Evaluation of the DEA-Dynamic Efficiency of Significant Sectors of the Russian Economy.pdf Введение В условиях тотальной глобализации и наличия крупных транснациональных компаний, реализующих стратегию агрессивного инновационнотехнологического лидерства, особую актуальность представляет разработка и реализация стратегий, позволяющих компаниям, находящимся в роли догоняющих, минимизировать издержки и удерживать свои позиции на рынке. Существуют две противоположные точки зрения на стратегии инновационного поведения экономических субъектов: стратегия прорывных инноваций - новые для рынка товары или способы производства [1]; имитационная стратегия (стратегия технологического арбитража) [2] - отражающая изменения в технологии и других внешних факторов, которые могут быть обнаружены и задействованы для предпринимателя [3]. В современных условиях концепция Кирцнера вызывает все больший интерес 1 Исследование выполнено при финансовой поддержке РФФИ в рамках научно - исследовательского проекта РФФИ «Локальные инновации и глобальное технологическое лидерство: Переосмысление подходов к эффективному внутриотраслевому трансферу технологий», проект № 19-010-00946 (а). Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 174 научного сообщества. Многочисленные исследования [4-6] показывают, что компании используют имитационные стратегии, заимствуя новые технологические решения у фирм-конкурентов, вынужденно реагируя на прорывные технологические изменения. Теоретические исследования имитационных стратегий в настоящее время проводятся в двух направлениях: теории, исследующие имитацию как стратегию получения информации [7]; теории, основанные на конкуренции, в соответствии с которыми имитация позволяет поддерживать паритет конкурентоспособности или ограничивает конкуренцию [8]. В результате имитационные стратегии стали рассматриваться как распространенная форма поведения, возникающая в различных сферах бизнеса: во внедрении новых продуктов и процессов, в принятии управленческих методов и организационных форм управления, в выходе на рынок и сроках вложений инвестиций [9]. В последнее время дискуссионным является вопрос исследования преимуществ и выгод от применения инновационных или имитационных стратегий. Исследуются различные рынки; условия внешней среды; факторы, обусловливающие целесообразность применения той или иной стратегии. Эмпирически доказано, что имитационные стратегии выгодны в условиях высокой степени технологической неопределенности, низких барьеров входа на рынок, низкого уровня защиты интеллектуальной собственности, подъема и бурного развития отрасли, короткого жизненного цикла продукта [10]. Кроме того, затраты имитатора значительно ниже, чем у инноватора, -65-75% от затрат на инновацию, а временные - примерно 70% [10]. На практике выделяют различные виды имитационных стратегий (быстрого первого последователя, догоняющего последователя, первого импортер и т.д. [11]), у каждой из них есть преимущества и недостатки и для каждой требуются различные способности к имитации, поэтому важным является анализ и оценка имитационного потенциала компании и отрасли, в которой они функционируют. Целью проведенного исследования послужила апробация инструментария динамической эффективности DEA-модели для оценки потенциала и формирования имитационных инновационных стратегий исследуемых отраслей экономики. В этой связи приведем основные задачи, решаемые в рамках данного исследования: 1. Расчет показателей DEA-эффективности компаний значимых отраслей экономики России по совокупности затратных (оплаты труда и основные средства) и доходных (выручка) финансово-хозяйственных показателей. 2. Выявление неоднородности статических и динамических показателей эффективности компаний в разрезе исследуемых отраслей. 3. Оценка временных трендов динамических показателей эффективности компаний в разрезе исследуемых отраслей. 