Влияние особых экономических зон на поведение российских фирм

Таким образом, за период существования особых экономических зон к оценке их влияния на экономику применялись различные подходы и методы. Основными их них являются сравнительный анализ и построение моделей регрессии, а также метод «разность разностей» и псевдорандомизация. Выводы, которые делают в своих исследованиях экономисты, заключаются в том, что особые экономические зоны в разных странах могут способствовать экономическому росту и повышению эффективности хозяйственной деятельности. Некоторые авторы обращают внимание на необходимость исследования средне- и долгосрочных эффектов особых экономических зон.

МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ

Оценка влияния того, является ли фирма резидентом особой экономической зоны, на показатели результатов её деятельности представляет собой оценку эффекта воздействия экономической программы. В таких исследованиях выборка делится на две группы: группу активного воздействия, или экспериментальную группу, и контрольную группу. В первую группу входят объекты, подвергшиеся воздействию экономической программы. В нашем случае это резиденты особых экономических зон. Во вторую группу входят объекты, не подвергшиеся воздействию данной экономической программы, то есть фирмы, не являющиеся резидентами особых экономических зон.

Каждый объект выборки при оценивании эффектов воздействия характеризуется тремя параметрами:

Вектор характеристик . Основным требованием к характеристикам (ковариатам) является независимость от статуса воздействия. Для выполнения этого условия в качестве ковариат используются параметры, характеризующие объект до применения воздействия.

Переменная , характеризующая статус (тип) воздействия. Она принимает значение 0 для объектов контрольной группы, то есть объектов, не подвергшихся воздействию программы, и значение 1 для объектов экспериментальной группы, подвергшихся воздействию программы.

Переменные исхода , характеризующие объект в результате применения воздействия.

Приведенные параметры взаимосвязаны следующим образом:

,

Стандартный способ оценивания эффекта воздействия связан с индивидуальными эффектами:

,

где - индивидуальный эффект воздействия;

- результирующий показатель элемента i выборки, не подвергшегося воздействию;

- результирующий показатель элемента i выборки, подвергшегося воздействию.

Во многих эмпирических исследованиях наблюдаемо только одно из значений результирующего показателя, что делает невозможной оценку индивидуальных эффектов. В таком случае эффект воздействия оценивается на основе средних эффектов воздействия, а именно среднего эффекта воздействия на подвергшихся воздействию.

,

где - средний эффект воздействия на подвергшихся воздействию

- математическое ожидание результирующего показателя единиц выборки, подвергшихся воздействию (экспериментальной группы);

- математическое ожидание результирующего показателя единиц выборки, подвергшихся воздействию в случае, если бы они не подвергались воздействию.

Оценка эффекта воздействия может производиться различными методами. Среди них метод инструментальных переменных, метод «разность разностей», модель разрыва непрерывности. Обзор литературы по теме исследования демонстрирует, что наиболее распространенным методом оценивания эффекта воздействия особых экономических зон на результаты деятельности фирм или административно-территориальных единиц стал метод «разность разностей». Метод «разность разностей» основан на сравнении значений переменных исхода объектов экспериментальной и контрольной групп до и после реализации программы. Однако данные, публикуемые в открытой отчётности российских фирм, не включают дату начала деятельности фирмы внутри особой экономической зоны. В случае, когда фирма была вновь создана внутри особой экономической зоны, отсутствуют данные о показателях её деятельности за предыдущие периоды. Поэтому оценивание влияния особых экономических зон на показатели деятельности российских фирм в данном исследовании будет производиться методом отбора подобного по коэффициенту склонности.

Метод отбора подобного по коэффициенту склонности (PSM, от англ. «propensity score matching») - это метод корректировки исходных данных для получения более достоверных результатов сравнения групп наблюдений статистическими методами. Дословный перевод названия метода - «сопоставление оценок склонностей». В литературе также встречаются следующие варианты перевода: «метод отбора подобного по коэффициенту склонности», «отбор подобного по вероятности (склонности)», «псевдорандомизация», «метод подбора по индексу соответствия», «мэтчинг». Впервые метод был описан в работе П. Розенбаума и Д. Рубина, опубликованной в 1983 г.

Псевдорандомизация была предложена как способ оценки эффекта воздействия, позволяющий избежать смещения полученной оценки. П. Розенбаум и Д. Рубин используют в своей статье понятие среднего эффекта воздействия:

,

где - результирующий показатель единиц выборки, подвергшихся воздействию (экспериментальной группы);

- результирующий показатель единиц выборки, не подвергшихся воздействию (контрольной группы).

Мера, или коэффициент склонности, определяется как условная вероятность того, что объект будет подвергнут воздействию программы:

,

Кроме оценки склонностей, П. Розенбаум и Д. Рубин используют оценку сбалансированности, которая представляет собой такую функцию параметров, условное распределение параметров при которой одинаково для объектов, подвергшихся и не подвергшихся воздействию [21].

При неслучайном выборе объектов для воздействия функция оценки склонностей заранее неизвестна.

Вводятся следующие предпосылки (таблица 7):

Таблица 7Предпосылки о статусе воздействия в зависимости от объема выборки

Для больших выборок	Для малых выборок
Статус воздействия и независимые переменные распределены независимо от оценки склонности вероятности; Статус воздействия и независимые переменные распределены независимо от оценки сбалансированности; Если статус воздействия незначим для результирующих показателей с учётом независимых переменных, то он будет незначим и при условии учёта оценки сбалансированности; Если эффект воздействия незначителен, то математическое ожидание разности между наблюдаемыми результирующими показателями равен среднему эффекту воздействия на оценку сбалансированности.	Статус воздействия и независимые переменные распределены независимо от значений оценки доли объектов, подверженных воздействию.

