Диссертация на соискание степени доктора философии (PhD)

В ходе системного обзора литературы были определены макроэкономические факторы, влияющие на конкурентоспособность экономики. Они были объединены в виде панельных данных, где зависимой переменной является показатель Глобального индекса конкурентоспособности. В качестве независимых переменных рассматривались показатели, представленные в таблице 3.

Показатели индекса глобальной конкурентоспособности были собраны с официального сайта Всемирного экономического форума. С 2006 до 2017 года индекс рассчитывался по 7-бальной шкале, в 2018 году по 100-бальной шкале, однако, как указано в отчете за 2018 год, изменения никоим образом не влияют на сопоставимость результатов двух изданий. По этой причине, показатели

глобальной конкурентоспособности были самостоятельно конвертированы в 7-

бальную шкалу для сопоставимости данных при эконометрических расчетах.

Макроэкономические исследования неизменно имеют предметом своего анализа оценку процентного вклада ключевых факторов производства – капитала и труда, а также совокупной факторной производительности в увеличение валового внутреннего продукта. В ходе исследования была рассчитана средняя производительность труда, а также на основе функции Кобба-Дугласа (𝑌 = 𝐴 ∙ 𝐿^𝛼 ∙ 𝐾^1−𝛼) рассчитана общая производительность факторов.

Ежегодные отчеты WEF по глобальной конкурентоспособности охватывают 132-141 страну. Отбор стран для анализа панельных данных осуществлялся по следующим критериям:

1. 
   Исключены страны, в которых есть пробелы по годам в ГИК: Сербия и Черногория в ГИК в 2006 году вместе, Ангола, Малави отсутствуют в списке в 2007 году, Молдова в 2009 году, Суринам в 2010 году, Тунис в 2012 году, Таджикистан в 2013 году, Бенин, Босния и Герцеговина, Эквадор в 2014 году, Тимор-Лешти, Барбадос, Буркина-Фасо в 2015 году, Гайана в 2016 году, Северная Македония в 2017 году;
   
2. 
   Исключены страны, по которым нет данных в World Development Indicators of World Bank (Тайвань).
   
3. 
   Разрыв между первой и последней оставшейся страной в рейтинге в 2018 году составил 50,1 пунктов (США – 85,6; Чад – 35,5). В данном случае распределение зависимой переменной не носит характер нормального распределения, по этой причине в панельные данные были включены первые 60 стран в рейтинге конкурентоспособности за 2018 год (Казахстан был на 59 месте). К тому же, нас интересует повышение конкурентоспособности до уровня наиболее конкурентоспособных экономик.
   

В таблице 4 указана описательная статистика всех переменных выборки.

Как видно, из таблицы 4 данные по некоторым переменным неполные. Например, расходы на НИОКР, резервы, общая ставка налогов и взносов, реальная процентная ставка, экспорт, экспорт высокотехнологичных товаров, государственные расходы на образование, ВНД на душу населения, валовое сбережение, заявки на патенты, количество занятых в сфере НИОКР. Во избежание ошибок спецификации данные переменные не были включены в модель.

Дальнейший отбор объясняющих независимых переменных был осуществлен на основе матрицы парных корреляций для последующего эконометрического анализа панельных данных.

Таблица 5 – Коэффициенты парной корреляции

Поскольку выборка объединяет временные и пространственные данные, была построена регрессионная модель панельных данных для анализа влияния рассматриваемых независимых переменных на конкурентоспособность экономик. Чтобы изучить модель с этими характеристиками, можно использовать две разные модели: модель с фиксированными эффектами (FE) и модель со случайными эффектами (RE). Модель с фиксированными эффектами исследует взаимосвязь между предиктором и переменными результата в пределах сущности и предполагает, что независимые переменные фиксированы в единицах наблюдения и что фиксированные эффекты вычисляются из различий внутри каждой единицы во времени. А модель со случайными эффектами обычно предпочтительна, когда предполагается, что пропущенные переменные отсутствуют или не коррелируют с объясняющими переменными, рассмотренными в модели. Использование этой модели позволит определить несмещенные оценки коэффициентов, использовать все доступные данные и создать наименьшие стандартные ошибки. Существенное различие между фиксированными и случайными эффектами заключается в том, включает ли ненаблюдаемый индивидуальный эффект элементы, которые коррелируют с регрессорами в модели [82].

