Вопросы экономики_2020_02

Вопросы экономики. 2020. № 2. С. 101 —124.
Voprosy Ekonomiki, 2020, No. 2, pp. 101 —124.

ЭКОНОМИКА ПРЕДПРИЯТИЙ

Оценка рыночного отбора в России:
когда размер (фирмы) имеет значение*

И. В. Савин12, О. С. Мариев2, А. А. Пушкарев2

1Автономный университет Барселоны UAB (Барселона, Испания)
2Уральский федеральный университет (Екатеринбург, Россия)

В статье оценивается эффективность конкурентного отбора на основе данных
по промышленным предприятиям России за 2006—2017 гг. и проводится сравнение
с результатами для ряда зарубежных стран. С этой целью осуществлена декомпо­
зиция агрегированной производительности труда на уровне отрасли, чтобы опре­
делить вклад перераспределения долей фирм на рынке от менее к более произво­
дительным компаниям, а также дана непосредственная эконометрическая оценка
взаимосвязи производительности компаний и роста их выручки. Полученные
результаты свидетельствуют о небольшом значении рыночного отбора в России.
Если измерять производительность компаний через производительность труда, то
оценки по России ниже, чем по другим странам ОЭСР, а оценки на основе общей
факторной производительности в целом сопоставимы. Для малых и средних
предприятий роль конкурентного отбора выше, что указывает на необходимость
стимулировать конкуренцию, особенно среди крупных компаний.

Ключевые слова: размер фирмы, конкуренция, производительность тру­
да, малые и средние предприятия.

JE L : D40, L11.

В статье мы анализируем влияние рыночного отбора на рост фирм
в России, где под ростом понимается увеличение доли на рынке и по­
вышение выручки. Для этой цели мы используем декомпозицию агре­
гированной производительности труда на уровне отрасли (Baily et al.,

Савин Иван Валерьевич (ivan.savin@ urfu.ru), PhD, и. с. Института экологиче­
ских наук и технологий UAB, проф. кафедры эконометрики и статистики УрФУ;
Мариев Олег Святославович ([email protected]), к. э. и., доцент, заведующий
кафедрой эконометрики и статистики УрФУ; Пушкарев Андрей Александрович
(a.a.pushkarev@ urfu.ru), старший преподаватель кафедры эконометрики и ста­
тистики УрФУ

* Исследование поддержано грантом Президента Российской Федерации для молодых
докторов наук МД-3196.2019.6.

https://doi.org/10.32609/0042-8736-2020-2-101-124
© НП «Вопросы экономики», 2020

101

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

1992; Griliches, Regev, 1995; Foster et al., 2001; Melitz, Polanec, 2015)
и эконометрическую оценку связи между ростом фирм и их произво­
дительностью (впервые примененную в: Bottazzi et al., 2010). Первый
метод позволяет оценить, насколько рыночная доля фирм от менее
производительных компаний переходит к более производительным,
и основан на измерении долей на рынке через уровень занятости в ком­
паниях. Ввиду этого и других ограничений такой подход трудно назвать
совершенным, поэтому на следующем шаге мы обращаем внимание на
эконометрическую оценку эффективности рыночного отбора — насколь­
ко эта эффективность напрямую объясняет рост продаж фирм. С этой
целью мы оцениваем влияние конкуренции на основе ее статической
и динамической компонент (уровня производительности и ее вариации
во времени) методом коррелированных случайных эффектов и вычи­
сляем долю объясненной этими факторами дисперсии.

Более того, предполагая, что конкуренция по-разному влияет на фир­
мы в зависимости от их размера (а значит, и количества доступных ресурсов,
возможно, также накопленных знаний и технологий), мы различаем вли­
яние конкуренции на малые и средние компании и крупные предприятия,
пытаясь понять, какие фирмы больше подвержены такому влиянию.

Наша методика (см. также: Dosi et al., 2015, 2017; Bottazzi et al.,
2010) ранее применялась на российских данных только для компаний
Уральского федерального округа (Савин и др., 2019). Это позволяет
нам сравнить полученные оценки по России с другими странами ОЭСР
и сделать вывод о том, насколько эффективен рыночный отбор в России.

Выясняется, что роль конкурентного отбора в России ограничена.
Это выражается как в низкой роли перераспределения долей рынка
(если быть точнее, перетока трудовых ресурсов) от менее к более
производительным компаниям при декомпозиции агрегированной про-
изводильности труда, так и в объясняющей способности факторов про­
изводительности для роста продаж фирм, где для производительности
труда оценки оказываются на уровне 11% (что существенно ниже, чем
для стран ОЭСР), а для общей факторной производительности — 25%
(что скорее совпадает с оценками по другим странам). Для малых
и средних предприятий роль конкурентного отбора при этом выше,
что особенно хорошо заметно по перетоку трудовых ресурсов между
малыми компаними. Большая роль конкурентного отбора становится
видна, если соотнести значимость производительности компаний и всех
других ненаблюдаемых, но специфических для компаний факторов,
учтенных фиксированными эффектами. Последнее хорошо согласуется
с результатами исследований о том, что малые и средние предприятия
менее защищены, а также указывает на необходимость стимулировать
конкуренцию, особенно среди крупных предприятий.

Конкурентный отбор и эффективность:
эмпирические исследования

Со времен А. Смита общество в целом и экономисты в частности
привыкли рассматривать рыночную конкуренцию как эффективный

102

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

механизм саморегулирования, где государство лишь поддерживает
порядок, рынок обеспечивает успех наиболее производительных ком­
паний, их рост и развитие, а компании, которые не в состоянии пред­
ложить лучший продукт по лучшей цене, вынуждены сокращать штат
сотрудников и в конечном счете банкротятся. Все это достаточно сильно
напоминает теорию эволюции Ч. Дарвина о выживании сильнейших
и наиболее приспособленных особей. Более того, существует немало
свидетельств того, что работы Смита повлияли на Дарвина, когда тот
формулировал свою знаменитую теорию эволюции (Gould, 1975).

Однако когда дело доходит до эмпирической проверки существова­
ния конкурентного отбора, оказывается, что получить подтверждение
столь очевидной и всеми принятой гипотезы не так просто. Один из
часто применяемых подходов заключается в анализе панельных данных
компаний и декомпозиции агрегированного изменения производитель­
ности (будь то вся экономика или отдельно взятый ее сектор). В этом
случае роль конкурентного отбора можно оценить тем, насколько вклад
от перераспределения рыночных долей от менее «эффективных», то
есть менее производительных, компаний к более производительным
соотносится с вкладом от роста производительности на уровне самих
фирм. Эти эффекты принято называть «between» и «within» соответст­
венно. Подобный методический подход применялся к разным странам,
периодам времени и секторам экономики и в целом показывал очень
неоднородную картину, где конкуренция могла присутствовать (в не­
большой мере) в ряде секторов и полностью отсутствовать в других
(Baily et al., 1992; Griliches, Regev, 1995; Foster et al., 2001; Baldwin,
Gu, 2006; Bartelsman et al., 2005; Disney et al., 2003).

Как объяснить такую картину? Проблема в том, что декомпозиция
производительности не может служить удовлетворительным спосо­
бом измерения конкуренции, хотя и представляет собой шаг в этом
направлении. В частности, такой подход основан на измерении доли
рынка через уровень занятости, что несет в себе риски существенного
искажения реальной картины успешности компаний. Чтобы лучше оце­
нить конкурентный отбор, необходимо проанализировать связь между
относительной (по отношению к конкурентам) производительностью
фирм и ростом их продаж (Dosi et al., 2015; Bottazzi et al., 2010).
Тестируя эту взаимосвязь, мы непосредственно проверяем гипотезу об
эффективности рынков, лежащую в основе ряда известных неоклас­
сических моделей (Jovanovic, 1982; Hopenhayn, 1992; Acemoglu et al.,
2013). Этот механизм лежит в основе моделей эволюционной экономики
(Nelson, Winter, 1982; Metcalfe, 1998) и следовавшей из них модели
«репликативной динамики» (Silverberg et al., 1988):

Asitt = f(,nitt- n t)si t_u (1)

где: Ауказывает на разность между двумя годами; si t — доля фирмы i
в период времени t; ni>t — производительность труда фирмы i в период t;
Пь — средневзвешенная относительно долей компании на рынке произ­
водительность фирм в отрасли. Согласно этому уравнению, фирмы
с уровнем производительности выше среднего должны наращивать

103

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

свою долю на рынке, и наоборот. В уравнении (1) при этом долю
рынка можно рассчитывать непосредственно на основе объема продаж
компаний1.

Эконометрический подход к оценке взаимосвязи роста продаж
фирм и их производительности был впервые применен на данных по
Франции и Италии (Bottazzi et al., 2010). Позднее схожий подход
использовался для анализа данных по США, Германии, Франции
и Великобритании (Dosi et al., 2015). По России единственное из­
вестное нам исследование посвящено компаниям Уральского феде­
рального округа (Савин и др., 2019). Во всех этих работах объясняю­
щая способность производительности составляла 3 —20%, что можно
охарактеризовать как очень низкое значение, а следовательно, и как
свидетельство низкой эффективности механизма конкурентного от­
бора. В то же время доля фиксированных эффектов, отражающих
не наблюдаемую нами неоднородность компаний, была значительно
выше (20 —40%). Важно отметить, что для всех подходов характерен
анализ конкуренции между компаниями на уровне отрасли (в нашем
случае речь идет о двузначном классификаторе ОКВЭД2).

Наконец, сравнение влияния конкурентного отбора на фирмы
разных размеров показало, что если посредством декомпозиционно­
го анализа определить устойчивое преобладание конкуренции для
фирм меньшего размера не удается, то это можно сделать с помощью
эконометрического анализа взаимосвязи роста выручки и производи­
тельности компаний (Dosi et al., 2015). Последний результат относится
к вопросу о роли малых и средних предприятий в экономике (Acs,
Preston, 1997; Бирюков, 2004; Чигрин, 2018) и о том, какие меры под­
держки малого и среднего бизнеса уже применяются в России или мож­
но применить в будущем (Медовников и др., 2016; Виленский, 2011),
чтобы сравнивать влияние конкуренции для фирм разного размера.

Данные и используемые переменные

В рамках исследования анализировалась выборка российских
фирм за 2006—2017 гг., ведущих основную деятельность в отраслях
обрабатывающей промышленности (отрасли 10—32 по классификации
ОКВЭД2). В дальнейшем отраслевой классификатор будет исполь­
зоваться, чтобы ограничить круг конкурентов для отдельно взятой
фирмы. Такой подход широко применяется в литературе по конкурент­
ному отбору и имеет свои недостатки, о которых будет сказано ниже.

Данные получены из базы Ruslana, предоставленной Bureau van
Dijk (BvD). Используемая выборка содержит более 79 тыс. предприя­
тий за период от 1 до 12 лет, то есть учитываются как предприятия,
существовавшие и наблюдаемые на протяжении всего периода, так
и предприятия, которые либо ушли с рынка, либо перестали предо­

1 Модель репликативной динамики применяется не только в отношении конкуренции
фирм, но и в других областях, таких как конкуренция и эволюция мнений в обществе (см.
van den Bergh et al., 2019).

104

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

ставлять информацию в BvD2. Используются следующие показатели на
уровне предприятий: выручка, затраты на производство и продажу, об­
щие активы и численность работников. В расчетах также учитываются
среднеотраслевая зарплата и отраслевые индексы цен производителей,
предоставленные Росстатом. Ввиду отсутствия информации по затра­
там на работников, мы рассчитываем этот показатель3самостоятельно,
как произведение количества работников на среднеотраслевую зарпла­
ту в соответствующем году (Brynjolfsson, Hitt, 2003). Все денежные
показатели приведены к реальным значениям при помощи индексов
цен производителей в качестве дефлятора (базисный год — 2005-й).

В дальнейшем исследование построено на анализе показателей
темпов роста выручки и производительности труда4. Методология
(в частности, описание агрегированной производительности и эконо­
метрический анализ), используемая ниже, применялась нами и прежде,
и потому в ряде случаев мы описываем ее кратко, чтобы избежать из­
лишних повторений. Читатель может ознакомиться с более подробным
описанием в нашей предыдущей статье (Савин и др., 2019).

Мы измеряем производительность труда как количество добав­
ленной стоимости на одного сотрудника, где добавленная стоимость
определена как выручка минус затраты на производство и продажу за
исключением стоимости оплаты труда (Dosi et al., 2015). Чтобы убе­
диться, что полученные нами результаты устойчивы к форме измерения
производительности, мы также проводим оценку регрессионной модели
на основе общей факторной производительности (ОФП). В этом случае
производительность фирмы рассчитывается иначе (Van Beveren, 2012).
В частности, мы считаем ОФП на основе эконометрической оценки
стандартной логарифмированной функции Кобба—Дугласа вида:

Vi,t = Р о + Pih ,t + P k h t + e ut’ (2)

где: y i t — логарифм добавленной стоимости фирмы г; li>t — логарифм
численности работников этой фирмы; ki t — реальные общие активы5
фирмы г. В результате оцененный логарифм ОФП coit имеет вид:

(bit = V i , t ~ P i h t ~ P k h t - (3)

2Поэтому интерпретировать появление или исчезновение фирмы из базы данных как
ее основание или банкротство мы не можем, что, к сожалению, характерно для большинства
подобных баз данных (Bottazi et al., 2010).

3Показатель «Среднемесячная номинальная начисленная заработная плата работников
организаций по видам экономической деятельности». Росстат, http: old.gks.ru \\ ps wem
connect rosstat_main rosstat ru statistics wages

4В литературе применяются две формы измерения производительности: производительность
труда и общая факторная производительность. В данной статье мы в основном рассматриваем
производительность труда, поскольку было показано, что ОФП искажает выводы при
рассмотрении фирм, использующих разные технологии, а значит, испытывающих разные
эффекты синергии между факторами производства (Dosi, Grazzi, 2006). Это имеет место
в нашем случае, поскольку мы рассматриваем широкий спектр отраслей обрабатывающего
производства.

5Общие активы (total assets) — единственная доступная нам форма измерения капитала
в базе Ruslana (разделение на материальные и нематериальные активы на основе имеющихся
данных, к сожалению, невозможно).

105

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Прежде чем перейти к анализу данных, мы ограничиваем получен­
ную выборку, во-первых, исключив предприятия с менее чем 20 сотруд­
никами и, во-вторых, исключив наблюдения, по которым мы не можем
подсчитать динамику роста выручки или производительности труда.

Первое ограничение используется для того, чтобы сопоставить
результаты с более ранними исследованиями аналогичной методологии
по США, Франции и Великобритании (Bottazzi et al., 2010; Dosi et al.,
2015)6. Для нас потеря этих наблюдений не столь значима, поскольку по
показателям выручки и количества сотрудников они в сумме отвечают
лишь за 1,9 и 2,8% соответственно. Второе ограничение обусловлено
тем, что для декомпозиции и эконометрического анализа необходимо
иметь наблюдения в динамике по каждому рассматриваемому пред­
приятию. Но и из-за этого ограничения мы теряем наблюдения, в со­
вокупности отвечающие за 8,5% выручки и 15% числа сотрудников
соответственно7. В таблице 1 представлен краткий обзор по исследуе­
мым показателям и размеру предприятий.

Таблица 1

Число наблюдений, среднее и медианное значения роста выручки,
производительности и размера фирмы

Темп роста выручки, Производительность, Размер фирмы,
0 долл. США на человека количество сотрудников,
о
человек

N среднее медиана N среднее медиана N среднее медиана

263 299 5,7 9,7 353 175 15 149,82 3695,80 353 175 182 47

Источник: расчеты авторов на основе базы данных Ruslana.

Отметим, что медианное значение производительности труда зна­
чительно ниже среднего значения этого показателя, что указывает на
наличие небольшого количества фирм с очень высокой производитель­
ностью. В частности, это фирмы нефте- и газопереработки, например
Газпромнефть, или тяжелой промышленности, в частности УГМК-
Холдинг. Обратная ситуация наблюдается в случае показателя темпа
роста выручки, где медианная величина существенно выше средней,
что объясняется наличием значительного количества предприятий,
выручка которых уменьшается. Сравнивая полученные оценки с по­
казателями в других странах (Dosi et al., 2015), отметим, что россий­
ские фирмы растут несколько быстрее, чем европейские (темпы роста
3 —6%) и ближе к уровню американских фирм (8 —10%).

Поскольку в дальнейшем мы особое внимание уделяем раз­
личиям во влиянии рыночного отбора на фирмы разного разме­
ра, в таблице 2 представлена информация о размере и количестве
фирм, которые можно отнести к малым и средним предприятиям (до
250 сотрудников включительно) и крупным фирмам (более 250 со-

6В одно из исследований (Bottazi et al., 2010) эти фирмы не были включены, поскольку
данные по ним не собираются французским статистическим агентством.

7Эти цифры указывают на то, что отброшенные нами наблюдения в основном состоят
из малых предприятий, а крупные компании мы сохраняем для дальнейшего анализа.

106

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Таблица 2

Число наблюдений, среднее и медианное значения роста выручки,
производительности и размера фирмы для подвыборок

Переменная SME (< 250 работников) Large (> 250 работников)

N среднее медиана N среднее медиана

Темп роста выручки, % 217 306 5,1 9,7 45 993 8,2 9,5
300 929 14 593,92 3337,77
Производительность, 52 246 18 351,72 6051,79
долл. на человека 300 929 61 40
52 246 875 439
Размер фирмы,
кол-во сотрудников, человек

И сточник: расчеты авторов на основе базы данных Ruslana.

трудников)8. Для их обозначения мы также будем использовать «SME»
(small and medium-sized enterprises) и «Large» соответственно.