Источник: P. R. Rosenbaum, D. B. Rubin (1983)

Авторы рассматривают возможность применения методики отбора подобного по коэффициенту склонности в трёх основных направлениях. Во-первых, это формирование подвыборки из элементов экспериментальной группы, распределение параметров которой будет таким же, как для элементов контрольной группы. Вторым вариантом применения псевдорандомизации выступает выделение элементов, подверженных и неподверженных воздействию, в группы на основании независимых переменных. Третий способ заключается в корректировке ковариации.

Наиболее распространённой сферой применения методики отбора подобного по коэффициенту склонности являются эмпирические исследования, цель которых - сравнить результирующие показатели элементов выборки в зависимости от их участия в какой-либо программе. Исследователи признают, что применение псевдорандомизации позволяет решить проблему отбора. М. Кальендо и С. Копайниг выделяют в процедуре отбора подобного по коэффициенту склонности следующие этапы [14, pp.37-59]:

Оценка параметров модели склонности

Выбор спецификации модели;

Предпочтение чаще отдаётся модели логистической регрессии и пробит-модели, чем модели линейной вероятности. Требования к модели ужесточаются при увеличении количества вариантов воздействия.

Определение набора параметров модели;

Включение факторов в модель должно быть обосновано экономической теорией или эмпирическими исследованиями. Результирующая переменная должна быть независима от применения воздействия при условии данного набора параметров; значения набора параметров не должны зависеть от статуса воздействия. Отбор независимых переменных может осуществляться на основе их статистической значимости, методом перебора или перекрестной проверки.

Для правильной оценки среднего эффекта воздействия делаются следующие два предположения.

Несмешиваемость, или предположение об условной независимости («unconfoundedness»), предполагает, что условно на ковариатах распределение воздействия не зависит от потенциальных исходов воздействия для данного объекта и от эффекта воздействия:

,

где Y(0) - переменная исхода объектов выборки, не подвергшихся воздействию;

- переменная исхода объектов выборки, подвергшихся воздействию;

D - переменная, характеризующая статус (тип) воздействия;

X - вектор характеристик (ковариат).

Необходимо отметить, что выполнение предположения об условной независимости напрямую не поддаётся тестированию. Однако существуют способы оценить вероятность его выполнения и провести анализ чувствительности оценок, как параметрические, так и непараметрические.

2. Предположение о пересечении («перекрестности», англ. «overlap») гласит, что не существует таких значений ковариат, при котором можно однозначно сказать, что объект, обладающих такими характеристиками, будет принадлежать к экспериментальной или контрольной группе:

,

В случае нарушения этого предположения будет невозможно оценить средний эффект воздействия программы на генеральную совокупность. В то же время останется возможность оценить средний эффект воздействия для объектов, удовлетворяющих условию о пересечении.

Выбор методики отбора; Возможные методики представлены на рисунке 5.

Метод «ближайшего соседа» заключается в составлении пар наблюдений на основе близких значений индикатора склонности. При использовании этого метода «с заменой» каждый представитель контрольной группы может быть поставлен в соответствие представителю экспериментальной группы только один раз. При использовании этого метода «без замены» существует возможность использовать одно наблюдение несколько раз. При этом величина возможного смещения уменьшается.

Рисунок 5. Варианты методик отбора

Подбор методом «отрезка» или «радиуса» позволяет осуществить такой отбор пар наблюдений, при котором значения их коэффициентов склонности будут лежать в пределах заранее заданного числового отрезка. Таким образом может быть устранена проблема того, что ближайшие значения индикатора склонности будут существенно различаться.

Метод стратификации предполагает разделение величины индикатора склонности на интервалы и вычисление средних разностей между результирующими показателями экспериментальной и контрольной групп внутри полученных интервалов. Выбор числа интервалов должен осуществляться на основе анализа сбалансированности значений независимых переменных для экспериментальной и контрольной групп внутри каждого интервала.

Подход с использованием подбора Кернела и локального линейного отбора отличается от вышеперечисленных тем, что гипотетическое значение результирующего показателя единиц выборки, подвергшихся воздействию в случае, если бы они не подвергались воздействию, формируется на основе средневзвешенного значения результирующих показателей представителей контрольной группы. За счет этого снижается дисперсия выборки. Недостаток метода заключается в возможном учёте показателей представителей контрольной группы, не соответствующих по характеристикам представителям экспериментальной группы [30].

Ещё одним подходом к отбору является использование индикаторов склонности в качестве весов для значений результирующего показателя. В этом случае критическое значение приобретает способ оценивания коэффициента склонности.

Выбор методики отбора имеет особо важное значение в эмпирических исследованиях, основанных на малых выборках. При использовании большой выборки все методики приведут к сходным результатам.

Проверка выполнения предпосылки о пересечении;

Для оценки эффекта изучаемого воздействия наиболее подходящими будут наблюдения, попавшие в область «перекреста» значений индикаторов склонности экспериментальной и контрольной групп. Выполнение условия пересечения обеспечивает наличие среди элементов контрольной группы комбинаций характеристик, присущих элементам экспериментальной группы.

Наиболее простым способом определения этой области представляется визуальный анализ распределения плотности значений индикаторов склонности, однако существуют и формальные методы. Первый из них основан на сравнении минимальных и максимальных значений индикаторов склонности экспериментальной и контрольной групп. При этом значения индикаторов склонности в какой-либо из групп, которые ниже минимального значения или больше максимального значения индикаторов склонности в другой группе, удаляются из выборки. Второй метод включает сравнение распределения плотности значений индикаторов склонности.

