Эмпирическая оценка аггломерационных эффектов

1. Эмпирическая оценкааггломерационных эффектов Владимир Вахитов Киевская школа экономики Нижний Новгород 25 июля 2012 г.

2. Методология измерения аггломерационных эффектов Часть 1

3. Что же такое аггломерация? Общий рынок труда? Взаимоотношения между владельцами или менеджерами фирм?? ? Общий рынок сбыта?

4. Что же такое аггломерация?

5. Что же такое аггломерация? • «Внешняя экономика масштаба» (external scale economies) • Внешний эффект – многомерен: • Географическое измерение • Отраслевое измерение • Временное измерение • Эффект убывает при увеличении расстояния по каждому вектору

6. Географическое измерение • Физическое расстояние между фирмами влияет на эффект • Где заканчивается влияние: • Район города – город – район (округ) – область (край) –...? • Теория: «почему возникают города?» • Эмпирика: «микрогеографические измерения»

7. Отраслевое измерение • Отраслевая похожесть влияет на эффект • Сравните: • цементный завод и строительный трест • производство пластмасс и «мебель на заказ» • радиозавод и техникум гостиничного хозяйства

8. Временное измерение • Опыт взаимоотношениий: • Длительность • Как давно это было в последний раз? • По прошествии времени, опыт исчезает или укрепляется? • Потребность в моделировании динамических процессов аггломерации (не равновесие ad hoc)

9. Общий подход к измерению Aj • Aj – общий «параметр окружения» • Внешние по отношению к предприятию • Проявляются внутри района/города • Внешние к отрасли– урбанизационные(urbanization economies), Jacobs • Внутренние к отрасли – локализационные(localization economies), MAR

10. Общий подход: расстояния • Kфирм • Мера «расстояний» от фирмы jдо фирмы: • Эмпирический вопрос: определить d°jk=0 и измерить все три «расстояния» • Где границы «кластера»?

11. Общий подход: размер • Относительный размер имеет значение: • q(Xj, Xk) • Аналог гравитационного уравнения

12. Общий подход: всё вместе • Полный эффект влияния окружения на фирму j:

13. Что оцениваем? • Чаще всего: производственная функция • Hicks-neutral shifter g(Aj)f(X)

14. Проблемы оценки производственных функций • Измерение факторов производства • Труд, капитал, материальные затраты • Добавленная стоимость или продажи (а не физический выпуск)? • Уровень аггрегации: • завод, фирма или отрасль? • район, область, MSA, или “home market”?

15. Проблемы оценки производственных функций • Эндогенность при оценке факторов • Одновременность (simultaneity): выбор факторов одновременно с ненаблюдаемым (нами) шоком • Селекция фирм в выборку (дарвинизм) • Смещенность оценок, особенно • Подробнее: Griliches-Mairesse(1995)

16. Проблемы оценки производственных функций • Как бороться? • Инструмент: коррелирует с фактором, но не с шоком (или выбором менеджера)сложно такой найти на уровне фирм • Панельные данные (within, random): нарушение предположения о строгой эндогенности факторов может все равно привести к смещённым оценкам

17. Проблемы оценки производственных функций • Как бороться? • Olley-Pakes (1997) • Три стадии: сначала моделируем выход (возможен «ложный выход», если в панели «дыры»; недоступно для сбалансированных панелей) • Находим • инструментируем инвестициями (доступно лишь для небольшной части фирм); полупараметрическая оценка (долго) • Зато реализовано в Stata (opreg)

18. Проблемы оценки производственных функций • Как бороться? • Levinson-Petrin (2003) • похоже на Olley-Pakes • у многих фирм нулевые инвестиции • используем материальные затраты • важно: разница между total revenue и value added • тоже есть в Stata (levpet), но дольше, чем opreg

19. Проблемы оценки производственных функций • Как бороться? • Arellano-Blundell-Bond (GMM-diff, GMM-sys) • лаги(нужно много временных точек) • вопрос силы лаговых значений как инструментов для разностей шоков • Stata: xtabond2 (Roodman, 2006), xtdpdsys

20. Проблемы оценки производственных функций • Как бороться? • Ackerberg-Frazer-Caves (2012) • Критика LP и OP: они неправильно идентифицируют • Начинаем с value-added production function • Непараметрическая оценка коэффициентов, получаем оценку • Оценка параметров по методу GMM • Пока что нет «готовой» процедуры, кроме -gmm-.

