CC BY
119
СТАТИСТИЧЕСКИЕ ИЗМЕРЕНИЯ И ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ
УДК 338.45:66 JEL L 600 C 330
А. В. Соколов, В. А. Бажанов
Институт экономики и организации промышленного производства СО РАН пр. Акад. Лаврентьева, 17, Новосибирск, 630090, Россия
Новосибирский государственный университет ул. Пирогова, 1, Новосибирск, 630090, Россия
alsokolov@ieie.nsc.ru, vab@ieie.nsc.ru
К ВОПРОСУ ОБ ЭФФЕКТИВНОСТИ НЕФТЕПЕРЕРАБОТКИ В РОССИИ: ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ
C помощью компонентного и регрессионного анализа оцениваются взаимосвязи показателей финансовой отчетности совокупности нефтеперерабатывающих предприятий - ядра нефтеперерабатывающей промышленности России - с 2006 по 2013 г. с позиций анализа эффективности их деятельности в период модернизации. С помощью компонентного анализа выявлены основные факторы, повлиявшие на конечные финансовые показатели предприятий за указанный период. Для 19 предприятий были построены регрессионные модели панельных данных с фиксированными и со случайными эффектами. Регрессионный анализ выявил отсутствие статистически значимой зависимости эффективности деятельности (рентабельности производства) от масштаба производства (выручки предприятия). Для объяснения различий в динамике показателей рентабельности анализируется динамика отдельных видов затрат. Выявлено практическое отсутствие различий в значениях индивидуальных эффектов предприятий разных направлений специализации (профилей).
Ключевые слова: нефтеперерабатывающие предприятия, компонентный анализ, регрессионные модели, фиксированные и случайные индивидуальные эффекты, нефтепродукты.
Исходные предпосылки анализа
В конце 2013 г. одним из авторов настоящей статьи со ссылкой на компетентные источники констатировалось, что к концу первого десятилетия текущего века технологический уровень большинства отечественных нефтеперерабатывающих заводов (НПЗ) не соответствовал передовому мировому уровню [1]. Практически все НПЗ характеризовались низким качеством получаемых нефтепродуктов, низкой глубиной переработки нефти, отсталой структурой производства, высокой степенью износа основных фондов, повышенным уровнем энергопотребления и, как следствие, низкой рентабельностью нефтепереработки в стране. Все это заметно проявлялось на фоне прогрессивных тенденций в мировой нефтепереработке, в частности тенденции на постоянный рост требований к качеству нефтепродуктов. Поэтому в начале второго десятилетия перед российской нефтепереработкой стояли весьма сложные задачи. Надо отметить, что на протяжении довольно длительного периода в модернизацию отечественной нефтепереработки инвестировались значительные суммы. Так, за период с 2005 по 2013 г. суммарный объем капитальных вложений в модернизацию нефтепереработки по крупнейшим российским вертикально интегрированным нефтяным компаниям (ВИНК) вырос с 1,4 млрд до 10 млрд долларов США (в том числе за 2011-2013 гг.
Соколов А. В., Бажанов В. А. К вопросу об эффективности нефтепереработки в России: эконометрический анализ // Мир экономики и управления. 2016. Т. 16, № 3. С. 100-112.
Мир экономики и управления. 2016. Том 16, № 3 © А. В. Соколов, В. А. Бажанов, 2016
с 7,7 млрд до 10 млрд долларов США) \ Поэтому специалисты констатируют, что вплоть до 2013 г. российская нефтепереработка переживала этап бурного развития. Возникает в связи с этим естественный вопрос: как это развитие повлияло на эффективность деятельности НПЗ? Не имея возможности анализа изменений негативных характеристик, перечисленных выше, авторы статьи для частичного ответа на поставленный вопрос воспользовались анализом финансовой отчетности на основе информации базы Ruslana системы EIU 2.
Отметим, что для оценки финансово-экономического состояния и результатов развития нефтепереработки в России целесообразно использовать инструментарий количественного анализа и моделирования. Моделирование деятельности совокупности нефтеперерабатывающих предприятий может проводиться для объектов разного уровня агрегирования и различными методами в зависимости от целей анализа. В частности, одним из действенных инструментов анализа является математическое (в частности, линейное) программирование: в качестве примера можно привести модель развития мировой нефтеперерабатывающей промышленности до 2030 г., предложенную Joint Research Centre (Institute for Energy and Transport) [2]. Сочетание методов линейного программирования и эконометрического моделирования применено, в частности, при построении модели спроса / предложения продуктов нефтепереработки (в мире в целом и в Азиатском регионе в частности), предложенной японским Институтом экономики энергетики [3]. Эконометрические методы и методы математической статистики (факторного, кластерного, регрессионного анализа) используются С. А. Заболотским для анализа совокупности предприятий химической промышленности РФ [4].