Мы видим сравнительно большее количество малых и средних
предприятий в нашей выборке со средним количеством примерно 60
сотрудников. Большие фирмы в среднем в 15 раз крупнее (порядка
900 сотрудников). Средний темп роста выручки выше среди больших
фирм, а медиана данного показателя примерно совпадает в обеих груп­
пах. В больших компаниях существенно выше производительность.

В таблице 3 представлены значения стандартных отклонений по
росту выручки и логарифму производительности труда, а также число
рассматриваемых фирм для каждой отрасли. Так, наиболее представлены
пищевая промышленность (16,6% в общем количестве фирм), произ­
водство металлических изделий (12,3%), производство неметаллической
минеральной продукции (9,4%), производство машин и оборудования
(9,4%), производство изделий из резины и пластмассы (7,4%). Остальные
отрасли занимают по отдельности не более 5% в выборке (рис. 1 онлайн-
приложения9). Используемые данные сопоставимы и в большинстве сов­
падают со значениями Росстата о распределении выручки по отраслям
(рис. 2а и 26 онлайн-приложения). Так, по данным Росстата, в 2017 г.
крупнейшими отраслями по обороту были кокс и нефтепродукты, произ­
водство пищевых продуктов, металлургическое и химическое производ­
ство. По этим отраслям доля оборота в обрабатывающем производстве
превышает 5% как в данных Росстата, так и в нашей выборке10.

Наши расчеты в таблице 3 показывают, что среднее стандартное
отклонение роста выручки российских фирм составляет 0,78, а для
производительности — 1,72. Это указывает на то, что фирмы в каждой

8Порог 250 сотрудников широко используется для классификации компаний на малые
средние и крупные. В частности, его применяют статистические бюро стран ОЭСР (https:
sta ts.oecd.org glossary d etail.asp?ID=3123) и Европейская комиссия (h ttp s: ec.europa.eu
growth smes business-friendly-environment sme-definition_en)

9Онлайн-приложение доступно по адресу: https: 27428ecf-a0cb-4ble-a356-668dcdd352ea.
filesusr.com ugd 808301_d3e48c0bd86541beb0943e770b46c040.pdf

10 Мы также постарались оценить степень охвата данных по России, сравнив количество
компаний за 2016 г. с данными, представленными на сайте Росстата (рис. 3 в онлайн-
приложении). Количество охваченных нами компаний существенно ниже значений официальной
статистики, составляя в среднем 13% общего числа. Это можно объяснить тем, что мы не
включаем в нашу выборку микрофирмы, фирмы, по которым нет полных данных для анализа,
или которые не попали в базу «Ruslana». По этому показателю наиболее полно охвачены
«Производство автомобилей» (27%) и «Производство пищевых продуктов» (17,6%).

107

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Таблица 3

Стандартное отклонение (SD ) роста выручки (g i t)
и производительности труда (щ>t) по секторам, Россия

Все фирмы SME Large
SD N
ОКВЭД2 SD SD N SD SD N SD Щл
9и Щл 9и Щл 9и 1,46 10 671
Пищевые продукты 0,78 1,67 44 517 0,53 1,61 1485
Напитки 0,73 1,65 55 188 0,89 1,77 6585 0,63 1,67 155
Табак 1,20 1,76 86 0,35 1,54 817
Текстиль 0,84 1,79 8070 0,75 1,71 5838 0,49 1,86 780
Одежда 0,76 1,85 9444 0,58 1,35 390
Кожа и изделия из нее 0,72 2,10 241 0,73 1,66 2237 0,43 1,74 1447
Обработка древесины 0,93 1,81 12 942 0,62
Бумага и бумажные 0,71 1,69 6655 1,47 966
изделия 0,64
Печать и копирование 0,74 1,85 10 224 1,65 782
Кокс и нефтепродукты 0,71 1,72 661
Химические продукты 0,69 1,62 2627 1,20 1,55 2489
Лекарственные средства 0,72 1,66 874
Резиновые и пластмассо­ 0,90 1,81 14 389 0,77
вые изделия 1,60 2071
Прочая неметаллическая 0,62 1,60 7032 0,74 1,59 6066 0,48
минеральная продукция 1,51 5374
Производство металлур­ 0,69 1,60 12 359 0,88 1,60 И 577 0,50
гическое 1,05 2,17 2077 2,20 1416 0,72 1,38 1962
Готовые металлические 0,69 1,69 15 731 0,93 1,68 13 242 0,53
изделия 0,72 1,81 4549 1,81 3675 0,50 1,49 3926
Компьютеры, электронные 0,81
изделия 0,72 1,61 24 996 1,60 22 925 0,53 1,34 2675
Электрическое 0,79
оборудование 0,83 1,69 30 529 1,71 25 155 0,60 1,40 2691
Машины и оборудование 0,85
Автотранспорт и прицепы 0,86 1,68 7411 1,74 5449 0,65 1,38 4182
Прочее транспортное 0,89 1,40 1867
оборудование 0,79 1,60 41 360 0,90 1,61 37 434 0,67
Мебель 1,31 1598
Прочие готовые изделия 0,75 1,56 12 617 1,02 1,61 9942 0,61
1,65 797
0,79 1,63 16 138 0,79 1,66 13 447 0,44 1,53 794
0,81
0,84 1,61 31 509 1,64 27 327 0,57
0,87 1,65 7289 1,71 5422 0,77

0,89 1,63 4657 1,77 3059 0,65

0,77 1,70 9936 1,70 9139 0,51
0,81 1,71 7160 1,73 6366 0,80

Среднее значение 0,78 1,72 0,85 1,72 0,57 1,53
Медианное значение 0,77 1,68 0,81 1,71 0,57 1,53

Источник: оценки авторов на основе базы данных Ruslana.

отрасли неоднородны с точки зрения обеих переменных. Причем эти
показатели практически не меняются от отрасли к отрасли, за исклю­
чением нефтепереработки, где стандартное отклонение показателей еще
выше. Например, если в России фирма с производительностью труда
на одно стандартное отклонение выше среднеотраслевого уровня почти
в 20 раз производительнее фирмы, которая на одно стандартное откло­
нение ниже этого уровня (е3 = 20), то в США и Европе эта разница
лишь трехкратная (Dosi et al., 2015). Если мы разделим нашу выборку
на малые/средние и крупные компании, то увидим, что разнородность
компаний особенно высока для SME по обоим показателям.

Отметим, что если стандартные отклонения по производитель­
ности вычислять для каждого года и сектора по отдельности, то

108

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

разброс наблюдений не уменьшается, а возрастает как минимум до
2015—2016 гг., после чего в 2017 г. показатели снижаются по всем без
исключения отраслям (см. рис. 1). Данный результат противоречит
ожиданиям о снижении дисперсии производительности или, по край­
ней мере, сохранении значений на прежнем уровне, которое долж­
но наблюдаться, если процесс естественного отбора функционирует
эффективно. Это указывает на недостаточный конкурентный отбор
в России, схожие выводы были сделаны на основе данных по всей
России (Okawa, Sanghi, 2018), а также УрФО (Савин и др., 2019).

Картина на рисунке 1 также справедлива, если разбить нашу
выборку на малые/средние и крупные предприятия и построить ди­
намику их стандартных отклонений по времени11.

Стандартное отклонение производительности труда по отраслям

- И - Пищевые продукты —о—Напитки
---Т абак —А—Текстиль
— Одежда —И - Кожа и изделия из нее
—Ф—Обработка древесины
-И - Печать и копирование ■ Бумага и бумажные изделия
—и - Химические продукты — Кокс и нефтепродукты
—ж Резиновые и пластмассовые изделия —Д—Лекарственные средства
—А Производство металлургическое
—о—Компьютеры, электронные изделия Ш Прочая неметаллическая продукция
—о—Машины и оборудование ■ Готовые металлические изделия
- И - Прочее транспортное оборудование - И - Электрическое оборудование
—о—Прочие готовые изделия —+■ Автотранспорт и прицепы
-X - Мебель

Источник: оценки авторов на основе базы данных Ruslana.
Рис. 1

Учитывая принятые нами ограничения, можно сказать, что ис­
пользуемая выборка данных репрезентативна с точки зрения отрасле­
вого распределения фирм. Фирмы в России растут немного быстрее,
чем в Европе. Также мы отмечаем значительное различие в произво­
дительности труда между компаниями одной отрасли, и эти различия
значительно больше наблюдаемых в Европе и США.

11 Графики для этих двух групп можно получить у авторов по запросу.

109

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Декомпозиция роста производительности

Рост производительности на уровне отрасли может быть резуль­
татом изменения производительности отдельных фирм (эффект «w ith­
in») и перераспределения долей рынка среди его участников (эффект
«between»)12. Если второй эффект значителен, то можно сделать вывод
о наличии рыночной конкуренции. Для расчета декомпозиции мы
применяем известный подход (Griliches, Regev, 1995; Dosi et al., 2015),
что позволяет сравнить полученные нами результаты с результатами
для других стран13.

В частности, сначала рассчитывается суммарная производительность сектора / в
период t, представленная как взвешенная сумма показателей производительности
отдельных фирм:

П1Л=Х л л » (4)

где: вес si t — доля фирмы г в период t\ а ж[л — производительность труда фирмы г в
период t. Доли фирм в данном случае оцениваются через доли занятости в целях
декомпозиции стандартной совокупной производительности труда. После этого про­
водится декомпозиция изменения в совокупном индексе:

+ Х А51-,л > (5)

где - (верхняя черта) указывает на среднее значение за два последующих года, а А —
на разность между двумя годами. Первое слагаемое уравнения (5) — это эффект
«within»; второе слагаемое — эффект «between».

Далее рассчитывается совокупный вклад этих эффектов за все годы. Наконец,
для удобства сравнения результатов между отраслями мы рассчитываем процентный
вклад каждого из этих двух эффектов в рост производительности:

(6)

эффект ,be^tween = —Zt—Z—,€;A~-s-,-,-t^-
ТгЩ.г

В таблице 4 представлены результаты декомпозиции роста по
видам экономической деятельности для общей выборки российских
предприятий, полученные на основе уравнений (4) —(6). Для боль­
шинства отраслей наблюдается доминирующая роль изменения произ­
водительности на уровне фирмы (эффекта «within»), на что указывает
близость ее значений к 1 (100%) как в среднем, так и медиане. Лишь 8%
роста отраслевой производительности можно объяснить конкурентным
отбором. Такой результат в целом сопоставим с результатами, полу­
ченными для других стран (Dosi et al., 2015), где средние значения
эффекта «between» варьировали от -1% до 16%.

12 О декомпозиции производительности труда в России на уровне всей экономики
и о перераспределении рабочей силы между отраслями см. в: Воскобойников, Гимпельсон, 2015.

13 В литературе существует множество подходов к декомпозиции производительности, см.:
Baily et al., 1992; Olley, Pakes, 1996, а также обзор литературы на эту тему в: Cantner et al.,
2019. Чаще всего используются подходы, представленные в: Foster, 2001; Griliches, Regev, 1995.

110

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Таблица 4

Декомпозиция роста производительности труда
по секторам ОКВЭД*

ОКВЭД2 «within» «between»

Пищевые продукты 0,72 0,28
Напитки 0,47 0,53
Табак 0,68 0,32
Текстиль 1,08 -0,08
Одежда 0,95 0,05
Кожа и изделия из нее -0,45 1,45
Обработка древесины 0,43 0,57
Бумага и бумажные изделия 0,29 0,71
Печать и копирование 0,95 0,05
Кокс и нефтепродукты 0,83 0,17
Химические продукты 0,91 0,09
Лекарственные средства 0,85 0,15
Резиновые и пластмассовые изделия 0,95 0,05
Прочая неметаллическая минеральная продукция 0,75 0,25
Производство металлургическое 0,84 0,16
Готовые металлические изделия 0,91 0,09
Компьютеры, электронные изделия 1,26 -0,26
Электрическое оборудование 1,27 -0,27
Машины и оборудование 0,65 0,35
Автотранспорт и прицепы 3,17 -2,17
Прочее транспортное оборудование 0,88 0,12
Мебель 1,51 -0,51
Прочие готовые изделия 1,32 -0,32

Среднее значение 0,92 0,08
Медианное значение 0,88 0,12

* В соответствии с имеющейся методикой (Brown et al., 2018), мы отбросили по 1% наблю­
дений с наибольшими и наименьшими показателями производительности и темпов роста выруч­
ки. Результаты, описанные выше, остаются устойчивыми к подобной проверке. Единственное
заметное отличие: число отраслей с отрицательным эффектом «between» снижается с б до 1
(компьютеры). Эти результаты можно получить по запросу у авторов.

Источник: оценки авторов на основе базы данных Ruslana.

Рассматривая результаты для отраслей в отдельности, можно от­
метить несколько особенностей. В первую очередь, отрицательные
значения составляющей «between» можно интерпретировать как пока­
затель неэффективности конкуренции, а именно как перераспределение
рыночных долей от более производительных фирм к менее произво­
дительным. Также наблюдается отрицательное значение показателей
«within» для фирм по производству кожи и изделий из нее. Это может
свидетельствовать о последовательном снижении производительности
фирм в данной отрасли. Чтобы точнее осветить причины отрицатель­
ных значений, необходим более подробный анализ этих отраслей, что
не входит в задачи данного исследования.

Отметим, что в рассмотренной выборке не наблюдается связь со­
отношения компонент и характеристик отраслей. Так, оценки схожи
для табачной отрасли, которую можно отнести к низкотехнологич­
ным, и отрасли «Машины и оборудование», которая гораздо более
технологически интенсивна. Отрасль «Пищевые продукты», которая

111

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

обычно считается низкотехнологичной, имеет более высокий показа­
тель эффекта «between», чем многие высокотехнологичные отрасли,
например «Химические продукты» или «Лекарственные средства».
Также мы рассчитали средние и медианные (по годам) значения индек­
са Херфиндаля—Хиршмана и оценили уровень ранговой корреляции
между этим показателем и полученными результатами для эффек­
та «between»14. Зависимость между уровнем концентрации отрасли
и выраженностью рыночного отбора обратная, что логично: чем более
отрасль монополизирована, тем меньше в ней конкуренции. Однако
ранговая корреляция невысока (от -0,04 до -0,08), то есть зависимость
присутствует, но очень слабая.

Далее мы провели декомпозицию роста производительности от­
дельно для крупных предприятий и SME. Совокупную производи­
тельность сектора П из уравнения (4) можно разложить как сумму
показателей производительности фирм различного размера:

кк (7)

п = Z 5A = Z 5fcZsi ?ri-
k=\ k=\ iek

где: n k — общая производительность фирм размера k\ sk — доля числа
работников фирм размера k в общем числе работников отрасли /;
s{и щ — доля числа работников и производительность труда отдельной
фирмы соответственно.

Тогда уравнение (5) может быть записано как

к к к_

Щ = Z 5*ZS; +Z 5*Z As;ъ +Z A5A - (8)
k=\ iek k=\ iek k=\

где первое и второе слагаемые представляют собой взвешенные суммы
эффектов «within» и «between» соответственно. Третье слагаемое отра­
жает вклад перемещения фирм между классами по размеру в динамику
совокупной производительности.

Для двух групп компаний (Large и SME) уравнение (8) прини­
мает следующий вид:

= sSME ^ s{Ащ + sSME ^ щ +

leSM E ieSM E

+ XSLarge XLarge A si^ i+ Z AsA ' O)
ieLarge
ieLarge ke{SME, Large]

Первые два слагаемых отражают компоненты для малых и средних
фирм, а третье и четвертое слагаемые — для крупных фирм. Последнее
слагаемое отражает динамику рыночных долей и производительности
между двумя классами.

Поскольку при декомпозиции мы работаем с данными по фирмам
за текущий и предыдущий периоды (для расчета), размер фирмы
определяется по соответствию количества ее сотрудников в текущем

14 См. таблицу 1 в онлайн-приложении: https: 27428ecf-a0cb-4ble-a356-668dcdd352ea.
filesusr.com ugd 808301_d3e48c0bd86541beb0943e770b46c040.pdf

112

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

и предыдущем периоде15. Такой анализ позволяет нам сделать вывод
о том, насколько различаются эффекты конкуренции для предприя­
тий разного размера. Исследователи обычно сходятся во мнении, что
малые фирмы более остро испытывают влияние конкурентного отбора:
в силу финансовых ограничений (Carpenter, Petersen, 2002; Bottazzi
et al., 2014), сложностей при поддержании инновационной активности
(Ortega-Argils et al., 2009), а также при выходе на рынки других стран
и регионов (Hollenstein, 2005).