21. Проблемы оценки производственных функций Ещё один маленький момент • De Loecker (2011): коррекция коэффициентов производственной функции с учетом размера рынка. • Включается общий выпуск по рынку • Коррекция: ,

22. Проблемы оценки эфекта окружения Aj • МНК – смещенные оценки (эндогенность) • Наиболее производительные выбирают район с себе подобными (селекция) • Как обойти: • Инструменты, которые бы коррелировали с мерой окружения (аггломерации) Аj, но не с производительностью • Сложно найти: проблема слабых инструментов в наличных данных

23. Проблемы оценки эфекта окружения Aj • Одна или две стадии оценки: • Сразу - производственная функция, в которой один из параметров – ln(Aj) • Сначала «чистая» ПФ, потом остатки (residuals) регрессируются на ln(Aj) • «Дело вкуса»

24. Что же все-таки оцениваем? • Производительность • TFP либо производительность труда • Добавленная стоимость или продажи • Экономический рост • Занятость • Создание новых предприятий • Рост зарплат и ренты • Инновационная деятельность • Количество патентов • Интенсивность НИОКР • Адаптация технологий

25. Что же все-таки оцениваем? • Производительность • TFP либо производительность труда • Добавленная стоимость или продажи • Прямая оценка TFP • Данные на уровне регионов и аггрегированных отраслей: Nakamura (1985),Henderson (1986), Sveikauskas (1979), Moomaw (1983) … • Микроданные –современный тренд: Henderson (2003) • И еще 3,000 статей в Regional Studies and Urban Economics, Journal of Urban Economics, Review of Economics and Statistics, Journal of Economic Geography, etc. • Обзоры - Eberts & McMillen (1999),Rosenthal & Strange (2004)

26. Что же все-таки оцениваем? • Экономический рост • Занятость • Создание новых предприятий • Рост зарплат и ренты • Glaeser (1992), Henderson (1995) – общая занятость в городах • Rosenthal & Strange (2003) – создание новых предприятий рядом со старыми • Glaeser and Mare (2001) – рост зарплат • DekleandEaton (1999) – рост ренты (productivity differential)

27. Что же все-таки оцениваем? • Инновационная деятельность • Количество патентов • Интенсивность НИОКР • Адаптация технологий • Duranton and Puga (2000) – “nursery cities” • Feldman andAudretsch (1999) – влияние на патенты и фирмы-инноваторы, knowledge spillovers • Везде нужно воевать с эндогенностью! • Всегда нужно помнить о положительной селекции

28. Как правильно измерять Aj? • Ellison, Glaeser & Kerr (2010) • Прямое измерение всех трех гипотез MAR • Для отраслей (6 цифр классификатора): • Input-output requirements (общность факторов) • Использование профессий из единого классификатора (рынок труда) • Кросс-цитирование патентов (переток знаний) • Использование природных преимуществ • LHS: попарный индекс ко-аггломерации

29. Как правильно измерять Aj? • Ellison, Glaeser & Kerr (2010) • Результаты: • Все три гипотезы MAR значимы • Совместное влияние MAR больше, чем природных факторов • Использование рынков (IO) ниболее значимо • Влияние убывает с расстоянием

30. Как правильно измерять Aj? Beaudry,Schiffauerova (2009) • Вспомним: Aj – общий «параметр окружения» • Вопрос: если нет возможности померять точно, как мерять вообще? • Зависит, какого рода взаимоотношение мы пытаемся найти

31. Как правильно измерять Aj? Локализационные эффекты: отрасль • Доля (share): относительный размер отрасли или Location quotient (относительная концентрация отрасли в регионе по отношению к концентрации отрасли в стране): • LQ=(eir/er)/(eic/ec) • Неплохо показывает уровень географической концентрации по регионам • Не подходит для микроданных • Статистические проблемы: если мало фирм в регионе – нужна нормализация

32. Как правильно измерять Aj? Локализационные эффекты: отрасль • Плотность промышленности: число предприятий или занятость на единицу площади города или общее население (Holmes and Stevens, 2002)

33. Как правильно измерять Aj? Локализационные эффекты: отрасль • Размер: • занятость или количество предприятий в отрасли • можно использовать для индивид. данных • можно проводить декомпозицию по типам • Henderson (2003): ln(total_empl)=ln(# plants) + ln(total_empl/ # plants)

34. Как правильно измерять Aj? Локализационные эффекты: отрасль • Разнообразие отрасли: • Индексы технологического подобия • Специализация научной базы • Индекс HHI разнообразия внутри отрасли • Тоже не подходят для индив. данных.