4. Сравнительный анализ исследуемых отраслей по совокупности статических и динамических показателей эффективности. Инновационное развитие и оценка DEA 175 Методология исследования Объект исследования. Объектом исследования являются компании шести отраслей экономики России (коды ВЭД указаны согласно ОКВЭД 2.0 [9]): - ВЭД 21 - Фармацевтическая промышленность - 84 компании; - ВЭД 20 - Химическая промышленность - 214 компаний; - ВЭД 28 - Производство машин и оборудования - 291 компания; - ВЭД 10 - Производство пищевых продуктов - 913 компаний; - ВЭД 6 - добыча нефти и природного газа - 141 компания; - ВЭД 62 и 63 - Сектор ІТ - 76 компаний. Полная выборка составила 1 719 предприятий, или 8 595 наблюдений. Источник информации по показателям компаний - информационная система СПАРК [12]. Выбор отраслей обусловлен наличием особенностей и их значимостью для социально-экономического развития страны: - фармацевтическая промышленность - социально значимая отрасль, обеспечивающая технологическую безопасность страны в условиях экономических санкций. Ее роль особенно возросла в настоящее время; - химическая промышленность - одна из немногих отраслей обрабатывающей промышленности России, ориентированная на экспорт и не связанная напрямую с нефтью. В отрасли отмечается значительное количество иностранных и совместных предприятий; - машиностроение - экономически значимая отрасль, создающая продукцию для остальных секторов и отраслей экономики. Играет существенную роль в обеспечении технологической безопасности страны. Поскольку отрасль производит инвестиционные товары, она испытывает серьезные проблемы в условиях кризисов и стагнации экономики, когда инвестиционная активность хозяйствующих субъектов снижается; - пищевая промышленность - социально значимая отрасль, обеспечивающая технологическую безопасность страны. Отрасль характеризуется высокой устойчивостью к кризисным процессам и является одним из лидеров по объемам производства среди отраслей обрабатывающей промышленности; - добыча нефти и газа - отрасль, обеспечивающая основной объем экспорта России, генерирует основной объем доходов в федеральный бюджет; - сектор информационных технологий (сфера услуг) - динамично развивающаяся отрасль. В отрасли наблюдаются интенсивные процессы генерации нового бизнеса [20], устойчивость и тенденция к росту. В условиях длительной стагнации экономики России отрасль демонстрирует существенный прирост объемов оказываемых услуг, в том числе за счет создания и развития новых компаний [21, 22]. В рамках данного исследования проведена классификация отраслей по уровню технологичности согласно подходу «Организации экономического сотрудничества и развития» (далее - ОЭСР). Используемые на практике подходы отличаются критериями [7]: Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 176 1) классификация по секторам высоких технологий - интенсивность использования современных технологий в процессе производства; 2) классификация по продукту - конечный продукт и его наукоемкость. В Европейском союзе и России используется первый подход. При этом разделение отраслей на высокотехнологичные, среднетехнологичные и низкотехнологичные в ЕС (в рамках действующей общей классификации отраслей NACE Rev.2 [13]) и России (согласно действующему ОКВЭД 2.0 [15] и статистическим сборникам Росстата и ВШЭ [16]) практически совпадает. Первоначально отрасли сферы услуг не рассматривались в инновационных исследованиях по причине их предполагаемой неинновационной природы. Однако позднее, как указывает M. Rodriguez [14], происходит выделение специальной группы отраслей услуг, так называемых Knowledge Intensive Business Services (KIBS), которая характеризуется тем, что выступает как источники, посредники и носители инноваций. В рамках KIBS в статистике выделяется подсектор, называемый «высокотехнологичные услуги (High-tech knowledgeintensive services)», к которым относится рассматриваемый в настоящем исследовании сектор ГГ [13, 14]. Согласно проведенной классификации исследуемые отрасли были распределены следующим образом: - высокотехнологичные отрасли промышленности - фармацевтическая промышленность; - среднетехнологичные отрасли промышленности - химическая промышленность и машиностроение; - низкотехнологичные отрасли промышленности - пищевая промышленность, добыча нефти и газа; - высокотехнологичные отрасли сферы услуг - сектор информационных технологий. Выбранные отрасли характеризуются разным уровнем технологичности, что позволит выявить дополнительные закономерности путем их сравнительного анализа. При этом необходимо учитывать специфику экономики России, в которой ведущую роль по ряду показателей играют низкотехнологичные отрасли [23] и одним из направлений