Дипломная (вкр): Статистическое исследование химической отрасли Российской Федерации

  (3.5)

где

Параметры, оцененные для модели со случайными эффектами, приведены в таблице 21. Значения случайных индивидуальных эффектов приведены в приложении 14.

Построенная модель является значимой на уровне ошибки 5%. Значение статистики Дарбина-Вотсона (табл. 21) говорит об отсутствии автокорреляции в остатках модели, значит, они случайны и являются белым шумом, таким образом, полученная модель адекватна. Коэффициенты при независимых параметрах модели являются значимыми на уровне значимости 95%.

Таблица 21. Значения параметров модели со случайными эффектами (random effect model)

Стандартна ошибка модели, 0, 52, не очень высока, но ее значение превышает аналогичный показатель модели с фиксированными эффектами и модели сквозной регрессии. Информационные критерии Акаике (AIC) и Шварца (BIC) в модели со случайными эффектами равны 540, 52 и 555, 953 соответственно, они немного выше значений аналогичных показателей других моделей, однако разница между ними незначительна.

Результаты тест Бреуша-Пагана-Годфри показали, что в остатках модели нет гетероскедастичности: , следовательно, гипотеза Н0 о гомоскедастичности ошибок не отклоняется на уровне значимости 95%. Результаты теста на нормальное распределение (см. прил. 15) подтвердили гипотезу о нормальном распределении остатков на уровне ошибки 5%.

Для сравнения модели сквозной регрессии и модели с фиксированными эффектами используется тест Вальда (F-статистика) [15]. В качестве нулевой гипотезы Н0 примем гипотезу о равенстве нулю всех индивидуальных эффектов: тогда модель сквозной регрессии является более подходящей, чем FE-модель, при альтернативной гипотезе H1: модель с фиксированными эффектами описывает данные лучше pooled модели [15]. Р-значение F-статистики (табл. 22) не превышает 0, 05, значит, на уровне значимости 95% гипотеза Н0 отклоняется. Следовательно, модель с фиксированными эффектами лучше подходит для описания данных, чем модель сквозной регрессии.

Таблица 22. Значения статистик для выбора наилучшей модели

Для сравнения модели сквозной регрессии и модели со случайными эффектами используется тест Бреуша-Пагана [6]. Этот тест является проверкой на наличие случайного эффекта и строится на основе статистики максимального правдоподобия [15]. В качестве гипотезы Н0 возьмем гипотезу о том, что внутригрупповые и межгрупповые оценки близки друг к другу:  оценка межгрупповой дисперсии, оценка внутригрупповой дисперсии, оценка  является несмещенной и состоятельной оценкой [3]. Если внутригрупповые и межгрупповые оценки дисперсии близки, то будет выбрана модель со сквозной регрессией, если же нет, то сработает альтернативная гипотеза Н1: модель со случайными эффектами будет более предпочтительна.

В нашей модели межгрупповая дисперсия  внутригрупповая дисперсия оценка  Р-значение LM-статистики не превышает уровень ошибки " = 0, 05, значит, гипотеза Н0 отклоняется. Следовательно, мы делаем выбор в пользу модели со случайными эффектами, она лучше подходит для описания данных, чем модель сквозной регрессии.

Для сравнения моделей с фиксированными и случайными эффектами применяют тест Хаусмана [15]. Примем нулевую гипотезу Н0: или можно рассмотреть как случайные эффекты, ОМНК-оценки состоятельны. В этом случае оценки обеих моделей состоятельны, но нам предпочтительней модель RE, т.к. в ней меньше параметров. При альтернативной гипотезе Н1: или  могут быть рассмотрены как детерминированные эффекты. При гипотезе Н1 следует выбрать модель с фиксированными эффектами, т.к. ее оценки состоятельны в случае обеих гипотез.

