CC BY
56Прикладная эконометрика, 2019, т. 53, с. 7-29. Applied Econometrics, 2019, v. 53, pp. 7-29.
Е. Р. Аникеева, Т. А. Ратникова, А. А. Гладышева1
Оценка потребности регионов России в прямых иностранных инвестициях
Цель данного исследования — оценить по ретроспективным данным потребность регионов России в прямых иностранных инвестициях (ПИИ), ее соотношение с реальными притоками ПИИ и выявление степени удовлетворенности потребности этих типов инвестиций. Для этого применяется модель частичного приспособления, основанная на трех теоретических подходах. Использованы региональные данные Росстата и Банка России за 2011-2015 гг. Приводятся оценки потребности регионов в ПИИ, а также оценки степени удовлетворенности этой потребности, по которой субъекты РФ ранжированы. Предложена содержательная интерпретация результатов на примере трех регионов.
ключевые слова: приток прямых иностранных инвестиций; модель частичного приспособления. JEL classification: F21; O16; C33.
1. введение
В первое десятилетие XXI века экономический рост в Росссии существенно подпиты-вался за счет экспортных доходов, зарубежных займов и (в меньшей мере) за счет прямых иностранных инвестиций (ПИИ). Однако кризис 2014 г., санкции, нестабильная экономическая и политическая ситуация на мировом рынке ослабили конкурентоспособность страны, и последний раз РФ входила в топ рейтинга стран по привлечению ПИИ лишь в 2013 г. По оценкам Банка России, в 2014-2015 гг. приток прямых иностранных инвестиций значительно сократился по сравнению с уровнем 2012-2013 гг. (с $ 69.2 млрд в 2013 г. до $ 4.8 млрд в 2015 г.).
Вопрос о том, сколь важен иностранный капитал для поддержания и активизации инвестиционной активности в России в целом и в российских регионах в частности, остается весьма актуальным. Степень износа основных фондов в РФ к 2014 г. достигла 49.4%, а в современном мире задачи технического перевооружения, обновления технологических
1 Аникеева Екатерина Романовна — Национальный исследовательский университет «Высшая школа экономики»; г. Москва; kateanikieieva@gmail.com.
Ратникова Татьяна Анатольевна — Национальный исследовательский университет «Высшая школа экономики»; г. Москва; taratnikova@yandex.ru.
Гладышева Анна Алексеевна — Национальный исследовательский университет «Высшая школа экономики»; г. Москва; gladysheva.ann@gmail.com.
2 См. https://www.a1:kearney.com/foreign-direct-investment-confidence-index/artide/?/a/glass-half-fuU-2017-foreign-direct-investment-confidence-index-article.
и управленческих моделей и повышения конкурентоспособности стран в глобальной экономике, как правило, решаются за счет привлечения иностранного капитала.
Знание объема неудовлетворенного спроса на инвестиции в экономике страны в целом, в отдельных отраслях и регионах, в том числе неудовлетворенной потребности в ПИИ, необходимо для понимания глубины проблемы недоинвестирования и правильного распределения усилий для ее решения.
Целью данного исследования является оценка потребности регионов России в ПИИ и ранжирование регионов по степени ее удовлетворенности.
Методика анализа будет основана на применении регрессионной модели частичного приспособления, набор объясняющих переменных для которой выводится, исходя из трех популярных теоретических подходов, дающих обоснование детерминантам ПИИ.
Работа состоит из семи разделов. Первый раздел — введение. Во втором дается обзор научных источников, в третьем обсуждается общая теоретическая модель и выбор объясняющих переменных для ряда ее модификаций, в четвертом и пятом разделах представлены результаты предварительного анализа данных и описывается эконометриче-ский инструментарий, который используется на основном этапе анализа. В шестом разделе обсуждаются полученные результаты, седьмой раздел содержит заключительные выводы работы.
2. Обзор литературы
Понятие «прямых иностранных инвестиций» представлено в Федеральном законе РФ № 160-ФЗ от 09.07.1999 «Об иностранных инвестициях в Российской Федерации». Для того чтобы инвестиции классифицировались как ПИИ, необходимо выполнение одного из трех условий.
1. Иностранный инвестор становится собственником более 10 процентов доли уставного капитала коммерческой организации. При этом не имеет значения, создается ли организация в момент инвестирования или же инвестор приобретает пакет акций уже существующей компании. Главным условием является регистрация компании на территории РФ в порядке, установленном законодательством.
2. Образование зарубежного юридического лица на территории РФ наряду с инвестированием капитала в основной фонд предприятия.
3. Иностранный инвестор является собственником оборудования и сдает его в аренду или же предоставляет услуги лизинга на территории РФ. Оборудование должно быть регламентировано разделами 16 и 17 Товарной номенклатуры внешнеэкономической деятельности Таможенного союза в рамках ЕврАзЭС. При этом стоимость оборудования должна быть более одного миллиона рублей.
Попытки изучения природы ПИИ и поиска их детерминант предпринимались многократно, в результате сложились два основных подхода к анализу притока ПИИ (Турлай, 2017).