Оценивание эффекта воздействия, проверка качества отбора

Качество отбора может быть проверено несколькими способами. Все они сводятся к сравнению выборок до и после процедуры отбора. Первый подход базируется на сравнении стандартизированного смещения, которое вычисляется до и после процедуры отбора по следующим формулам соответственно:

,

,

Недостатком данного подхода является отсутствие среди исследователей единого мнения о достаточной величине сокращения смещения:

,

Часто достаточным считается сокращение стандартизированного смещения на 3 - 5%.

Вторым подходом к проверке качества отбора является применение t-теста. В случае правильно проведенной процедуры отбора двухвыборочный t-тест не обнаружит статистически значимой разницы между средними значениями независимых переменных в прежней и новой выборках. Также проверка значимости разницы между средними значениями независимых переменных в прежней и новой выборках может быть проведена внутри интервалов значений оценок индикатора склонности.

Ещё одним способом сравнения выборок является оценка параметров модели склонности с использованием новой выборки и дальнейшее сравнение показателей псевдо-коэффициентов детерминации. Также может быть проведен F-тест для проверки гипотезы об одновременном равенстве нулю всех коэффициентов при независимых переменных. После процедуры отбора значение псевдо-коэффициента детерминации должно снизиться, а нулевая гипотеза при проведении F-теста не должна быть отклонена.

Причиной неудовлетворительного качества проведенной процедуры отбора может быть неправильно выбранная спецификация модели. В этом случае в модель могут быть включены взаимодействие независимых переменных или их высшие степени.

Непосредственный расчет меры эффекта действующего фактора для бинарного исхода также производится разными способами. Во-первых, это оценивание параметров модели, куда в качестве регрессоров включены коэффициент склонности и переменная-индикатор воздействия, а зависимой переменной выступает результирующий показатель. Во-вторых, это оценивание параметров модели, построенной на полученной после процедуры отбора выборке, включающей в себя только те наблюдения экспериментальной и контрольной групп, которые составили пары по результатам отбора.

Анализ чувствительности

Анализ чувствительности проводится с целью выяснить, влияют ли на результирующие показатели какие-либо ненаблюдаемые факторы. Ненаблюдаемые факторы могут оказывать влияние и на статус воздействия, и на значения переменных исхода. Скрытое смещение оценок возникает в случае, если воздействие производится не случайным образом, иными словами, если объекты с одинаковыми значениями ковариат имеют разные вероятности подверженности воздействию. Оценки параметров модели, построенной на выборке, полученной путём сопоставления коэффициентов склонности, не смещены в случае правильно проведённой процедуры сопоставления коэффициентов склонности. Таким образом, если процедура мэтчинга проведена правильно, вероятность подверженности воздействию должна быть одинаковой для пар объектов экспериментальной и контрольной групп, а предположение о случайности распределения воздействия подтверждается [31].

П. Розенбаум предлагает оценивать наличие смещения оценок с использованием непараметрических тестов, в частности, теста МакНемара и критерия знаковых рангов Уилкоксона (критерия суммы рангов Уилкоксона). Тест МакНемара используется в случаях, когда переменная исхода является бинарной. Критерий знаковых рангов Уилкоксона может использоваться во всех остальных случаях. Подход П. Розенбаума основан на применении параметра Г, который отражает степень отклонения распределения воздействия от случайного. Вероятность получить воздействие у двух объектов из экспериментальной и контрольной групп с одинаковыми наблюдаемыми характеристиками могут различаться не более чем в Г раз. В случайных экспериментах значение параметра Г равняется единице. Если значение параметра Г равняется, к примеру, 2, это означает, что вероятность получить воздействие у объектов одной из групп в два раза выше, чем у другой. Это вызвано влиянием ненаблюдаемого фактора. Значение параметра Г изначально неизвестно, и эксперты предлагают перебирать различные значения с целью выявить их влияние на результаты исследования. [17]

Анализ чувствительности включает расчёт границ интервалов значений эффекта воздействия с помощью точечной оценки Ходжеса - Лемана и расчёт границ интервалов p-значений с помощью критерия знаковых рангов Уилкоксона [20, p. 456].

Построенная в ходе исследования модель будет считаться чувствительной к смещению, вызванному влиянием ненаблюдаемых характеристик, в следующих случаях:

Интервалы значений эффекта воздействия, полученные путем расчёта точечных оценок Ходжеса - Лемана, включают 0 при значении параметра Г, близком к единице; экономический промышленный производственный

Оценки нижней или верхней границы интервала p-критерия, рассчитанные в ходе теста знаковых рангов Уилкоксона, меняются таким образом, что превышают заданный уровень значимости, при значении параметра Г, близком к единице. [17]

Если же для изменения границ значений эффекта воздействия и их статистической значимости необходимо более сильное изменение значения параметра Г, результаты более устойчивы к смещению.

Итак, оценка влияния особых экономических зон на показатели деятельности российских фирм будет производиться с использованием метода отбора подобного по коэффициенту склонности, который включает несколько этапов. Метод применяется для того, чтобы снизить вероятность получения смещенных оценок параметров моделей регрессии. Он предполагает формирование экспериментальной и контрольной групп наблюдений на основании сопоставления значений их коэффициентов склонности.



2. ЭМПИРИЧЕСКОЕ ИССЛЕДОВАНИЕ ЭФФЕКТОВ ОСОБЫХ ЭКОНОМИЧЕСКИХ ЗОН

В исследовании используется информация о российских частных коммерческих организациях из базы данных «Интерфакс-СПАРК». Выборка включает 3 914 наблюдений. Необходимые для исследования показатели можно разделить на две группы. К первой группе показателей относятся общие характеристики фирмы: год основания, регион и адрес регистрации, вид экономической деятельности, организационно-правовая форма, форма собственности. Ко второй группе относятся показатели хозяйственной деятельности фирмы за различные периоды.