В данной статье предпринята попытка выявить значимые факторы и оценить их влияние на эффективность деятельности нефтеперерабатывающих предприятий. В используемой информационной базе показатели финансовой отчетности имелись для 19 предприятий (табл. 1) для периода в 8 лет - с 2006 по 2013 г. Все исследуемые предприятия относятся к одному из профилей деятельности: 6 предприятий представляют топливно-масляное направление, 7 - топливно-нефтехимический профиль, 6 - топливный профиль. Спецификой рассматриваемого круга предприятий является то, что большинство из них (17 из 19) являются дочерними предприятиями ВИНК, т. е. в основном все НПЗ ведут производственно-хозяйственную деятельность по процессинговой схеме (оказание услуг по переработке давальческого сырья). Известно, что при этой схеме НПЗ не являются собственниками нефти и выработанных нефтепродуктов, поэтому объем загрузки их мощностей, стоимость продукции, уровень затрат определяются внутренней финансовой политикой ВИНК 3. Можно предполагать, что это в определенной степени искажает реальные фактические показатели финансово-экономической деятельности НПЗ. Кроме того, показатели отчетности во многом только косвенно отражают производственно-технологические особенности НПЗ (физико-химический состав перерабатываемой нефти, размер установленной мощности, глубина переработки нефти и др.). Поэтому, приступая к эконометрическому анализу финансовой отчетности с целью определения эффективности (рентабельности) деятельности НПЗ на этапе бурного развития, авторы, естественно, отдавали себе отчет в неполноте используемой информации с точки зрения поставленной цели и понимали, что только комплексный учет всей специфики объекта анализа может позволить рассчитать обоснованную оценку эффективности его деятельности.
Тем не менее, учитывая специфику имеющейся у авторов информации, удалось выявить некоторые существенные моменты в зависимостях ключевых показателей. Рассмотрим подробнее результаты эконометрического анализа.
1 Нефтепереработка в России: курс на модернизацию. URL: http://www.ey.com/Publication/vwLUAssets/EY-downstream-in-russia-course-to-modernization/$File/EY-downstream-in-russia-course-to-modernization.pdf
2 Economist Intelligence Unit. URL: https://ruslana.bvdep.com/
3 См.: Гаврилина Е. А. Система договорных связей на розничном рынке нефтепродуктов. URL: http:// justicemaker.ru/view-article.php?id=16&art=2434
Таблица 1
Список НПЗ РФ (с указанием профиля деятельности), показатели экономической деятельности которых составили расчетную базу
регрессионной модели
№ п/п Предприятие Профиль
1 ООО «ЛУКОИЛ-Нижегороднефтеоргсинтез» ТМН
2 ООО «ЛУКОЙЛ-Пермнефтеоргсинтез» ТМН
3 ООО «ЛУКОЙЛ-Волгограднефтепереработка» ТМН
4 ПАО «СИБУР Холдинг» ТНХП
5 ОАО «Газпром нефтехим Салават» ТНХП
6 ОАО ТАИФ-НК ТМН
7 АО «Антипинский НПЗ», ТП
8 ООО «КИНЕФ» ТНХП
9 АО «Газпромнефть-Омский НПЗ» ТМН
10 АО «Рязанская нефтеперерабатывающая компания» ТП
11 АО «Ангарская Нефтехимическая Компания» ТНХП
12 Ново-Ярославский нефтеперерабатывающий завод (ОАО «Славнефть-ЯНОС») ТНХП
13 АО «СибурТюменьГаз» ТНХП
14 АО «Газпромнефть - Московский НПЗ» ТП
15 АО «Новокуйбышевский НПЗ» ТМН
16 ООО «РН-Туапсинский НПЗ» ТП
17 ООО «Невский Мазут» ТП
18 АО «Куйбышевский НПЗ» ТП
19 ООО «ЛУКОЙЛ-Пермнефтегазпереработка» ТНХП
Примечание: ТМН - топливно-масляное направление; ТНХП - топливно-нефтехимический профиль; ТП - топливный профиль.