1. Подход с точки зрения мотивов и характеристик компаний-инвесторов (или стран происхождения компаний-инвесторов), принимающих решение об осуществлении ПИИ (Нутег, 1976). Он обосновывает решение фирмы наличием у нее нематериальных активов — торговых марок, репутации, патентов, лицензий, технологий производства, управления, маркетинга, доступа к глобальным рынкам сбыта, финансовым ресурсам и т. п.
tu
2. Подход с точки зрения характеристик и сравнительных преимуществ компаний |
(или стран) — реципиентов ПИИ (Southard, 1931). Он объясняет решение о размещении §
ПИИ особенностями принимающей стороны — доступом к сырьевым ресурсам, стоимо- <|
стью и качеством рабочей силы, рыночным потенциалом, наличием эффектов агломерации, ^ транспортной инфраструктурой и транспортными расходами, спецификой внешнеторгового,
инвестиционного и налогового регулирования, финансовой инфраструктурой, националь- §
« S
ными стандартами, развитостью институциональной и правовой среды, макроэкономиче- g
ской стабильностью и т. п. ¡5
Одной из самых распространенных и хорошо зарекомендовавших себя в практических ^ приложениях теорий является эклектическая парадигма (OLI), представленная в (Dunning, ^ 1988). Эта теория синтезирует два вышеупомянутых подхода и выделяет три группы фак- | торов притока иностранного капитала. g
Первой группой факторов являются преимущества корпорации или объекта, принимаю- ч щего иностранный капитал, возникающие при получении доступа к нематериальным активам инвестора (ownership-specific advantages, О-преимущества). Следующей группой служат преимущества локализации — внутреннее разнообразие исключительных качеств объекта (корпорации, региона) (local-specific advantages, L-преимущества). Третья группа — степень интернализации или интенсивности создания подконтрольных заграничных производственных подразделений (internalization-specific advantages, I-преимущества). Теория признается одной из наиболее фундаментальных теорий ПИИ конца ХХ века. При этом автор отмечает, что первая группа условий является лишь минимальными условиями, необходимыми для конкуренции на международных рынках.
Как продолжение эклектической парадигмы и расширение ее на микроуровень, была разработана парадигма Теша, которая объединила теорию интернализации и теорию Вебера о размещении промышленности (Tesch, 1980; Гумерова, Шаймиева, 2008).
Теш предлагает разделить факторы на три условных группы. К первой группе можно отнести детерминанты, определяющие преимущества и характеристики предприятия в целом, а также факторы, являющиеся неотъемлемой частью данной местности, например, правовая база, налоговые обязательства, ресурсная база, внешние шоки и условия. Ко второй группе факторов следует относить весь перечень факторов производства, которыми располагает предприятие, в частности, фонд заработной платы сотрудников, объем капитала и основных фондов, наличие высококвалифицированных кадров, благоприятные условия для экспорта и импорта капитала, благоприятные климатические условия. К третьей группе факторов относятся детерминанты, характеризующие реализацию изготавливаемой продукции, среди них — численность населения, развитая инфраструктура, среднедушевой доход, различные факторы спроса и факторы, определяющие конкуренцию (Tesch, 1980).
Портером (Porter, 1985) на основе изучения конкурентоспособности в промышленных отраслях развитых стран выдвинута теория конкурентного преимущества наций, связывающая стратегии транснациональных компаний и преимущества стран, нуждающихся в ПИИ. Автор предлает разделение факторов на четыре основные категории:
• корпоративная политика, ее внутренняя направленность, цели и положение на рынке, конкурентные преимущества и целенаправленное развитие;
• внутренняя исключительность человеческого капитала, качество и эксклюзивность предоставляемого продукта, а также новизна знания и информации;
• характеристики страны, такие как внутренний спрос, темпы роста, специфические особенности потребителей;
• наличие других вспомогательных отраслей, способных диверсифицировать возникающие риски, что является одним из важнейших факторов для принятия решений инвесторами.
Позднее Портер дополнил свою теорию, выделив два дополнительных фактора:
• шоки зарубежных рынков;
• политика государства, способствующая размещению ПИИ.
Органичным дополнением к целостной картине, созданной в вышеупомянутых теориях, служат модели капитала знаний, включающие в себя модели вертикальных (Helpman, 1984; Helpman, Krugman, 1985), горизонтальных (Markusen, 1984; Markusen, Maskus, 2002), экс-портоплатформенных (ЕкИо^ et я!., 2007) и комплексно-вертикальных ПИИ (Baltagi et я1., 2007; Blonigen et я1., 2007). Вертикальные ПИИ также называют экспортоориентированны-ми. Горизонтальные ПИИ называют импортозамещающими и делят на четыре типа: рыноч-но-ориентированные (мотивация — доступ к рынкам), ресурсо-ориентированные (мотивация — доступ к ресурсам), ориентированные на повышение эффективности (реструктуризация уже имеющегося задела) и стратегически-ориентированные (мотивация — приобретение активов для поддержания международной конкурентоспособности или ослабления конкурентов).
Рассмотренные теории по большей части нацелены на анализ микроуровня, поэтому предлагаемые ими наборы детерминант необходимо адаптировать к региональному уровню (мезоуровню). При переходе на мезоуровень теряется возможность четко проследить связь притока ПИИ в регион с характеристиками и мотивацией разнородных инвесторов, поэтому в основу предлагаемого исследования будут положены теории, связывающие приток ПИИ исключительно с характеристиками самих регионов (реципиентов ПИИ). При этом преимущественная мотивация инвесторов будет учитываться в ненаблюдаемых региональных эффектах.
