, рассматриваемые величины являются вполне сопоставимыми. Как можно заметить, в 2003-2006 гг. даже наблюдалась обратная динамика, когда в РФ СЭВ от НГС были выше, чем в США. Это означает, что РФ имеет большие шансы в увеличении социально-экономической отдачи НГС, если примет меры, направленные на:

· Снижение "потерь в недрах". Это включает оптимизацию рентного налогообложения с точки зрения "рентабельности НДПИ в терминах потерь в недрах". Это может предполагать изменение налоговой базы, ставок, введение дифференциации по степени малодебитности скважин и другие меры налогового дизайна, направленные на повышение гибкости налогообложения, которое должно увеличить "рентабельность рентного налога в терминах потерь в недрах"

· Повышение выгод от занятости. В условиях рыночной экономики государство не может напрямую регулировать ставки оплаты труда/уровни занятости, однако возможно косвенное регулирование

Основной целью данной работы был анализ и построение динамики СЭВ от НГС США и РФ. Далее следует заключение, в котором будут изложены основные итоги и выводы настоящей работы.

• Заключение

В начале работы ставился вопрос: насколько хорошо та или иная страна сумела создать институциональные условия для того, чтобы максимизировать социально-экономические выгоды от деятельности нефтегазового сектора своей экономики? Для того чтобы приблизиться к ответу на данный вопрос, был проведен качественный и количественный анализ факторов социально-экономических выгод и тех параметров институциональной среды НГС, которые оказывают на них влияние. В частности, для экономики США была разработана модель расчета СЭВ и получены, помимо прочих, следующие факты:

· В 2007 году размер социально-экономических выгод от деятельности НГС США (в формулировке, приведенной во второй главе) составил порядка 35 миллиардов долларов США

· С 2004 по 2007 год размер СЭВ заметно увеличился (в основном, за счет роста выгод от занятости, то есть ставки заработной платы, умноженной на занятость)

· При увеличении рентных налогов на $1 миллиард число заброшенных скважин растет примерно на 1000. Управляя налогом, правительство, таким образом, может влиять на число заброшенных скважин, а следовательно, на запасы в недрах и, в конце концов, на социально-экономические выгоды

В связи с тем, что с 2004 по 2007 гг. размер СЭВ увеличился практически в два раза, можно утверждать, что за это время США более полно реализовали потенциальную ценность природных ресурсов. Особенно это заметно на фоне того факта, что кратность ресурсов за это время не изменилась (не ухудшилась).

Иная ситуация с реализацией потенциальной ценности ресурсов обстоит у России. Постреформный резонанс и несовершенство институциональной среды создают негативные стимулы для компаний-недропользователей, которые результируют в снижающуюся геологоразведку и падающий коэффициент извлечения нефти. Также существуют проблемы с внедрением современных методов увеличения нефтеотдачи. ресурс рентный налог нефтегазовый

В результате применения модели построения СЭВ от НГС к России, были получены, помимо прочих, следующие факты:

· Российский НГС демонстрирует поступательный рост СЭВ примерно на 50 млрд. рублей в год. Относительная стабильность роста СЭВ привела к тому, что в 2003-2006 гг. СЭВ от НГС России превышали аналогичный показатель для США

· Основным положительным компонентом СЭВ от НГС РФ (в секторе upstream) является рентный налог (НДПИ), поступления от которого составили 2,5 трлн. рублей в 2012 г. Следующим положительным компонентом СЭВ являются выгоды от занятости, которые составили в 2012 году порядка 320 млрд. руб.

· Отрицательным и влиятельным компонентом в динамике СЭВ являются "потери в недрах" - те запасы, которые могли быть извлечены при большей гибкости институциональных условий (в частности, рентного налога). В условиях и предпосылках модели, приведенной в работе, "потери в недрах" на 2012 год были оценены в 1,5 трлн. рублей.

· Динамика нефункционирующего фонда скважин в НГС РФ описывается следующими факторами: динамикой цен, динамикой среднего дебита скважин, динамикой рентного налога, а также таким корпоративным событием, как поглощение НК "Юкос". Фонд нефункционирующих скважин государственной корпорации ОАО "Роснефть" зависит от другой конфигурации факторов, нежели российский НГС в целом.

· При прочих равных условиях увеличение рентного налога НДПИ в году t на 1 миллиард рублей приводит к росту прироста нефункционирующих скважин в году t+1 приблизительно на 3 скважины. Это приводит к тому, что в российском НГС ежегодно растут потери (приблизительно на 120 млрд. руб. в год), связанные с "институциональными оставлениями" скважин

· Увеличение потерь в недрах, связанных с институциональными оставлениями, приводит к падению "рентабельность НДПИ в терминах запасов в недрах). Показатель падает на 2% в год и на 2012 год составил менее 40%.