Таблица 2
Наиболее значимые факторные нагрузки показателей в компонентах (выше 0,60)
Показатель Компонента
1 2 3 4
Основные средства 0,64
Оборотные средства 0,85
Запасы 0,84
Денежные средства 0,88
Совокупные активы 0,77
Текущие обязательства 0,99
Кредиторы (поставщики и подрядчики) 0,95
Итого капитал и обязательства 0,77
Долгосрочные обязательства 0,95
Долгосрочные кредиты и займы 0,95
Себестоимость продукции -0,91
Валовая прибыль 0,91
Прибыль (убытки) до налогообложения 0,95
ББГГ 0,95
Долгосрочные финансовые инвестиции 0,79
Собственный капитал 0,86
Нераспределенная прибыль 0,62
Моделирование рентабельности деятельности НПЗ
Исходная информационная база включала в себя данные по 23 показателям бухгалтерской отчетности. Для того чтобы показатели за различные годы были сопоставимы между собой, был сделан переход от абсолютных значений к относительным - на 1 руб. выручки. Для выявления взаимосвязей между показателями и для их первичной группировки был проведен компонентный анализ совокупности исходных данных, в результате которого были выделены 4 главные компоненты. Первая компонента объясняет 29,7 % общей вариации совокупности признаков, вторая - 19,2, третья - 18,0, четвертая - 9,6 % (в сумме все 4 компоненты -76,6 %). В табл. 2 приведены показатели, имеющие в соответствующей компоненте наиболее значимые факторные нагрузки (выше 0,60).
Как видно из приведенных данных, входящие в состав компонент экономические показатели позволяют с некоторой долей условности содержательно интерпретировать их как интегральные оценки основных параметров деятельности предприятий. Так, первую компоненту можно интерпретировать как уровень масштабности или размер предприятия по показателям их активов и пассивов. Вторая компонента определяет уровень заемных средств, характеризующий, с одной стороны, уровень зависимости предприятия от внешних финансовых источников, с другой - уровень инвестиционной активности предприятия. Третья компонента очевидно интерпретируется как обобщенный показатель конечного финансового результата деятельности предприятия, или показатель выручки предприятия, - с большими факторными нагрузками в компоненту попали и себестоимость, и валовая прибыль как слагаемые выручки. Четвертую компоненту можно интерпретировать как уровень собственных возможностей инвестиционной деятельности. Заметим, что попадание показателя долгосрочные финансовые инвестиции в компоненту 4 можно считать вполне оправданным, поскольку он также отражает возможности предприятия на финансовых рынках.
Ввиду того что все компоненты представляют собой линейные комбинации исходных переменных, для выявления взаимосвязи между отдельными факторами, влияющими на экономическую эффективность предприятий, из каждой компоненты было выбрано по одному показателю, имеющему максимальную факторную нагрузку, так, чтобы между этими показателями наблюдалась значимая (но не близкая к функциональной) корреляция. В итоге в качестве объясняющих переменных регрессионной модели были выбраны следующие: отношение величины собственного капитала предприятия к выручке; отношение величины текущих обязательств к выручке; отношение величины долгосрочных обязательств к выручке.
В качестве зависимой переменной в моделях регрессии была выбрана рентабельность как некая обобщенная характеристика «успешности» деятельности предприятия: все исследуемые предприятия являются коммерческими организациями, и целью их деятельности формально является получение прибыли. На рис. 1 приведены значения трех коэффициентов рентабельности в 2006-2013 гг. в среднем по всей исследуемой совокупности предприятий. Нужно отметить, что различные показатели рентабельности для анализируемой совокупности предприятий близко коррелированны друг с другом: коэффициент парной корреляции рентабельности по валовой прибыли с рентабельностью по прибыли до налогообложения составляет 0,829, близкое значение - с рентабельностью по прибыли после налогообложения (0,817), а связь между рентабельностью по прибыли до и после налогообложения близка к функциональной (0,989). В 2006-2010 гг. все 3 показателя рентабельности имели очень близкую динамику, однако начиная с 2011 г. между динамикой рентабельности по валовой прибыли и динамикой двух других показателей стали проявляться заметные различия: если значения двух последних в 2011-2012 гг. снижались по сравнению с уровнем 2010 г., и лишь в 2013 г. наблюдался некоторый рост, то значение рентабельности по валовой прибыли в 2011-2013 гг. стабильно выше не только уровня 2010 г., но и уровня любого года анализируемого периода.