Результаты декомпозиции, представленные в таблице 5, ука­
зывают на существенные различия между этими классами компа­
ний. Так, среди крупных фирм доминирует эффект «within», а для
малых и средних большую долю роста агрегированной производи­
тельности объясняет эффект «between». Для малых предприятий он
всегда положителен и составляет в среднем 33%, что указывает на

Таблица 5

Декомпозиция роста производительности труда
по секторам ОКВЭД и размеру фирм

ОКВЭД2 SME Large COV

«within» «between» «within» «between»

Пищевые продукты -0,086 0,407 0,780 -0,113 0,012
Напитки -0,355 0,612 0,848 -0,096 -0,009
Табак 0,002 0,671
Текстиль 0,002 0,271 0,730 0,318 0,007
Одежда 0,329 0,251 0,765 -0,340 0,009
Кожа и изделия из нее 0,195 1,254 0,257 -0,200 -0,012
Обработка древесины -0,734 0,987 0,763 0,015
Бумага и бумажные изделия -0,348 0,150 0,203 0,208 0,001
Печать и копирование 0,082 0,219 0,830 -0,402 0,006
Кокс и нефтепродукты 0,144 0,102 0,714 -0,014
Химические продукты 0,117 0,097 0,749 0,559 0,019
Лекарственные средства 0,152 0,176 0,718 -0,180 0,003
Резиновые и пластмассовые изделия 0,123 0,198 0,587 0,005
Прочая неметаллическая 0,345 0,048 0,024
минеральная продукция 0,384 0,729 -0,001
Производство металлургическое 0,011 -0,022 0,015
Готовые металлические изделия 0,217 0,868 -0,154
Компьютеры, электронные изделия -0,026 0,209 0,737 -0,001
Электрическое оборудование 0,158 0,088 1,020 -0,138 0,002
Машины и оборудование 0,230 0,209 1,041 0,012
Автотранспорт и прицепы 0,217 0,516 0,537 -0,058 0,031
Прочее транспортное оборудование 0,082 0,143 3,052 -0,107 0,029
Мебель 0,106 0,186 0,889 -0,350 0,014
Прочие готовые изделия 0,575 1,502 -0,498 0,020
-0,044 0,319 0,926 -0,164 0,012
-0,033 -2,316 0,017
-0,051
0,366 -1,057
-0,627

Среднее значение 0,045 0,329 0,866 -0,250 0,009
Медианное значение 0,106 0,217 0,763 -0,138 0,012

Источник: оценки авторов на основе базы данных Ruslana.

15 Чтобы отнести предприятие к крупным, число работников в периоде t и t ~ \ должно
быть более 250. Фирмы с разной численностью сотрудников в двух периодах отнесены к группе

COV.

из

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

достаточно высокую эффективность конкурентного отбора среди этих
фирм. Интересно, что при этом среднее и медианное значения эф ­
фекта «between» для крупных фирм отрицательны (в среднем -25%).
Согласно нашему декомпозиционному анализу, среди крупных фирм
доли рынка перераспределяются в сторону менее производительных
компаний. Но именно повышение производительности крупных пред­
приятий объясняет наибольшую долю роста совокупной отраслевой
производительности. Последнее скорее ожидаемый результат, так как
крупные предприятия имеют доступ к большим ресурсам по освоению
новых технологий и автоматизации производства, что позволяет им
повышать производительность. Показатель ковариации (COV) не пре­
вышает 1—3%. Учитывая, что доля фирм, размер которых меняется,
невелика, это косвенно свидетельствует о правильной оценке показа­
телей декомпозиции.

Таким образом, декомпозиция подтверждает выдвинутое нами
предположение о том, что SME более восприимчивы к конкурентному
отбору, чем крупные фирмы. Полученные нами результаты по России
отличаются от результатов для других стран, где показатели эффекта
«between» в целом были сопоставимы для малых и крупных пред­
приятий (Dosi et al., 2015). Это свидетельствует о том, что переток
сотрудников (напомним, что доля фирм здесь оценивается через долю
занятости) от менее к более производительным в России значительно
сильнее среди малых фирм. И наоборот, движение трудовых ресур­
сов сильно искажено в пользу менее производительных предприятий
среди больших компаний. Причин отрицательного эффекта «between»
может быть несколько, начиная от большей доли государственных
предприятий среди крупных компаний16 до большей роли долгосроч­
ного планирования и большей вовлеченности этих компаний в цепочки
добавленной стоимости (Cantner et al., 2019), где предприятия, несмот­
ря на падение производительности, не снижают объем производства
и не увольняют своих сотрудников. Тот факт, что в России эта цифра
(-25%) значительно отличается от показателей других стран ОЭСР
(от -5% для Великобритании до +13% для Германии и США), свиде­
тельствует о том, что роль перечисленных факторов в России крайне
велика. Это затрудняет переток трудовых ресурсов из менее произво­
дительных компаний в фирмы, где их вклад мог быть больше.

Вывод о низкой мобильности труда в России подтверждается дру­
гими исследованиями (Гимпельсон и др., 2014). Она ограничивает рост
российской экономики ввиду значительного дефицита трудовых ресур­
сов, что будет усиливаться в ближайшие годы (Okawa, Sanghi, 2018)17.

Одно из основных допущений нашего анализа в том, что фирмы
в каждой отрасли конкурируют друг с другом, но в реальности это
не столь очевидно. Промышленная классификация — широкий и не
самый совершенный разграничитель рынков. Так, производители лег­

16 К сожалению, данные не позволяют точно определить долю государственного участия
в компаниях, однако разумно предположить, что их больше среди крупных компаний.

17 Кроме того, низкая мобильность труда среди прочего ограничивает и переток знаний
внутри экономики (d ’Andria, Savin, 2018).

114

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

ковых автомобилей («АвтоВАЗ») не конкурируют ни с производителя­
ми грузовых автомобилей («КамАЗ»), ни с производителями элитных
автомобилей («Aurus Сенат»), ни с поставщиками компонентов для
производства автомобилей (фактически, с последними они формируют
цепочку создания добавленной стоимости)18.

Размер фирм измеряется количеством их сотрудников, а не ростом
выручки (или прибыли). Формально этот выбор верен и продиктован
формулой декомпозиции, но на практике такой подход несет риск упус­
тить связь между конкурентоспособностью и реальным ростом фирм,
выраженным в более высоком объеме продаж (связанном, например,
с переходом на более совершенное автоматизированное оборудование).
Поэтому теперь мы непосредственно проанализируем отношения про­
изводительности и роста выручки с использованием эконометрических
методов на уровне фирмы.

Эконометрический анализ

Оценим конкурентный отбор по тому, насколько производитель­
ность компаний — как мера эффективности — способна объяснять рост
их продаж. Эконометрические модели были построены как по общей
выборке, так и отдельно для подгрупп крупных компаний и SME.
Деление проводилось по тому же принципу, что при декомпозиции
производительности выше.

В качестве зависимой переменной выступает рост выручки (gi)t),
подсчитанный как разность логарифмов выручки периода t к периоду
t ~ 1, а в качестве объясняющих переменных используются показатели
производительности фирм. Чтобы получить долю объясненной диспер­
сии для отношения рост—производительность и следовать существую­
щей спецификации эконометрической модели (Dosi et al., 2015), для
оценки основных коэффициентов регрессий используются коррелиро­
ванные случайные эффекты (correlated random effects). Таким образом,
наша эконометрическая модель имеет следующий вид:

9i,t = а + b t + Р аА жц + р тщ л + /3АаА щ л + р тащ + С,- + £i t , (10)

где: Ani>t — логарифм разности производительности за два следующих
друг за другом года, отражающий динамику роста производительно­
сти; 7ci)t — средний внутрифирменный уровень производительности
для периодов t и t ~ \ , отражающий разность абсолютных значений
производительности фирм. В соответствии с логикой метода коррели­
рованных случайных эффектов модель расширена за счет добавления
средней динамической компоненты Аж{л и средней компоненты абсо­
лютного уровня щ, что повышает возможности модели учесть вклад

18 Указанную проблему несоответствия разделения фирм по принципу отраслевой
принадлежности и по рынку не решает переход к трем или даже четырем знакам ОКВЭД,
поскольку, например, в подотрасли 28.11 значится «Производство автомобильных, авиационных
или мотоциклетных двигателей», а в 21.20 — «Производство лекарственных препаратов
и материалов, применяемых в медицинских целях».

115

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

производительности в объяснение экономического успеха фирм. Если
и щ можно отнести к статической компоненте производительно­

сти, то есть к уровню эффективности компании, то Ani>t и Ani>t — это
динамическая компонента производительности и оценивает влияние
изменения производительности на рост компаний. В модели также
присутствуют фиктивная переменная периода bt и показатель фиксиро­
ванных эффектов на уровне фирм с{. Фиксированные эффекты позво­
ляют учесть все факторы на уровне компаний, которые могут вносить
вклад в рост продаж, но не наблюдаются и остаются неизменными во
времени: качество менеджмента компании, уникальные конкурентные
преимущества, обусловленные расположением компании, наличием
патента или ноу-хау на определенную продукцию или наличием дол­
госрочных контрактов с поставщиками и потребителями, и т. д.

Поскольку уравнение регрессии (10) считается для каждой отрас­
ли, влияние конкуренции на рост фирм с учетом фиктивных пере­
менных по времени эквивалентно оценке их отклонения от среднего
значения по отрасли за отдельно взятый год. Таким образом, в (10)
мы считаем, насколько относительная конкурентоспособность (по срав­
нению с производительностью остальных фирм в отрасли) важна для
роста фирм. Для определения силы рыночного отбора считается доля
полной дисперсии, объясненной факторами производительности19:

_ УШ^АA4 t +P Jkt +[ + РтаЩ) /,,4
Var(git) ■
UU

Данный эконометрический подход имеет ограничения, которые
могут повлиять на полученные результаты. Во-первых, помимо про­
изводительности на рост выручки могут влиять и другие факторы,
например уровень квалификации сотрудников и затраты на Н И О КР20.
Можно предположить, что эти контрольные переменные положительно
коррелируют с производительностью, и тогда оценка роли конкурент­
ного отбора может быть завышена. Однако, как мы увидим ниже, наши
оценки свидетельствуют о низкой роли производительности в объяс­
нении роста фирм, и потому вероятность переоценить влияние кон­
куренции лишь подкрепляет наши результаты. Второе ограничение
заключается в возможном наличии обратной каузальной зависимости
(reverse causality), то есть возможности того, что рост фирм определяет
динамику производительности, а не наоборот. Мы протестировали
влияние роста фирм на производительность в предыдущие периоды
и не обнаружили значимой зависимости.

Результаты эконометрического анализа производительности труда
представлены в таблице 6. Мы видим, что во всех отраслях объясняющая
способность динамической компоненты производительности Si t суще­
ственно выше, чем у статической компоненты Sl^.t, составляя в среднем
10%, a Slnit минимально и варьирует около 1%. Общая объясняющая спо­
собность факторов производительности 5 2бщ, таким образом, составляет
11%, что ниже, чем для других стран ОЭСР, где она варьирует в преде­

19 Более детальное описание декомпозиции дисперсии представлено в: Dosi et al., 2015.
20 К сожалению, эти переменные недоступны в нашей базе данных.

116

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

лах 14—19% (Dosi et al., 2015). Интересно, что при этом коэффициент
детерминации уравнения регрессии (10) R 2o6mдля России составляет 29%,
что также существенно ниже, чем для других стран (41 —66%).

Из этого можно сделать следующие выводы. Во-первых, произво­
дительность как мера конкурентоспособности объясняет лишь около
10% показателя успеха фирм, указывая на очень низкую эффектив­
ность конкурентного отбора в России и его меньшую роль по сравне­
нию с другими странами. Во-вторых, динамика продаж у российских
фирм менее предсказуема, чем в других странах ОЭСР, что свидетель­
ствует о большей неопределенности для компаний: фиксированные на
уровне фирм индивидуальные эффекты в России обладают небольшой
объясняющей способностью (в среднем около 20%), что ниже, чем за
рубежом (20 —40%). Все это показывает, что качество управления
и другие конкурентные преимущества компаний, которые мы не мо­
жем измерить на имеющихся данных, но которые, вероятнее всего,
устойчивы во времени и влияют на рост компаний, имеют достаточно
ограниченное воздействие на темп роста продаж, пусть в сумме и более
высокое, чем производительность.

Как и в случае декомпозиционного анализа, оценки влияния кон­
курентного отбора существенно отличаются для разных секторов: выше
в табачной отрасли, электронных изделиях и транспортных средствах,
ниже в отраслях печатной и пищевой продукции. Однако нельзя вы­
делить какую-то очевидную закономерность, почему конкурентный
отбор более эффективен для тех или иных отраслей.

В таблице 7 мы повторили расчет на основе уравнений (10) —(И),
используя ОФП вместо производительности труда. Как видно, оценки
для ОФ П выше в том, что касается объясненной дисперсии продаж
факторами ОФП (в среднем 25% против 11% указанных ранее), что
ближе к оценкам для других стран. Из этого можно сделать вывод
о том, что успешный рост российских компаний в большей степени
обусловлен материальными и нематериальными активами. В целом это
не сильно меняет наши выводы о низкой эффективности конкурентного
отбора в России, даже если с учетом ОФП его роль в нашей стране
становится сопоставимой с другими странами ОЭСР (25% в России
против, например, 23% во Франции).

Если теперь мы сравним результаты, полученные для фирм разно­
го размера, то увидим, что вывод о низкой роли конкурентного отбора
справедлив для обоих рассматриваемых нами классов: в случае малых
компаний он объясняет 11—26% роста фирм, а больших — 12—24%
(в зависимости от того, какой формой измерения производительности
мы пользуемся), что в целом свидетельствует о примерно равной важно­
сти меры эффективности компаний для их успеха. При этом большую
разницу между двумя классами фирм можно наблюдать в значимости
фиксированных индивидуальных эффектов ( ^ 20бщ_ ^ 20бщ) ; 16 —18%
для SME и 19—26% для крупных компаний. Поэтому даже если
в абсолютном выражении роль конкурентного отбора кажется одина­
ковой для компаний разного размера, то в относительном выражении
(насколько эффективность/ производительность определяет успех по
сравнению с другими ненаблюдаемыми характеристиками фирм) роль

117

£

Объясненная дисперсия соотношения производите

ОКВЭД2 Все фирмы

S А2к\л S 2Ал",д с2

'“ 'о б щ

Пищевые продукты 0,01 0,07 0,07
Напитки 0,00 0,11 0,11
Табак 0,03 0,27 0,30
Текстиль 0,01 0,07 0,08

Одежда 0,00 0,08 0,08
Кожа и изделия из нее 0,01 0,08 0,09

Обработка древесины 0,01 0,09 0,10

Бумага и бумажные изделия 0,00 0,06 0,06
Печать и копирование 0,01 0,03 0,04
Кокс и нефтепродукты 0,01 0,12 0,13

Химические продукты 0,00 0,11 0,11

Лекарственные средства 0,00 0,11 0,11
Резиновые и пластмассовые изделия 0,01 0,07 0,08

Прочая неметаллическая минеральная продукция 0,01 0,09 0,10

Производство металлургическое 0,00 0,12 0,12

Готовые металлические изделия 0,01 0,09 0,10

Компьютеры, электронные изделия 0,00 0,16 0,16

Электрическое оборудование 0,00 0,11 0,11
Машины и оборудование 0,00 0,13 0,13
Автотранспорт и прицепы 0,01 0,11 0,12

Прочее транспортное оборудование 0,01 0,14 0,15
Мебель 0,00 0,09 0,09

Прочие готовые изделия 0,01 0,08 0,09

Среднее значение 0,01 0,10 0,11

Медианное значение 0,01 0,09 0,10

Примечание. Мы отбросили по 1% наблюдений с наибольшими и наимень
2018). Результаты практически совпали с полученными по ограниченной выборк

И сточник: оценки авторов на основе базы данных Ruslana.

Таблицаб

льность—рост на основе производительности труда

SME Large И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101 —124

С>2 S А2к\л S 2Ал",д с2 С>2 S А2к\л S 2Ал",д с2 D2
-^ о б щ -^общ -^общ
'“ 'о б щ '“ 'о б щ

0,30 0,01 0,07 0,07 0,28 0,01 0,08 0,09 0,39
0,21 0,00 0,10 0,10 0,20 0,02 0,13 0,15 0,27
0,63 0,05 0,29 0,34 0,59 0,00 0,20 0,20 0,81

0,21 0,01 0,06 0,07 0,19 0,01 0,10 0,11 0,37
0,22 0,00 0,08 0,08 0,21 0,00 0,10 0,10 0,29
0,23 0,01 0,08 0,09 0,23 0,01 0,07 0,09 0,38
0,25 0,01 0,09 0,10 0,25 0,02 0,11 0,13 0,37

0,25 0,01 0,05 0,06 0,23 0,01 0,09 0,10 0,45
0,28 0,01 0,03 0,04 0,27 0,01 0,03 0,04 0,47
0,38 0,01 0,11 0,12 0,33 0,00 0,12 0,12 0,47

0,24 0,00 0,10 0,10 0,22 0,02 0,14 0,16 0,34
0,32 0,00 0,10 0,10 0,31 0,01 0,12 0,13 0,43
0,28 0,00 0,08 0,08 0,27 0,01 0,04 0,05 0,41

0,31 0,01 0,09 0,10 0,30 0,00 0,10 0,10 0,39
0,30 0,00 0,12 0,12 0,27 0,00 0,11 0,11 0,51
0,22 0,01 0,08 0,09 0,21 0,00 0,17 0,17 0,29
0,33 0,00 0,17 0,17 0,33 0,01 0,13 0,14 0,37

0,26 0,00 0,12 0,12 0,25 0,00 0,09 0,09 0,44
0,21 0,00 0,12 0,12 0,21 0,00 0,13 0,13 0,26
0,29 0,01 0,11 0,12 0,27 0,00 0,15 0,15 0,45

0,30 0,01 0,11 0,12 0,25 0,00 0,22 0,22 0,44

0,30 0,01 0,09 0,10 0,30 0,00 0,08 0,08 0,48
0,26 0,01 0,08 0,09 0,25 0,04 0,10 0,14 0,35

0,29 0,01 0,10 0,11 0,27 0,01 0,11 0,12 0,41
0,28 0,01 0,09 0,10 0,25 0,01 0,11 0,12 0,39

ьшими показателями производительности и темпов роста выручки (Brown et a l.,
ке, не считая отклонения в пределах 0,02, что не изменило наших выводов.