3. методология исследования
3.1. Теоретическая модель
Потребность в ПИИ будет моделироваться, как уже было упомянуто выше, с помощью модели частичного приспособления. Для моделирования потоков ПИИ она была предложена в работе (Cheng, Kwan, 2000), где авторы привели ее обоснование и оценки для ПИИ в регионах Китая. Дальнейшее развитие этот подход получил в исследовании (Kinoshita, Campos, 2003), где модель была применена для анализа ПИИ в развивающихся странах.
Первое уравнение модели связывает теоретическую (ненаблюдаемую) потребность региона в ПИИ с ее предполагаемыми детерминантами:
У* = X'lt b+ eit, (1)
где yit — потребность в ПИИ; X'it ¡3 — линейная комбинация характеристик региона i, определяющих потребность в ПИИ; ¡3 — вектор оцениваемых коэффициентов, включающий константу; eit — случайная ошибка.
Это уравнение может быть дополнено ненаблюдаемыми региональными эффектами а §
у* = х; Ь+а + е. (2) I
§
Следующее уравнение отражает правило, по которому происходит процесс подстрой- ^
ки реальных потоков ПИИ к потребностям региона. Общая идея этого правила в том, что
субъекты экономики обычно не сразу могут приспособиться к меняющимся условиям — д
2
это происходит постепенно и за некоторое время: |
Уи-у*ч =(1-а)(у*-Уи-г), о<б<1, (3) £
где уй — фактический объем притока ПИИ. ^
Я
00 ф
Параметр б характеризует скорость приспособления, он равен 0, когда подстройка про- | исходит мгновенно, и 1, если подстройки не происходит вообще. ч
Объединение уравнений (1) и (3) приводит к следующему результату: ^
Уй = бум +(1-б) х,;ь + (1-б)е,. (4)
С учетом ненаблюдаемых региональных эффектов уравнение (4) принимает следующий вид:
Уи = бу,-1 + (1 - б)X*Ь + (1 -б)а, + (1 -б)£й . (5)
В дальнейшем ненаблюдаемые региональные эффекты исключаются из уравнения (5) переходом к первым разностям
Ду, = аду,,, + (1 - б) дх; + (1 - б) д£,. (6)
Отсюда, найдя б (оценку параметра б) и подставив ее в уравнение (3) модели, можно вычислить оценку потребности региона в ПИИ:
у* = у,,-1 + . (7)
1 — о
Знание требуемого и реального притока ПИИ позволяет вычислить разность у* - у,, которую можно трактовать как оценку объема неудовлетворенной потребности региона в ПИИ.
3.2. Спецификация объясняющих переменных модели
Главным препятствием при изучении ПИИ на мезоуровне является отсутствие теоретической базы. Единственной более или менее строго математической моделью механизма притока ПИИ, предложенной для регионов, является модель частичного приспособления (Cheng, Kwan, 2000). Однако ее наполнение (выбор факторов, отражающих абсорбционную способность и потребность российских регионов в ПИИ) требует дополнительных обоснований. Обширный теоретический задел в этой области, как уже было сказано, ориентирован в основном на микроуровень, т. е. уровень предприятий.
Однако среди многочисленных моделей микроуровня можно выделить лишь три, которые при некоторой доработке могут быть использованы для анализа данных региональной статистики и построения синтетической модели, позволяющей получить оценку потребности
регионов РФ в ПИИ. Это модели Портера (Porter, 1985), Теша (Tesch, 1980) и Даннинга (Dunning, 1988), описанные в обзорном разделе. Несмотря на то что они были предложены более тридцати лет назад, предлагаемые в них детерминанты ПИИ и по сей день служат ядром, на котором основываются более современные концепции набора детерминант ПИИ.
Модели различаются между собой набором региональных характеристик. Модель Даннинга, адаптированная к региональной статистике, это несколько расширенная версия адаптированной модели Портера. Модель Теша, модифицированная для мезоуровня, в свою очередь, является расширением модифицированной модели Даннинга. Наборы региональных характеристик (переменных X в уравнениях (1) - (6)) для оцениваемых моделей приведены в табл. 1.
Таблица 1. Наборы региональных характеристик ПИИ в модифицированных моделях
Региональные характеристики Модель Модель Модель
Портера Даннинга Теша
Численность студентов, получающих среднее специальное образование +
Индекс добычи полезных ископаемых + + +
Индекс промышленного производства + +
Плотность автодорог с твердым покрытием + + +
Уровень безработицы + + +
Доля занятых с высшим образованием + + +
Экспорт в страны дальнего зарубежья, нормированный на ВРП + + +
Основные фонды, нормированные на ВРП + + +
Средства, затраченные на научные разработки, нормированные на ВРП + + +
Число преступлений на 100000 человек + + +
Прирост цен на первичном рынке жилья + +
Мощность электростанций +
Степень износа основных фондов +
Индекс цен на продовольственные товары +
Импорт из стран дальнего зарубежья, нормированный на ВРП +
Экспорт в страны СНГ, нормированный на ВРП +
Импорт из стран СНГ, нормированный на ВРП +
Годовой среднедушевой расход, нормированный на ВРП +
Индекс потребительских цен +
Выбросы загрязняющих веществ +
В работе проведен сравнительный анализ объясняющей силы трех теоретических моделей для выяснения, какая из них наиболее применима на мезоуровне.