Для объяснения различий в динамике показателей рентабельности проанализируем динамику отдельных видов затрат. На рис. 2 представлены данные о темпах роста отдельных видов затрат российских НПЗ относительно темпов роста выручки от продаж. Как видно из приведенных данных, себестоимость в рассматриваемый период росла более низкими
Рис. 1. Средние значения показателей рентабельности деятельности 19 предприятий нефтепереработки
в 2006-2013 гг., %
Рис. 2. Темпы роста затрат (суммарных по 19 российских НПЗ) по отношению к темпам роста выручки от продаж в 2006-2013 гг., %,
(2006 г. = 100 %)
темпами, чем выручка, в то время как операционные затраты росли практически ежегодно более высоким, нежели выручка, темпом (особенно заметный скачок произошел в 2010 г.). Известно, что величина себестоимости составляет разницу между выручкой и валовой прибылью, а величина операционных затрат - разницу между валовой прибылью и прибылью до налогообложения; таким образом, существенные различия в динамике между величинами себестоимости производства и операционных затрат ведут к отмеченным выше различиям в значениях коэффициентов рентабельности, считаемых по разным видам прибыли.
В общей величине операционных затрат превалировали расходы по реализации продукции; их доля возрастала с 69,4 % в 2006 г. до 95,1 % в 2013 г. В целом по итогам анализируемого периода темпы роста расходов по реализации продукции превысили темпы роста выручки в 5,8 раза.
Однако следует заметить, что рентабельность является наглядным показателем эффективности деятельности в первую очередь тогда, когда предприятие является независимым, не включенным в некую интегрированную структуру объектом. В нашем же случае большинство из предприятий, как было отмечено, являются «дочками» ВИНК, для которых целью можно рассматривать максимизацию общей прибыли на всех стадиях технологической цепочки, наличествующей в рамках корпорации, а не на ее отдельных стадиях. Больший интерес представлял бы, на наш взгляд, анализ - в качестве зависимой переменной - изменения натуральных объемов выпуска продукции, однако специфика имеющейся информации не позволяет сформировать полную базу для проведения подобных расчетов. Таким образом, с учетом приведенных выше оговорок об условности подобного подхода в качестве показателя эффективности деятельности предприятий будет использоваться показатель рентабельности, рассчитанный как отношение определенного вида прибыли к выручке от реализации продукции (рентабельность по валовой прибыли имеет лучшую, чем остальные два других показателя рентабельности, приведенных в табл. 2, корреляционную связь с показателями, представляющими другие компоненты).
Таким образом, для 19 объектов наблюдения за 8-летний период были построены регрессионные модели панельных данных с фиксированными и со случайными эффектами. В обеих моделях предполагается наличие неизменного во времени, но специфического для каждого объекта наблюдения элемента некоего слагаемого: в модели с фиксированными эффектами -константы, в модели со случайными эффектами - ошибки.
Модель с фиксированными эффектами в данном случае имеет вид
Rt = К + ^ ) + а1 • SKt + а2 • TOt + аз • DOit + ей,
где
Rt - рентабельность валовой прибыли 7-го предприятия в году t;
а0 - общая для всех объектов (предприятий) константа уравнения регрессии;
- индивидуальный эффект 7-го предприятия (элемент константы в уравнении регрессии для 7-го предприятия);
SK t - отношение величины собственного капитала к величине выручки 7-го предприятия в году t;
TOit - отношение величины текущих обязательств к величине выручки 7-го предприятия в году t;
DOt - отношение величины долгосрочных обязательств к величине выручки 7-го предприятия в году t;
eit - ошибка для 7-го предприятия в году t.
Модель со случайными эффектами имеет вид
Rt =а0 +а1 • SKt + а2 • TOt + аз • DOt + ut, где uit - ошибка для 7-го предприятия в году t;
u ,t = m, + e,t,
где mi - индивидуальный эффект /-го предприятия (элемент ошибки в уравнении регрессии для /-го предприятия).
Индивидуальный эффект, таким образом, в обоих видах модели позволяет оценить, на какую величину в процентных пунктах, деленную на 100, отклоняется при прочих равных условиях рентабельность по валовой прибыли (выраженная в долях единицы) для предприятия от средней по совокупности. Результаты расчетов по соответствующим моделям приведены в табл. 3-4.