Объясненная дисперсия соотношения пр

ОКВЭД2 Все фирмы

Пищевые продукты S’2 S’2 с2
Напитки A^i,t
Табак 0,08 '“ 'общ
Текстиль 0,09
Одежда 0,01 0,15 0,24
Кожа и изделия из нее 0,06
Обработка древесины 0,05 0,23 0,32
Бумага и бумажные изделия 0,04
Печать и копирование 0,07 0,02 0,03
Кокс и нефтепродукты 0,12
Химические продукты 0,09 0,16 0,22
Лекарственные средства 0,07
Резиновые и пластмассовые изделия 0,10 0,21 0,26
Прочая неметаллическая минеральная продукция 0,07
Производство металлургическое 0,10 0,16 0,21
Готовые металлические изделия 0,06
Компьютеры, электронные изделия 0,07 0,19 0,26
Электрическое оборудование 0,07
Машины и оборудование 0,03 0,11 0,23
Автотранспорт и прицепы 0,06
Прочее транспортное оборудование 0,06 0,11 0,20
Мебель 0,11
Прочие готовые изделия 0,05 0,19 0,26
0,09
Среднее значение 0,07 0,20 0,29
Медианное значение
0,07 0,20 0,27
0,07
0,15 0,24

0,16 0,23

0,20 0,27

0,19 0,26

0,27 0,30

0,20 0,26

0,23 0,29

0,21 0,32

0,24 0,29

0,17 0,26

0,24 0,30

0,18 0,25

0,19 0,26

Примечание. Мы отбросили по 1% наблюдений с наибольшими и наимен
практически совпали с полученными по ограниченной выборке, не считая откло
с.о И сточник: оценки авторов на основе базы данных Ruslana.

Таблица 7

роизводительность—рост на основе ОФП

SME Large И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101 —124

D2 S’2 S’2 c2 D2 S’2 S’2 c2 D2
A^i,t -^общ A^i,t -^общ
-^общ '“ 'общ '“ 'общ

0,44 0,08 0,15 0,23 0,42 0,11 0,15 0,26 0,52

0,44 0,08 0,23 0,30 0,43 0,17 0,24 0,41 0,51

0,55 0,00 0,20 0,20 0,48 0,02 0,18 0,20 0,77

0,37 0,07 0,17 0,24 0,38 0,07 0,11 0,18 0,42

0,39 0,05 0,21 0,26 0,39 0,04 0,19 0,24 0,44

0,37 0,05 0,19 0,23 0,39 0,05 0,12 0,18 0,43

0,44 0,08 0,20 0,28 0,45 0,06 0,20 0,26 0,49

0,40 0,13 0,11 0,24 0,41 0,12 0,13 0,25 0,50

0,43 0,10 0,12 0,23 0,44 0,03 0,04 0,07 0,51

0,55 0,08 0,21 0,29 0,55 0,04 0,19 0,23 0,58

0,41 0,10 0,19 0,29 0,40 0,11 0,23 0,34 0,48

0,48 0,07 0,20 0,27 0,47 0,08 0,19 0,27 0,54

0,42 0,10 0,16 0,25 0,42 0,09 0,09 0,19 0,50

0,43 0,08 0,17 0,24 0,44 0,04 0,16 0,21 0,47

0,47 0,09 0,21 0,29 0,47 0,05 0,15 0,20 0,51

0,39 0,08 0,18 0,26 0,39 0,03 0,24 0,27 0,42

0,45 0,04 0,29 0,33 0,46 0,01 0,24 0,25 0,48

0,41 0,07 0,24 0,31 0,43 0,05 0,10 0,15 0,46

0,40 0,06 0,24 0,30 0,40 0,07 0,21 0,27 0,40

0,49 0,13 0,24 0,37 0,51 0,06 0,16 0,22 0,52

0,42 0,08 0,20 0,28 0,39 0,04 0,30 0,35 0,51

0,43 0,09 0,19 0,28 0,44 0,08 0,09 0,16 0,48

0,45 0,07 0,22 0,29 0,44 0,09 0,30 0,40 0,55

0,44 0,08 0,18 0,26 0,44 0,07 0,17 0,24 0,50

0,43 0,08 0,20 0,28 0,43 0,06 0,18 0,24 0,50

ньшими показателями производительности и темпов роста выручки. Результаты
онения в пределах 0,04, что не изменило наших выводов,

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

конкуренции все же выше в России для SME. В этом наши выводы
совпадают с полученными ранее в рамках декомпозиции отрасле­
вой производительности, а также на данных США, Великобритании
и Франции (Dosi et al., 2015).

Мы также проанализировали ранговую корреляцию между HHI
и долей дисперсии, объясненной в наших моделях факторами произ­
водительности (5обЩ). Как оказалось, здесь корреляция положительна
и несколько выше (0,12 —0,14), если рассматривать производительность
труда, и низка и отрицательна (от -0 ,0 6 до -0,07), если рассматри­
вать ОФП. Отрицательную корреляцию можно объяснить так же, как
указывалось ранее для декомпозиционного анализа: концентрация об­
условливает отсутствие конкуренции — чем выше концентрация ком­
паний, тем меньше роль производительности в объяснении их успеха
(поскольку, например, фирмы могут быть локальными монополиста­
ми). Положительную корреляцию можно рассматривать как следствие
высокой зависимости продаж от производительности (труда), ведь если
конкурентный отбор эффективен, то доли рынка перераспределяют­
ся от менее к более производительным компаниям и отрасль в це­
лом становится более концентрированной. На наш взгляд, обе теории
имеют право на существование. Помимо прочего, этот анализ также
указывает на достаточно серьезное несовпадение наших результатов
для двух способов расчета производительности. Однако объяснение
такого несовпадения требует отдельного исследования.

***

Для анализа эффективности рыночного отбора в России мы про­
вели декомпозицию роста производительности для всех отраслей про­
мышленности, чтобы посмотреть, перераспределяются ли доли фирм
на рынке от менее к более производительным компаниям и какой
вклад этот процесс вносит в общий рост производительности на уровне
отрасли. Поскольку метод декомпозиции имеет важный недостаток
(измеряет доли фирм через количество занятых в компании), выводы
на его основе представляются менее надежными, ведь при современ­
ном уровне автоматизации производства компании могут наращивать
продажи и прибыль даже при сокращении штата служащих. Потому
на втором этапе анализа мы получили непосредственную эконометри­
ческую оценку взаимосвязи производительности компаний и роста их
выручки. При этом мы различали роль конкурентного отбора для
SME и больших фирм, чтобы оценить, влияет ли размер фирм на
силу конкурентного отбора.

Мы выявили, что роль конкурентного отбора в России невелика.
Это выражается, во-первых, в низкой роли перераспределения долей
рынка (перетоке трудовых ресурсов) от менее к более производитель­
ным компаниям при декомпозиции агрегированной производительности
труда: в среднем вклад от этого перераспределения около 8%, а все
остальное объясняется повышением производительности на уровне са­
мой фирмы. Учитывая низкий темп роста производительности труда

120

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

в России, оценка в 8% представляется незначительной. Во-вторых,
объясняющая способность факторов производительности для роста про­
даж фирм оказывается очень небольшой: в случае производительности
труда — на уровне 11% (что ниже, чем для стран ОЭСР), а в случае
ОФП — 25% (что скорее совпадает с оценками по другим странам).
Подчеркнем, что измерение на основе ОФП может искажать выводы
при рассмотрении фирм, использующих разные технологии, но при этом
содержит больше информации. Потому, на наш взгляд, оба подхода
одинаково применимы. Более того, поскольку оба указывают, что фак­
торы конкуренции, как минимум, не более важная детерминанта роста
продаж компаний, чем индивидуальные фиксированные эффекты на
уровне самих компаний, то полученный на их основе вывод о низкой
роли конкуренции в российской экономике подтверждается.

Для SME роль конкурентного отбора при этом выше, что особен­
но хорошо заметно по перетоку трудовых ресурсов между ними, но
подобная динамика отсутствует для больших компаний. В рамках эко­
нометрического анализа большая роль конкурентного отбора заметна,
если сравнить роль производительности в росте выручки с ролью всех
других ненаблюдаемых, но специфических для компаний факторов,
учтенных фиксированными эффектами. Последнее хорошо согласуется
с результатами исследований о том, что малые и средние предприя­
тия — менее защищенные экономические агенты, а также указывает на
необходимость стимулировать конкуренцию среди крупных компаний.

В рамках дальнейших исследований представляется интересным
сравнить роль рыночных эффектов для государственных и частных
фирм (как это сделано, например, в: Yu et al., 2017), а также оценить,
изменилась ли роль конкурентного отбора в период экономической
рецессии 2009—2012 гг. Более того, можно применить описанный
в данной статье анализ к другим странам СНГ (например, Украина
и Беларусь) и дальнего зарубежья, оценки конкурентного отбора по
которым не проводились. Это, однако, требует получения дополни­
тельных данных, которыми мы пока не располагаем.

Список литературы / References

Бирюков А. (2004). Развитие малого и среднего бизнеса — локомотив экономики
(опыт Тайваня) Вопросы экономики. N° 9. С. 123 —129. [Biryukov А. (2004).
Development of small and medium business — the locomotive of the economy
(The case of Taiwan). Voprosy Ekonom iki, No. 9, pp. 123 —129. (In Russian).]
h ttp s:/ / d o i .org 10.32609 0042-8736-2004-9-123-129

Виленский A. (2011). Парадокс поддержки малого бизнеса: предварительные ито­
ги кризиса Вопросы экономики. N° 6. С. 149 —155. [Vilensky А. (2011).
The paradox of small business support: Preliminary outcomes of the crisis. Voprosy
Ekonom iki, No. 6, pp. 149 —155. (In Russian).] blips: doi.org 10.32609 0042-
8736-2011-6-149-155

Воскобойников И., Гимпельсон В. (2015). Рост производительности труда, структурные
сдвиги и неформальная занятость в российской экономике Вопросы экономики.
N° И. С. 30 —61. [Voskoboynikov I., Gimpelson V. (2015). Productivity growth,
structural change and informality: The case of Russia. Voprosy Ekonomiki, No. 11,
pp. 30 —61. (In Russian).] blips: doi.org 10.32609 0042-8736-2015-11-30-61

121

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Гимпельсон В., Ж ихарева О., Капелюшников Р. (2014). Движение рабочих мест:
что говорит российская статистика Вопросы экономики. N° 7. С. 93 —126.
[Gimpelson V., Zhikhareva О., Kapeliushnikov R. (2014). Job turnover: W hat
the russian statistics tells us. Voprosy Ekonomiki, No. 7 pp. 93 —126. (In Russian).]
https://doi.org/10.32609/0042-8736-2014-7-93-126

Медовников Д., Оганесян Т., Розмирович С. (2016). Кандидаты в чемпионы:
средние быстрорастущие компании и программы их поддержки Вопросы
экономики. N° 9. С. 50 —66. [Medovnikov D., Oganesyan Т., Rozmirovich S.
(2016). Candidates for the championship: Medium-sized high growth companies
and state-run programs for their support. Voprosy Ekonomiki, No. 9, pp. 50 —66.
(In Russian).] blips: doi.org 10.32609 0042-8736-2016-9-50-66

Савин И. В., Мариев О. С., Пушкарев А. А. (2019). Выживает сильнейший? Измерение кон­
курентного отбора на примере Уральского федерального округа Экономический
журнал ВШЭ. Т. 23. N° 1. С. 90 —117. [Savin I., Mariev О., Pushkarev А. (2019).
Survival of the fittest? Measuring the strength of market selection on the example
of the Urals Federal District. H SE Economic Journal, Vol. 23, No. 1, pp. 90 —117.
(In Russian).] http://dx.doi.org/10.17323/1813-8691-2019-23-l-90-117

Чигрин А. Д. (2018). Малый бизнес и конкурентоспособность России — нетрадиционная
трактовка Журнал Новой экономической ассоциации. N° 3 (39). С. 110 —127.
[Chigrin A. D. (2018). Small business and the competitiveness of Russia: An uncon­
ventional view. Zhournal Novoi Ekonomicheskoi Associacii, No. 3 (39), pp. 110—127.
(In Russian).] http://dx.doi.org/10.31737/2221-2264-2018-39-3-5

Acemoglu D., Akcigit U., Bloom N., Kerr W. R. (2013). Innovation, reallocation and
growth. N B E R Working Paper, No. 18993. h ttp s://d o i.o rg /1 0 .3 3 8 6 /w l8 9 9 3

Acs Z. J., Preston L. (1997). Small and medium-sized enterprises, technology, and glo­
balization: Introduction to a special issue on small and medium-sized enterprises in
the global economy. Small Business Economics, Vol. 9, pp. 1—6. https: doi.org
10.1023 A:1007945327618

Baily M. N., Hulten C., Campbell D., Bresnahan Т., Caves R. E. (1992). Productivity
dynamics in manufacturing plants. Brookings Papers on Economic Activity, Vol. 23,
pp. 187—267. h ttp s:/ / d o i .org 10.2307 2534764

Baldwin J. R., Gu W. (2006). Plant turnover and productivity grow th in Canadian
manufacturing. Industrial and Corporate Change, Vol. 15, No. 3, pp. 417—465.
h ttp s: doi.org 10.1093 icc d tj017

Bartelsm an E., S carpetta S., Schivardi F. (2005). Comparative analysis of firm
demographics and survival: Evidence from micro-level sources in OECD countries.
In d u stria l and Corporate Change, Vol. 14, No. 3, pp. 365 —391. https:
doi.org 10.1093 icc dth057

Bottazzi G., Dosi G., Jacoby N., Secchi A., Tamagni F. (2010). Corporate performances
and market selection: Some comparative evidence. Industrial and Corporate Change,
Vol. 19, No. 6, pp. 1953 —1996. https: doi.org 10.1093 icc dtq()63

Bottazzi G., Secchi A., Tamagni F. (2014). Financial constraints and firm dynamics.
Small Business Economics, Vol. 42, No. 1, pp. 99 —116. https: doi.org 10.1007
slll87-012-9465-5

Brynjolfsson E., H itt L. M. (2003). Computing productivity: Firm-level evidence.
R eview o f Economics and S ta tistics, Vol. 85, No. 4, pp. 793 —808. https:
doi.org 10.1162 003465303772815736

Brown J. D., Crespi G.A., Iacovone L., M arcolin L. (2018). Decomposing firm-level
productivity growth and assessing its determinants: evidence from the Americas.
Journal o f Technology Transfer, Vol. 43, No. 6, pp. 1571 —1606. https: doi.org
10.1596 978-l-4648-0450-2_ch5

C antner U., Savin I., Vannuccini S. (2019). Replicator dynamics in value chains:
Explaining some puzzles of market selection. Industrial and Corporate Change,
Vol. 28, No. 3, pp. 589 —611. https: doi.org 10.1093 icc dtv060

C arpenter R. E., Petersen В. C. (2002). Is the grow th of small firms constrained by
internal finance? R eview o f Economics and Statistics, Vol. 84, No. 2, pp. 298—309.
https://doi.org/10.1162/003465302317411541

122

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

d ’Andria D., Savin I. (2018). A win-win-win? M otivating innovation in a knowledge
economy with tax incentives. Technological Forecasting and Social Change,
Vol. 127, pp. 38 —56. https://doi.O rg/10.1016/j.techfore.2017.05.030

Disney R., Haskel J., Heden Y. (2003). Entry, exit and establishm ent survival in
UK manufacturing. Journal o f Industrial Economics, Vol. 51, No. 1, pp. 91 —112.
https://doi.org/10.llll/1467-6451.00193

Dosi G., Grazzi M. (2006). Technologies as problem-solving procedures and technologies as
input—output relations: Some perspectives on the theory of production. Industrial and
Corporate Change, Vol. 15, No. 1, pp. 173—202. https://doi.org/10.1093/icc/dtj010

Dosi G., Moschella D., Pugliese E., Tamagni F. (2015). Productivity, market selection,
and corporate growth: Comparative evidence across US and Europe. Small Business
Economics, Vol. 45, pp. 643 —672. h ttps://doi.org/10.1007/slll87-015-9655-z

Dosi G., Luna I., M athew N., Netto E. Y. H., Savin I., Yu X. (2017) Productivity,
market selection and corporate growth: Comparative evidence from BRIC nations.
Proceedings o f the 5th C O N C O R D i conference in Seville, September.

Foster L., H altiw anger J., Krizan C. J. (2001). N ew D evelopm ents in P roductivity
Analysis. Chicago: University of Chicago Press.

Gould S. J. (1975). E ver Since D arwin: R eflections in N atural H istory. New York:
W.W. Norton.

Griliches Z., Regev H. (1995). Firm productivity in Israeli industry 1979 —1988. Journal
o f Econometrics, Vol. 65, No. 1, pp. 175—203. hUps: doi.org 10.1016 0304-
4076(94)01601-U

Hollenstein H. (2005). D eterm inants of international activities: Are SMEs different?
Small Business Economics, Vol. 24, pp. 431—450. hllps: doi.org 10.1007 s i l l 87-
005-6455-x

Hopenhayn H. A. (1992). Entry, exit, and firm dynamics in long run equilibrium.
Econometrica, Vol. 60, No. 5, pp. 1127—1150. hllps: doi.org 10.2307 2951541

Jovanovic B. (1982). Selection and the evolution of industry. Econometrica, Vol. 50,
No. 3, pp. 6 4 9 -6 7 0 . h ttp s://d o i.o rg /1 0 .2 3 0 7/1912606

Melitz M. J., Polanec S. (2015). Dynamic Olley-Pakes productivity decomposition with
entry and exit. The R A N D Journal o f Economics, Vol. 46, No. 2, pp. 362 —375.
https://doi.org/10.llll/1756-2171.12088

Metcalfe J. S. (1998). Evolutionary economics and creative destruction. London,
New York: Routledge.