Во всех трех случаях использована следующая спецификация регрессионного уравнения, подлежащего оцениванию:
Л = &У - + Х; у + (1 -<5) +еи, (8)
где у и — объем притока ПИИ в регион / за текущий период Х'и — вектор-строка региональных характеристик; у = (1-д)(3 — вектор оцениваемых коэффициентов из уравнения (5); еи ~ N(0, о2) ; а { — фиксированный региональный эффект (ненаблюдаемые характеристики инвесторов, мотивирующие их вкладывать свои средства именно в этот регион).
В работе (Cheng, Kwan, 2000) модель частичного приспособления сформулирована для | натуральных логарифмов ПИИ. Таким образом, описанные выше переменные y и X — на- 1 туральные логарифмы притока ПИИ и других характеристик региона (некоторые из которых нормированы на ВРП).
ч: Я
4. Данные §
Для анализа использована панель данных о регионах РФ с 2011 по 2015 г. Короткий временной ряд связан с тем, что зависимая переменная — приток ПИИ по субъектам, в которых зарегистрированы резиденты, начала формироваться Банком России |
с 2011 г. Данные о притоках ПИИ в субъекты РФ также имеются в Росстате, но они не со- | гласуются с данными ЦБ, и степень их достоверности вызывает некоторые сомнения, тог- ч да как данные ЦБ основаны на платежном балансе и согласованы с отчетностью регионов ^ и зарубежных инвесторов.
Характеристики регионов взяты из статистической базы Банка России и ежегодного сборника Росстата «Регионы России. Социально-экономические показатели». Все переменные, измеренные в денежных единицах, нормированы на ВРП региона. Такой прием нивелирует различия в масштабах региональных экономик. Ранее он был использован в работе (Ко-пыток, Ратникова, 2017) для анализа влияния таргетирования инфляции на приток ПИИ.
При оценке моделей используется показатель объема притока ПИИ, измеренного в долларах США, нормированный на ВРП региона и измеренный в рублях. Точнее, объем ПИИ измеряется в долларах на 100 рублей ВРП. Для нивелирования различий в денежных единицах в оцениваемую модель включена переменная — среднегодовое значение курса доллара. Поскольку неизвестно, когда именно в течение года ПИИ поступили в конкретный регион, переводить в рубли по среднегодовому курсу не вполне некорректно, т. к. при таком способе дефлирования не будут учтены колебания курса в течение года. Однако в рассматриваемых моделях есть объемы международной торговли, которые косвенно включают в себя колебания валютного курса.
Все переменные модели носят количественный характер, поэтому на этапе предварительного анализа имеет смысл изучать их временную динамику по регионам.
Ниже на рисунках 1а и 1б представлено распределение фактического объема притока ПИИ, нормированного на ВРП, по регионам России в среднем за период с 2011 по 2015 г. и по каждому году в отдельности. Регионы упорядочены по убыванию среднего объема ПИИ.
На рисунке видно два явных выброса — Москва и Чукотский автономный округ, в которых объем ПИИ, нормированный на ВРП, в 2011 г. в 1.6 раз превышал величину этого показателя для остальных регионов за все годы рассматриваемого периода. Общая для большинства регионов тенденция — превышение показателя объема ПИИ по региону среднего уровня объема ПИИ в 2011 г. и снижение этого показателя по отношению к среднему за период в 2015 г. Однако есть целый ряд исключений из этого правила: Сахалин, Магаданская область, Калужская область, Пермский край, Ульяновская область, Волгоградская область, Мурманская область, Татарстан, Ивановская область, Ставропольский край и Чеченская республика, где приток инвестиций в 2015 г. оказался выше среднего и выше уровня 2011 г.
Можно также заметить выраженное разделение регионов на три группы по среднему значению объема притока ПИИ, нормированного на ВРП, за период 2011-2015 гг., которое приведено в табл. 2.
Таблица 2. Группировка регионов по среднему объему притока ПИИ, нормированного на ВРП, за период 2011-2015 гг.
От 0.27 до 0.88 долларов ПИИ на 100 рублей ВРП (15 регионов) г. Москва
Сахалинская область Вологодская область Чукотский автономный округ Ленинградская область г. Санкт-Петербург Магаданская область Костромская область Амурская область Липецкая область Тюменская область Республика Тыва Красноярский край Московская область Калужская область
От 0.1 до 0.2 долларов ПИИ на 100 рублей ВРП (13 регионов) Новгородская область Ярославская область Пермский край Тульская область Свердловская область Удмуртская Республика Челябинская область Республика Саха (Якутия) Владимирская область Кемеровская область Нижегородская область Томская область Еврейская автономная область
Менее 0.1 доллара ПИИ на 100 рублей ВРП (52 региона) Все остальные регионы
5. о методологии эмпирического анализа
Моделировать неудовлетворенную потребность в ПИИ по регионам в целом, на агрегированных по всем отраслям данных — сложная задача по трем причинам:
• фактически наблюдаемые показатели (накопленные и поступающие ПИИ) крайне вола-тильны, их поведение весьма далеко от стационарного, в то время как большинство экономе-трических моделей предполагает близкое к равновесному состояние исследуемой системы;
• имеющиеся временные ряды ПИИ по регионам довольно коротки, а большинство эко-нометрических методик панельного анализа чувствительны к длине временного ряда;
• региональные данные чрезвычайно неоднородны, поэтому предположение однородности коэффициентов модели не вполне реалистично.
Тем не менее, осуществлять подобные исследования имеет смысл, поскольку они дают возможность выявить некоторые обстоятельства, скрытые от поверхностного взгляда.