Их, в свою очередь, можно разделить на абсолютные и относительные показатели. К абсолютным показателям относятся величина активов, в том числе основных средств и нематериальных активов, величина выручки и чистой прибыли. Предметом интереса исследования является относительный показатель, который соизмеряет прибыль фирмы с её размером, в роли которого выступает рентабельность активов (ROA). Значение ROA демонстрирует, насколько эффективно компания управляет своими активами. Соотношение прибыли фирмы с величиной её активов позволяет сравнивать фирмы из разных отраслей. Еще одним преимуществом показателя рентабельности активов является учет величины обязательств организации, а не только стоимости капитала.

В качестве зависимых переменных в модели будут использоваться показатели деятельности российских фирм, влияние на которые могут оказывать особые экономические зоны. Это средняя величина выручки фирмы, средняя величина чистой прибыли, средняя величина активов, средняя рентабельность активов, а также средние темпы роста выручки, активов, средний прирост рентабельности активов. Приведённые показатели будут рассчитываться следующим образом.

Расчёт средней выручки:

- величина выручки фирмы в i-й год, тыс. руб.;

n - количество лет существования организации в 2009 - 2018 гг.

,

где - средняя величина выручки фирмы, тыс. руб.;

Показатель выручки за период, который необходим для расчёта средней величины выручки, представляет собой поступления, связанные с выполнением работ, оказанием услуг в рамках обычных видов деятельности [3].

Расчёт средней чистой прибыли:

,

где - средняя величина чистой прибыли фирмы, тыс. руб.;

- величина прибыли чистой фирмы в i-й год, тыс. руб.;

n - количество лет существования организации в 2009 - 2018 гг.

В данном исследовании чистая прибыль за период, используемая при расчете средней величины чистой прибыли в 2009 - 2018 гг., вычисляется путем вычитания из прибыли до налогообложения текущего налога на прибыль. В свою очередь, прибыль до налогообложения представляет собой сумму прибыли от продаж и сальдо прочих доходов и расходов организации, в том числе доходов от участия в других организациях и процентов к получению и уплате. Прибыль от продаж - это разность между выручкой и себестоимостью проданной продукции, коммерческими и управленческими расходами [4, 5]. Таким образом, величина чистой прибыли - это разница всех доходов и всех расходов фирмы. Иными словами, это сумма, которая остаётся в распоряжении фирмы после уплаты всех обязательных платежей.

Расчёт средней величины активов производится с помощью среднего хронологического:

,

где - средняя величина активов фирмы, тыс. руб.;

- величина активов фирмы на конец i-го года, тыс. руб.;

n - количество лет существования организации в 2009 - 2018 гг.

Стоимость активов организации на отчётную дату, используемая при расчёте средней стоимости активов, представляет собой показатель финансового положения организации. Это имущество организации, состоящее из внеоборотных и оборотных активов. Внеоборотные активы включают нематериальные активы, основные средства, доходные вложения в материальные ценности и долгосрочные финансовые вложения. Оборотные активы формируются из запасов, налога на добавленную стоимость по приобретенным ценностям, суммы дебиторской задолженности, краткосрочных финансовых вложений и денежных средств. [4, 5]

Расчёт средней рентабельности активов:

,

где - средняя рентабельность активов в 2009 - 2018 гг., доли;

- величина прибыли чистой фирмы в i-й год, тыс. руб.;

- величина активов фирмы на конец i-го года, тыс. руб.;

n - количество лет существования организации в 2009 - 2018 гг.;

Средний темп роста выручки:

,



где - средний темп роста выручки фирмы в 2009 - 2018 гг.;

- величина выручки фирмы в n-й год, тыс. руб.;

- величина выручки фирмы в базисный год, тыс. руб.;

n - количество лет существования организации в 2009 - 2018 гг.

Средний темп роста активов:

,

где - средний темп роста величины активов фирмы в 2009 - 2018 гг.;

- величина активов фирмы в n-й год, тыс. руб.;

- величина активов фирмы в базисный год, тыс. руб.;

n - количество лет существования организации в 2009 - 2018 гг.

Средний прирост рентабельности активов:

,

где - средний прирост рентабельности активов фирмы в 2009 - 2018 гг.;

- рентабельность активов фирмы в n-й год, доли;

- рентабельность активов фирмы в базисный год, доли;

n - количество лет существования организации в 2009 - 2018 гг.

Предварительный анализ зависимых переменных исходной выборки включает расчёт средних значений по выборке в целом и по подвыборкам фирм, являющихся резидентами особых экономических зон, и фирм, не являющихся их резидентами. Также с помощью t-критерия Стьюдента была проверена гипотеза о равенстве средних значений анализируемых показателей, рассчитанных по подвыборкам (таблица 8).



Таблица 8 Предварительный анализ значений зависимых переменных исходной выборки

Зависимая переменная	Среднее значение по выборке в целом	Среднее значение среди резидентов ОЭЗ	Среднее значение среди фирм, не являющихся резидентами ОЭЗ	Значение t-статистики	Значимость различий
Выручка, тыс. руб.	106 857,00	694 524,29	79 733,48	2,7247	значимы
Чистая прибыль, тыс. руб.	2 727,90	-18 160,60	3 943,73	-2,7539	значимы
Активы, тыс. руб.	124 039,00	934 757,14	77 945,15	3,8220	значимы
ROA	0,6795	0,0498	0,7171	-3,0096	значимы
Темп роста выручки	4,4593	3,1419	4,5203	-1,0686	незначимы
Темп роста активов	6,4600	9,4714	6,2886	0,5177	незначимы
Рост ROA	-0,5147	0,1188	-0,5527	1,0687	незначимы

Статистически значимые различия выявлены в величине выручки и чистой прибыли, стоимости активов и их рентабельности. Средние темпы роста выручки и активов, а также средний прирост рентабельности активов не демонстрируют статистически значимых отличий в разрезе экспериментальной и контрольной групп.