Как видно из приведенных в табл. 3 данных, в модели с фиксированными эффектами можно говорить (на 5 %-м уровне значимости) об отсутствии корреляции индивидуальных эффектов с регрессорами (что для модели с фиксированными эффектами, правда, не является жестким требованием). Для оценки параметров модели с фиксированными эффектами применимы обычные тесты статистики Фишера и Стьюдента. Отметим, что общее качество модели с фиксированными эффектами является высоким (расчетный показатель ^-статистики 6,04 значим на 1 %-м уровне), /-статистика Стьюдента - высокая для двух показателей (коэффициенты регрессии для переменных «Собственный капитал» и «Долгосрочные обязательства» значимы на 5 %-м уровне), и несколько хуже для переменной «Текущие обязательства» (коэффициент регрессии значим на 10 %-м уровне). Большая часть вариации данных (59,2 %) приходится на индивидуальные эффекты.
Для проверки значимости индивидуальных эффектов проводится сравнение результатов расчетов (коэффициенты множественной корреляции) модели объединенной регрессии (с единой константой для всех объектов наблюдения) и модели с фиксированными эффектами: в рамках ^-теста проверяется нулевая гипотеза о равенстве всех индивидуальных эффектов нулю. Нулевая гипотеза отвергается, если расчетное значение ^-статистики выше критического. В проведенных модельных расчетах показатель ^-статистики 9,44 значим на 1 %-м уровне; таким образом, мы можем сделать вывод о том, что регрессионная модель с фиксированными эффектами лучше подходит для описания вариации данных, чем модель объединенной регрессии.
В модели со случайными эффектами проверка значимости уравнения регрессии осуществляется с помощью теста Вальда, и расчетное значение %2-статистики сравнивается с критическим. Проведенные модельные расчеты (см. табл. 4) свидетельствуют о высоком уровне значимости как модели в целом (1 %-й уровень значимости %2-статистики), так и коэффициентов регрессии для всех независимых переменных: так же, как и для модели с фиксированными эффектами, коэффициенты регрессии для переменных «Собственный капитал» и «Долгосрочные обязательства» значимы на 5 %-м уровне), для переменной «Текущие обязательства» - на 10 %-м уровне. Большая часть вариации данных (52,5 %) приходится на индивидуальные эффекты. Для проверки значимости индивидуальных эффектов применяется тест Бреша - Пагана (вычисляется множитель Лагранжа, подчиняющийся ^-распределению с одной степенью свободы). Как видно из приведенных в табл. 4 данных, индивидуальные случайные эффекты являются значимыми на 1 %-м уровне; значит, регрессионная модель со случайными эффектами также лучше подходит для описания вариации данных, чем модель объединенной регрессии.
Проведенные расчеты по модели со случайными эффектами опирались на предположение, что выявленные индивидуальные случайные эффекты не коррелируют с регрессорами (это требование является жестким для данного типа модели панельных данных). Справедливость данного предположения проверяется с помощью теста Хаусмана, сравнивающего различие оценок коэффициентов регрессии, полученных в моделях с фиксированными и со случайными эффектами. При отсутствии статистически значимой разницы между коэффициентами, полученными в разных моделях, можно принимать предположение об отсутствии корреляции индивидуальных случайных эффектов с регрессорами и, следовательно, о корректности использования для объяснения зависимостей между переменными результатов модели со случайными эффектами. В нашем случае по результатам теста Хаусмана значение %2-статистики равно 5,74, уровень значимости составляет 0,125. Таким образом, на 10 %-м уровне значимости мы можем принять гипотезу о том, что обнаруженные случайные индивидуальные эффекты не коррелируют с регрессорами, и, следовательно, корректно использовать для дальнейшего анализа результаты модели со случайными эффектами.
Результаты регрессионного анализа модели с фиксированными эффектами
Таблица 3
Независимая переменная Коэффициент регрессии /-статистика Значимость /-статистики ^-статистика Значимость ^-статистики
Собственный капитал 0,060 3,39 0,001
Текущие обязательства -0,018 1,67 0,097
Долгосрочные обязательства -0,047 2,41 0,017
Константа 0,253 14,99 0,000
Проверка значимости уравнения регрессии 6,04 0,001
Проверка значимости индивидуальных эффектов 9,44 0,000
Примечание: коэффициент корреляции индивидуальных эффектов с регрессорами - 0,011; доля общей вариации данных, приходящаяся на индивидуальные эффекты (Ло), - 0,592.