Для проведения расчетов выбрана логарифмически-линейная функциональная спецификация. Она позволяет интерпретировать оцененные коэффициенты как эластичности и хорошо аппроксимирует эмпирические данные для всех теоретических моделей, поскольку распределение большинства переменных близко к логнормальному.
В качестве метода оценивания используется процедура Рудмана (Roodman, 2009). Она представляет собой модификацию подходов Ареллано-Бонда и Бланделла-Бонда для оценки динамических моделей панельных данных, основанную на обобщенном методе моментов (ОММ) и позволяющую учитывать поправки на малые выборки, гетероскедастичность
ПИИ, усредненные за 2011-2015 гг. ПИИ 2011 * ПИИ 2012 х ПИИ 2013 ж ПИИ 2014 о ПИИ 2015
Рис. 1а. Распределение фактического объема ПИИ по регионам России в среднем за период 2011-2015 гг. и по каждому году в отдельности. Регионы с объемом ПИИ, превышающим (в среднем за период) 0.1 доллара на 100 рублей ВРП
О
ф
!
UJ
ПИИ, усредненные за 2011-2015 гг.
ПИИ 2011
ПИИ 2012
ПИИ 2013
ПИИ 2014
ПИИ 2015
Рис. 1б. Распределение фактического объема ПИИ по регионам России в среднем за период 2011-2015 гг. и по каждому году в отдельности. Регионы с объемом ПИИ, не превышающим (в среднем за период) 0.1 доллара на 100 рублей ВРП
и автокорреляцию случайной ошибки во времени. Коррекция проводится для ковариационной матрицы на втором шаге двухшаговой процедуры обобщенного метода моментов. Вид коррекционных поправок предложен в работе (Windmeijer, 2005).
Как отмечалось выше, для состоятельности оценок модели частичного приспособления набор объясняющих переменных (определяющих потребность региона в ПИИ) должен быть адекватен и обладать высокой объясняющей способностью. Об адекватности набора объясняющих переменных можно косвенно судить по соответствию знаков оценок коэффициентов при них экономической интуиции. Объясняющую силу регрессоров в данном исследовании характеризует коэффициент корреляции фактического (У) и модельного (У) значения зависимой переменной.
Тесты Саргана, Хансена и Ареллано-Бонда позволяют проконтролировать адекватность используемых процедур оценок. Тесты Саргана и Хансена проверяют валидность (экзоген-ность) ОММ-инструментов, тесты Ареллано-Бонда выявляют наличие автокоррелирован-ности во времени ошибки в уравнении динамической модели. Присутствие автокорреляции 1-го порядка для уравнений в разностях и отсутствие автокорреляции 2-го порядка говорит об изначальной некоррелированности ошибки модели.
6. Результаты
6.1. Сопоставление оценок альтернативных моделей
В таблицах П1-П2 Приложения приведены результаты оценивания и тестирования пяти спецификаций модели частичного приспособления. Первая спецификация — авторегрессионная модель без экзогенных регрессоров, вторая — модель Портера, третья — модель Даннинга, четвертая — модель Теша, пятая — модель с набором регрессоров, позволяющим добиться максимального коэффициента корреляции фактических и оцененных значений логарифма объема ПИИ на 100 рублей ВРП.
В таблице 3 воспроизведен фрагмент табл. П1 с оценками скорости приспособления.
Таблица 3. Оценки регрессионных моделей (число наблюдений — 320, число регионов — 80)
Модель
AR(1) Портера Даннинга Теша Оптимальная
Лаг логарифма объема ПИИ, 0.342*** 0.384*** 0.420*** 0.400*** 0.424***
нормированного на ВРП (0.0797) (0.0171) (0.0139) (0.0191) (0.0153)
(параметр приспособления б)
Коэффициент корреляции У и Г 0.701 0.6964 0.7157 0.7476 0.7492
Примечание. *, **, *** — значимость на 10, 5 и 1%-ном уровне, в скобках приведены стандартные ошибки.
Параметр приспособления играет ключевую роль в исследовании, поскольку на нем строятся оценки самой потребности в ПИИ и степени ее неудовлетворенности. Из приведенных в табл. 3 результатов видно, как оценка этого параметра корректируется по мере увеличения набора объясняющих переменных, все более приближаясь к истинному значению.
Этот параметр статистически значимо отличен от нуля, что свидетельствует о том, что при- | способление не происходит мгновенно. А то, что он также существенно отличен от едини- 1 цы, косвенно подтверждает обоснованность модельной предпосылки о постепенной адаптации реальных показателей ПИИ к потребности в них регионов.
Другой важный параметр — это коэффициент корреляции фактических и оцененных (в рамках различных спецификаций модели) значений зависимой переменной, альтерна-
тива стандартному измерителю качества подгонки регрессии — коэффициенту детерми- | нации. В самой простой авторегрессионной модели он достигает сравнительно высокого ¡; значения 0.701 и еще немного возрастает по мере роста числа регрессоров модели. Однако ^ своего максимального значения 0.7492 он достигает в оптимальной модели, где оставлены ^ наиболее существенные регрессоры и учтены структурный сдвиг и излом после 2014 г. по | ряду показателей (индекс цен на продовольственные товары, среднегодовые расходы на ду- | шу населения в долях от ВРП, индекс добычи полезных ископаемых, индекс промышлен- ч ного производства). ^
Анализ адекватности моделей на предмет достоверности знаков оценок эластичностей позволяет сделать заключение, что знаки и статистическая значимость оценок ведут себя довольно стабильно от спецификации к спецификации, и знаки в целом соответствуют экономическому смыслу. Так, безработица стабильно служит отрицательным фактором, снижая мотивацию инвесторов к закреплению в депрессивных регионах, импорт из стран дальнего зарубежья — стимулирующим фактором (он в форме затрат на сырье и полуфабрикаты, как правило, сопутствует притоку ПИИ). Импорт из стран СНГ — фактор, конкурирующий с ПИИ. Уровень преступности положительно коррелирует с потоками ПИИ, но это, скорее, означает связь с качеством регистрации фактов правонарушений.