Основной независимой переменной, чьё влияние на показатели деятельности фирмы будет исследоваться, выступает переменная, отражающая наличие у фирмы статуса резидента особой экономической зоны.

2.1 Оценка параметров модели склонности

В качестве спецификации модели склонности была выбрана модель логистической регрессии. Зависимой переменной выступает бинарная переменная, принимающая значение 1, если предприятие является резидентом ОЭЗ, и 0, если не является.

Основными требованиями к переменным, включаемым в модель оценки коэффициента склонности, являются:

Обоснованность с точки зрения теории или практики;

Влияние переменных и на значение переменной исхода, и на вероятность применения воздействия;

Независимость результирующей переменной от воздействия при условии данного набора параметров;

Независимость значений набора параметров от статуса воздействия.

Независимость значений данного набора параметров от статуса воздействия, с точки зрения исследователей, обеспечивается за счёт подбора переменных, чьи значения не меняются с течением времени либо переменных, чьи значения были замерены в одно и то же время. Этому условию удовлетворяют такие показатели, как возраст фирмы в 2019 г., регион регистрации, организационно-правовая форма, форма собственности, уставный капитал на момент регистрации, отрасль, в которой фирма осуществляет деятельность.

Рассмотрим влияние перечисленных факторов на значения переменных воздействия и исхода (таблица 9).

Таблица 9 Влияние факторов на статус воздействия и переменную исхода

Фактор	Влияние на воздействие	Влияние на исход
Возраст фирмы	Прямое влияние отсутствует, может существовать обратное влияние. Средний возраст резидентов ОЭЗ существенно ниже среднего возраста по выборке	Возраст фирмы связан со стадией её жизненного цикла, которая оказывает влияние на показатели деятельности фирмы
Регион регистрации	Фирмам, зарегистрированным в регионе, где существует ОЭЗ, может быть легче туда переместиться.	Регионы имеют право определять ставку некоторых налогов, что может влиять на финансовые показатели фирмы
	Регионы, где существуют ОЭЗ, различаются по показателям экономического и социального развития
Организационно-правовая форма	Участниками ОЭЗ могут стать индивидуальные предприниматели и коммерческие организации, за исключением унитарных предприятий	Организационно-правовая форма может быть связана со скоростью принятия решений, что может влиять на результаты деятельности фирмы
Форма собственности	Одна из целей создания ОЭЗ - привлечение иностранных инвестиций с помощью льготных условий, таким образом, в ОЭЗ может быть сконцентрировано больше фирм с участием иностранного капитала	Исследования показывают, что фирмы с участием иностранного капитала демонстрируют лучшие показатели деятельности
Уставный капитал	Может существовать обратное влияние. Средняя величина уставного капитала резидентов ОЭЗ существенно выше средней величины по выборке	Построение модели демонстрирует статистически значимую отрицательную связь
Отрасль	Промышленно-производственные особые экономические зоны «Алабуга» и «Липецк» направлены на развитие, прежде всего, объектов промышленного назначения	Отрасль оказывает влияние на объем выручки фирмы, размер прибыли, величину активов

Таким образом, в модель оценки коэффициента склонности в качестве объясняющих переменных должны быть включены следующие характеристики: регион регистрации, организационно-правовая форма, присутствие иностранных собственников, отрасль. Наличие или отсутствие приведенных признаков отражают следующие переменные (таблица 10).

Результаты оценивания модели склонности, представляющей собой модель логистической регрессии, представлены в таблице 11. В качестве спецификации модели была выбрана модель логистической регрессии по причине того, что распределение остатков регрессии не является нормальным.

Таблица 10 Значения переменных, включенных в модель оценки коэффициента склонности

Переменная	Описание
Регион регистрации	Принимает значение 1, если фирма зарегистрирована в Республике Татарстан, и 0, если фирма зарегистрирована в Липецкой области
Организационно-правовая форма	Принимает значение 1 для обществ с ограниченной ответственностью, 2 для непубличных акционерных обществ, 3 для публичных акционерных обществ, 0 для прочего
Присутствие иностранных собственников	Принимает значение 1, если в структуре собственности присутствуют иностранные физические или юридические лица, и 0 в противном случае
Отрасль машиностроения	Принимает значение 1, если фирма занимается производством машин и оборудования, и 0 в противном случае

Модель оценки коэффициента склонности в таком случае имеет следующий вид:

,

,

где - переменная, отражающая наличие у фирмы статуса резидента особой экономической зоны; принимает значение 1, если фирма является резидентом особой экономической зоны, и 0 в противном случае;

- регион регистрации;

- организационно-правовая форма;

- присутствие иностранных собственников;

- принадлежность к отрасли машиностроения.