научных исследований становится разработка механизмов их инновационного развития [13, 14]. По каждой из отраслей была сформирована сплошная выборка компаний, удовлетворяющая следующим условиям (критериям): - выручка по «Отчету о прибылях и убытках» не менее 100 млн руб. ежегодно за период 2013-2017 гг.; - основные средства по «Балансу» не менее 30 млн руб. ежегодно за период 2013-2017 гг.; - фонд оплаты труда по «Отчету о движении денежных средств» не менее 5 млн руб. ежегодно за период 2013-2017 гг. В результате были исключены малые предприятия, а также компании, использующие арендованные основные средства (необходимо для корректного расчета технической эффективности компаний). Инновационное развитие и оценка DEA 177 1 этап исследования. Расчет показателей технической эффективности (ТЕ) и ее динамики. Расчет показателя технической эффективности проводится с помощью метода DEA с использованием моделей, ориентированных на вход (т.е. на минимизацию затрат при фиксированном результате) - TEin, и моделей, ориентированных на выход (т.е. на максимизацию результата при фиксированных затратах), - TEout. Метод DEA (Data Envelopment Analysis) в настоящее время представляет собой развитую методологию сравнительной оценки эффективности функционирования различного рода субъектов, или DMU’s (Decision Making Unit), как их часто называют в литературе DEA, по широкому набору входных и выходных показателей их деятельности [24-27]. В отечественной академической литературе он известен также как фронтальный, оболочечный, граничный анализ или анализ среды функционирования. Этот метод позволяет определить эффективность управления одного DMU относительно аналогичной деятельности группы DMU’s. DEA-метод основан на непараметрической методологии, так как не подразумевает и не определяет какую-либо форму производственной функции. Он реализуется посредством многократного решения оптимизационной задачи линейного программирования и располагает все эффективные DMU’s на линии фронта эффективности, а неэффективные - внутри фронта. Чем ближе к фронту эффективности расположен DMU, тем выше значение относительной эффективности его управленческой деятельности. Полученное значение ТЕ (technical efficiency) для n-го DMU будет меньше или равным 1, причем значение 1 указывает точку на границе и, следовательно, выделяет технически эффективный DMU. Таким образом, TEin и TEout принимают значения в диапазоне [0; 1], при этом компании-технологические лидеры имеют ТЕ = 1. Для расчета технической эффективности используются один показатель выхода или результата (выручка) и два показателя входа или затрат ресурсов (основные средства и фонд оплаты труда). При этом указанные показатели скорректированы на накопленный индекс инфляции и приведены к 2013 г. Расчет проведен отдельно для компаний каждой из шести рассматриваемых траслей, по каждому году исследуемого периода. Кроме статической технической эффективности (technical efficiency) DMU, измеряемой ежегодно, методология DEA предлагает краткосрочную динамическую характеристику - индекса производительности Малмквиста MPI (Malmquist productivity index), оценивающего 2-летний прогресс (регресс) эффективности того же DMU [28-32]. В отличие от простого сравнения коэффициентов эффективности каждого из исследуемых DMU в момент времени t и в момент времени t + 1, рассчитанных в результате решения двух независимых задач DEA, при расчете MPI учитывается также изменение самой границы эффективности множества DMU’s, которое может иметь место в период между моментами t и t + 1. Значения MPI < 1, MPI = 1 и MPI > 1 говорят соответственно о снижении, постоянстве или увеличении эффективности компании в течение исследуемого периода. Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 178 Изменение эффективности более детально представлено в декомпозированном виде [31, 32]: MPI = EFF • TECH, (1) где EFF (Efficiency change) - эффект роста относительной эффективности (Catch-up Effect), вычисляемый как отношение технической эффективности в период t+1 к технической эффективности в период t. При росте эффективности DMUo, EFF > 1; TECH (Technical change) - эффект сдвига границы эффективности (Frontier Shift Effect). Сравнение EFF с 1 характеризует догоняющее развитие компаний исследуемой отрасли по отношению к компаниям-лидерам за период 20132017 гг.: - EFF >1 - догоняющее развитие реализуется, компании сокращают отставание от лидеров; - EFF = 1 -догоняющее развитие отсутствует, отставание от лидеров не сокращается; - EFF 1 - опережающее развитие компаний-лидеров отрасли, их ТЕ выросла; - TECH = 1 - ТЕ компаний-лидеров не изменилась; - TECH 0 определяет прогресс, а a < 0 - регресс) [33]. Особенности распределения показателей статической (TEin и TEout) и динамической (MPI, Eff, Tech) эффективности представлены на рис. 1. Рис. 1. Составные гистограммы распределения показателей эффективности по совокупности исследуемых ВЭД: а - показатели статической эффективности TEin, TEout; б - показатели динамической эффективности MPI, Eff, Tech Инновационное развитие и оценка DEA 179 Согласно рис. 1 распределения исследуемых показателей существенно отличаются от нормального закона распределения во всех исследуемых отраслях. Этот вывод подтверждает также критерий %2 (Хи-квадрат) Пирсона, который показывает высоко значимые отличия от нормального закона распределения для всех показателей эффективности. Следовательно, в дальнейших расчетах корректнее применять методы и характеристики непараметрической статистики. 2-й этап исследования. Исследование неоднородности показателей эффективности компаний в разрезе отраслей. С применением методов дисперсионного анализа проведен сравнительный анализ показателей между группами компаний. Поскольку распределения показателей не соответствуют нормальному закону распределения, для оценки и наглядной интерпретации используются непараметрические характеристики выборок (медиана, квартильный размах, минимальное и максимальное значения), а для сравнения выборок применяются непараметрические критерии (Крас-кела-Уоллиса и Манна-Уитни для независимых выборок ВЭД, Фридмана на периоде 2013-2017 гг. и Вилкоксона для повторных измерений). Использованы общепринятые оценки значимости различий в зависимости от величины р: - ***p < 0,001 - высоко значимые различия; - ** 0,001 < p < 0,01 - сильно значимые различия; - * 0,01 < p < 0,05 - статистически значимые различия; - f 0,05 < р < 0,10 - слабо значимые различия; - Р > 0, 10 - незначимые различия, показатели выборок сопоставимы. Расчеты выполнены с помощью программных продуктов: DEAP [34] и STATISTICA [35-36]. Результаты исследования Дисперсионный анализ статических показателей ТЕіп и TEout в разрезе исследуемых отраслей. Результаты дисперсионного анализа показателей ТЕіп и TEout (усредненных по периоду 2013-2017 гг.) представлены на рис. 2 (диаграмма размаха). Согласно критерию Краскела-Уоллиса статические показатели эффективности (ТЕіп и TEout) компаний являются высоко значимо неоднородными по исследуемым отраслям. По критерию множественных сравнений, эквивалентному парному критерию Манна-Уитни для числа независимых выборок больше двух, выделены для каждого показатели эффективности однородные (различающиеся незначимо, т.е. на уровне значимости р > 0,10) группы ВЭДов, расположенные в порядке убывания медиан (Ме). Результаты анализа выявили, что по статическому показателю, ориентированному на выход (TEout), исследуемые отрасли распределены на следующие группы по значимости упорядочивания соответствующих медиан: {623, 21}, {20}, {6}, {10, 28}. Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 180 а б Рис. 2. Диаграмма размаха значений TEout (а) и TEin (б) за период 2013-2017 гг. компаний исследуемых отраслей (точка - медиана; прямоугольник - 25-75% квартильный размах; усы - полный размах без выбросов) Лидерами эффективности по максимизации результата при фиксированных затратах являются IT-отрасль (ВЭД 62 и 63) и фармацевтическая промышленность (ВЭД 21). Для химической промышленности (ВЭД 20) значение показателя ТЕout сильно значимо (на уровне значимости р = 0,0025) ниже, чем у фармацевтической промышленности (ВЭД 21), но сильно значимо (p = 0,0013) выше, чем у промышленности по добыче нефти и газа (ВЭД 6). Аутсайдерами эффективности по максимизации результата при фиксированных затратах (ТЕout) являются отрасли производства пищевых продуктов (ВЭД 10) и производства машин и оборудования (ВЭД 28) высоко значимо (р < 0,001) ниже, чем у промышленности по добыче нефти и газа (ВЭД 6). Результаты дисперсионного анализа по статическому показателю (ТЕout) отраслей представлены