На рисунках П1 и П2 Приложения показано, как соотносятся между собой и с фактическими значениями модельные оценки доли ПИИ в ВРП для разных спецификаций, усредненные по каждому региону за период с 2012 по 2015 г. Видно, что модель авторегрессии логарифма объема ПИИ, нормированного на ВРП, систематически занижает оценки для регионов с высокой долей ПИИ и завышает оценки для регионов с низкой долей ПИИ. Модели с экзогенными регрессорами, дополняющими авторегрессионную спецификацию, улучшают аппроксимацию, но каждая по-своему. Из классических моделей визуально наилучшую аппроксимацию обеспечивает модель Теша (рис. П1), но самую качественную аппроксимацию дает «оптимальная модель» (рис. П2). Именно она оказывается наиболее адаптированной к мезоуровню и особенностям экономики российских регионов в рассматриваемом периоде 2011-2015 гг.
В целом модели демонстрируют согласованные результаты, однако они несколько различаются в ранжировании регионов по величине неудовлетворенной потребности в ПИИ. Причины различий — неравномерность поступлений ПИИ по времени в ряде регионов и высокая чувствительность моделей к указанной неравномерности. Такая неравномерность неизбежна при зарубежных поставках оборудования или строительных материалов для возведения производственных сооружений, однако она не позволяет добиваться хорошей аппроксимации в моделях, не предполагающих значительной степени неоднородности объектов выборки и неравномерности их эволюции во времени.
Основной результат исследования проиллюстрирован на рис. П3-П6 Приложения. На них показаны усредненные за период 2012-2015 гг. значения фактического притока ПИИ на 100 рублей ВРП, модельные оценки потребности в ПИИ и оценки величины неудовлетворенной
потребности, рассчитанные по оптимальной модели. Регионы ранжированы по объему неудовлетворенной потребности в ПИИ (от регионов с неудовлетворенной потребностью в ПИИ (в среднем за рассматриваемый период) к регионам, в которых потребность в ПИИ удовлетворена полностью или с избытком).
Модель частичного приспособления инерционна по своей сути, поэтому падение притока ПИИ с 2014 г. приводит, согласно ее оценкам, к сокращению потребности в ПИИ и соответственному уменьшению величины неудовлетворенной потребности. По графику усредненной по регионам динамики создается впечатление об отсутствии неудовлетворенной потребности в ПИИ в 2012-2015 гг. в регионах РФ.
6.2. Региональные различия
Однако полученный результат может свидетельствовать не о том, что российские регионы (в среднем) не нуждаются в притоке зарубежных инвестиций. Здесь, скорее, речь идет о недостаточной подготовленности региональной финансовой, производственной и управленческой инфраструктуры, не позволяющей эффективно привлекать и использовать ПИИ для стабильного развития региональных экономик. Известно, что эффективность использования ПИИ напрямую связана с абсорбционной способностью принимающей стороны. Этот вывод косвенно подтверждается и результатами данного исследования. Экономически более развитые регионы, такие как Москва, Санкт-Петербург, Московская область, Новосибирская область, Татарстан или регионы, в которых происходит интенсивный процесс освоения богатых природных ресурсов (например, Тюменская область и Приморский край), демонстрируют высокую потребность в ПИИ и наличие существенной неудовлетворенной потребности.
Вопрос, который неизбежно возникает при изучении полученных результатов — почему регионы с близкими показателями и динамикой фактического объема ПИИ по модельным оценкам теоретической и неудовлетворенной потребности могут существенно отличаться друг от друга? Самые яркие тому примеры — Липецкая, Амурская и Тюменская области, в которых, фактический объем ПИИ, нормированный на ВРП, слабо колеблется вокруг среднего значения 0.32 долларов на 100 рублей ВРП, однако по модельным оценкам в Тюменской области обнаруживается неудовлетворенная потребность в ПИИ, а в Липецкой и Амурской — «избыточно» удовлетворенная.
Из рисунка 2 видно, что модель, основанная на наборе конкретных региональных характеристик, предписывает Липецкой и Амурской областям более низкий уровень притока ПИИ, а Тюменской области — более высокий, чем фактически наблюдаемый. В этом проявляется ограниченность модели, которая принимает во внимание наличие ненаблюдаемых региональных эффектов, обусловленных мотивацией инвесторов, но не позволяет получить адекватные оценки величины этих эффектов, которые можно было бы учесть при расчете модельных значений ПИИ. Именно наличие ненаблюдаемых региональных эффектов, связанных с мотивами инвесторов, приводит к несоответствию фактического и модельного притока ПИИ.