Таблица 11 Результаты оценивания модели оценки коэффициента склонности

Фактор	Коэффи-циент	Стандартное отклонение	Значение t-статистики	Pr(>|t|)
Свободный член	-19,0842	395,0857	-0,0480	0,9610
Регион регистрации	1,3307	0,1690	7,874 3	0,0000***
Организационно-правовая форма ООО	15,022	395,0857	0,0380	0,9700
Организационно-правовая форма АО	16,3827	395,0859	0,0410	0,9670
Организационно-правовая форма ПАО	15,9207	395,0863	0,0400	0,9680
Присутствие иностранных собственников	3,0498	0,2111	14,4460	0,0000***
Принадлежность к отрасли машиностроения	3,0072	0,2877	10,4530	0,0000***
Значимость: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1 Количество наблюдений: 3889

Оценка коэффициента склонности позволяет сделать следующие выводы. Из всех параметров, включенных в регрессию, значимое влияние на статус воздействия оказывают регион регистрации, присутствие иностранных физических или юридических лиц в структуре собственности предприятия и его принадлежность к машиностроительной отрасли.

Среди исследователей нет единого мнения относительно того, какие параметры необходимо оставить в модели оценки склонности. Некоторые авторы (М. Кальендо и С. Копайниг, 2008) предлагают включать в окончательную модель не только статистически значимые переменные, но и все переменные, обуславливающие отбор.

2.2 Проверка соблюдения предположения о пересечении

После произведённой оценки параметров модели склонности необходимо убедиться в том, что коэффициенты склонности в экспериментальной и контрольной группах распределены схожим образом. Это можно сделать с помощью графиков. При этом учитывается как вид распределения, так и область совпадения распределения коэффициентов склонности.

Несмотря на существенные различия в численности резидентов ОЭЗ и фирм, не являющихся резидентами ОЭЗ, значения коэффициентов склонности в экспериментальной и контрольной группах распределены схожим образом. Различия присутствуют в области, где значения коэффициентов склонности превышают 0,6.



Рисунок 6. Распределение коэффициентов склонности до процедуры отбора

Предпосылку о пересечении значений ковариат можно проверить с помощью вычисления стандартизированного индекса различий:

,

где - значение стандартизированного индекса различий для параметра j;

- среднее значение параметра j для объектов экспериментальной группы;

- среднее значение параметра j для объектов контрольной группы;

- стандартное отклонение параметра j для объектов экспериментальной группы;

- стандартное отклонение параметра j для объектов контрольной группы.

Результаты оценивания стандартизированного индекса различий и результаты t-теста значимости различий параметров модели оценки коэффициента склонности и представлены в таблице 12.



Таблица 12 Значения стандартизированного индекса различий

Параметр	Стандартизированный индекс различий	t-статистика	Количество степеней свободы	p-критерий
Регион регистрации	0,5054	5,8592	420	0,0000
Присутствие иностранных собственников	0,0680	0,8758	419	0,3817
Принадлежность к отрасли машиностроения	-0,0271	-0,1329	420	0,8944

Эксперты считают, что подозрения должны вызывать значения стандартизированного индекса различий, превышающие 0,25. В данном случае значения переменной, отражающей регион регистрации, оказались несбалансированными в экспериментальной и контрольной группах. Результаты t-теста значимости различий параметров в подвыборках совпадают с выводами, основанными на значениях стандартизированного индекса различий. Значимые различия демонстрирует распределение переменной, отражающей регион регистрации, в экспериментальной и контрольной группах.

Рисунок 7. Распределение форм собственности по группам

Баланс категориальной переменной, отражающей организационно-правовую форму предприятий, предлагается проверить не с помощью индекса, а с помощью визуального анализа её распределения. Распределение представлено на рисунке. По вертикали откладывается значение переменной, по горизонтали - количество наблюдений. Слева показано распределение значений переменной в контрольной группе, справа - в экспериментальной.

Рисунок показывает, что распределение организационно-правовых форм в экспериментальной и контрольной группах отличается незначительно.

2.3 Процедура отбора и проверка его качества

Отбор осуществляется методом «ближайшего соседа». Размер выборки позволяет осуществить отбор по коэффициенту подобного в пропорции 1:1, то есть каждому резиденту ОЭЗ ставятся в соответствие одно предприятие, не являющееся резидентом ОЭЗ. В этом случае распределение значений коэффициентов склонности имеет вид, представленный на рисунке 8.

Рисунок 8. Распределение коэффициентов склонности среди групп

Значения коэффициентов склонности представителей контрольной группы, не включенных в отбор, сосредоточены в интервалах от 0 и 0,1 и от 0,3 до 0,4. При этом значения коэффициентов склонности включенных в отбор представителей контрольной и экспериментальной групп распределены достаточно сбалансированно на всей области значений, кроме значений, близких к 1. Сбалансированное распределение значений коэффициентов склонности обеспечивает сокращение величины смещения отбора. Снижение смещения отбора является одним из преимуществ использования отбора по коэффициенту подобного в качестве стратегии идентификации.

После осуществления процедуры отбора по коэффициенту подобного распределение коэффициентов склонности выглядит следующим образом.

Рисунок 9. Распределение коэффициентов склонности после процедуры отбора

Различия в распределении все ещё наблюдаются, но в меньшей степени.

Также проверка сбалансированности выборки была проведена с помощью критерия хи-квадрат. Результат теста говорит о том, что нулевая гипотеза о равенстве средних значений не отвергается. Следовательно, контрольная и экспериментальная группа не имеют существенных различий в характеристиках, включенных в модель оценки склонности. Возможным решением проблемы несбалансированности могло бы стать включение в модель взаимосвязей параметров или их степеней. Также переменные, средние значения которых остаются несбалансированными, могут быть включены в модель исхода в качестве независимых переменных.