Nelson R. R., W inter S. G. (1982). An evolutionary theory o f economic change.
Cambridge, MA: Harvard University Press.

Okawa Y., Sanghi A. (2018). Potential Growth: Outlook and Options for the Russian
Federation. World Bank Group Policy Research working paper, No. W PS 8663.
h ttp s:/ / d o i .org 10.159 6 1813-9450-8663

Olley G. S., Pakes A. (1996). The dynamics of productivity in the telecommunications
equipment industry. Econometrica, Vol. 64, No. 6, pp. 1263—297. hllps:
doi.org 10.2307 2171831

Ortega-Argils R., Vivarelli М., Voigt P. (2009). R&D in SMEs: A paradox? Sm all
Business Economics, Vol. 33, pp. 3 —11. https://doi.org/10.1007/slll87-009-9187-5

Silverberg G., Dosi G., Orsenigo L. (1988). Innovation, diversity and diffusion: A self­
organisation model. Economic Journal, Vol. 98, No. 393, pp. 1032 —1054. https:
doi.org 10.2307 2233718

Van Beveren I. (2012). Total factor productivity estimation: A practical review. Journal
o f Economic Surveys, Vol. 26, No. 1, pp. 98 —128. hllps: doi.org 10.1111 j .1467-
6419.2010.00631.x

van den Bergh J. C. J. М., Savin I., Drews S. (2019). Evolution of opinions in the growth-
vs-environment debate: Extended replicator dynamics. Futures, Vol. 109, pp. 84—100.
h ttp s: doi.org 10.1016 j .futures.2019.02.024

Yu X., Dosi G., Grazzi, М., Lei J. (2017). Inside the virtous circle between produc­
tivity, profitability, investment and corporate growth: An anatomy of Chinese
industrialization. Research Policy, Vol. 46, No. 5, pp. 1020 —1038. hllps:
doi.org 10.1016 j .respol.2017.03.006

123

И. В. Савин и др. / Вопросы экономики. 2020. № 2. С. 101—124

Measuring the strength of market selection in Russia:
When the (firm) size matters

Ivan V. Savin12 *, Oleg S. Mariev2, Andrey A. Pushkarev2

Authors affiliation: 1Universitat Autonoma de Barcelona (Barcelona, Spain);
2Ural Federal University (Yekaterinburg, Russia).
* Corresponding author, email: ivan.savin(a)urfu.ru

In this study, we evaluate the effectiveness of market selection based on
data of Russian manufacturing firms from 2006 to 2017 and compare our results
with those for foreign countries. To do this, we decompose the labor productivity
at the industry level to determine the contribution from the redistribution of
market shares from less to more productive companies. We also conduct a direct
econometric assessment of the relationship between firm productivity and revenue
growth. The results obtained indicate a moderate role of market selection in
Russia. If we measure the firm productivity by estimating the value added per
employee (labour productivity), then estimates for Russia are lower than for
other OECD countries, while estimates based on total factor productivity are
generally comparable. We also find that the role of market selection is higher
for small and medium-sized enterprizes, which indicates the need to stimulate
competition especially among large firms.

Keywords: firm size, competition, labor productivity, small and medium­
sized enterprises.

JEL: D40, Lll.

124

Вопросы экономики. 2020. № 2. С. 125 —140.
Voprosy Ekonomiki, 2020, No. 2, pp. 125 —140.

Ученые на российских
промышленных предприятиях:
экспорт, распространение знаний
и публикационная активность*

А. А. Федюнина1, Я. Я. Герина2, Ю. В. Аверьянова3

1Национальный исследовательский университет «Высшая школа экономики»
(Москва, Россия)

2Боннский университет (Бонн, Германия)
3Национальный исследовательский университет «Высшая школа экономики»

(Санкт-Петербург, Россия)

В работе впервые в эмпирической литературе показано, что наличие
в фирме академических (публикующихся) исследователей независимо от
их участия в научно-исследовательской деятельности в компании отражает
навыки фирмы обучаться и получать новые знания или, иначе, абсорбцион­
ную способность. Предполагается, что именно более высокий уровень абсорб­
ционной способности представляет собой механизм, определяющий влияние
ученых на производительность фирмы. Тестируется также гипотеза о том, что
в товарном пространстве происходит межфирменное распространение знаний:
фирмы со схожей товарной структурой производства с большей вероятностью
также будут нанимать ученых. Гипотезы тестируются на примере выборки
малых и средних российских фирм-экспортеров, для которых особенно важна
абсорбционная способность.

Ключевые слова: экспорт, качество экспорта, человеческий капитал,
производительность, инновации, абсорбционная способность, малые и средние
предприятия, публикационная активность.

JEL: F2, ОЗ.

Ф едюнина А нна Андреевна (afedyunina@ hse.ru), к. э. и., в. и. с. Центра
исследований структурной политики НИУ ВШЭ; Герина Яна Ярославовна
(yanagerina@ wdata.me), студент Боннского университета; Аверьянова Ю лия
Вадимовна ([email protected]), стажер-исследователь Международной лабора­
тории экономики нематериальных активов НИУ ВШЭ.

* Исследование осуществлено в рамках Программы фундаментальных исследований
Н ИУ ВШЭ в 2019 г.

https://doi.org/10.32609/0042-8736-2020-2-125-140
© НП «Вопросы экономики», 2020

125

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Исследования взаимосвязи характеристик состава сотрудни­
ков компании и показателей ее деятельности известны уже давно.
Результаты в целом дают противоречивые оценки (P arrotta et al.,
2012). С одной стороны, показано, что разнообразие состава работни­
ков компании может создавать негативные эффекты вследствие ухуд­
шения коммуникации, слабых социальных связей и доверия (Lang,
1986; Lazear, 1999). С другой стороны, известно, что разнообразие
сотрудников фирмы может положительно сказываться на показателях
деятельности благодаря улучшению механизмов принятия решений,
повышению креативности и расширению объема знаний, необходимо­
го для принятия решений (Alesina, La Ferrara, 2005; Berliant, Fujita,
2008; Glaeser et al., 2000; Rauch, Casella, 2003). Противоречивость
полученных результатов, а также значимая ограниченность их числа
и характера диктуют необходимость продолжать и расширять данное
направление исследований.

Представляется, что уточнить полученные результаты можно,
ограничив предмет и объект исследования, а также выборку. Это
позволит, в частности, оценить наличие взаимосвязи в рамках одного
оцениваемого механизма и снизить влияние эндогенных факторов на
результаты. В данной статье рассматривается взаимосвязь наличия
в компаниях ученых (людей, имеющих академические публикации)
и качества экспортируемых товаров.

Мы опираемся на результаты в нескольких исследовательских
областях, включая анализ факторов экспортной деятельности ком­
паний, механизмов и эффектов влияния абсорбционной способности
фирм (способности оценивать и внедрять внешние знания), а также
исследований влияния характеристик сотрудников на показатели дея­
тельности фирм.

Один из центральных результатов новой теории международной
торговли — анализ неоднородности фирм на рынках и доказательство
того, что только самые производительные фирмы выходят на между­
народный рынок (Melitz, 2003). В расширенных версиях этой теории
также показано: чтобы оставаться конкурентоспособными на внешнем
рынке, фирмы вкладывают средства в инновационную деятельность,
тем самым поддерживая высокий уровень производительности и по­
вышая его (Melitz, Trefler, 2012).

В ряде эмпирических работ выявлена та же зависимость меж­
ду экспортной деятельностью и ростом производительности фирмы
(Bernard, Jensen, 1999), между экспортной деятельностью и инно­
вационной активностью на малых и средних предприятиях (МСП)
(Golovko, Valentini, 2011). Определено, что МСП, осуществляющие
инновации, более склонны к выходу на зарубежные рынки, имеют бо­
лее высокую выживаемость экспорта и растут более высокими темпами,
чем фирмы, которые не занимаются инновационной деятельностью
(Roper, Love, 2015). В исследованиях о детерминантах инноваций пока­
зано, что инвестиции фирм в НИ ОКР сильно и положительно связаны
с результатами инновационной деятельности, при этом зависимость
сильнее в отраслях с высокой исследовательской интенсивностью (Love
et al., 2009; Roper et al., 2008). Однако расходы на Н И О К Р имеют

126

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

положительные эффекты не только в высокотехнологичных отраслях.
Показано, что даже в низкотехнологичных обрабатывающих отраслях
и секторе услуг (где научно-исследовательская деятельность может
быть менее важна) Н И О К Р положительно влияют на деятельность
фирм в результате действия двух механизмов: Н И О КР создают новые
знания, которые могут стать основой для инноваций; квалифицирован­
ный персонал, занятый НИОКР, может способствовать увеличению
абсорбционной способности фирмы (Griffith et al., 2003), о которой
и пойдет речь в данной работе.

При помощи абсорбционной способности фирмы могут сущест­
венно сокращать барьеры и издержки, с которыми они сталкиваются
при выходе на зарубежные рынки. Такие механизмы особенно важны
для МСП, так как издержки при выходе на зарубежные рынки для
них наиболее существенны. В то же время в условиях экономической
нестабильности МСП обладают значительным потенциалом, большей
мобильностью и динамичностью и, как следствие, возможностью бы­
стро адаптироваться к рынку.

В контексте российской экономики оценка факторов выхода МСП
на экспортные рынки особенно актуальна в связи с несущественным
вкладом малого бизнеса в валовой экспорт. Так, по итогам 2017 г. толь­
ко 6,5% валового российского экспорта пришлось на МСП (Симачев
и др., 2019).

Механизм передачи и абсорбции внешнего знания, в отличие от
механизмов производства знаний (инновационной деятельности), в эм­
пирической литературе изучен мало. Кроме того, как правило, фирмы
рассматриваются как «черный ящик», и не уделяется должного внимания
роли сотрудников фирм в процессах производства и обмена знаниями.

В ряде предыдущих исследований в качестве переменных-замени-
телей (proxy) для оценки абсорбционной способности использовали
информацию о научно-исследовательской деятельности фирм, вклю­
чая расходы на НИОКР и наличие исследовательской лаборатории
(Schmidt, 2005), а также опросы менеджеров высшего звена, субъек­
тивно оценивающих уровень интернализации предприятием иннова­
ций, созданных в других фирмах, в частности, на внешних рынках
(Gunawan, Rose 2014). Однако, как представляется, научно-исследо-
вательская деятельность в фирме — не единственный источник аб­
сорбционной способности. К таким источникам следует также отнести
рекрутинг квалифицированного персонала, определяющего действия
фирмы в части приобретения и распространения знаний, а также осо­
бенности мышления и знаний отдельных сотрудников, вовлеченных
в процесс принятия решений (Schmidt, 2005).

В настоящем исследовании впервые в эмпирической экономиче­
ской литературе мы показываем, что наличие в фирме сотрудников,
имеющих научные публикации, выступает фактором абсорбционной
способности фирмы.

Из предыдущих исследований известно, что наличие на предприя­
тии сотрудников, которые ведут или вели научную деятельность, поло­
жительно связано с производительностью фирмы (Audretsch, Feldman,
2006; Forbes, Milliken, 1999). Ученые, как правило, более независимы

127

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

в принятии решений и обладают развитым критическим мышлением
(Jiang, Murphy, 2007), имеют экспертную позицию в области их специ­
ализации и могут иначе подходить к решению проблем. В совокупности
это означает, что такие сотрудники могут обеспечивать более высокий
уровень абсорбционной способности фирмы, в которой они заняты, по
сравнению с другими фирмами.

В отличие от более крупных фирм, МСП имеют более простую
структуру управления. Сотрудники таких фирм часто находятся в тес­
ном контакте друг с другом, что определяет основу для построения
обмена и распространения знаний. Крупные компании обладают более
сложной организационной структурой, сталкиваются с большими мас­
штабами бюрократии, что становится основным препятствием в опти­
мизации использования знаний (Wong, Aspinwall, 2004).

На примере финских организационных команд на предприятиях
было показано, что размер и теснота социальных связей между людьми
в командах определяют потенциал интернализации знаний и обмена
генерируемой информацией внутри команды. Это, в свою очередь,
значимо влияет на эффективность работы всей команды (Janhonen,
Johanson, 2011). По данным португальских фирм также выяснилось,
что в более инновационно активных командах выше уровень внутри-
командного взаимодействия (Curral et al., 2001).

Мы выдвигаем и тестируем две гипотезы.
Первая гипотеза: наличие ученых в фирме определяет ее абсорб­
ционную способность — фирмы, работники которых публикуют статьи
в академических журналах, имеют более сложную структуру экспорта.
Более высокая абсорбционная способность фирмы может обеспе­
чиваться через механизмы обучения в процессе деятельности (learning-
by-exporting) и наблюдения за другими экспортерами (learning-by-
watching) (Dai, Yu, 2013). Это в еще большей степени характерно
для фирм, работающих на внешних рынках, поскольку, как правило,
такая деятельность связана с более высоким уровнем конкуренции,
и одновременно — для отраслей средних и высоких переделов —
с большим разнообразием фирм-конкурентов с точки зрения товарной
номенклатуры.
Вторая гипотеза: в товарном пространстве происходит межфир­
менное распространение знаний — фирмы со схожей структурой экс­
порта с большей вероятностью также будут нанимать ученых.
В ряде исследований показано, что абсорбционная способность имеет
отраслевую специфику, другими словами, фирмы в разных отраслях
могут учиться друг у друга в разной степени. Это определяется, среди
прочего, уровнем конкуренции, сложностью и товарным разнообразием
самих отраслей. Мы ожидаем найти подтверждения того, что схожие
по товарной структуре экспорта фирмы делятся знаниями между собой.

Данные и методология

Для эмпирической проверки мы составляем базу данных из не­
скольких источников. Во-первых, мы используем данные Федеральной

128

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

таможенной службы (ФТС) РФ об экспортной деятельности фирм для
расчета показателей сложности экспорта. Для оценки индексов исполь­
зуются данные ФТС об экспорте предприятий за 2016 г. В базе пред­
ставлена страновая структура экспорта каждого предприятия, то есть
доля экспорта в каждую страну для каждого отдельного предприятия,
а также доля экспорта каждого типа товара на уровне четырех знаков
классификации ТН ВЭД. Во-вторых, мы используем данные eLIBRARY
о наличии на предприятиях ученых, которые публикуют статьи, указы­
вая в аффилиации компанию-работодателя. В-третьих, мы используем
данные баз Спарк-Интерфакс и Ruslana от Bureau Van Dijk о финан­
сово-экономических показателях компаний. Как было отмечено выше,
исследование основано на данных по МСП. Критерий для включения
предприятия в выборку — объем выручки менее 2 млрд руб.

Эмпирическая проверка основана на пространственной (cross-
section) базе данных по российским фирмам-экспортерам обрабаты­
вающих отраслей за 2016 г.1

Для проверки предложенных гипотез в качестве переменных-
заменителей сложности экспорта мы предлагаем использовать два
показателя.

Первая переменная — оценка качества экспорта, измеренная
как доля экспорта фирмы в развитые страны в общей стоимости экс­
порта. Данный подход основан на предыдущих работах. Отмечается,
что если товары фирмы-экспортера конкурентоспособны на рынках
развитых стран, значит, их качество выше, чем товаров, направляемых
на развивающиеся рынки (Fan et al., 2018)2. Более того, распространен
вывод о том, что богатые страны импортируют товары из стран и фирм,
в которых выше качество товаров и производительность (Hallak, 2006;
Bastos, Silva, 2010), что соответствует выдвинутому предположению.
Рассчитываемый индекс качества экспорта {quality{) представляет со­
бой долю экспорта каждого предприятия в развитые страны (страны
определены как развитые в соответствии с классификацией ООН).

Вторая переменная — индекс продуктовой сложности экспортной
корзины на уровне фирмы. Он основан на индексе продуктовой слож­
ности (Product Complexity Index, PCI), предложенном P. Хаусманом
и его соавторами (Hausmann et al., 2013). PCI учитывает наличие
выявленного сравнительного преимущества (RCA) (страна имеет
выявленное сравнительное преимущество, если она экспортирует
большую долю товара, чем доля этого товара во всей мировой тор­
говле) и учитывает распространенность этого товара и разнообразие
товарной структуры стран, экспортирующих его. Индекс сложности
экспорта («complexityг) рассчитывается как средневзвешенный индекс
товарной корзины каждой фирмы, где весами выступают доли соот­
ветствующего товара в валовом экспорте фирмы. На рисунках 1 и 2
представлены распределения обеих переменных.

1Мы понимаем, что использование панельных данных позволило бы оценить динамиче­
ские эффекты, однако ограничения базы данных eLIBRARY не позволяют нам этого сделать
на текущем этапе.

2В ряде других работ для оценки уровня качества используются цены экспорта или
образованные из них переменные (Crino, Ogliari, 2017; Bastos, Silva, 2010).

129

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140
Распределение переменной качества экспорта
(доля экспорта в развитые страны)

Индекс сложности (по направлению экспорта)
И сточник: расчеты авторов по данным ФТС.

Рис. 1
Распределение переменной сложности экспорта

Индекс продуктовой сложности (PCI)
И сточник: расчеты авторов по данным ФТС.

Рис. 2

Базовая эконометрическая модель, которая используется для
оценки связи между качеством/сложностью экспорта и публика­
ционной активностью фирмы, основывается на классической идее
качества как результата более эффективного использования факто­
ров производства, в частности, капитала, труда и знаний. Учитывая
существующую литературу, в качестве базовых объясняющих пере­
менных мы используем производительность фирмы, ее размер (число
работников), уровень заработной платы (отражает наличие высоко­
квалифицированной рабочей силы), капиталоинтенсивность (высоко-
технологичность) производства.