Для улучшения ситуации нужны институциональные изменения со стороны государства, направленные, в первую очередь, на усовершенствование гибкости НДПИ, которое необходимо для сокращения "потерь в недрах" от институционального фактора.

Подводя итог работе можно отметить, что проведенный анализ социально-экономических выгод является весьма приблизительным и условным. Расширения для анализа включают больший объем данных и связей между ними, ослабление предпосылок и введение новых компонентов СЭВ (наряду с модификацией использованных). Работа в этом направлении, безусловно, актуальна и полезна, так как дает представление о выполнении такой важнейшей задачи общества, как максимизации социально-экономической ценности природных недр.

• Список использованной литературы

Адонин А.Н. "Добыча нефти штанговыми насосами", Учебное пособие. Под редакцией В. М. Муравьева; Москва "Недра" 1979; 213 стр.

Боксерман А. (2006), "Пути преодоления негативных тенденций развития НГК России", Нефть и капитал, http://www.oilcapital.ru

Ивановский В.Н. (2010). "Вопросы эксплуатации малодебитных скважин механизированным способом", ссылка

Конопляник А.А. "Адаптация институциональной структуры к сложившейся сырьевой базе", ссылка

Крюков В.А., Токарев А.Н. (2007) "Нефтегазовые ресурсы в трансформируемой экономике". - Новосибирск: Наука-Центр. - 588 с.

Крюков В.А., Павлов Е.О. (2012) "Подход к социально-экономической оценке ресурсного режима в нефтегазовом секторе" // Вопросы экономики, № 10, 2012, с. 103-116

Кузьминов Я. И., Бендукидзе К. А., Юдкевич М. М. Курс институциональной экономики. -- М: Издательский дом ГУ-ВШЭ, 2006.

Севастьянова А.Е. (2010) "Стратегическое управление нефтегазовым потенциалом региона" // Регион: экономика и социология, 2010, №4, с. 225-245

Российский статистический ежегодник 2011, www.gks.ru

Энергетическая стратегия России на период до 2030 года, http://www.atominfo.ru/files/strateg/strateg.htm

Almeida E. F., Filho L.A. (2011) "The Brazilian Institutional Environment: The Impact On Companies' Strategies In The Oil And Gas Sector", British Academy Of Management Conference (BAM 2011)

Blumental D., Chua T., Au A. (2009), "Upstream Oil And Gas In China", Doing Business In China, Pgs. V-3.1 - V-3.33, Juris Publishing, Inc.

BP Statistical Review of World Energy (2012), ссылка

CIA World Factbook (2011)

EIA (2011), "China Energy Data, Statistics and Analysis - Oil, Gas, Electricity, Coal", www.eia.gov/cabs/china/full.html

Encana Corporation, www.encana.com

Hanson S. (2008), "China, Africa, and Oil", Council On Foreign Relations, http://www.cfr.org

IPAA (2010), "Economic Reports & Industry Statistics", The Independent Petroleum Association of America

IPAA (2010), "Profile of Independent Producers 2009", The Independent Petroleum Association of America

May J. (2007) "An Institutional Analysis of Oil and Gas Sector Development and Environmental Management in the Yukon Territory", Proquest Dissertations & Theses Database

Meyer, K. E., Estrin, S., Bhaumik, S. And Peng, M. W. (2009) „Institutions, Resources, and Entry Strategies in Emerging Economies?. Strategic Management Journal, 30: 61-80.

North, D. C. (2009) Institutions, Institutional Change and Economic Performance. New York: Cambridge University Press.

North, D. C. (1994). „Economic Performance Through Time?. The American Economic Review, 84(3).

Peng, M. W. (2003). „Institutional Transitions and Strategic Choices?. Academy Of Management Review, 28(2): 275-290.

Ross M.L. (2012). "The Oil Curse. How Petroleum Wealth Shapes the Development of Nations". Princeton University Press.

Sagers M.J., Kryukov V.A., Shmat V.V. (1995). "The Extraction and Distribution of Resource Rent From Oil And Gas Sector in the Russian Economy" // Post-Soviet Geography. Vol. 36, №6, P.389-425.

Scott, W. R. (1994) „Institutions and Organizations?. In: Scott, W. R., & Meyer, J. W. Eds., Institutional Environments And Organizations: Structural Complexity And Individualism. Thousand Oaks, CA: Sage Publications.

World Energy Outlook (2009), The International Energy Agency

Woodruff Ch. (2006). "Measuring Institutions" // International Handbook on the Economics of Corruption. S. Rose-Ackerman Ed.

Young O. (1982). "Resource Regimes. Natural Resource and Social Institutions". - Berkeley; Los Angeles; London: University Of California Press, - 280 P.

Размещено на Allbest.ru

...