В Тюменской области мотивация инвесторов до 2014 г. была существенно ниже, чем потребности региональной экономики в инвестициях, прямо или косвенно отраженные в модельном наборе детерминант. Возможно, здесь срабатывали институциональные ограничения на присутствие иностранных инвесторов в стратегически важной для РФ нефтедобывающей
0.50 0.40 0.30 0.20 0.10 0.00 -0.10 -0.20 -0.30 -0.40
Липецкая область
2011
2012
2013
2014
2015
ПИИ
ПИИ модельный Потребность в ПИИ Неудовлетворенная потребность в ПИИ
Амурская область
1.80 1.60
1.40
1.20
1.00
0.80
0.60
0.40
0.20 0.00
Я
! S «i
О
ф
! «i OL 1Ц
2011
2012 ПИИ
ПИИ модельный
2013
2014
2015
Потребность в ПИИ Неудовлетворенная потребность в ПИИ
Тюменская область
0.50 0.40 0.30 0.20 0.10 0.00 -0.10 -0.20 -0.30 -0.40 -0.50
-1-1-1-1-1
2011 2012 2013 2014 2015
ПИИ
ПИИ модельный Потребность в ПИИ Неудовлетворенная потребность в ПИИ
Рис. 2. Динамика фактического объема ПИИ, модельного значения, оценки потребности и неудовлетворенной потребности в ПИИ в трех избранных регионах (в долларах на 100 рублей ВРП)
отрасли, составляющей основу экономики области. В 2014 г. оцененный моделью объем ПИИ, нормированный на ВРП, упал из-за падения цен на нефть и девальвации национальной валюты. В 2015 г. он вырос, но не достиг уровня 2013 г. Однако в среднем за весь период модельная оценка выше фактических значений, и в конечном итоге средняя за период оценка неудовлетворенной потребности в ПИИ положительна.
В Амурской и Липецкой областях мотивация инвесторов, напротив, несколько выше потребностей регионов, отраженных моделью в показателях регионального экономического развития. Итог одинаков — избыточный приток ПИИ, но причины его различны.
В Амурскую область идет поток горизонтальных ресурсоориентированных ПИИ, инвесторов привлекают полезные ископаемые и энергетический потенциал региона. В 2014 г. 25% ВРП области приходились на проекты с иностранными инвесторами. Однако обрабатывающие производства области находятся пока в депрессивном состоянии, уровень жизни населения низок. Региональная рабочая сила не привлекает инвесторов, поскольку рядом Китай и Корея, где рабочая сила не менее квалифицирована, но дешевле. В данной ситуации регион пока интереснее инвесторам, чем инвесторы региону, поскольку присутствие инвесторов не способствует развитию производства с высокой добавленной стоимостью, созданию рабочих мест и росту благосостояния населения.
В Липецкую область идет поток и вертикальных (экспортоориентированных), и горизонтальных ПИИ, причем горизонтальные ПИИ здесь рыночно и стратегически ориентированы. Регион промышленно развит, его ВРП почти вдвое превышает ВРП Амурской области. На территории региона функционирует одна из самых успешных в стране ОЭЗ «Липецк». На предприятиях с ПИИ здесь выпускается бытовая (стиральные машины) и сельскохозяйственная техника, а также другая продукция с высокой добавленной стоимостью. Помимо прочих, имеют место ПИИ, поддерживающие меры по продлению жизненного цикла продукта инвестора в этом регионе, поскольку там есть потенциальная угроза конкуренции с местными производителями аналогичных товаров. Поэтому и в данном случае инвестор оказывается заинтересованным в регионе в большей степени, чем регион в нем.
На этих трех примерах раскрывается смысл, заложенный в оценках потребности регионов в ПИИ и степени ее удовлетворенности. Наличие сигнала о региональных дисбалансах потребности в ПИИ и их реального притока может привлечь внимание управляющих органов к анализу причин, вызвавших эти дисбалансы и связанных с мотивами привлеченных в регионы инвесторов.
7. Заключение
В работе построены оценки ненаблюдаемых показателей: потребности регионов России в прямых зарубежных инвестициях и объема неудовлетворенной потребности в них для периода с 2011 по 2015 г.
Более длинные статистические ряды данных позволили бы получить более реалистичную картину, но статистика за 2016-2017 гг. недоступна, более ранние данные зашумле-ны последствиями финансового кризиса 2008 г., а достоверные данные по притокам ПИИ в субъекты РФ доступны лишь с 2011 г.
Но даже при таких жестких ограничениях удалось сконструировать методику, позволяющую получить предварительные оценки важных экономических показателей и провести
первоначальное ранжирование регионов России по степени насыщения региональных эко- | номик прямыми зарубежными инвестициями. Методика позволяет проводить оценку ско- 1 рости приспособления фактических притоков ПИИ к потребностям в них регионов, устойчивую к довольно значительным модификациям набора объясняющих факторов. Полученный результат свидетельствует о том, что в 2011-2015 гг. приспособление происходило, хотя и не мгновенно. Прямые зарубежные инвестиции играли скромную роль в экономике российских регионов в целом, поэтому средняя по стране оцененная потребность в них бы- | ла невелика и падала со временем. Средняя неудовлетворенная потребность в ПИИ также падала, достигнув нуля в 2013 г., а в 2014-2015 гг. зарубежные инвесторы (в среднем) были больше заинтересованы в регионах РФ, чем регионы в инвесторах. Однако неоднородность субъектов РФ очень высока, и средняя картина не отражает крайностей. Выявлено |
г
три группы регионов: две полярные с ярко выраженными противоположными тенденциями |
t
и одна промежуточная, где тенденции либо слабо выражены, либо практически отсутствуют. На одном полюсе оказались регионы с высокими потребностями в ПИИ, значительный ^ объем которых не удовлетворен: Москва, Тюменская область, Санкт-Петербург и Приморский край. На другом полюсе — регионы, получающие ПИИ в объемах, существенно превышающих их объективные (с точки зрения модели) запросы. Их список довольно широк и, на первый взгляд, между ними мало общего. Чтобы показать причины столь радикальных различий в оценках, в работе предложен образец анализа трех регионов: Тюменской, Амурской и Липецкой областей.