Для проверки выдвинутых гипотез в уравнение добавляется пере­
менная, отвечающая за публикации работников фирмы: накопленное

130

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

число публикаций, имеющихся в базе eLIBRARY3, аффилированных
с фирмой, а также фиктивная переменная, отражающая наличие таких
публикаций к 2017 г. Включение кумулятивной переменной вместо
фиктивной переменной числа публикаций фирмой в 2016 г. имеет тео­
ретическое обоснование. Согласно одному из первых исследований,
посвященных абсорбционной способности фирм (Cohen, Levinthal,
1990), ее развитие зависит от первоначально выбранного пути (path
dependency), так как эффективная ассимиляция нового знания стано­
вится возможной, только если необходимое для этого знание уже было
ассимилировано. Соответственно предложенная фиктивная переменная
показывает, вступила ли фирма на «путь» абсорбции знаний. Она
принимает значение 1, если в базе имеется хотя бы одна публикация
работника, аффилированного с данным предприятием, и 0 иначе.

Для проверки второй гипотезы формируется товарное простран­
ство экспорта для рассматриваемых фирм по следующей методологии.
Расстояние между любыми двумя товарами задается как минимум
между условными показателями: вероятностью производить товар А ,
если фирма уже производит товар В , и вероятностью производить
товар В , если фирма уже производит товар А:

dAB = тт{Р(А\В)-, Р (В \А )}, (1)

где А, В — любые товары, экспортируемые фирмами.
Тогда пространственными «весами» влияния одной фирмы на

другую будет максимальное значение попарных расстояний произво­
димых ими товаров:

Wij = max(rf,Vl; d ili2; d injm) ...), (2)

где: z, j — фирмы; ik,js — экспортируемые ими товары.
Все ненулевые веса свидетельствуют о соседстве двух фирм в то­

варном пространстве.
Матрица соседства используется для проведения теста Морана

и оценки пространственной автокорреляции данных о качестве экс­
порта фирм и публикационной активности предприятий (соответствует
эффекту перетока знаний в товарном пространстве). Оценивать авто­
корреляцию сложности экспорта в данном случае не имеет смысла,
так как объясняемая переменная формируется на том же товарном
пространстве, что и матрица весов.

3 Отметим, что использование базы данных по публикациям eLIBRARY имеет свои
достоинства и ограничения. С одной стороны, eLIBRARY индексирует большое число жур­
налов, которые не входят в список журналов, рекомендованных ВАК и не индексируемых
в зарубежных базах Scopus, Web of Science. Таким образом, использование данных eLIBRARY
позволяет учитывать множество статей, имеющих, вероятно, невысокую академическую цен­
ность. С другой стороны, использование данных о публикациях eLIBRARY нам необходимо
не для оценки научного вклада сотрудников, а для выявления наличия публикаций ученых,
аффилированных с российскими промышленными предприятиями. Кроме того, ограничение
выборки базы данных eLIBRARY до, например, списка журналов, рекомендованных ВАК
РФ, или до журналов, индексируемых в зарубежных базах Scopus, Web of Science, во-первых,
существенно снизило бы выборку и сделало бы оценки смещенными, во-вторых, фактически
слишком трудозатратно и требует, вероятно, использования инструментов машинного обучения.

131

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Базовые уравнения регрессии основаны на производственной
функции типа Кобба—Дугласа, формальная запись двух базовых
регрессий в соответствии с двумя зависимыми переменными имеет
следующий вид:

qualityir = fixln ( L \r + /?2l n Q 0 + /?3ln 0 r-j +fi4\n(w age)ir +

+ y?5publicationsir + y?4ln (w age)ir + dr + sir, (3)

com plexityir = fixln (L )ir + /?2ln^—j + /?3ln^—j +j3A\n(w age){+

+ /?5publicationSi + /?4ln(w age)ir + + Mfr, (4)

где: ln (L )ir — переменная-заменитель размера компании, измеренная

как логарифм численности занятых4на фирме i в регионе г; ln^—j —

логарифм производительности на одного занятого в фирме i в ре­

гионе г; ln^—j — логарифм капиталоинтенсивности5 фирмы i в ре­

гионе г; In(w age)ir — логарифм средней заработной платы на фирме i
в регионе г; publicationsir — переменная, отражающая наличие у фирмы
аффилированных с ней публикаций — фиктивная переменная либо
абсолютное число публикаций в зависимости от спецификации модели.

Для проверки устойчивости результатов в уравнения (3) и (4)
добавлена переменная дг, отражающая уровень регионального разви­
тия (патенты, число ученых на душу населения и число студентов на
10 ООО населения). Мы не исключаем, что предлагаемые региональные
переменные могут не включать вариацию условий деятельности фирм
на региональном уровне, поэтому в альтернативные спецификации
вместо указанных выше переменных регионального развития включены
фиктивные переменные.

Распределение «публикующихся» фирм по отраслям остается бо­
лее или менее неизменным в базе данных ФТС (7506 наблюдений)
и в итоговой выборке (2184 наблюдения)6. Процентное соотношение
отраслей среди всех фирм и среди фирм-экспортеров отличается (на­
пример, издательская и полиграфическая деятельность, производство
мебели, украшений и прочее и швейное производство дают каждая
менее 4% фирм-экспортеров)7. Распределение фирм в итоговой выборке
напоминает обе базы данных — Ruslana (68 738 наблюдений) и группу
фирм-экспортеров из базы ФТС РФ.

Описательные статистики обеих зависимых переменных (в том
числе в выборках) представлены в таблице 1.

4Численность занятых в фирме дана в соответствии с данными СПАРК-Интерфакс
о среднесписочной численности сотрудников фирмы за год.

5Капиталоинтенсивность оценена на основе отношения стоимости основных средств (по
данным СПАРК-Интерфакс) к численности занятых.

6См. Диаграммы 3 —4 онлайн-приложения к данной статье: h ttp ://b it.ly /F e d y u n in a _
et_al_2020

7См. Диаграммы 5 —6 онлайн-приложения.

132

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Таблица 1

Публикационная Описательные статистики переменных 0,021
активность 0,020
Среднее (2184 наблюдения) 0,023
Сложность экспорта Среднее (quality <0,5)
Среднее (quality >0,5) 0,240
Качество экспорта -2,460
Среднее
Min 2,290
Мах
0,379
Среднее (2184 наблюдения) 0,051
Среднее (quality <0,5) 0,934
Среднее (quality <0,5)

И сточник: расчеты авторов по данным ФТС, eLibrary, Спарк-Интерфакс и Ruslana.

Индекс сложности экспорта фирмы имеет близкое к нормально­
му распределение и является непрерывной величиной, что позволяет
использовать для оценки коэффициентов МНК-регрессию. Однако
индекс качества принимает значения на отрезке [0, 1], поэтому необхо­
димо использовать нетривиальные способы оценки коэффициентов —
или модель Tobit, или Fractional probit model. Как видно из графика
(см. рис. 1), распределение переменной не похоже на нормальное, из-за
чего необходимо рассматривать отдельные выборки этой переменной
и добавлять в общую регрессию фиктивную переменную, которая от­
ражает наличие двух «холмов» распределения, а также остановиться
на модели Fractional probit, в которой более мягкие предпосылки для
оценки коэффициентов.

Отметим, что выдвинутые гипотезы и полученные при тестиро­
вании результаты могут быть подвержены влиянию эндогенных фак­
торов. Действительно, в исследовании взаимосвязи наличия ученых
в фирме и показателей ее деятельности может существовать проблема
эндогенности. С одной стороны, компании, которые экспортируют бо­
лее сложные товары, более инновационны и могут больше нанимать
людей с учеными степенями, у которых есть публикации. С другой
стороны, ученые могут оказаться более склонны находить работу в бо­
лее инновационных компаниях. Вероятно, оба эффекта присутствуют
и представляют отдельный исследовательский интерес.

В данном исследовании, однако, предполагается, что эндогенность
возможна, но маловероятна. Эффекты эндогенности мы оставляем за
рамками нашей работы по следующим причинам.

Во-первых, мы исследуем взаимосвязь влияния уже нанятых со­
трудников на характеристики деятельности фирмы. В этом случае
независимо от того, пришли ученые сами в компанию или компания
наняла их и отобрала среди других, такие сотрудники не всегда могут
значимо влиять на поведение компании.

Во-вторых, — и в тесной связи с первым аргументом — мы не вы­
деляем публикации по их исследовательской области, а публикующихся
сотрудников — по их специализации. Это означает, что мы рассматриваем
наличие в широком смысле исследователей (обладающих критическим
мышлением) независимо от области их специализации, поскольку очевид­
но, что критическое мышление у ученых не связано со специализацией.

133

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

В-третьих, как известно, ученые не всегда востребованы в бизне­
се, существует предположение, что они не обладают рядом навыков,
необходимых для успешной работы на предприятиях. По данным
исследования делового климата, представители российского частно­
го сектора считают, что отсутствие некоторых навыков у работников
становится препятствием для расширения сектора. Несмотря на вы­
сокий уровень образования, который получают работники, проблема
может объясняться нынешним качеством образования, которое не раз­
вивает необходимые навыки и компетенции, требуемые рынком труда
(Васильев и др., 2015). Таким образом, мы склонны предполагать, что
на российском рынке труда ситуация, когда предприятия нанимают
ученых, не общая тенденция, а некоторое случайное событие, что
позволяет говорить об отсутствии указанной проблемы эндогенности.

Добавим, что нам неизвестны статьи, в которых рассматривалась
бы взаимосвязь публикационной активности и инновационного потен­
циала и производительности фирмы.

Эмпирические результаты

Для первой модели — качества экспорта (3) — были построены
регрессии на разных выборках: на итоговой выборке (2184 наблюде­
ния); на выборке отраслей, где есть хотя бы одна фирма с учеными;
на выборке отраслей, где есть хотя бы 4% таких фирм (490 наблюде­
ний), а также регрессии на уровне отдельных отраслей. Чтобы учесть
необычное распределение зависимой переменной, выборка разделяется
на две (выборка фирм, доля экспорта которых в развитые страны не
превышает 50%, — 1404 наблюдения). Результаты оценки всех регрес­
сий представлены в таблицах 2 —3.

Оказалось, что эффект незначим на общей выборке, появляется на
выборке с 4% и пропадает при уменьшении выборки (как и значимость
всех других переменных, то есть присутствует некий шум в данных, кото­
рый мешает оценить регрессию с менее чем 400 наблюдениями). Итоговая
регрессия оценена на выборке с 490 наблюдениями фирм из следующих
отраслей: химическая промышленность, фармацевтическая промышлен­
ность, компьютеры и электроника, производство электрооборудования
и производство остальных транспортных средств (не автомобилей).

На двух выборках с граничным значением 50% экспорта в разви­
тые страны публикационная активность имеет значимый положитель­
ный эффект только для фирм, ориентированных преимущественно
на рынки развивающихся и переходных экономик (доля экспорта на
рынки развитых стран менее 50%). Возможная интерпретация данного
явления состоит в том, что эффекты от создания и абсорбции знаний
наиболее высоки при выходе на международный рынок, когда фирма
только начинает занимать свою позицию и конкурирует с другими за
право экспортировать свой товар на рынок развитой страны, однако
чем прочнее ее позиция на данном рынке, тем меньше эффект от
learning-by-exporting и инноваций. С другой стороны, этот результат
может быть признаком существования эффекта lock-in, или эффекта

134

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Таблица 2

Факторы качества экспорта для российских фирм,
оценка по модели fractional probit (N = 2184)

(1) (2) (3) (4)

Публикационная активность 0,491" 0,274+ 0,479** 0,274++
(фиктивная переменная) (3,22) (1,73) (3,13) (1,64)
0,0297+ 0,0472** 0,0520**
ln(K L) (1,87) (2,80) 0,0319* (2,94)
-0,0884" -0,0901" (2,00) -0,101"
ln(L) (-3,50) (-3,50) (-3,72)
-0,144*" -0,117" -0,0868" -0,141***
ln(Y L) (-4,71) (-3,63) (-3,43) (-4,24)
0,0641* 0,0207 0,00651
ln(wage) (2,29) (0,72) -0,145*** (0,21)
1,034"* (-4,73)
Доля экспорта фирмы (15,75) 0,231 +
в развитые страны > 75% (0,33) 0,0636* +
Патенты на 10 тыс. - 1,876 (2,27) -4,652***
населения в регионе - (0,98) (-11,51)
Численность студентов на 10 тыс. -0,683+ 1,040***
населения в регионе (-1,91) + (15,78)
Отраслевые фиксированные эффекты -
Региональные фиксированные эффекты 0,463 0,668
(1,22) (0,95)
Константа
2,638
(1,42)

+

-

-0,812*
(-2,22)

Примечание. В скобках указаны стандартные ошибки; ++р < 0,15, +р < 0,10, *р < 0,05,
* > < 0,01, *** р < 0,001.

И сточник: расчеты авторов по данным ФТС, eLibrary, Спарк-Интерфакс и Ruslana.

Таблица 3

Факторы качества экспорта для российских фирм на разных подвыборках,
оценка по модели fractional probit

(1) (2) (3) (4)

О
II

о
II
N = 1404 N = 1404
(> 4% (экспорт (> 4% (экспорт
фирм) фирм)
в развитые в развитые
страны страны

< 50%) < 50%)

Публикационная активность 0,388* 0,452** 0,380* 0,446"
(фиктивная переменная) (2,13) (2,91) (2,14) (2,84)
0,0198
ln(K L) 0,0491+ 0,0159 0,0493+ (1,05)
(1,75) (0,84) (1,75) 0,183*"
ln(L) (5,77)
0,200*** 0,180"* 0,197"* 0,0718+
ln(Y L) (4,11) (5,68) (4,04) (1,81)
0,0767*
ln(wage) 0,0251 0,0736 0,0269 (2,02)
(0,49) (1,86) (0,53)
Доля экспорта фирмы в развитые страны 1,092+
> 75% (фиктивная переменная) 0,0626 0,0762* 0,0610 (1,95)
Патенты на 10 тыс. (1,41) (1,98) (1,39) 3,590+
населения в регионе (1,72)
Численность студентов на 10 тыс. 3,405*** 3,408*** -4,368™
населения в регионе (32,21) (32,13) (-8,54)

Константа -3,615*** -4,162"* 0,674
(-4,65) (-8,31) (0,54)

-1,057
(-0,30)

-3,598"*
(-4,49)

Примечание. В скобках указаны стандартные ошибки; ++ р < 0,15, +р < 0,10, *р < 0,05,
* > < 0,01, *** р < 0,001.

И сточник: расчеты авторов по данным ФТС, eLibrary, Спарк-Интерфакс и Ruslana.

135

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

замыкания — сектор МСП неоднороден с точки зрения конкуренто­
способности, можно предполагать, что МСП, вышедшие на рынки
догоняющих экономик, могут остаться на этих рынках и не иметь
возможности выходить на рынки развитых стран. Поэтому наличие
абсорбционной способности может быть значимо только для фирм,
выходящих на рынки развивающихся и переходных экономик.

Д ля второй модели уже на общей выборке виден значимый по­
ложительный эффект от публикационной активности (табл. 4): слож­
ность и качество экспорта фирмы устойчиво положительно зависят от
наличия ученых среди работников.

Таблица 4

Эмпирические результаты оценки факторов сложности экспорта
для российских фирм, МНК-оценка (N = 2184)

(1) (2) (3)

Публикационная активность 0,477* 0,477* 0,452*
(фиктивная переменная) (2,37) (2,41) (2,36)
ln(L)
0,0883" 0,0683* 0,0472++
ln(Y L) (2,90) (2,28) (1,59)

ln(K L) -0,188"* -0,199*** -0,192***
(-5,12) (-5,52) (-5,45)
ln(wage)
Численность студентов на 10 тыс. -0,0396* —0,0328+ —0,0269++
населения в регионе (-2,09) (-1,75) (-1,46)

0,255*" 0,251*** 0,213***
(7,56) (7,59) (6,48)

21,13***
(8,22)

Сложность экспорта региона оо ^

Патенты на 10 тыс. - -2,274** +
населения в регионе (-2,89)
Региональные фиксированные эффекты -0,577 -2,270**
(-1,36) - (-2,66)
Константа 0,180
0,038 -0,968*
R2 (-2,29)

0,074

Примечание. В скобках указаны стандартные ошибки; ++р < 0,15, +р < 0,10, *р < 0,05,
** р < 0 , 01, *** р < 0 , 001.

И сточник: расчеты авторов по данным ФТС, eLibrary, Спарк-Интерфакс и Ruslana.

Тест Морана имеет в качестве нулевой гипотезы предположение
о случайном расположении фирм в товарном пространстве. Результаты
теста представлены в таблице 5. Нулевая гипотеза теста отвергается для
качества экспорта фирм из «публикующихся» отраслей (от 4% «пуб­
ликующихся» фирм) и фирм, ориентированных преимущественно на
рынки развивающихся и переходных экономик (меньше 50% экспорта
направляется в развитые страны), что подтверждает уже показанные
в литературе на уровне стран эффекты экспортного перетока (Bahar
et al., 2014). Интересно, что нулевая гипотеза также отвергается для
публикационной активности в таких фирмах, доказывая предположение
о существовании перетока знаний между близкими в товарном простран­
стве фирмами. Любопытно, что для всей выборки этот эффект пропадает,
показывая, что данные эффекты также наиболее важны при выходе
фирмы на рынок развитых стран и теряются при ее дальнейшем росте.