Значение статистики Хаусмана H = 3, 9481, р-значение статистики Хаусмана Н = 0, 2671  следовательно, гипотеза Н0 не отклоняется. Значит, мы сделаем выбор в пользу модели со случайными эффектами, поскольку она лучше описывает данные, чем модель с фиксированными эффектами.

Таким образом, модель со случайными эффектами была выбрана в качестве модели, описывающей данные наиболее подходящим образом. Согласно этой модели (табл. 21), на структуру заемных средств предприятий химического сектора оказывают влияние доля внеоборотных средств (Х3), размер предприятий (Х4), не долговой налоговый щит (Х5). Причем при увеличении доли внеоборотных средств доля заемных средств увеличивается, а при увеличении двух других показателей доля заемных средств, наоборот, сокращается.

При росте доли внеоборотных средств на единицу доля заемных средств увеличится на 1, 44. Увеличение размера предприятий на единицу приведет к сокращению доли заемных средств на 0, 048. При увеличении не долгового налогового щита компаний на единицу будет способствовать сокращению доли заемных средств на 0, 0031.

В первой главе мы приняли гипотезу о том, что существует положительная зависимость между долей внеоборотных средств и левериджем предприятий химической отрасли. По результатам исследования данная гипотеза подтвердилась. На самом деле получилось так, как мы и предполагали, что чем больше у компании объем внеоборотных активов, тем доступнее для них получение кредитных займов. Основные средства крупных предприятий могут выступать в качестве гаранта того, что долг будет возвращен, в противном случае основные средства будут изъяты в счет погашения займа.

Мы приняли гипотезу о том, что с увеличением размера компаний увеличивается доля заемных средств в их структуре. Однако при рассмотрении зависимости между этими показателями за 7 лет было получено, что при увеличении размера предприятий сокращается доля их заемных средств, что не подтвердило принятую гипотезу при анализе панели за 7 лет. За 2015 год положительная зависимость между показателями нашла подтверждение в данных.

Результаты модели со случайными эффектами подтверждают принятую нами гипотезу об отрицательной зависимости между не долговым налоговым щитом и долей заемных средств предприятий отрасли.

Таким образом, все принятые нами гипотезы подтвердились на уровне отрасли в 2015 году, однако при рассмотрении отрасли за 7 лет не была выявлена положительная зависимость доли заемных средств предприятия от его размера.

Заключение

Химическая отрасль, как и другие отрасли экономики Российской Федерации, находится под влиянием событий, происходящих в мире. Введение санкций против России, падение курса рубля, снижение цен на нефть на мировом рынке не прошли бесследно для всей промышленности нашей страны, в том числе и для химической.

После мирового экономического кризиса 2008 года произошло существенное сокращение количества предприятий отрасли, также уменьшился объем отгруженной промышленной продукции. Уменьшение количества функционирующих компаний привело к сокращению численности работников химического сектора: за 2014 год выбыло 9600 человек, отрицательный темп прироста показателя за год составил 2, 46 п. п.

Произошли изменения настроения инвесторов: они стали более настороженно относиться к вложению своих средств в проекты, стали менее уверенными в будущем, что привело к снижению индекса предпринимательской уверенности. Объем инвестиций в основной капитал предприятий продолжает увеличиваться, однако темп прироста этого показателя уменьшился на протяжении последних нескольких лет. Также изменилась и структура источников средств инвестиционных поступлений. Если в конце XX века из собственных средств предприятий поступало около 90% инвестиционных средств, то к 2014 году из этого источника стало привлекаться около 60%, остальные 40% - за счет привлеченных средств.

Индекс промышленного производства в среднем находится на уровне 103, 82%, минимальное значение этого показателя было достигнуто в январе 2009 года - тогда он составил 66, 7%. Для описания динамики этого показателя лучше всего подошла интегрированная модель авторегрессии - скользящего среднего ARIMA (3, 1, 2). Предсказанные по модели значения очень близки реальным значениям индекса. По этой модели получен прогноз показателя, который может считаться достоверным. Согласно полученному прогнозу, к декабрю 2015 года индекс промышленного производства составит 103, 859%, а максимальное значение будет достигнуто в октябре 2014 года - индекс промышленного производства достигнет уровня в 104, 495%.

