Файл: Конкурентные стратегии фирм на внутреннем и/или мировом рынках (Определение конкурентоспособности).pdf

Перед тем, как перейти к методу главных компонент и построить в эконометрическом пакете уравнение регрессии, необходимо проанализировать описательные статистики. Статистики для перечисленных в таблице 2 показателей, такие как число наблюдений, среднее, медиана, минимальное и максимальное значение, представлены ниже в таблицах 3 и 4 для российских и европейских компаний соответственно.

Таблица 3

Описательные статистики. Россия

Следует отметить, что при расчетах описательных статистик для Европы, у нескольких компаний доля расходов на НИОКР была больше 1. Такие наблюдения были исключены как выбросы, исходя из предпосылки, что доля расходов на НИОКР не может превышать сумму общих расходов.

Таблица 4

Описательные статистики. Европа

Кроме того, были исключены наблюдения, в которых расходы на работников компании превышают ее общие издержки за данный период, так как, руководствуясь здравым смыслом, компания не могла потратить на работников более, чем она уже потратила.

Также из анализа описательных статистик можно сделать вывод, что в Европе компании в среднем чаще расположены к лучшим университетам страны, чем в России. Это объясняется тем, что около 18 тысяч наблюдений по Европе распределены по пяти странам, следовательно, по ста университетам, в то время как в России на 12 тысяч наблюдений приходится лишь 20 университетов. Также в Европе компании чаще расположены в центре города или региона, чем в России. Однако российские компании чаще европейских находятся в городах с населением свыше 1 млн. человек. Отметим также, что в российских компаниях в среднем совет директоров менее квалифицирован, чем в европейских компаниях. Однако, медиана этого показателя в обеих таблицах равна 1, то есть, как минимум треть директоров либо имеют степень MBA, либо опыт более 5 лет, однако значение медианы не очень показательно. В прочем, все оставшиеся показатели в среднем выше для Европы, чем для России: В Европе чаще встречаются компании, использующие системы ERP, а также реализующие стратегию управления знаниями или интеллектуальный капитал. Корпоративная стратегия встречается в европейских компаниях примерно в 3 раза чаще, чем в российских компаниях. Число патентов и доля расходов на НИОКР также выше в европейских компаниях, чем в российских. Это говорит о том, что в Европе предприятия более направлены на инновационную деятельность. Доля нематериальных активов, являющаяся также индикатором инновационной деятельности, выше также в европейских компаниях. Анализ минимальных и максимальных значений для всех показателей доказывает, что нет отрицательных наблюдений, что соответствует здравому смыслу. В то время как максимальные затраты на одного работника как и максимальное число патентов в российских компаниях в разы, практически несоизмеримо, меньше чем в европейских компаниях.

Ниже таблицы отображают описательные статистики для России и Европы после исключения выбросов автоматически в эконометрическом пакете stata13 с помощью специальной команды.

Таблица 5

Описательные статистики без выбросов. Россия

Таблица 6

Описательные статистики без выбросов. Европа

После исключения выбросов число наблюдений сократилось почти в два раза для России и достаточно сильно для Европы. Также можно заметить, что уменьшилось максимальное количество патентов, как у российских, так и у европейских компаний. Кроме того, максимальное значение расходов на одного работника в год тоже снизились значительно, так как очевидно, 38,9 миллионов евро в год на одного работника (в Европе) – это выброс. Следовательно, компании со слишком большим количеством патентов и слишком высокими расходами на одного работника были автоматически исключены эконометрическим пакетом как выбросы. Данные выводы были сделаны исключительно после анализа максимальных значений, так как в них произошли самые весомые изменения. Средние же значения поменялись не так значительно, в то время, как медианы и минимальные значения остались неизменными. Это говорит о том, что удаление выбросов из выборки не меняет исследование кардинальным образом, а лишь устраняет наблюдения, выходящие за рамки нормы.

После анализа описательных статистик можно приступать к описанию метода главных компонент. Переменные, представленные в таблице 2, будут разбиты на компоненты с помощью данного метода. Метод главных компонент является методом сокращения количества переменных. Другими словами, он помогает уменьшить размерность данных с минимальной потерей информации.

Как уже было сказано, метод главных компонент будет использован с помощью программного пакета Stata13. Данный пакет при анализе главных компонент формирует матрицу преобразования выбранных переменных в главные компоненты. Главных компонент образуется ровно столько, сколько показателей изначально было взято для анализа методом главных компонент. После образования этих самых компонент, программный пакет действует согласно простейшему варианту правила Кайзера для отбора главных компонент: когда данные являются нормированными на единичную выборочную дисперсию по осям, в таком случае значимыми будут только главные компоненты, для которых собственное значение больше 1.

В первую матрицу преобразования включим все 12 показателей из таблицы 2, чтобы увидеть их взаимосвязь. Получим таблицу 7, в которой вектора главных компонент (comp1 – comp12) расположены от самого высокого собственного значения к минимальному.

Таблица 7

Матрица преобразования для России

Из матрицы преобразования для российских компаний видно, что первые 4 компоненты имеют значения собственных векторов больше 1. Это признак того, что 12 первоначальных показателей наилучшим образом будут сгруппированы в 4 главные компоненты. Также можно видеть, что первые 4 компоненты имеют значение накопленной 0,534, то есть объясняют больше половины всей дисперсии.

Кроме того, чтобы выбрать переменные, включающиеся в компоненту, необходимо брать во внимание их объясняющую силу. Она должна быть больше 0.3. Объясняющие силы переменных представлены в таблице 8.

Таблица 8

Матрица нагрузок. Россия

Из таблицы 8 можно выявить, что в первую компоненту целесообразно включить первые 3 переменных – ir_univ,ir_loc_cap, ir_loc_pop, так как они имеют объясняющую силу (корреляцию) более 0.3. Во вторую компоненту включим переменные is_erp, is_ic_km и is_strategy, так как их объясняющие силы имеют самые большие значения в этой компоненте. В третью компоненту хорошо вписываются показатели is_patents, int_sh и rd_inv. Четвертая компонента будет состоять из следующих переменных: c_emp, ih_boarg_qf, ih_corp_univ, хотя у переменной ih_boarg_qf объясняющая сила меньше 0,3, тем не менее, она положительная, поэтому включается в компоненту для того, чтобы образовать 4 компоненты, соответствующие стратегически важным ресурсам.

Таким образом, получилось, что первая компонента полностью отвечает за расположение компании, которое в соответствии с ресурсной концепцией является физическим ресурсом. Назовем эту компоненту «physical». Вторая и третья компоненты оказались ответственны за, так называемые, организационные ресурсы. Однако для удобства разделим организационные ресурсы на структурные, которые будут отображаться во второй компоненте – это системы контроля и стратегии компании, и на инновационную деятельность компании в третьей компоненте – количество патентов, доля нематериальных активов и доля расходов на НИОКР. Назовем вторую компоненту «structural», а третью – «intellectual». Четвертая компонента включила в себя так называемые человеческие ресурсы: расходы на одного работника, квалификация директоров и наличие корпоративного университета, данная компонента будет названа «human». Проверим отдельно каждую компоненту по порядку: physical, human, structural, intellectual.