Дипломная работа: Факторы инвестиционной активности компаний

Объясняющими переменными в модели будут являться показатели чистой прибыли компании предыдущего периода, рентабельности инвестиций предыдущего периода, финансовый рычаг, дамми-переменная, характеризующая владельца компании, а также показатели размера компании и капиталоемкости производства. Далее составлена сводная таблица с обозначением, описанием и расчетом переменных:

Таблица 1 Описание зависимой и объясняющих переменных

3.2 Метод оценки модели инвестиционной активности российских компаний

Оценка влияния факторов будет осуществлена с помощью панельного регрессионного анализа. Панельные данные позволяют анализировать поведение объектов исследования в разные периоды времени, а учет индивидуальных характеристик дают более эффективные оценки. В данной работе будут рассмотрены три модели для оценки панельных данных: сквозная регрессия и модели панельных данных с фиксированными и случайными индивидуальными эффектами. Последние две модели учитывают панельный характер данных и предполагают наличие некоторых неизмеримых индивидуальных различий между объектами. (Wooldridge, 2011). Для того чтобы выбрать подходящую для анализа модель будут проведены спецификационные тесты, которые покажут, какая модель является лучшей для исследования. На основании выбранной после проведения спецификационных тестов будет оценена модель исследования и сделаны выводы.

В предыдущем параграфе были описаны основные переменные, используемые для анализа и ответа на исследовательский вопрос. Ниже представлен общий вид модели, которую необходимо оценить:

3.3 Описание выборки и предварительный анализ данных

Анализ будет проведен на основе данных российских компаний из системы "СПАРК" с 2013 по 2017 года. В силу того, что для достижения цели исследования необходимо учитывать временной характер некоторых показателей, в работе будут проанализированы 4 временных периода.

Выборку составляют компании, отвечающие следующим критериям:

1. публичная компания;

2. компания не относится к финансовому сектору;

3. крупные компании по критерию системы "СПАРК".

В итоговой выборке из 1028 наблюдений и 257 кросс-секций присутствуют компании следующих отраслей: обрабатывающие производства, добыча полезных ископаемых, обеспечение электрической энергией, газом и паром, строительство, транспортировка и хранение, деятельность в области информации и связи (см. приложение 1). Для эконометрических расчетов будет использован программный пакет STATA.

Как уже упоминалось ранее, предпочтение было отдано именно российским компаниям, так как изучение инвестиционного поведения российских компаний является актуальным на данный момент. Необходимо также отметить, что российский рынок считается развивающимся, в то время как основные работы по инвестиционной активности получены в рамках данных по зарубежным компаниям с развитыми рынками, а значит, результаты могут отличаться. По очевидной причине в выборку были добавлены только компании, торгующиеся на бирже: в основном только публичные компании, раскрывают свою финансовую отчетность. Исключение из выборки компаний финансовых услуг обусловлено тем, что данная отрасль сильно отличается по принципам работы, является особым сектором экономики.

Ниже представлены описательные статистики для панельных данных всех переменных, выбранных для исследования:

Таблица 2 Описательные статистики переменных

Описательные статистики свидетельствуют о том, что преимущественно диапазон значений переменных не является высоким. Данная форма описательных статистик для панельных данных позволяет понять в первом приближении, какая модель может подойти для анализа. Из таблицы 2 можно сделать вывод, что наблюдения (компании) имеют большую вариацию между собой, чем в межвременном разрезе. Об этом свидетельствуют статистика стандартного отклонения, а именно отклонение «between» больше для большинства переменных, чем отклонение «within». Также в таблице 2 можно обнаружить, что две переменные: возраст фирмы и дамми для владельца компании являются инвариантными по времени, а значит, их нельзя будет использовать для оценки модели панельных данных с фиксированными эффектами (Ратникова, 2006).

Последним выводом из описательных статистик является, то, что переменные между собой обладают различной размерностью. Одни переменные слишком большие относительно других. Применим логарифмическое преобразование для переменных выручки, возраста компании и совокупных активов, поскольку эти переменные принимают положительную величину и обладают большой волатильностью.

Для дамми-переменной было рассмотрено количество наблюдений, принимающих значение 1 и 0. В имеющейся выборке присутствуют как наблюдения со значением 1 (30,35%), так и со значением 0 (61,95%), что позволяет использовать данный показатель в исследовании:

Таблица 3 Описательная статистика для фиктивной переменной "Ownership"

На данном этапе также необходимо рассмотреть корреляционную матрицу используемых переменных:

Таблица 4 Корреляция между переменными модели инвестиционной активности

* - уровень значимости 10%

Согласно данным таблицы 4 можно отметить высокий и значимый уровень корреляции между переменными совокупные активы, выручка и капиталоемкость. Это может быть признаком частичной мультиколлинеарности, что в дальнейшем анализе может привести к неточности оценок. Однако, исходя из теории вопроса, данные переменные нужны для анализа, поэтому они останутся в дальнейшем анализе.

Также можно отметить, что ни одна из переменных не обладает высоким коэффициентом корреляции с зависимой переменной, однако данный метод выявляет только линейную взаимосвязь, а не является полноценным методом анализа. Поэтому необходимо провести дальнейший анализ при помощи моделей панельных данных, чтобы учесть панельную структуру данных.

4. Эмпирические результаты

4.1 Выбор подходящей спецификации модели

Предварительный анализ данных показал, что возможной моделью панельных данных для оценки инвестиционной активности компании может быть модель со случайными эффектами. Кроме того, была обнаружена проблема частичной мультиколлинеарности вследствие высокой корреляции между регрессорами. Данный недостаток необходимо избежать при построении модели.

Для того чтобы подобрать подходящую спецификацию модели необходимо провести ряд тестов. Выбор будет происходить между моделью сквозной регрессии и моделями панельных данных с фиксированными и случайными эффектами.

Опишем кратко основные различия моделей. Сквозная регрессия является наиболее ограниченной из представленных, поскольку не учитывает панельную структуру данных, что не позволяет учесть гетерогенный сдвиг в данных. Модели панельных данных с фиксированными и случайными эффектами уже непосредственно учитывают панельную структуру, но отличаются наличием ненаблюдаемого индивидуального эффекта, то есть эффекта каждого наблюдения (компании). Модель с фиксированными эффектами предполагает нулевой ненаблюдаемый индивидуальный эффект, в то время как в модели со случайными эффектами эта компонента отлична от нуля. Также последние две модели различны по способу оценки, модель с фиксированными эффектами оценивается методом наименьших квадратов (МНК), а модель со случайными эффектами оценивается обобщенным методов наименьших квадратов (ОМНК).

Оценим для начала все три модели, чтобы по результатам определить какая модель с точки зрения теории может подойти для оценки факторов инвестиционной активности компании. После этого мы проведем спецификационные тесты, чтобы более формально выбрать подходящую модель.