35. Как правильно измерять Aj? Урбанизационные эффекты: город (Диверсификация, обмен, замещение, churning) • Разнообразие в городе: • Разные индексы HHI (по всем отраслям) • Индекс Gini • Индекс технологической близости • Индекс «общей научной базы»

36. Как правильно измерять Aj? Урбанизационные эффекты: город • Размер • Общая занятость в городе (минус своя) • Общая занятость во всех инновационных фирмах • Доля занятости в других отраслях • Количество предприятий

37. Уровни аггрегации • Если нет возможности измерить напрямую , то как? • Аггрегируя данные в ячейке «отрасль – регион – временной интервал»

38. Уровни аггрегации • Классификатор NACE (КВЕД, ОКВЭД): • Сектор (А, B, C, …) - 17 • Подсектор (CA, DD, - только для С и D) - 16 • Раздел XX - 62 • Группа XX.X - 224 • Класс XX.XX - 514 • Подкласс XX.XX.X – 620

39. Уровни аггрегации • Классификатор территорий: • NUTS1 (макрорегионы, округа) • NUTS2 (области, штаты, воеводства, провинции) • NUTS3 (районы, департаменты, графства, кантоны) • Почтовый индекс (недетализированный) • Неклассифицированные: MSA, SMSA, LLC

40. Уровни аггрегации Какой уровень выбрать? Где граница «отрасли»? Где граница «региона»? Как определить границы «ячейки», в которой измеряем Aj?

41. Уровни аггрегации • Beaudry, Schiffauerova (2009): • 1-2 цифры: MAR чаще, чем Jacobs • 3 цифры: примерно одинаково • 4-5 цифр: Jacobs чаще, чем MAR • Очевиден «перехлест» MAR и Jacobs эффектов

42. Уровни аггрегации Иная группировка отраслей (Eurostat): • Manufacturing: • High-Technology • Medium-high-technology • Medium-low-technology • Low-technology • Services: • Knowledge-intensive market services • High-tech knowledge-intensive services • Knowledge-intensive financial services • Other knowledge-intensive services • Less knowledge-intensive market services

43. Уровни аггрегации • Beaudry, Schiffauerova (2009): • MAR: чаще в low-tech manufacturing • Jacobs: increases with technological intensity • Также эффекты разнятся на различных стадиях жизненного цикла отрасли(напр. Duranton and Puga, 2001)

44. Уровни аггрегации • Географическое измерение: • Тут проще: чем мельче, тем больше проявляются эффекты • Rosenthal & Strange (2003): большинство новых фирм появляются в радиусе 5-15 миль от старых (США) • Duranton & Overmann (2004): большинство фирм одной отрасли находится в 50 км друг от друга (Великобритания)

45. Уровни аггрегации Beaudry, Schiffauerova (2009): Вероятность обнаружения эффекта Географическая аггрегация Отраслевая аггрегация

46. Фаза экономического цикла • Аггломерационные эффекты коррелируют с продажами, т.е. процикличны • В период кризиса ниже вероятность обнаружить эффект

47. От «микроданных» к «наноданным» • Combes et al: • Consumption patterns: штрих-коды товаров, точная геолокация продаж • Employee-Employer Match: точная информация о зарплатах и демографии рабочих, точная геолокация работ • Commuting patterns: точная информация о передвижении между жильем и работой

48. Практика измерения аггломерационных эффектов Часть 2

49. Данные • Госкомстат: ежегодные (2001-2005) • Уровень агрегации: предприятие, район • Основаны на отчетности предприятий • Исключения: бюджетный сектор, банки • Данная работа: только промышленность (секция «D») • Коды территории, отрасли, общие продажи, занятость, количество предприятий

50. Данные: построение выборки