136

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Таблица 5

Результаты теста Морана

Качество экспорта Публикационная активность
(фиктивная переменная)
Переменная «публикую­ доля экспорта
для выборки (доля экспорта
N щиеся» на развитые на развитые рынки < 50%)
Moran /-статистика
Математическое ожидание отрасли рынки < 50%
Дисперсия
Стандартное отклонение 682 2126 2126
p-value 0,0119 0,0064 0,0061
-0,0015 -0,0005 -0,0005
0,0000 0,0000 0,0000
4,9242 6,1310 5,8821
0,0000 0,0000 0,0000

И сточник: расчеты авторов по данным ФТС, eLibrary, Спарк-Интерфакс и Ruslana.

***

В работе на данных по российским фирмам-экспортерам обраба­
тывающих отраслей впервые в эмпирической литературе показано, что
наличие в фирме ученых (сотрудников, имеющих научные публикации)
определяет навыки фирмы по абсорбции внешних знаний и обучению
в процессе деятельности. Получено две важные группы выводов.

Во-первых, показано, что российские МСП-экспортеры, сотрудники
которых имеют научные публикации, обладают, при прочих равных,
более сложной структурой экспорта, для них характерно его более
высокое качество. Согласно оценкам МНК на всей доступной выборке,
публикационная активность — значимый положительный фактор,
объясняющий сложность экспорта. Результаты оценки с использованием
модели fractional probit выявили различные уровни значимости фиктив­
ной переменной для публикационной активности в разных подвыборках,
что свидетельствует о неоднородности воздействия обучения на качество
экспорта. У фирм из полной выборки, из выборки отраслей не менее чем
с 4% «публикующихся» фирм, а также у фирм, экспортирующих менее
50% на развитые рынки, выше качество экспорта при наличии ученых
и соответственно аффилированных публикаций. С одной стороны, это
может свидетельствовать о том, что эффекты от абсорбционной способ­
ности значимы при выходе на международные рынки, который может
начинаться с выхода на рынки развивающихся и переходных экономик.
С другой стороны, особенно в контексте российской экономики, это
может быть связано с тем, что не очень конкурентоспособные МСП не
могут выходить на рынки развитых стран, поэтому наличие абсорб­
ционной способности может быть значимо только для фирм, работающих
на рынках развивающихся и переходных экономик.

Во-вторых, эмпирически показано межфирменное распространение
знаний среди фирм-экспортеров и его неоднородность. Фирмы с от­
носительно невысокой долей экспорта на развитые рынки и схожие
по товарной структуре экспорта с большой вероятностью будут иметь
ученых в штате. Схожие по товарной структуре экспорта фирмы будут
выходить и на схожие рынки.

Наше исследование не дает ответа на вопрос о роли публикаций
в повышении производительности компаний и в последующем выходе

137

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

на более сложные экспортные рынки. Использование в работах дина­
мических данных позволит проанализировать характер взаимосвязи
абсорбционной способности и производительности.

Полученные результаты принципиально важны с точки зрения
факторов, определяющих обучение фирмы в начале экспортной дея­
тельности, при усложнении экспортной корзины и при выходе на рынки
развитых стран, поскольку показано, что наличие абсорбционной спо­
собности (через измерение публикующихся сотрудников) критически
важно для начинающих экспортеров и статистически незначимо для
устоявшихся фирм со сложной структурой экспорта и действующих
преимущественно на рынках развитых стран.

Теоретический вклад данного исследования заключается в том, что
в нем показана статистическая значимость влияния сотрудников с ака­
демическими публикациями на абсорбционную способность фирмы.
Это означает, что в существующих оценках абсорбционной способности
фирмы только через расходы на НИОКР, наличие исследовательских
лабораторий или схожие показатели может недооцениваться роль абсорб­
ционной способности фирм и навыков обучения в процессе деятельности.

В более широкой интерпретации результаты данного исследова­
ния вносят вклад в теоретическую литературу, поскольку показывают
новый механизм влияния когнитивных навыков (навыков критическо­
го мышления, присущих академическим ученым) на эффективность
фирмы и дополняют уже существующие работы о влиянии академиче­
ских исследователей на производительность фирм (Audretsch, Feldman,
2006; Forbes, Milliken, 1999).

Представляется, что результаты нашей работы могут иметь широкий
практический интерес. Положительное влияние присутствия ученых
на деятельность фирмы можно использовать, чтобы обосновать и усо­
вершенствовать меры образовательной и научной политики, направлен­
ной на повышение включенности академических научных работников
в исследования, реализуемые в интересах отдельных предприятий, и,
более широко, на углубление сотрудничества университетов и бизнеса.

Список литературы / References

Васильев К., Рощин С., М альцева И., Травкин П., Лукьянова А., Чугунов Д.,
Шульга И., Рутковски Я., Каху П. М., Неллеманн С. (2015). Развитие навы­
ков для инновационного роста в России. М.: Алекс. [Vasiliev К., Roshchin S.,
Maltseva I., Travkin P., Luk’yanova A., Chugunov D., Shul’ga I., Rutkovski Ya.,
Kakhu P. М., Nellemann S. (2015). Skills development for innovative growth in
Russia. Moscow: Aleks. (In Russian).]

Симачев Ю. В., Данильцев А. В., Федюнина А. А., Глазатова М. К., Кузык М. Г.,
Зудин Н. Н. (2019). Структурные аспекты торговой политики России: тез. докл.
к XX Апр. междунар. науч. конф. по проблемам развития экономики и общества.
Москва, 9 —12 апр. М.: Издат. дом НИУ ВШЭ. [Simachev Yu. V., Daniltsev А. V.,
Fedyunina A. A., Glazatova М. К., Kuzyk М. G., Zudin N. N. (2019). Structural
aspects of Russia’s trade policy: materials of XX April international academic confer­
ence on economic and social development. Moscow: HSE Publ. (In Russian).]

Audretsch D. B., Feldman M. P. (1996). R&D spillovers and the geography of innova­
tion and production. American Economic R eview , Vol. 86, No. 3, pp. 630 —640.

138

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Alesina A., La Ferrara Е. (2005). Ethnic diversity and economic performance.
Journal o f Economic Literature, Vol. 43, No. 3, pp. 762 —800. blips: doi.org
10.1257 002205105774431243

Bahar D., Hausmann R., Hidalgo C. A. (2014). Neighbors and the evolution of the
comparative advantage of nations: Evidence of international knowledge diffusion?
Journal o f International Economics, Vol. 92, No. 1, pp. 111 —123. h ttp s ://d o i.o rg /
10.1016 j.jinteco.2013.11.001

Bastos P., Silva J. (2010). The quality of a firm ’s exports: Where you export to matters.
Journal o f International Economics, Vol. 82, No. 2, pp. 99 —111. blips: doi.org
10.1016 j.jinteco.2010.07.001

Bernard A. B., Jensen J. B. (1999). Exceptional exporter performance: Cause, effect,
or both? Journal o f International Economics, Vol. 47, No. 1, pp. 1—25. blips:
doi.org 10.1016 S0022-1996(98)00027-0

Berliant М., Fujita M. (2008). Knowledge creation as a square dance on the H ilbert
cube. International Economic R eview , Vol. 49, No. 4, pp. 1251 —1295. blips:
doi.org 10.1111 j . 1468-2354.2008.00512.x

Cohen W. М., Levinthal D. A. (1990). Absorptive capacity: A new perspective on learning
and innovation. A dm inistrative Science Quarterly, Vol. 35, No. 1, pp. 128 —152.
blips: doi.org 10.2307 2393553

Crino R., Ogliari L. (2017). Financial imperfections, product quality, and international
Irade. Journal o f International Economics, Vol. 104, pp. 63 84. blips: doi.org
10.1016 j .jinteco.2016.10.005

Curral L. A., Forrester R. H., Dawson J. F., West M. A. (2001). I t’s what you do and
the way th a t you do it: Team task, team size, and innovation-related group pro­
cesses. European Journal o f Work and Organizational Psychology, Vol. 10, No. 2,
pp. 187 204. blips: doi.org 10.1080 13594320143000627

Dai М., Yu M. (2013). Firm R&D, absorptive capacity and learning by exporting: Firm-
level evidence from China. The World Economy, Vol. 36, No. 9, pp. 1131 —1145.
blips: doi.org 10.1111 twee .12014

Fan H., Li Y. A., Yeaple S. R. (2018). On the relationship between quality and pro­
ductivity: Evidence from China’s accession to the WTO. Journal o f International
Economics, Vol. 110, pp. 28 49. blips: doi.org 10.1016 j.jinleco.2017.10.001

Forbes D. P., Milliken F. J. (1999). Cognition and corporate governance: Understanding
boards of directors as strategic decision-making groups. The Academy of Management
R eview, Vol. 24, No. 3, pp. 489 505. blips: doi.org 10.2307 259138

Golovko E., Valentini G. (2011). Exploring the complementarity between innovation
and export for SM Es’ growth. Journal o f International Business Studies, Vol. 42,
pp. 362 380. blips: doi.org 10.1057 jibs.2011.2

Glaeser E., Laibson D., Scheinkman J. A., Soutter C. L. (2000). M easuring tru st.
Quarterly Journal o f Economics. Vol. 115, No. 3, pp. 811 846. blips: doi.org
10.1162/003355300554926

G riffith R., Redding S., Reenen J. V. (2003). R&D and absorptive capacity: Theory
and empirical evidence. Scandinavian Journal o f Economics, Vol. 105, No. 1,
pp. 9 9 -1 1 8 . blips: doi.org 10.1111 1467-9442.00007

Gunawan J., Rose E. L. (2014) Absorptive capacity development in Indonesian exporting
firms: How do institutions matter? International Business Review, Vol. 23, No. 1,
pp. 45 54. blips: doi.org 10.1016 j.ibusrev.2013.08.005

Hallak J. C. (2006). Product quality and the direction of trade. Journal o f International
Economics, Vol. 68, No. 1, pp. 238 265. blips: doi.org 10.1016 j.jinleco.2005.04.001

Hausmann R., Hidalgo C., Bustos S., Coscia М., Simoes A., Yildirim M. (2013). The Atlas
o f economic complexity: M apping paths to prosperity. Cambridge, MA: MIT Press.

Janhonen М., Johanson J. E. (2011). Role of knowledge conversion and social networks
in team performance. International Journal o f Information Management, Vol. 31,
No. 3, pp. 217—225. blips: doi.org 10.1016 j.ijinfomgl.2010.06.007

Jiang B., M urphy P. (2007). Do business school professors make good executive
managers? A cadem y o f M anagem ent Perspectives, Vol. 21, No. 3, pp. 29 —50.
blips: doi.org 10.5465/am p .2007.26421237

139

А. А. Федюнина и др. / Вопросы экономики. 2020. № 2. С. 125—140

Lang М. (1986). M easuring economic benefits from gentrification. Journal o f Urban
Affairs, Vol. 8, pp. 27—39. hUps: doi.org 10.1111 j . 1467-9906.1986.11)00152.x

Lazear E. P. (1999). Globalisation and the market for team-mates. Economic Journal,
Vol. 109, No. 454, pp. 1 5 -4 0 . h ttp s://d o i.o rg /1 0 .llll/1 4 6 8 -0 2 9 7 .0 0 4 1 4

Love J. H., Roper S., Du J. (2009). Innovation, ownership and profitability. International
Journal o f In d u stria l Organization, Vol. 27, No. 3, pp. 424 —434. hllps:
doi.org 10.1016 j .ijindorg.2008.11.001

Melitz M. J. (2003). The impact of trade on intra-industry reallocations and aggregate
industry productivity. Econometrica, Vol. 71, No. 6, pp. 1695 —1725. hllps:
doi.org 10.1111 1468-0262.00467

Melitz М., Trefler D. (2012). Gains from trade when firms matter. Journal o f Economic
Perspectives, Vol. 26, No. 2, pp. 91 —118. hllps: doi.org 10.1257 jep.26.2.91

Parrotta P., Pozzoli D., Pytlikova M. (2012). Does labor diversity affect firm productivity?
IZ A Discussion Papers, No. 6973.

Rauch J. E., Casella A. (2003). Overcoming informational barriers to international re­
source allocation: Prices and ties. Economic Journal, Vol. 113, No. 484, pp. 21 —42.
https://doi.O rg/10.llll/1468-0297.00090

Roper S., Love J. H. (2002). Innovation and export performance: Evidence from the UK
and German manufacturing plants. Research Policy, Vol. 31, No. 7, pp. 1087—1102.
hllps: doi.org 10.1016 S0048-7333(01)00175-5

Roper S., Du J., Love J. H. (2008). M odelling the innovation value chain. Research
Policy, Vol. 37, No. 6, pp. 961 —977. https://doi.O rg/10.1016/j.respol.2008.04.005

Schmidt T. (2005). W hat determines absorptive capacity. Paper presented at the DRUID
Tenth Anniversary Summer Conference on Dynamics of Industry and Innovation:
Organisations, Networks and Systems, Copenhagen, Denmark.

Wong K. Y., Aspinwall E. (2004). Characterizing knowledge management in the small
business environment. Journal o f Knowledge Management, Vol. 8, No. 3, pp. 44 —61.
https://doi.org/10.1108/13673270410541033

Academics in manufacturing companies:

Empirical analysis of publication activity and export quality

Anna A. Fedyunina1*, Yana Y. Gerina2, Yuliya V. Averyanova3

Authors affiliation: 1 HSE University (Moscow, Russia); 2Bonn Graduate School
of Economics (Bonn, Germany); 3 HSE University (St. Petersburg, Russia).
* Corresponding author, email: [email protected]

This paper shows, for the first time in empirical literature, that the presence
of employees from academia in the firm, regardless of their participation in
the firm’s research activities, reflects the skills of the firm to learn and acquire
new knowledge or, put differently, its absorptive capacity. It is assumed that
the higher absorptive capacity act as a mechanism that determines the impact of
scientists on the productivity of the firm. The hypothesis that there is an inter­
firm diffusion of knowledge in the commodity space is also being tested: firms
with similar commodity structures are more likely to hire scientists. Hypotheses
are tested on the example of a sample of small and medium-sized Russian firms-
exporters, for which absorptive capacity is particularly important.

Keywords: export, export quality, human capital, learning-by-exporting,
productivity, innovation, absorptive capacity, small and medium-sized enterprises,
publication activity.

JEL: F2, 03.

140

Вопросы экономики. 2020. № 2. С. 141 —159.
Voprosy Ekonomiki, 2020, No. 2, pp. 141 —159.

Влияние неопределенности
экономической политики на инвестиции

российских компаний*

Ю. Н. Найденова, В. В. Леонтьева

Национальный исследовательский университет «Высшая школа экономики»
(Пермь, Россия)

В статье анализируется влияние неопределенности экономической поли­
тики на корпоративные инвестиции российских производственных компа­
ний. С помощью оценки моделей на панельных данных с фиксированными
эффектами выявлено, что при росте уровня неопределенности экономической
политики компании снижают инвестиционную активность. Наиболее сильно
эффект проявляется для крупных компаний. Публичные компании не подвер­
жены влиянию неопределенности российской экономической политики, однако
соответствующая неопределенность в странах Европы и остального мира
оказывает негативное влияние на их инвестиции. Тестирование устойчивости
с помощью метода инструментальных переменных подтверждает полученные
результаты. Сделан вывод о том, что сохранение прозрачности и стабильности
экономической политики может повысить уровень корпоративных инвестиций.

Ключевые слова: экономическая неопределенность, неопределенность
политики, корпоративные инвестиции, российские компании.

JEL: D80, Е22, Е60, G18, G32.

За последнее десятилетие экономический рост в России был под­
вержен значительному негативному влиянию макроэкономических
шоков: мирового экономического кризиса 2008 г. и кризиса 2014 г.
в России, обусловленного мировым снижением цены на нефть и эко­
номическими санкциями. В такой ситуации государственная экономи-

Найденова Ю лия Николаевна ([email protected]), к. э. н., доцент департамента
экономики и финансов НИУ ВШЭ; Леонтьева Вероника Владиславовна
([email protected]), студентка магистерской программы «Финансы»
НИУ ВШЭ.

* Исследование выполнено за счет гранта Российского научного фонда в рамках проекта
№ 18-18-00270.

https://doi.org/10.32609/0042-8736-2020-2-141-159
© НП «Вопросы экономики», 2020

141

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

ческая политика в значительной мере была направлена на адаптацию
к быстро изменяющимся внешним условиям. Однако изменения и не­
определенность в экономической политике сами по себе могут стать
препятствием для развития экономики страны.

Неопределенность относительно внешних условий играет централь­
ную роль в принятии инвестиционных решений. Уменьшение источни­
ков неопределенности относительно будущей прибыли или вероятного
будущего изменения процентных ставок оказывает большее влияние на
инвестиции, чем текущий уровень процентных ставок. Следовательно,
сокращение неопределенности, в том числе в государственной политике,
может стимулировать инвестиции (The World Bank, 2004).

Государственные и муниципальные органы власти принимают ре­
шения, которые изменяют среду функционирования для бизнеса. На
фоне высокой макроэкономической нестабильности неопределенность
регулирования может быть существенным барьером для инвестирова­
ния в российских компаниях (Яковлев, 2009). Различные сценарии
развития внешних условий повышают риски инвестиционной деятель­
ности для компаний и снижают стимулы к инвестированию (The World
Bank, 2004; Bloom, 2014). В связи с этим представляется актуальным
эмпирический анализ воздействия неопределенности экономической
политики в России на инвестиционное поведение компаний. На данный
момент отсутствуют исследования, посвященные оценке такого влияния
на микроуровне. В нашей работе восполняется этот пробел.

Исследование проведено на данных 1973 российских производст­
венных компаний. В качестве показателя неопределенности экономиче­
ской политики использован индекс, который рассчитывается на основе
обработки текстов в средствах массовой информации. Данный индекс
разработан С. Бейкером и соавторами (Baker et al., 2016) и апробиро­
ван ранее в ряде академических (например: Kang et al., 2014; Gulen,
Ion, 2016) и аналитических исследований (Stewart et al., 2016).