Таблица 4
Результаты регрессионного анализа модели со случайными эффектами
Независимая переменная Коэффициент регрессии /-статистика Значимость /-статистики X2-статистика Значимость X2-статистики
Собственный капитал 0,053 3,46 0,001
Текущие обязательства -0,018 1,72 0,086
Долгосрочные обязательства -0,062 3,45 0,001
Константа 0,264 10,74 0,000
Проверка значимости уравнения регрессии (тест Вальда) 23,01 0,000
Проверка значимости индивидуальных эффектов (тест Бреша - Пагана) 110,12 0,000
Примечание: доля общей вариации данных, приходящаяся на индивидуальные эффекты (Ло), - 0,525.
Рис. 3. Величина индивидуальных эффектов предприятий для моделей с фиксированными и случайными эффектами (по профилям предприятий)
Бензин "Дизельное топливо
Мазут топочный ■ Рентабельность по валовой пр ибыли
Рентабельность по прибыли до налогообложения
Рис. 4. Темп прироста объемов производства нефтепродуктов (%) и изменение показателей рентабельности (п. п.)
14 российских НПЗ, 2013 г. к 2007 г.
Источник: Гаврилина Е. А. Система договорных связей на розничном рынке нефтепродуктов. URL: http://justice maker.ru/view-article.php?id=16&art=2434; ТАИФ-НК. Годовые отчеты за 2014 г. URL: https://www.e-disclosure.ru/ portal/files.aspx?id=14456&type=2
Вызывает интерес ответ на вопрос: насколько полученные в результате расчетов индивидуальные эффекты отдельных предприятий имеют специфику, связанную с профилем их деятельности, указанным в табл. 1? На рис. 3 приведены значения рассчитанных индивидуальных эффектов, при этом предприятия сгруппированы по профилям своей деятельности -топливно-масляное направление, топливно-нефтехимический и топливный профили. Как видно из представленных данных, для индивидуальных эффектов трудно отметить какие-то различия в рамках подобной группировки. Данный вывод подтверждают результаты дисперсионного анализа: уровень значимости различий средних значений индивидуальных эффектов между группами по профилю деятельности для модели с фиксированными эффектами составляет 43,1 %, а для модели со случайными эффектами - 54,5 %.
Одной из гипотез, нуждающейся в проверке, является зависимость эффективности деятельности (оцениваемой нами по значению показателя рентабельности) от масштаба деятельности предприятия (оцениваемой по значению выручки от реализации продукции). Обратим еще раз внимание на то, что объектами исследования в настоящей работе являются крупные нефтеперерабатывающие заводы, в то же время сами различающиеся по величине выпуска; поэтому относительно малые из их числа предприятия все равно содержательно относятся к крупным российским НПЗ. Для рассчитанных в моделях с фиксированными и со случайными эффектами значений индивидуальных эффектов предприятий проверялась гипотеза зависимости значений индивидуальных эффектов и масштаба деятельности предприятий (по выручке от реализации). Для индивидуальных эффектов подобная зависимость отсутствует: значения коэффициентов парной ранговой корреляции Спирмена для всех лет рассматриваемого периода имеют отрицательный знак, т. е. чем крупнее предприятие, тем ниже значение индивидуального эффекта и, соответственно, ниже рентабельность, но эта связь не является статистически значимой.
В обеих моделях - и с фиксированными, и со случайными эффектами - мы получили положительную зависимость рентабельности по валовой прибыли от величины собственного капитала предприятия (деленного на величину выручки), а отрицательные зависимости -для двух других регрессоров (отношение величин текущих и долгосрочных обязательств к величине выручки соответственно). Таким образом, можно сделать вывод о том, что наиболее эффективно работают те предприятия, которые имеют возможность активно использовать собственные средства в достаточном объеме; активное привлечение заемных средств снижает рентабельность производства российских НПЗ. Действительно, в условиях фактически самоценного характера деятельности российской фиктивной экономики (в частности, банковского сектора) привлечение заемных средств оказывается для отечественных представителей реального сектора экономики дорогим удовольствием ввиду высокой ставки банковского процента [5].
В заключение проанализируем, как соотносятся между собой показатели рентабельности (по валовой прибыли и по прибыли до налогообложения), с одной стороны, и динамика натуральных объемов производства нефтепродуктов, с другой. На рис. 4 представлены данные по 14 НПЗ (номер НПЗ соответствует номеру в табл. 1), произведено сравнение уровней соответствующих показателей 2013 и 2007 гг.: для натуральных объемов производства - темп прироста показателя в процентах по трем видам нефтепродуктов, для показателей рентабельности - их разность (в процентных пунктах).