Общее уравнение эконометрической модели имеет следующий вид:
𝐺𝐶𝐼_𝑖𝑡 = 𝛼_𝑖 + 𝛽𝑋_𝑖𝑡 + 𝜀_𝑖𝑡 (1)
где 𝑖 представляет страны выборки (𝑖 = 1, …, 60), а 𝑡 представляет время (𝑡 = 2006, …, 2018). 𝐺𝐶𝐼_𝑖𝑡 является зависимой переменной и представляет собой индекс глобальной конкурентоспособности, рассчитываемый Всемирным экономическим форумом. 𝛼_𝑖 – ненаблюдаемый индивидуальный специфический эффект, а 𝛽 является вектором коэффициентов, связанных с независимыми переменными. 𝑋_𝑖𝑡 – это вектор объясняющих переменных для страны 𝑖 в момент времени 𝑡. 𝜀_𝑖𝑡 – значение ошибки.

С использованием собранных панельных данных были построены 2

уравнения регрессии с фиксированными и случайными эффектами. Общее уравнение, адаптированное к выборке, описывается уравнениями (2, 3):
ln⁽𝐺𝐶𝐼_𝑖𝑡⁾ = 𝛽₁ ln⁽𝐺𝑟𝐶𝑎𝑝𝐹𝑜𝑟𝑚_𝑖𝑡−1⁾ + 𝛽₂ ln⁽𝐴_𝑖𝑡−1⁾ + 𝛽₃ ln⁽1𝑟𝐼𝑛𝑓_𝑖𝑡−1⁾

+ 𝛽₄ ln⁽1𝐶𝐴𝑠ℎ𝐺𝐷𝑃_𝑖𝑡−1⁾ + 𝛽₅ ln⁽𝐿𝑠ℎ𝑃𝑂𝑃_𝑖𝑡−1⁾

+ 𝛽₆ ln⁽𝑃𝑜𝑖𝑙_𝑖𝑡−1⁾ + 𝛽₇ ln⁽1𝑟𝑃𝑜𝑖𝑙_𝑖𝑡−1⁾ + 𝛼_𝑖 + 𝜀_𝑖𝑡 (2)

В первой модели (2) зависимая переменная – логарифм индекса глобальной конкурентоспособности. В правой части модели в первом члене

𝐺𝑟𝐶𝑎𝑝𝐹𝑜𝑟𝑚_𝑖𝑡−1 (валовое накопление капитала), который состоит из затрат на добавление в основные фонды экономики плюс чистые изменения уровня запасов, и исчисляется в процентах от ВВП; во втором члене 𝐴_𝑖𝑡−1 (общая факторная производительность) рассчитана авторами для каждой страны с помощью ВВП, основного капитала и занятости с использованием производственной функции Кобба-Дугласа; в третьем членe 1𝑟𝐼𝑛𝑓_𝑖𝑡−1 (темп инфляции) отражает темп ежегодного процентного изменения стоимости для среднего потребителя приобретения корзины товаров и услуг; в четвертом члене 1𝐶𝐴𝑠ℎ𝐺𝐷𝑃_𝑖𝑡−1 (доля текущего платежного баланса в ВВП) вычисляется как сумма чистого экспорта товаров и услуг, чистого первичного дохода и чистого вторичного дохода в процентах от ВВП; в пятом члене 𝐿𝑠ℎ𝑃𝑂𝑃_𝑖𝑡−1 показывает долю трудоустроенного населения в общей численности населения страны в процентах; шестой и седьмой член 𝑃𝑜𝑖𝑙_𝑖𝑡−1 и 1𝑟𝑃𝑜𝑖𝑙_𝑖𝑡−1 показывают цены и темпы роста цен на нефть соответственно.

Все объясняющие переменные в уравнении (2) берутся с лагом в 1 год для того, чтобы устранить последствия возможной одновременности. Включение в правую часть уравнения переменных, измеренных за тот же период времени, что и индекс глобальной конкурентоспособности, может внести в модель эндогенность. А включение регрессоров с лагом позволяет избежать этой проблемы.

+ 𝛽₄ ln⁽1𝐶𝐴𝑠ℎ𝐺𝐷𝑃_𝑖𝑡−1⁾ + 𝛽₅ ln⁽𝐿𝑠ℎ𝑃𝑂𝑃_𝑖𝑡−1⁾

+ 𝛽₆ ln⁽𝑃𝑜𝑖𝑙_𝑖𝑡−1⁾ + 𝛽₇ ln⁽1𝑟𝑃𝑜𝑖𝑙_𝑖𝑡−1⁾ + 𝛼_𝑖 + 𝜀_𝑖𝑡 (3)

Во второй модели (3) в отличии от первой модели, второе слагаемое общая производительность факторов заменено на 𝑌𝑠ℎ𝐿_𝑖𝑡−1 производительность трудовых ресурсов. Труд как один из факторов производства учитывается при расчете общей факторной производительности. Однако в данной модели оценивается степень влияния производительности трудовых ресурсов без учета фактора капитала на конкурентоспособность экономики. Производительность труда является важным экономическим

показателем, который показывает выпуск продукции в расчете на одного работника. Все объясняющие переменные в уравнении (3) также использованы с лагом в 1 год.