На рисунке 1 представлен график индекса неопределенности эко­
номической политики и инвестиций в основной капитал в сопостави­
мых ценах с 2000 по 2018 г. Прослеживается зависимость: при увели­
чении индекса неопределенности экономической политики инвестиции
сокращаются с лагом примерно в один год.

Факторы инвестиционной активности
и уровень неопределенности

В первых теоретических исследованиях, посвященных влиянию
неопределенности на инвестиции (Abel, 1983; Pindyck, 1982; Rodrik,
1991), демонстрируется механизм такого влияния. Однако в зависимо­
сти от предположений о природе неопределенности исследователи при­
ходят к разным выводам. Согласно результатам Р. Пиндайка (Pindyck,
1982), связь между неопределенностью и уровнем инвестирования за­
висит от функциональной формы кривой предельных издержек при­
способления. В работе Э. Абеля (Abel, 1983) показано, что повышение
неопределенности цен на продукцию приводит к повышению текущего

142

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

Инвестиции в основной капитал в сопоставимых ценах
и индекс неопределенности экономической политики, 2000—2018 гг.

— Индекс неопределенности экономической политики
- - - - Динамика инвестиций в основной капитал в сопоставимых ценах (в %к предыдущему году) I

Источники: Росстат, Economic Policy U ncertainty (www.policyuncertainty.com).
Рис. 1

уровня инвестиций независимо от кривизны функции предельных из­
держек. С. Титман (Titman, 1985), наоборот, пришел к выводу о том,
что повышенная неопределенность приводит к снижению строительной
активности в текущем периоде. Показано, что даже умеренная поли­
тическая неопределенность может иметь депрессивный эффект для
инвестиционной деятельности, поскольку в условиях неопределенности
политики у внутренних реальных процентных ставок выше премия за
риск, чем у иностранных (Rodrik, 1991; Pastor, Veronesi, 2013). Это
объясняется тем, что чем выше ставка процента, тем меньше число
инвестиционных проектов, остающихся прибыльными. Отмечается,
что даже разумные реформы могут оказаться разрушительными, если
они будут казаться непостоянными (Rodrik, 1991).

Исследователи рассматривают три основных механизма влияния
неопределенности на инвестиции компании (Jurado et al., 2015). Во-
первых, в случае частичной необратимости инвестиций и возможности
их отложить в условиях высокой неопределенности менеджеры склон­
ны откладывать инвестиции. Это обосновывается теорией реальных
опционов, согласно которой неопределенность увеличивает выгоды от
задержки инвестиций. В годы, когда проводятся политические выборы,
которые воспринимаются как политическая неопределенность, компании
откладывают инвестиции до тех пор, пока неопределенность, связанная
с будущим финансовым регулированием и макроэкономической поли­
тикой, не будет устранена (Julio, Yook, 2012). Во-вторых, не склонные
к риску экономические агенты предпочитают создавать «предупреди­
тельные сбережения», а значит, сокращать инвестиции. В-третьих,
в случае роста неопределенности усиливаются финансовые ограниче­
ния, что негативно влияет на инвестиционную активность компаний.

Эмпирический анализ влияния неопределенности на инвестицион­
ную политику российских компаний показал, что систематический
риск на фондовом рынке отрицательно воздействует на инвестиции

143

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

(Теплова, Крылова, 2007). У не склонных к риску компаний было
выявлено снижение инвестиций, а для фирм, готовых рисковать,
влияние неопределенности (негативное или нейтральное) на инвести­
ции неоднозначно (Аистов, Кузьмичева, 2012). Кроме того, в период
внешнеэкономических санкций наблюдается значительный отток пря­
мых иностранных инвестиций (Gurvich, Prilepskiy, 2015), что приводит
к ужесточению финансовых ограничений для российских компаний.

Анализ влияния неопределенности экономической политики на
инвестиции российских компаний ранее не проводился. Однако в до­
кладах Всемирного банка (World Bank, 2014; Всемирный банк, 2019)
отмечается негативное влияние неопределенности экономической по­
литики на прямые иностранные инвестиции в Россию и темпы роста
российской экономики. Также отмечается, что рост неопределенности
отрицательно повлиял на инвестиционные решения. Эмпирические
исследования на данных компаний Китая (Wang et al., 2014) и США
(Kang et al., 2014; Gulen, Ion, 2016) показали уменьшение объема
инвестиций при росте уровня неопределенности экономической поли­
тики. Исходя из этого, была сформулирована базовая гипотеза.

Гипотеза 1: неопределенность экономической политики оказывает
негативное влияние на корпоративные инвестиции российских компаний.

Следующий вопрос заключается в том, смягчается ли влияние
неопределенности экономической политики на инвестиции для более
прибыльных компаний. Предыдущие исследования подтверждают, что
рентабельность капитала — один из важных факторов корпоративных
инвестиций (Love, Zicchino, 2006; Sun et al., 2010), что объясняет­
ся меньшей зависимостью компании от внешнего финансирования.
Сравнительный анализ доходности инвестиций на данных Китая,
Японии и США показал, что причина относительно высокого уровня
инвестиций в Китае — более высокая рентабельность инвестированно­
го капитала (Sun et al., 2010), которая может мотивировать компании
продолжать, а не откладывать инвестиции (Wang et al., 2014). Таким
образом, была сформулирована следующая гипотеза.

Гипотеза 2: инвестиции компаний с более высокой рентабельно­
стью капитала менее подвержены влиянию неопределенности эконо­
мической политики.

Для российской экономики актуален вопрос о влиянии типа собст­
венности компании на связь между инвестициями и неопределенностью
экономической политики. С одной стороны, считается, что государст­
венные предприятия сталкиваются с мягкими бюджетными ограниче­
ниями и способны получать большие суммы кредитов от банковской
системы, несмотря на низкую рентабельность (Guariglia et al., 2008).
Это потенциально должно ослаблять влияние неопределенности эконо­
мической политики на инвестиции компании через механизм усиления
бюджетных ограничений. Во многих исследованиях подтверждается,
что компании с государственным участием имеют более широкий доступ
к банковскому финансированию в разных странах (Sapienza, 2004;
Khwaja, Mian, 2005; Faccio et al., 2006; Leuz, Oberholzergee, 2006).

Другое предположение о влиянии государства-собственника на
инвестиции заключается в том, что инвестиционное поведение госу­

144

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

дарственных предприятий является «прополитическим»: когда реали­
зуется политика, направленная на стимулирование экономики, госу­
дарственные предприятия увеличивают инвестирование (Deng et al.,
2011). Государственное вмешательство может изменять цель предприя­
тий на соответствующую стратегии правительства, что приводит к не­
эффективности инвестиций: государственные предприятия упускают
выгодные инвестиционные возможности в пользу реализации планов
и политики правительства (Chen et al., 2011). Следовательно, в случае
изменения экономической политики с целью стимулирования роста
экономики страны государственные компании должны быть склонны
инвестировать больше, несмотря на рост уровня неопределенности.

Эмпирические исследования (Gulen, Ion, 2016) показали, что
в отраслях с более высокой зависимостью от государственных расхо­
дов неопределенность в политике оказывает более сильное негативное
влияние на инвестиции компаний. Этот результат согласуется с выво­
дами о том, что негативное влияние неопределенности экономической
политики на инвестиции меньше для фирм, которые не принадлежат
государству (Wang et al., 2014).

Гипотеза 3: инвестиции негосударственных компаний менее под­
вержены влиянию неопределенности экономической политики.

Данные и методология

В выборку были отобраны российские акционерные производст­
венные компании за 2009—2015 гг. Речь идет о предприятиях, занятых
производством продуктов питания, табачных, текстильных и деревян­
ных изделий, мебели, бумажной, электронной и оптической продукции,
продуктов нефтепереработки и химической промышленности, фарма­
цевтических продуктов, резиновых, металлических и пластмассовых
изделий, компьютеров, электрического оборудования, автотранспорт­
ных средств, трейлеров и полуприцепов, а также о предприятиях ме­
таллургической промышленности.

По данным Росстата, в России в 2009 г. организации обрабаты­
вающего производства составляли 8,5% всех организаций, в 2010 —
2014 гг. — 8,3% и в 2015 г. — 8,2%. Это более 400 тыс. организа­
ций. Совокупная выручка компаний, вошедших в выборку, составила
в среднем 21% совокупного оборота1компаний обрабатывающего про­
изводства за 2009—2015 гг. Это в среднем 5% совокупного оборота
компаний в экономике России за рассматриваемый период.

Информация о финансовых показателях компаний и биржевых
данных по публичным компаниям была взята из баз данных Ruslana
и Amadeus (Bureau Van Dijk). Данные представлены в годовом выра­
жении. Выборка составила 1973 компании, из которых 57 публичные.
Данные представляют собой несбалансированную панель.

1 В оборот организаций включается стоимость отгруженных товаров собственного
производства, выполненных работ и услуг собственными силами, а также выручка от продажи
приобретенных ранее на стороне товаров. (Росстат. Россия в цифрах. 2019. https: www.gks.ru
storage mediabank rusl9.pdf)

145

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

Методология

Методология исследования аналогична методологии анализа влия­
ния неопределенности экономической политики на уровень инвестиций,
предложенной ранее (Baker et al., 2016; Kang et al., 2014; Wang et al.,
2014; Gulen, Ion, 2016). В работе используется регрессионный анализ
на панельных данных с фиксированными эффектами и эффектами
взаимодействия факторов.

Зависимая переменная в модели — уровень корпоративных инве­
стиций в физический капитал, который рассчитывается как отноше­
ние изменения объема основных средств за год к объему совокупных
активов на начало года.

Ключевая объясняющая переменная — индекс неопределенности
экономической политики, взятый с лагом один год. Использованное
в данной работе значение российского индекса неопределенности
экономической политики было рассчитано под руководством авто­
ров методики (Baker et al., 2016) и опубликовано на сайте www.
policyuncertainty.com. Месячные данные индекса трансформированы
с помощью геометрического среднего в годовой показатель для соот­
ветствия финансовым данным. Индекс неопределенности экономиче­
ской политики (Economic Policy Uncertainty Index, или индекс EPU)
основан на частоте появления газетных статей, в которых упоминают­
ся термины, связанные с экономической политикой и неопределен­
ностью. Подсчитывается количество статей, в которых встречаются
термины из всех трех категорий.

Данные по России были взяты из онлайн-архива газеты
«Коммерсантъ». Принимались во внимание следующие термины: не­
определенность, экономика, политика, налог, расходы бюджета, го­
сударственные расходы, расходование, регулирование, Центральный
банк РФ, Государственная дума (Госдума, Дума), Кремль, закон,
законодательный акт, законодательство, денежно-кредитная политика,
торговая политика, процентная ставка2.

Так как общий объем статей, содержащих вышеупомянутые тер­
мины, в газете может варьировать во времени, масштабирование про­
изводится по общему количеству статей в газете в соответствующем
месяце. Затем каждая ежемесячная серия показателя стандартизирует­
ся в единицах стандартного отклонения за весь рассматриваемый
период. Полученное число нормализуется к среднему значению 100
(для России — за 1997—2012 гг.).

Остальные ключевые факторы инвестиционной активности компа­
нии использованы в модели в качестве контрольных переменных: фи­
нансовый рычаг (Aivazian et al., 2005; Chen et al., 2011; Vo, 2018; Wang
et al., 2014), размер компании (Love, 2003; Chen et al., 2011; Wang
et al., 2014), а также выручка от продаж, денежный поток и коэф­
фициент Q Тобина — отношение рыночной стоимости активов к их
балансовой стоимости (Ameer, 2014; Kadapakkam et al., 1998; Vo, 2018;
W ang et al., 2014; Love, 2003; Aivazian et al., 2005). Воздействие

2 См.: h ttp : \\ \v\v .p o licy uiicei4ainty.com m ethodology.lit ml

146

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

прочих внутренних факторов на инвестиции рассматривается как по­
стоянное по времени в рамках отдельной компании и учитывается
в форме фиксированных эффектов.

Финансовый рычаг рассчитывается как отношение объема совокуп­
ных обязательств к совокупным активам на начало года. Исследования
показали, что долговая нагрузка ограничивает инвестиции (Aivazian
et al., 2005). В связи с этим ожидается отрицательное влияние данного
фактора на инвестиции.

Выручка от продаж нормируется к совокупным активам на начало
года. Предполагается ее положительное влияние на инвестиции ком­
паний, поскольку выручка в эмпирических исследованиях выступает
показателем роста спроса на продукцию и, следовательно, будущей
прибыльности (Kadapakkam et al., 1998). Продажи используются в ка­
честве переменной-заменителя (proxy) доходов компании. Когда фирмы
сталкиваются с увеличением продаж, текущая стоимость ожидаемой
прибыли увеличивается, что, в свою очередь, должно привести к уве­
личению инвестиций (Yang et al., 2015).

Показатель, характеризующий денежный поток компании, рас­
считывается как отношение чистой прибыли текущего периода к со­
вокупным активам предыдущего периода. В данной работе ожидается
положительное влияние денежного потока на инвестиции, поскольку
предыдущие исследования выявили его значимое положительное влия­
ние на инвестиции (Aggarwal, Zong, 2006).

Размер компании измеряется как натуральный логарифм сово­
купных активов текущего периода. Предполагается, что у крупных
фирм выше уровень инвестиционной активности, поскольку им лег­
че получить доступ к внешним источникам финансирования (Wang
et al., 2014; Kadapakkam et al., 1998). Так, у крупных фирм меньше
трансакционные издержки при выпуске акций и меньше восприимчи­
вость к асимметрии информации, поскольку им проще обрабатывать
публичную информацию, в связи с чем в данной работе предполагается
положительное влияние размера компаний на инвестиции. С другой
стороны, крупные фирмы, во-первых, обладают большей гибкостью
в выборе сроков инвестиций и могут откладывать инвестиции до тех
пор, пока не появятся внутренние средства, и, во-вторых, имеют разно­
образный портфель товаров и услуг, поэтому они достаточно гибки,
чтобы приспособиться к временным шокам спроса и циклическим
колебаниям прибыли.

Коэффициент Q Тобина рассчитан как отношение рыночной ка­
питализации к собственному капиталу на начало года. Исследователи
определяют Q Тобина как переменную-заменитель для инвестицион­
ных возможностей компании (Kadapakkam et al., 1998; Ameer, 2014).
Рост инвестиционного потенциала повышает способность предприятия
объединять финансовые ресурсы для реализации инвестиционных
программ: чем выше инвестиционный потенциал, тем больше величина
капитальных затрат компании, следовательно, ожидается положитель­
ное влияние коэффициента Тобина на инвестиции.

Кроме того, в модель включены показатели рентабельности ин­
вестированного капитала ROIC (Wang et al., 2014) и тип собственно­

147

/О. Н. Найденова, В. В. Леонтьева / Вопросы экономики. 2020. № 2. С. 141—159

сти (Chen et al., 2011; Wang et al., 2014). Рентабельность инвестиро­
ванного капитала рассчитана как отношение операционной прибыли
к сумме долгосрочных обязательств и собственного капитала текущего
периода. Тип собственности — фиктивная переменная, принимающая
значение 0, если речь идет о компании, в структуре собственности
которой присутствует государственный или муниципальный орган
власти, и 1, если в структуре собственности государственные или
муниципальные органы власти отсутствуют.

Ожидается, что в условиях более высокого уровня неопределенности
экономической политики инвестиции компаний с более высокой рента­
бельностью инвестированного капитала и компаний без государственных
и муниципальных органов в структуре собственности будут сокращаться
в меньшей степени. Такое предположение основано на выводах, получен­
ных в зарубежных исследованиях (Chen et al., 2011; Wang et al., 2014).

Изменение внешних факторов контролируется, как правило, с по­
мощью фиксированных временных эффектов. Однако так как ключе­
вой фактор — неопределенность экономической политики — варьи­
руется только по времени, далее рассмотрены два типа моделей: без
фиксированных временных эффектов, позволяющие оценить прямое
влияние индекса EPU на инвестиции, и модели с фиксированными
временными эффектами, в которых оценка прямого влияния невоз­
можна, но рассматривается совместное влияние неопределенности
экономической политики и характеристик компании на инвестиции.

В данной работе оцениваются следующие регрессии: (1) — рег­
рессия с фиксированными эффектами, оцененная на полной выборке;
(2) — регрессия с фиксированными эффектами, оцененная на под-
выборке публично торгуемых компаний, в которую дополнительно
включен показатель Q Тобина:

In v ht = аг + р хE P U it_x+ p2E P U ht_xR O IC l>t+P ,E P U l>t_xO W N г+

+ SaleSi't-i + p5Sizeit + p6L evitt. x + sit, (1)

In v i>t = a{ + fi]EPU tr_] + RO JCi r+[>.EPUir_]O W N , +

+ pASalesit. x + p5Sizeut + p6L evit^ + [>7Qu-\ + (2)

где: Invi t — корпоративные инвестиции; — индивидуальные эффекты
компаний; EPU i t_x — индекс неопределенности экономической политики
за предыдущий период; R O IC i t — рентабельность инвестированного
капитала за текущий год; O W N { — тип собственности; Qi t_х — Q Тобина
за предыдущий период; Sizei t — размер компании в текущем периоде;
L evit_x — финансовый леверидж за предыдущий период; Salesi t_x —
выручка от продаж в предыдущем периоде; si>t — случайная ошибка.

Описание данных

В таблице 1 представлены анализируемые переменные. Уровень
инвестиций российских компаний в среднем составляет 3% совокупных

148