Анализируемая динамика показателей имеет противоречивый характер: наблюдаются как серьезные изменения в структуре производства отдельных НПЗ (так, объем производства мазута на двух НПЗ сократился за рассматриваемый период более чем на 50 %), так и отсутствие четкой зависимости изменения объемов производства от роста / снижения рентабельности для разных ее видов. В целом за 6 лет объем производства бензина вырос на 10 предприятиях, дизельного топлива - на 13, мазута - на 8 (из 14 рассматриваемых НПЗ). При этом изменение объемов производства бензина сопровождалось изменением уровня рентабельности по валовой прибыли в том же направлении на 11 из 14 рассматриваемых НПЗ, а уровня чистой прибыли - только на 8.
Интересно сравнить полученные результаты с опубликованными в печати. Так, например, по данным [6] рентабельность (по себестоимости) производства нефтепродуктов в России в 2010 г. составляла 18,5 %, в 2011 г. она возросла до 26 %, затем в 2013 г. резко снизилась
до 12,6 %. Можно отметить здесь, что полученные результаты не противоречат общей оценке рентабельности нефтепереработки в целом.
Российская нефтепереработка - неопределенность будущего
Несмотря на то что инвестиции в основной капитал по виду деятельности «Производство нефтепродуктов» в 2010-2014 гг. возрастали в результате реконструкции и модернизации НПЗ и ввода новых мощностей, в нефтепереработке сохраняются нерешенные проблемы. По мнению специалистов [7], сохраняются низкая эффективность переработки нефти и несоответствующее мировым стандартам качество нефтепродуктов. По данным [8], в соответствии с планами модернизации в российскую нефтепереработку предполагается вложить до 2020 г. более 1,5 трлн руб. В результате к текущему моменту были достигнуты только нижние значения среднемирового уровня эффективности и качества. Среднеевропейского уровня достигли лишь отдельные НПЗ. В ближайшей перспективе, по мнению специалистов [6], ожидается увеличение доли высокосернистых нефтей, направляемых на переработку, что вызовет дополнительные проблемы: понадобится увеличение расходов на нефтепереработку и произойдет снижение выработки моторных топлив. Для повышения технологического уровня НПЗ, увеличения выхода светлых нефтепродуктов и повышения уровня потребуются годы и еще большие инвестиции. С точки зрения инвестиций современное состояние нефтепереработки в стране не позволяет однозначно определить приоритеты развития той или иной профильной группы НПЗ - все они за редким исключением нуждаются в существенной модернизации. Рассчитанные по регрессионным моделям индивидуальные эффекты предприятий не показали заметных различий между профильными направлениями их деятельности, тем не менее можно предположить, что со временем в результате широкого использования электрической энергии и иных видов топлив на автотранспорте значимость топливного профиля может снизиться, и возрастет значимость топливно-нефтехимического профиля, что будет отвечать современным требованиям к развитию нефтехимии в стране как относительно отсталой от мирового уровня отрасли.
Дальнейшее развитие нефтепереработки обозначено в Государственной программе «Энергоэффективность и развитие энергетики» в ее подпрограмме «Развитие нефтяной отрасли» 4. В разделе ОМ 3.3. «Строительство, модернизация, реконструкция нефтеперерабатывающих предприятий» этой подпрограммы сказано, что ожидаемый непосредственный результат ее реализации будет выражаться в увеличении глубины переработки нефтяного сырья на предприятиях (до 85 %); улучшение качества моторных топлив (доля моторных то-плив экологического класса 5 в общем объеме производства должна достичь к 2020 г. 90,8 %); введение в эксплуатацию установок вторичной переработки нефти (количество модернизированных установок вторичной переработки нефти в 2020 г. должно достичь 14 шт.). Отметим, что все эти содержательные цели неоднократно фигурировали во многих, предшествующих по времени Государственной программе, правительственных документах, но сроки их реализации постоянно передвигались в неопределенное будущее. Можно предположить, что действующая сейчас Государственная программа не будет реализована в намеченные сроки - к 2020 г. есть вероятность неполного выполнения намерений по локализации производства нефтеперерабатывающего оборудования в России, на основе которого предполагается достижение высокого технологического уровня и производство качественной конкурентоспособной продукции на отечественных НПЗ.
Список литературы
1. Бажанов В. А. Производство нефтепродуктов, нефтехимические и химические производства в России: состояние, проблемы, прогнозы // Вестн. Новосиб. гос. ун-та. Серия: Социально-экономические науки. 2013. Т. 13, вып. 4. С. 85-97.