в виде значимого упорядочивания соответствующих медиан: TEout: Ме(623,21) >** Ме(20) >** Ме(6) >*** Ме(10,28) . (2) По статическому показателю, ориентированному на вход (ТЕіп), исследуемые отрасли распределены на следующие группы: {623}, {21}, {20, 6}, {28, 10}. Лидером эффективности по минимизации затрат при фиксированном результате является IT-отрасль (ВЭД 62 и 63). При этом (ТЕіп) у фармацевтической промышленности (ВЭД 21) высоко значимо (р = 0,00003) ниже, чем у IT-отрасли (ВЭД 62 и 63), высоко значимо (р = 0,0003) выше, чем у химической промышленности (ВЭД 20). Аутсайдерами эффективности по минимизации затрат при фиксированном результате (ТЕіп) являются отрасли производства пищевых продуктов (ВЭД 10) и производства машин и оборудования (ВЭД 28) сильно значимо (р = 0,0036) ниже, чем у промышленности по добыче нефти и газа (ВЭД 6). Инновационное развитие и оценка DEA 181 Результаты дисперсионного анализа по статическому показателю (ТЕіп) исследуемых отраслей экономики представлены в виде значимого упорядочивания соответствующих медиан: ТЕіп: Ме(623) >** Ме(21) >**Ме(20,6) >*** Ме(28,10) . (3) Ранжирование исследуемых отраслей экономики по статическим показателям эффективности (ТЕіп и ТЕоШ) в целом соответствует оценки уровня технологичности отраслей, проведенных выше, за исключением отрасли по производству машин и оборудования (ВЭД 28). Высокотехнологичные IT-отрасль (ВЭД 623) и фармацевтическая промышленность (ВЭД 21) имеют наиболее высокие значения технической эффективности, среднетехнологичной является химическая промышленность (ВЭД 20), имеющая промежуточные значения ТЕ, низкотехнологичные - промышленность по добыче нефти и газа (ВЭД 6) и по производству пищевых продуктов (ВЭД 10), у них наиболее низкие значения. Производство машин и оборудования (ВЭД 28) по результатам исследования технической эффективности отнесено в группу отраслей с низкой технической эффективностью. Исследование динамических показателей MPI, EFF и TECH в разрезе исследуемых отраслей. Дисперсионный анализ динамических показателей MPI, EFF и TECH. Результаты дисперсионного анализа динамических показателей индекса Малмквиста и его компонент, усредненных по периоду 2013-2017 гг., представлены на рис. 3. Рис. 3. Диаграмма размаха значений MPI (а) и его компонент EFF(6) и TECH (в) за период 2013-2017 гг. (точка - медиана; прямоугольник - 25-75% квартильный размах; усы - полный размах без выбросов) компаний исследуемых отраслей Критерий Краскела-Уоллиса определяет разный уровень значимости неоднородности динамических показателей эффективности по отраслям: слабо значимые различия ВЭД по динамической эффективности MPI (р = 0,099) и высоко значимые (р < 0,001) по эффекту роста относительной эффективности (EFF) и эффекту сдвига границы эффективности (TECH). Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 182 Согласно критерию множественных сравнений выделены для каждого показатели динамической эффективности однородные (уровень значимости р > 0,10), иногда пересекающиеся группы отраслей, расположенные в порядке убывания медиан (Ме): Результаты анализа выявили, что по динамическому показателю технической эффективности (MPI) отрасли распределены на следующие группы по значимости упорядочивания соответствующих медиан: {20, 623, 10, 28, 6}, {28, 6, 21}. Явных отраслей лидеров и аутсайдеров по данному показателей не выявлено. Тем не менее различие по MPI у фармацевтической (ВЭД 21) и химической промышленности (ВЭД 20) оценивается как статистически значимое (на p = 0,018), у фармацевтической промышленности (ВЭД 21) и у промышленности по производству пищевых продуктов (ВЭД 10) - как слабо статистически значимое (р = 0,049): MPI: Ме(20,623,10,28,6) > Ме(28,6,21). (4) По динамическому показателю роста относительной эффективности ЕFF отрасли распределены на следующие группы по значимости упорядочивания соответствующих медиан: {28}, {6, 21}, {21, 10, 623}, {20}. Лидером по догоняющему развитию является отрасль по производству машин и оборудования (ВЭД 28). При этом показатель ЕFF в промышленности по добыче нефти и газа (ВЭД 6) сильно значимо (р = ,00103) ниже, чем в отрасли по производству машин и оборудования (ВЭД 28), но сильно значимо (р = 0,0041) выше, чем в отрасли по производству пищевых продуктов (ВЭД 10). Аутсайдером по