Объем иностранных инвестиций в основной капитал в 2014 году составил 65086 млн. рублей. Для описания его динамики оптимальной моделью является интегрированная модель авторегрессии - скользящего среднего ARIMA (2, 1, 1). Она описывает исходный временной ряд наиболее точным образом. Исходя из построенного прогноза, объем иностранных инвестиций в основной капитал предприятий отрасли достигнет 84674, 8 млн. рублей к 2017 году.

При анализе структуры капитала 50 предприятий отрасли были разделены на три группы: крупные, средние и небольшие. В первый кластер вошли 24 предприятия, во второй - 15 компаний, в третий - 11 фирм. Было выявлено, что в 2015 году наибольшее влияние на долю заемных средств компаний оказывают факторы: рентабельность активов, рентабельность продаж, доля внеоборотных средств и размер компаний.

Наибольший уровень рентабельности активов и доли основных средств демонстрируют наиболее крупные предприятия, составляющие первый кластер, - 0, 1714 и 0, 6003 соответственно. Также предприятия этой группы имеют самую высокую выручку. Самая высокая рентабельность продаж наблюдается у средних предприятий отрасли. Самый высокий уровень заемных средств в капитале принадлежит предприятиям третьей группы - 63, 28%, они получают наиболее низкий уровень выручки - 715, 19 млн. рублей.

При построении типологических регрессий было выявлено, что крупные, средние и сравнительно небольшие предприятия по-разному строят политику по формированию капитала. При увеличении рентабельности активов крупные и небольшие предприятия снижают долю заемных средств, а средние предприятия, наоборот, увеличивают долю заемных средств.

Для предприятий первой и второй групп характерно увеличение доли заемных средств при росте рентабельности продаж, а компании третьей группы снижают долю заемных средств при увеличении ROS. Если у крупных и средних предприятий увеличивается доля внеоборотных активов, то они, как правило, начинают привлекать средства из внешних источников, а небольшие предприятия в такой ситуации - из внутренних. В условиях роста размера компаний крупные и средние предприятия приходят к политике увеличения доли заемных средств в структуре капитала, а средние предприятия в схожем положении снижают показатель левериджа.

При рассмотрении зависимости факторов на уровне всей химической отрасли, не подразделяя ее на группы предприятий, было выявлено отрицательное воздействие рентабельности активов и рентабельности продаж на долю заемных средств и положительный эффект от размера компаний и доли внеоборотных средств на зависимую переменную.

В проанализированной совокупности 50 предприятий доля заемных средств наиболее близка к оптимальной у крупных предприятий: соотношение собственных заемных средств примерно составляет 0, 5. Средний уровень рентабельности активов по отрасли равен 0, 11, чем выше этот показатель, тем эффективнее действует предприятие и выше его результативность в создании прибыли с помощью активов. Наибольший уровень ROA принадлежит крупным предприятиям отрасли, а самый низкий - небольшим компаниям. Показатель рентабельности продаж характеризует деятельность крупных и средних предприятий как прибыльную, а деятельность малых предприятий - скорее, как убыточную. Предприятиям с отрицательным показателем ROS необходимо принимать меры для достижения положительного уровня коэффициента.

После проведения панельного анализа данных по 50 компаниям химической отрасли было определено, что на промежутке с 2009 по 2015 годы значимые связи наблюдаются между долей заемных средств и долей внеоборотных средств, размером предприятий, не долговым налоговым щитом, влияние остальных переменных незначимо. Также было обнаружено, что модель панельной регрессии со случайными эффектами описывает данные самым лучшим образом. Согласно этой модели, доля заемных средств увеличивается при росте доли внеоборотных средств и уменьшается при росте размера предприятий и не долгового налогового щита компаний.