2.4 Оценка эффекта воздействия

Основная гипотеза исследования заключается в том, что показатели экономической деятельности резидентов особых экономических зон существенно отличаются от результатов деятельности фирм, не являющихся резидентами особых экономических зон. Предполагается, что предоставляемая на территории промышленно-производственных особых экономических зон инфраструктура, а также сниженная ставка налога на прибыль, на которую имеют право резиденты, позволяют им сократить издержки, что может привести к увеличению чистой прибыли и, следовательно, росту эффективности деятельности фирмы, которая выражается, например, в показателе рентабельности активов. Также резиденты особых экономических зон «Алабуга» и «Липецк» имеют право на снижение ставок по налогам на имущество организаций и транспортному налогу, а также на применение ускоренной схемы амортизации. Это может дать резидентам особых экономических зон возможность быстрее накапливать активы, что будет выражаться как в росте величины активов, так и в его темпе.

Оценить воздействие статуса резидента особой экономической зоны на показатели деятельности фирмы предлагается с помощью модели линейной регрессии. Необходимо построить несколько моделей, куда в роли зависимых переменных будут включены средняя величина выручки, средняя величина чистой прибыли, средняя величина активов и т. д. В качестве независимых переменных в модели будет входить переменная, отражающая принадлежность фирмы к особой экономической зоны, а также переменные, чьё распределение после процедуры отбора осталось несбалансированным: организационно-правовая форма и регион регистрации. Оценка параметров этих моделей производится методом наименьших квадратов. Таким образом, модели зависимости переменных исхода от наличия статуса резидента особой экономической зоны имеют следующий вид:

,

где Y - переменная исхода: средняя величина выручки; средняя величина чистой прибыли; средняя стоимость активов; средняя рентабельность активов; средний темп роста выручки; средний темп роста активов; средний прирост рентабельности активов.

Результаты оценивания параметров модели, отражающей зависимость средней выручки предприятия от того, является ли оно резидентом особой экономической зоны, представлены в таблице 13. Модель в целом значима на уровне 10%, однако характеризуется низким значением коэффициента детерминации: построенная модель объясняет лишь 3,06% дисперсии зависимой переменной.

Таблица 13 Результаты оценивания параметров модели влияния ОЭЗ на среднюю выручку

Фактор	Коэффи-циент	Стандартное отклонение	Значение t-статистики	Pr(>|t|)
Свободный член	99 530	150 859	0,6600	0,5100
Принадлежность к ОЭЗ	466 376	220 282	2,1170	0,0351 *
Организационно-правовая форма ПАО (по сравнению с прочими)	398 166	469 284	0,8480	0,3969
Организационно-правовая форма АО (по сравнению с прочими)	672 125	634 033	1,0600	0,2900
Регион регистрации	131 592	217 222	0,6060	0,5451
Значимость: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1
Коэффициент детерминации: 0,0306
Скорректированный коэффициент детерминации: 0,1660
Значение F-статистики: 2,19, степени свободы 4 и 278, p-value: 0,07029

На среднюю величину выручки предприятия в 2009 - 2018 гг. принадлежность к особой экономической зоне оказывает статистически значимое положительное влияние. Прочие факторы, включенные в модель, не оказывают значимого влияния на среднюю величину выручки.

Результаты тестов, проведенных с целью проверки чувствительности построенной модели, представлены в таблице 14.



Таблица 14 Результаты анализа чувствительности модели влияния ОЭЗ на среднюю выручку

Значение Г	Нижняя граница точечной оценки Ходжес - Лемана	Нижняя граница p-value	Верхняя граница точечной оценки Ходжес - Лемана	Верхняя граница p-value
1,0	138280	0,0000	138280	0,0000
1,5	77609	0,0000	249010	0,0003
2,0	46933	0,0000	351950	0,0133
2,5	16327	0,0000	443930	0,0949
3,0	4018	0,0000	528990	0,2797
3,5	-54	0,0000	617280	0,5109
4,0	-5966	0,0000	690540	0,7111
4,5	-14024	0,0000	741640	0,8474
Несмещённая точечная оценка Ходжес - Лемана: 138280 Несмещённая оценка p-value: 0,0000

Оценка верхней границы p-критерия становится незначимой при Г = 3. Это означает, что изменение шансов объекта получить воздействие, равное 2, делает оценку верхней границы незначимой. Нижняя граница принимает значение менее 0 только при Г = 3,5. Таким образом, модель оценки влияния статуса резидента особых экономических зон на среднюю выручку предприятия устойчива к влиянию неучтенных в модели, а также ненаблюдаемых факторов.

Итак, выручка резидентов особых экономических зон, в среднем, выше, чем выручка фирм, не являющихся резидентами особых экономических зон, на 466 376 тыс. руб. при прочих равных условиях. При этом результаты анализа чувствительности позволяют сделать вывод о том, что положительный эффект вызван влиянием особых экономических зон, а не прочих факторов.

Результаты оценивания параметров модели, отражающей зависимость средней величины чистой прибыли предприятия от того, является ли оно резидентом особой экономической зоны, представлены в таблице 15.



Таблица 15 Результаты оценивания параметров модели влияния ОЭЗ на среднюю величину чистой прибыли

Фактор	Коэффи-циент	Стандартное отклонение	Значение t-статистики	Pr(>|t|)
Свободный член	2 290	7 102	0,3220	0,7473
Принадлежность к ОЭЗ	-20 001	9 708	-2,0600	0,0402*
Организационно-правовая форма ПАО (по сравнению с прочими)	-44 239	21 236	-2,0830	0,0380*
Организационно-правовая форма АО (по сравнению с прочими)	85 566	30 793	2,7790	0,0058**
Регион регистрации	2 228	9 663	0,2310	0,8178
Значимость: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1
Коэффициент детерминации: 0,0563
Скорректированный коэффициент детерминации: 0,0443
Значение F-статистики: 4,724, степени свободы 4 и 317, p-value: 0,00103

Принадлежность к особой экономической зоне оказывает статистически значимое отрицательное влияние на среднюю величину чистой прибыли в 2009 - 2018 гг. Также значимое влияние на среднюю величину чистой прибыли фирмы оказывает её организационно-правовая форма. Модель в целом значима, но значение коэффициента детерминации низкое. В среднем, при прочих равных условиях, величина чистой прибыли резидентов особых экономических зон ниже, чем величина чистой прибыли фирм, не обладающих статусом резидента особой экономической зоны, на 20 001 тыс. руб. С учётом выявленного положительного влияния статуса резидента особой экономической зоны на выручку, можно сделать вывод о том, что негативное влияние этого статуса на чистую прибыль - следствие того, что резиденты особой экономической зоны несут большие издержки по сравнению с фирмами, не являющимися резидентами.

