Оценка эффективности функционирования социально-экономических систем на основе производственных функций: новый подход

Бесплатный доступ

Целью статьи является обоснование возможности использования индикатора результативности, сконструированного по авторской методологии, наряду с другими показателями, характеризующими функционирование социально-экономических систем. Индикатор результативности определяется как отношение нормированных и стандартизованных фактических результатов к ожидаемым значениям, которые вычисляются по модели связи результативных признаков с факторами состояния и воздействия. Модель представляет собой производственную функцию, параметры которой могут быть определены с помощью факторного анализа зависимостей. Для обоснования представленного индикатора проведен сравнительный анализ его статистической зависимости с показателями технической эффективности, вычисляемыми с помощью метода стохастической границы. Рассмотрено 12 различных вариантов, отличающихся видом распределения случайной составляющей, которая характеризует неэффективность функционирования системы; методами вычисления технической эффективности, а также представлением данных (объединенных и панельных). В качестве базовой модели использована степенная мультипликативная модель в форме Кобба - Дугласа, включающая объем валового регионального продукта, стоимость основных производственных фондов, среднегодовую численность занятых в экономике и затраты на технологические инновации с учетом инфляции. Информационной базой исследования стали данные по регионам Центрального федерального округа за 2007-2016 годы. Для рассмотренных вариантов связи между предложенным показателем результативности и другими рассмотренными индикаторами оказались статистически значимыми, что дает основание использовать его в качестве частного показателя для анализа функционирования социально-экономических систем. Показатель результативности может быть использован как инструмент анализа и сравнения функционирования социально-экономических систем, действующих в различных условиях.

Еще

Математическая модель, показатель результативности, техническая эффективность, производственная функция, метод стохастической границы производственных возможностей, социально-экономическая система

Короткий адрес: https://sciup.org/149130099

IDR: 149130099   |   DOI: 10.15688/ek.jvolsu.2019.3.7

Список литературы Оценка эффективности функционирования социально-экономических систем на основе производственных функций: новый подход

  • Айвазян, С. А. Моделирование производственного потенциала на основе концепции стохастической границы. Методология, результаты статистического анализа / С. А. Айвазян, М. Ю. Афанасьев. - М.: Красанд, 2015. - 352 с.
  • Айвазян, С. А. Некоторые вопросы спецификации трехфакторных моделей производственного потенциала компании, учитывающих интеллектуальный капитал / С. А. Айвазян, М. Ю. Афанасьев, В. А. Руденко // Прикладная эконометрика. - 2012. - № 3 (27). - С. 36-69.
  • Жуков, Р. А. Влияние инноваций, труда и капитала на объем валового регионального продукта как индикатора устойчивого развития: регионы Центрального федерального округа и Тульская область / Р. А. Жуков, В. А. Поляков, М. В. Васина // Научные исследования и разработки. Экономика. - 2018. - Т. 6, № 5. - С. 4-9. - DOI: 10.12737/article_5bcf0ee258e203.74618577
  • Жуков, Р. А. Социо-эколого-экономические системы: теория и практика: монография / Р. А. Жуков. - М.: ИНФРА-М, 2019. - 186 с. - DOI: 10.12737/monography_5b7516626665a8.43347695
  • Котарбинский, Т. Трактат о хорошей работе / Т. Котарбинский. - М.: Экономика, 1975. - 249 с.
  • Малахов, Д. И. Методы оценки показателя эффективности в моделях стохастической производственной границы / Д. И. Малахов, Н. П. Пильник // Экономический журнал ВШЭ. - 2013. - № 4. - С. 692-718.
  • Aigner, D. Formulation and Estimation of Stochastic Frontier Production Function Models / D. Aigner, C. A. K. Lovell, P. Schmidt // Journal of Econometrics. - 1977. - Vol. 6, № 1. - Р. 21-37.
  • Battese, G. E. Prediction of firm-level technical efficiencies with a generalized frontier production function and panel data / G. E. Battes, T. J. Coelli // Journal of Econometrics. - 1988. - Vol. 38. - P. 387-399.
  • Broeck van den, J. Stochastic frontier models: a Bayesian perspective / J. Broeck van den, G. Koop, J. Osiewalski, M. F. J. Steel // Journal of Econometrics. - 1994. - Vol. 61, № 2. - P. 273-303.
  • Charnes, A. Measuring the efficiency of decision making units / A. Charnes, W. W. Cooper, E. Rhodes // European Journal of Operational Research. - 1978. - № 2 (6). - P. 429-444.
  • Cobb, C. W. A Theory of Production / C. W. Cobb, P. H. Douglas // American Economic Review. - 1928. - № 18. - P. 139-165.
  • Debreu, G. The Coefficient of Resource Utilization / G. Debreu // Journal of the Econometric Society. - 1951. - Vol. 19, № 3. - Р. 273-292.
  • Farrel, M. G. The measurement of productive efficiency / M. G. Farrel // Journal of The Royal Statistical Society. - 1957. - Vol. 120, № 3. - P. 253-281. -
  • DOI: 10.2307/2343100
  • Greene, W. Reconsidering heterogeneity in panel data estimators of the stochastic frontier model / W. Greene // Journal of Econometrics. - 2005. - Vol. 126. - P. 269-303.
  • Jondrow, J. On the Estimation of Technical Inefficiency in Stochastic Frontier Production Function Model / J. Jondrow, C. A. K. Lovell, I. S. Materov, P. Schmidt // Journal of Econometrics. - 1982. - Vol. 19. - P. 233-239.
  • Kim, Y. A review and empirical comparison of bayesian and classical approaches to inference on efficiency levels in stochastic frontier models with panel data / Y. Kim, P. Schmidt // Journal of Productivity Analysis. - 2000. - Vol. 14, № 2. - P. 91-118.
  • Leibenstein, H. "Allocative efficiency" vs. "X-efficiency" / H. Leibenstein // American Economic Review. - 1966. - Vol. 56, № 3. - P. 392-415.
  • Makieta K. Bayesian Stochastic Frontier Analysis with MATLAB / K. Makieta. - Electronic text data. - Mode of access: https://www. researchgate.net/publication/319244559 (date of access: 17.02.2019). - Title from screen.
  • Wooldridge, J. M. Econometric Analysis of Cross Section and Panel Data / J. M. Wooldridge. - MIT Press, 2002. - 735 p.
Еще
Статья научная