значению динамического показателя эффективности роста относительной эффективности ЕFF является химическая промышленность (ВЭД 20) - высоко значимо (р < 0,001) ниже, чем у IT- отрасли (ВЭД 623). Значимое упорядочивание соответствующих медиан принимает вид: EFF: Ме(28) >** Ме(6,21) >** Ме(21,10,623) >*** Ме(20). (5) По динамическому показателю эффекта сдвига границы эффективности ТЕСН отрасли распределены на следующие группы по значимости упорядочивания соответствующих медиан: {20}, {10, 623}, {6, 21}, {28}. Лидером по опережающему развитию компаний в отрасли является химическая промышленность (ВЭД 20), значение показателя ТЕСН высоко значимо (р < 0,001) выше остальных исследуемых отраслей. При этом значение показателя ТЕСН у фармацевтической промышленности (ВЭД 21) статистически значимо (р = 0,035) ниже, чем у IT-отрасли (ВЭД 62 и 63), но статистически значимо (р = 0,042) выше, чем у аутсайдера - отрасли по производству машин и оборудования (ВЭД 28). Значимое упорядочивание соответствующих медиан принимает вид: TECH: Ме(20) >*** Ме(10, 623) >*Ме(6,21) >* Ме(28). (6) Таким образом, ранжирование исследуемых отраслей по значению динамических показателей роста относительной эффективности ЕFF и эффекту сдвига границы эффективности ТЕСН является взаимообратным: Инновационное развитие и оценка DEA 183 отрасли-лидеры по значению показателя (EFF) являются отраслями-аутсайдерами по значению показателя (TECH) и наоборот настолько, что по произведению MPI = EFF* TECH исследуемые отрасли практически не различаются. Например, отрасль по производству машин и оборудования (ВЭД 28) является отраслью-лидером по значению показателя EFF и одновременно отраслью-аутсайдером по значению показателя TECH, что свидетельствует о сокращении отставания компаний отрасли от лидеров отрасли (EFF >1) и снижении технической эффективности самих компаний-лидеров (TECH 1) и увеличением отставания остальных компаний отрасли от компаний-лидеров (EFF 1), и во второй половине периода у большей половины компаний отрасли зафиксировано снижение значения данного показателя (MPI < 1). - Динамика показателя MPI у IT-отрасли (ВЭД 623) за 2013-2017 гг. - не значимо (p>0,10) переменная по критерию Фридмана. При этом в начале и середине периода 2013-2017 гг. у большей половины компаний IT- отрасли (ВЭД 62 и 63) зафиксирован рост значения показателя (MPI > 1), который в конце рассматриваемого периода сменился снижением (MPI < 1). - Динамика показателя MPI у низкотехнологичной промышленности по добыче нефти и газа (ВЭД 6) за период 2013-2017 гг. - высоко значимо (р < 0,001) переменная по критерию Фридмана (сильно значимое Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 184 (р = 0,0015) падение данного показателя в период 2015-2016 гг. сменилось высоко значимым (р < 0,001) ростом в 2016-2017 гг.). Таким образом, если начало периода 2013-2017 гг. у большей половины компаний по добыче нефти и газа (ВЭД 6) характеризовалось снижением эффективности (MPI < 1), что усугубилось в середине рассматриваемого периода, то в конце периода у большей половины компаний отрасли зафиксирован рост данного показателя (MPI > 1). Рис. 4. Диаграмма размаха значений показателей (MPI, EFF и TECH) за каждую последовательную пару лет периода 2013-2017 гг. предприятий исследуемых отраслей (точка - медиана; прямоугольник - 25-75% квартильный размах; усы - полный размах без выбросов) Сравнительный анализ исследуемых отраслей экономики по совокупности статических (TEin, TEout) и динамических показателей (MPI, EFF и TECH) эффективности. Основная непараметрическая характеристика (медиана) рассмотренных показателей технической эффективности для каждой отрасли представлена в таблице. Медианы показателей эффективности рассматриваемых ВЭД ВЭД N TEin TEout TE MPI EFF TECH 6 750 0,320 0,260 0,290 0,985 1,072 0,914 10 4680 0,259 0,139 0,199 1,005 1,027 0,964 20 1100 0,345 0,278 0,311 1,011 0,910 1,102 21 425 0,374 0,325 0,349 0,984 1,088 0,858 28 1520 0,270 0,135 0,202 0,993 1,160 0,853 623 385 0,575 0,346 0,461 1,019 1,024 0,886 Инновационное развитие и оценка DEA 185 Статическая техническая эффективность определена как среднее арифметическое значение показателей TEin и TEout. Следует отметить, что значение данного показателя у рассматриваемых отраслей не превышает 0,5. При этом у