Результаты анализа чувствительности построенной модели представлены в таблице 16.



Таблица 16 Результаты анализа чувствительности модели влияния ОЭЗ на среднюю величину чистой прибыли

Значение Г	Нижняя граница точечной оценки Ходжес - Лемана	Нижняя граница p-value	Верхняя граница точечной оценки Ходжес - Лемана	Верхняя граница p-value
1,0	-5945,1	0,0002	-5945,1	0,0002
1,1	-7640,5	0,0000	-4526,7	0,0014
1,2	-10838	0,0000	-3425,5	0,0057
1,3	-12833	0,0000	-2346,9	0,0175
1,4	-16486	0,0000	-1675,6	0,0424
1,5	-19308	0,0000	-932,1	0,0857
1,6	-21789	0,0000	-611,7	0,1502
1,7	-23504	0,0000	-414,3	0,2343
1,8	-24805	0,0000	-242,3	0,3328
1,9	-27129	0,0000	-81,296	0,4381
2,0	-29828	0,0000	67,204	0,5423
2,1	-31124	0,0000	219,1	0,6389
2,2	-32380	0,0000	383,5	0,7235
2,3	-35245	0,0000	555,4	0,7942
2,4	-37761	0,0000	723,2	0,8507
2,5	-42234	0,0000	873,3	0,8942
Несмещённая оценка: -5945,1; Несмещённая оценка p-value: 0,0002

Оценка верхней границы p-критерия становится незначимой при Г = 1,6. Это означает, что изменение шансов объекта получить воздействие, равное 0,6, делает оценку верхней границы незначимой. Верхняя граница точечной оценки Ходжес - Лемана превышает 0, когда параметр Г равен 2,0. Модель оценки влияния статуса резидента особых экономических зон на среднюю величину чистой прибыли предприятия может быть признана устойчивой к влиянию неучтенных факторов. В таком случае отрицательное влияние особых экономических зон на среднюю величину чистой прибыли слабо чувствительно к влиянию неучтённых в модели и ненаблюдаемых факторов.

Результаты оценивания параметров модели, отражающей зависимость средней величины активов предприятия от того, является ли оно резидентом особой экономической зоны, представлены в таблице 17.

Принадлежность к особой экономической зоне наряду с организационно-правовой формой имеет значимое влияние на среднюю величину активов предприятия. Необходимо отметить, что существенно большей величиной активов отличаются публичные акционерные общества по сравнению с прочими организационно-правовыми формами.

Таблица 17 Результаты оценивания параметров модели влияния ОЭЗ на среднюю величину активов

Фактор	Коэффи-циент	Стандартное отклонение	Значение t-статистики	Pr(>|t|)
Свободный член	71648	175431	0,4080	0,6832
Принадлежность к ОЭЗ	671 393	232304	2,8900	0,0041**
Организационно-правовая форма ПАО (по сравнению с прочими)	2359182	539318	4,3740	0,0000***
Организационно-правовая форма АО (по сравнению с прочими)	583758	732711	0,7970	0,4262
Регион регистрации	87858	232167	0,3780	0,7054

Это в достаточной мере совпадает с ожидаемыми результатами. Модель значима в целом, однако значение коэффициента детерминации говорит о том, что переменные, включенные в модель, объясняют только 8,2% дисперсии зависимой переменной. Результаты анализа чувствительности построенной модели представлены в таблице 18.

Таблица 18 Результаты анализа чувствительности модели влияния ОЭЗ на среднюю величину активов

Значение Г	Нижняя граница точечной оценки Ходжес - Лемана	Нижняя граница p-value	Верхняя граница точечной оценки Ходжес - Лемана	Верхняя граница p-value
1,0	138460,0	0,0000	138460,0	0,0000
1,5	54360,0	0,0000	339640,0	0,0005
2,0	19123,0	0,0000	515620,0	0,0349
2,5	5746,4	0,0000	650890,0	0,2407
3,0	-975,6	0,0000	806730,0	0,5774
Несмещённая оценка: 138460,0; Несмещённая оценка p-value: 0,0000

Оценка верхней границы p-критерия становится незначимой при Г = 2,5. Это означает, что изменение шансов объекта получить воздействие, равное 1,5, делает оценку верхней границы незначимой. Значение оценки нижней границы точечной оценки Ходжес - Лемана опускается ниже 0 при Г = 3, то есть при изменении шансов на воздействие, равном 2. Модель оценки влияния статуса резидента особых экономических зон на среднюю величину активов предприятия достаточно устойчива к влиянию неучтенных факторов. В таком случае положительное влияние особых экономических зон на среднюю величину активов не вызвано влиянием неучтённых в модели и ненаблюдаемых факторов.

При прочих равных условиях, стоимость активов резидента особой экономической зоны на 671 393 тыс. руб. выше, чем стоимость активов фирмы, не являющейся её резидентом. Положительный эффект вызван влиянием особых экономических зон, а...