4 иКЬ: http://government.ru/programs/227/events/
2. Lantz F., Saint-Antonin V, Gruson J.-F, Suwala W. The OURSE model: Simulating the World Refining Sector to 2030 // JRC Scientific and Technical Reports. URL: http://ftp.jrc.es /EURdoc/JRC68853.pdf
3. Nakanishi T, Komiyama R. Supply and Demand Analysis on Petroleum Products and Crude Oils for Asia and the World // IEEJ. 2006. August. URL: http://eneken.ieej.or.jp/en/data/pdf/349.pdf
4. Заболотский С. А. Основные направления повышения экономической эффективности химической промышленности: Дис. ... канд. экон. наук. Новосибирск, 2008.
5. Соколов А. В. Макроэкономическая политика государства и перспективы развития обрабатывающих производств в России // ЭКО. 2015. № 11. С. 47-64.
6. Капустин В. М. Проблемы модернизации нефтепереработки в России / ОАО «ВНИ-ПИнефть». М., 2014.
7. Соломонов А. П. Факторы и проблемы развития нефтепереработки России в контексте государственного регулирования внешней торговли углеводородами // Науковедение. 2014. № 6. URL: http://naukovedenie.ru/PDF/114EVN614.pdf
8. Коровина Ю. В. Почему в России сохраняются производство и потребление низкокачественного топлива // ЭКО. 2014. № 10. С. 93-109.
Материал поступил в редколлегию 31.05.2016
A. V. Sokolov, V. A. Bazhanov
Institute of Economics and Industrial Engineering, SB RAS 17 Acad. Lavrentiev Ave., Novosibirsk, 630090, Russian Federation
Novosibirsk State University 1 Pirogov Str., Novosibirsk, 630090, Russian Federation
alsokolov@ieie.nsc.ru, vab@ieie.nsc.ru
THE QUESTION OF THE EFFECTIVENESS OF OIL REFINING IN RUSSIA:
AN ECONOMETRIC ANALYSIS
The relations between the financial statements' figures of the complex of refining companies -the core of Russian refining industry from 2006 to 2013 - were analyzed using component and regression analysis from the standpoint of the effectiveness of their activities during the modernization period. Through the component analysis the main factors that influenced the final financial results of the enterprises during the given period were determined. Regression models of panel data with fixed and random effects were made for 19 enterprises. Regression analysis revealed no statistically significant dependencies of the efficiency (profitability) on the production scale (enterprise revenue). The dynamics of certain types of expenses were analyzed in order to explain the differences in the profitability dynamics. It revealed virtually no difference in the values of the individual effects of enterprises in different areas of specialization (profile).
Keywords: oil refineries, component analysis, regression models, fixed and random individual effects, refined products
References
1. Bazhanov V. A. Production of petroleum products, petrochemical and chemical production in Russia: state, problems, forecasts. Bulletin of the Novosibirsk State University. Series: Socioeconomic sciences, 2013, vol. 13, no. 4, p. 85-97. (In Russ.)
2. Lantz F., Saint-Antonin V., Gruson J.-F., Suwala W. The OURSE model: Simulating the World Refining Sector to 2030. JRC Scientific and Technical Reports. URL: http://ftp.jrc.es/ EURdoc/JRC68853.pdf
3. Nakanishi T., Komiyama R. Supply and Demand Analysis on Petroleum Products and Crude Oils for Asia and the World. IEEJ, August 2006. URL: http://eneken.ieej.or.jp/en/data/pdf/349.pdf
4. Zabolotski S. A. Basic directions of increase of economic efficiency of the chemical industry. Dis. cand. ehkon. Novosibirsk, 2008. (In Russ.)
5. Sokolov A. V. Macro-economic policy of the state and prospects of development of processing industries in Russia. ECO, 2015, № 11, p. 47-64. (In Russ.)
6. Kapustin V. M. Problems refinery modernization in Russia. JSC "VNP". Moscow, December 2014. (In Russ.)
7. Solomonov A. P. Factors and problems of development of Russian refining in the context of state regulation of foreign trade of hydrocarbons. Naukovedenie, 2014, № 6. URL: http:// naukovedenie.ru/PDF/114EVN614.pdf (In Russ.)
8. Korovina Yu. V. Why are saved and production of low-quality fuel consumption. ECO, 2014, № 10, p. 93-109. (In Russ.)
For citation:
Sokolov A. V, Bazhanov V. A. The question of the effectiveness of oil refining in Russia: An Econometric Analysis. World of Economics and Management, 2016, vol. 16, no. 3, p. 100-112. (In Russ.)
