Моделирование влияния возраста на техническую эффективность в разрезе отраслей и временных периодов

В современной конкурентной экономике технологическое лидерство и техническая эффективность являются залогом успешного развития предприятий, стран и территорий. В настоящей работе исследовано влияние факторов на техническую эффективность бизнеса. Рассмотрены ситуации, когда техническая эффективность рассчитывается методом DEA, а ее детерминанты определяются в регрессионных моделях, в том числе тобит-моделях регрессии. Проведена систематизация детерминант технической эффективности, выявленных зарубежными исследователями. Выполнено моделирование влияния фактора «Возраст» на техническую эффективность предприятий шести ведущих отраслей экономики России за период 2015–2019 гг. Установлено, что фактор «Возраст» оказывает различное влияние на техническую эффективность в разных отраслях. В частности, в пищевой промышленности более высокую техническую эффективность демонстрируют молодые предприятия, а в секторе информационных технологий – зрелые. Соответственно, направления и приоритеты стимулирования должны различаться в разрезе отраслей экономики. В частности, технологическое развитие пищевой промышленности требует поддержки процессов генерации молодых предприятий и стартапов. В секторе информационных технологий приоритетом должна стать поддержка зрелых предприятий и процессов роста молодых предприятий до стадии зрелости. 

1. Общероссийский классификатор видов экономической деятельности – ОК 029-2014 (КДЕС Ред. 2). (утв. Приказом Росстандарта (Федеральное агентство по техническому регулированию и метрологии) от 31.01.2014 № 14-ст) (ред. от 10.07.2018) // СПС «КонсультантПлюс» [Электронный ресурс]. – Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_163320/ (дата обращения: 08.07.2021).

2. Адизес, И. K.Управление жизненным циклом корпораций / Пер. с англ. В. Кузина. – М.: Манн, Иванов и Фербер, 2014. – 512 с.

3. Куракова, Н. Г., Петров, А. Н. Национальная технологическая инициатива: оценка перспектив технологического лидерства России // Экономика науки. – 2015. – Т. 1, № 2. – С. 84–93.

4. Потоцкий, О. В., Орлов, А. И. Организационные кризисы как этапы развития предприятия малого и среднего бизнеса // Российское предпринимательство. – 2016. – Т. 17, № 11. – С. 1351–1360. http://doi.org/10.18334/rp.17.11.35314

5. Рябова, Е. В. Влияние регионального фактора на жизненный цикл организации // Управление экономическими системами: электронный научный журнал. – 2015. – № 8. – С. 1–19.

6. Спицына, Л. Ю., Спицын, В. В., Хорошильцев, М. И. Влияние возраста на техническую эффективность: эконометрическое моделирование зависимости для предприятий машиностроения // Финансовый бизнес. – 2021. – Т. 2, № 212. – С.104–108.

7. Информационный ресурс Спарк Интерфакс [Электронный ресурс]. – Режим доступа: http://www.spark-interfax.ru/ (дата обращения: 08.07.2021).

8. Салихов, М. Прорыва не будет: почему замедляется российская экономика // Новости дня в России и мире – РБК [Электронный ресурс]. – Режим доступа: https://www.rbc.ru/opinions/economics/22/05/2019/5ce4fcb99a7947fe30aec458 (дата обращения: 08.07.2021).

9. Alsaleh, M., Abdul-Rahim, A. S., Mohd-Shahwahid, H. O. Determinants of technical efficiency in the bioenergy industry in the EU28 region // Renewable and Sustainable Energy Reviews. – 2017. – V. 78 (C). – Pp. 1331–1349. http://doi.org/10.1016/j.rser.2017.04.049

10. Anokhin, S. A., Spitsin, V., Akerman, E., Morgan, T. Technological leadership and firm performance in Russian industries during crisis // Journal of Business Venturing Insights. – 2021. – V. 15, No. 5. – Art. e00223. http://doi.org/10.1016/j.jbvi.2021.e00223

11. Charnes, A., Cooper, W. W., Lewin, A. Y., Seiford, L. M. Data envelopment analysis: Theory, methodology and applications // Journal of the Operational Research Society. – 1997. –V. 48, No. 3. – Pp. 332–333. http://doi.org/10.1038/sj.jors.2600342

12. Cheruiyot, K. J. Determinants of technical efficiency in Kenyan manufacturing sector // African Development Review. – 2017. – V. 29, No. 1. – Pp. 44–55. http://doi.org/10.1111/1467-8268.12237

13. Fare, R., Grosskopf, Sh., Norris, M., Zhang, Zhongyang Z. Z. Productivity growth, technical progress, and efficiency change in industrialized countries // American Economic Review. – 1994. – V. 84, No. 1. – Pp. 66–83.

14. Latif, M., Abdullah, M. F., Sieng, L. W. Determinants factor of technical efficiency in machinery manufacturing industry in Malaysia // International Journal of Supply Chain Management. – 2019. – V. 8, No. 6. – Pp. 917–928. [Электронный ресурс]. – Режим доступа https://ojs.excelingtech.co.uk/index.php/IJSCM/article/view/4086 (дата обращения: 08.07.2021).

15. Marquardt, D. W. Comment: You should standardize the predictor variables in your regression models // Journal of the American Statistical Association. – 1980. – V. 75, No. 369. – Pp. 74–103. https://doi.org/10.1080/01621459.1980.10477430

16. Mok, V., Yeung, G., Han, Zh., Li, Zh. Leverage, technical efficiency and profitability: an application of DEA to foreigninvested toy manufacturing firms in China // Journal of Contemporary China. – 2007. – V. 16, No. 51. – Pp. 259–274. http://doi.org/10.1080/10670560701194509

17. Rezitis, A. N., Kalantzi, M. A. Investigating technical efficiency and its determinants by data envelopment analysis: An application in the Greek food and beverages manufacturing industry // Agribusiness. – 2015. – V. 32, No. 2. – Pp. 254–271. http://doi.org/10.1002/agr.21432

18. Sahoo, B. K., Nauriyal, D. K. Trends in and determinants of technical efficiency of software companies in India // Journal of Policy Modeling. – 2014. – V. 36, No. 3. – Pp. 539–561. http://doi.org/10.1016/j.jpolmod.2013.12.001

19. Yekti, A., Hadi, D. D., Jamhari, J., Hartono, S. Technical efficiency of melon farming in Kulon Progo: A stochastic frontier approach (SFA) // International Journal of Computer Applications. – 2015. – V. 132, No. 6. – Pp. 15–19. http://doi.org/10.5120/ijca2015907428