каждой отрасли эффективность минимизации затрат при фиксированном результате больше эффективности максимизации результата при фиксированных затратах (TEin > TEout). Как уже было отмечено, ранжирование отраслей по статической эффективности в целом соответствует их уровню технологичности (кроме отрасли по производству машин и оборудования - ВЭД 28). Для показателя динамической эффективности MPI: в каждой группе отраслей с одним уровнем технологичности есть отрасли, в которых у большей половины компаний отмечается снижение эффективности (MPI < 1), а также отрасли, в которых у большей половины компаний зафиксировано повышение эффективности (MPI > 1). Но при этом показатели EFF и TECH обладают взаимообратным эффектом: отрасли-лидеры по значению показателя (EFF) являются отралями-аутсайдерами по значению показателя (TECH) и наоборот. Согласно таблице у исследованной совокупности отраслей явно преобладает эффект роста относительной эффективности компаний, т.е. реализуется догоняющее развитие, когда компании сокращают отставание от компаний-лидеров (у 5 ВЭД из 6 EFF >1). Диаграмма рассеяния исследуемых отраслей в 3-мерных сечениях для 6-мерной статико-динамической характеристики эффективности представлена на рис. 5. б Рис. 5. Диаграммы рассеяния ВЭД в 3-мерных координатах эффективности: а - {TE, EFF, TECH}; б - {MPI, TEin, TEout} Таким образом, каждая отрасль характеризуется следующей совокупной статико-динамической характеристикой эффективности: - IT-отрасль (ВЭД 62 и 63) (высокотехнологичная отрасль) - лидер по статической эффективности (ТЕ = 0,461), с превышением эффективности минимизации затрат при фиксированном результате (TEin) над эффектив- Е.Н. Акерман, А.А. Михальчук, В.В. Спицын, Н.О. Чистякова 186 ностью максимизации результата при фиксированных затратах (TEout) в 1,66 раза. Отмечен рост показателя динамической эффективности (преобладание за период 2013-2017 гг. роста эффективности (MPI = 1,019 > 1) у большей половины компаний отрасли в начале и середине периода 2013- 2017 гг., снижение эффективности (MPI < 1) в конце рассматриваемого периода. В отрасли отмечается догоняющее развитие, сопровождающееся сокращением отставания компаний от компаний-лидеров (EFF >1) и снижением эффективности компаний-лидеров (TECH 1), и во второй половине рассматриваемого периода отмечено снижение эффективности (MPI < 1), с преобладанием в период 2013-2017 гг. снижения эффективности (MPI = 0,984). В отрасли отмечается догоняющее развитие, сопровождающееся сокращением отставания компаний от компаний-лидеров (EFF >1) и снижением эффективности компаний-лидеров (TECH 1) в начале и середине периода 2013-2017 гг. и снижение эффективности (MPI < 1) в конце рассматриваемого периода, с преобладанием на период 2013-2017 гг. роста эффективности (MPI = 1,011). В отрасли отмечается опережающее развитие, сопровождающееся увеличением отставания от компаний-лидеров (EFF 1); - производство машин и оборудования (ВЭД 28) (среднетехнологичная отрасль) - имеет относительно низкую статическую эффективность (ТЕ = 0,202), с превышением эффективности минимизации затрат при фиксированном результате (TEin) над эффективностью максимизации результата при фиксированных затратах (TEout) в 2 раза. Характеризуется практически постоянством эффективности компании в течение исследуемого периода (MPI = 0,993~1), в отрасли отмечается догоняющее развитие, сопровождающееся сокращением отставания компаний от компаний-лидеров отрасли (EFF >1) и снижением эффективности компаний-лидеров (TECH 1) в конце рассматриваемого периода, с преобладанием на период 2013-2017 гг. снижения эффективности (MPI = 0,985). В отрасли отмечается догоняющее развитие, сопровождающееся сокращением отставания компаний от компаний-лидеров (EFF >1) и снижением эффективности компаний-лидеров (TECH 1) в начале и середине периода 2013-2017 гг., снижение эффективности (MPI < 1) в конце периода, с преобладанием на период 2013-2017 гг. роста эффективности (MPI = 1,005). В отрасли отмечается догоняющее развитие, сопровождающееся сокращением отставания компаний от компаний-лидеров (EFF >1) и снижением эффективности компаний-лидеров (TECH 1), а также о снижении эффективности компаний-лидеров (TECH 1) и увеличение отставания компаний от компаний-лидеров (EFF

Скачать электронную версию публикации