Методика анализа была разработана по заказу Минэкономразвития РФ в рамках НИР «Анализ динамики и структуры иностранных инвестиций в российскую экономику» в 2016 г. Полученные оценки могут быть полезны региональным органам управления при выработке инвестиционной политики в современных условиях.
Благодарности. В данной работе использованы результаты проекта № 12 «Моделирование динамики секторов российской экономики с учетом эволюции их структуры», выполненного в рамках Программы фундаментальных исследований НИУ ВШЭ в 2019 г. Авторы выражают благодарность Н. П. Пильнику за полезные комментарии к работе.
Список литературы
Гумерова Г. И., Шаймиева Э. Ш. (2008). Факторы, влияющие на привлечение прямых иностранных инвестиций в экономику региона (согласно теории П. Теша). Региональная экономика: теория и практика, 9, 36-42.
Копыток В. К., Ратникова Т. А. (2017). Влияние политики инфляционного таргетирования на динамику прямых иностранных инвестиций. Экономический журнал ВШЭ, 21 (1), 32-65.
Турлай И. С. (2017). Влияние региональной экономической интеграции на привлечение прямых иностранных инвестиций (теоретические, методологические, эмпирические аспекты). М.: Инфра-М.
Baltagi B. H., Egger P., Pfaffermayr M. (2007). Estimating models of complex FDI: Are there third-country effects? Journal of Econometrics, 140 (1), 260-281.
Blonigen B. A., Davies R. B., Waddell G. R., Naughton H. T. (2007). FDI in space: Spatial autoregressive relationships in foreign direct investment. European Economic Review, 51 (5), 1303-1325.
Cheng L. K., Kwan Y. K. (2000). What are the determinants of the location of foreign direct investment? The Chinese experience. Journal of International Economics, 51 (2), 379-400.
Dunning J. H. (1988). Explaining international production. Collins Educational.
Ekholm K., Forslid R., Markusen J. R. (2007). Export-platform foreign direct investment. Journal of the European Economic Association, 5 (4), 776-795.
Helpman E. (1984). A simple theory of international trade with multinational corporations. Journal of Political Economy, 92, 451-472.
Helpman E., Krugman P. (1985). Market structure and international trade. MIT Press, Cambridge.
Hymer S. H. (1976). The international operations of national firms: A study of direct foreign investment. The MIT Press.
Kinoshita Y., Campos N. F. (2003). Why does FDI go where it goes? New evidence from the transition economies. IMF Working Paper WP/03/228.
Markusen J. R. (1984). Multinationals, multi-plant economies, and the gains from trade. Journal of International Economics, 16, 205-226.
Markusen J. R., Maskus K. E. (2002). Discriminating among alternative theories of the multinational enterprise. Review of International Economics, 10 (4), 694-707.
Porter M. E. (1985). Competitive advantage: Creating and sustaining superior performance. New York: FreePress.
Roodman D. (2009). How to do xtabond2: An introduction to «Difference» and «System» GMM in Stata.
Stata Journal, 9 (1), 86-136.
Southard F. (1931). American industry in Europe. Boston, MA: Houghton Mifflin Company.
Tesch P. (1980). Die bestimmungsgrunde des internationalen handels und der direktinvestitionen. Dunck-er & Humblot, Berlin.
Windmeijer F. (2005). A finite sample correction for the variance of linear efficient two-step GMM estimators. Journal of Econometrics, 126, 25-51.
Поступила в редакцию 23.01.2019; принята в печать 31.03.2019.
Приложение
Таблица П1. Результаты оценки моделей (число наблюдений — 320, число регионов — 80)
£ Я
! S «i
О ф
! «i
OL
1Ц
Модель
AR(1) Портера Даннинга Теша Оптимальная
Лаг ПИИ, нормированных на ВРП 0.342*** 0.384*** 0.420*** 0.400*** 0.424***
(0.0797) (0.0171) (0.0139) (0.0191) (0.0198)
Курс доллара к рублю 0.122 - 1.383*** - 0.825** - 0.592***
(0.354) (0.275) (0.387) (0.199)
Индекс добычи полезных ископаемых - 0.354*** -0.00860 0.0608
(0.101) (0.114) (0.246)
Индекс промышленного производства 0.0737 0.730* 1.187*
(0.332) (0.396) (0.622)
Густота автодорог с твердым покрытием -0.0943 - 0.130* - 0.175** -0.126
(0.0638) (0.0776) (0.0732) (0.0777)
Безработица - 1.140*** - 1.022*** - 0.805*** - 0.571***
(0.135) (0.0990) (0.155) (0.117)
Доля занятых с высшим образованием 0.0496 - 1.123*** -0.494
(0.247) (0.354) (0.473)
Экспорт в страны дальнего зарубежья, 0.0704** - 0.0896*** - 0.118** -0.0102
нормированный на ВРП (0.0307) (0.0308) (0.0499) (0.0230)
Основные фонды, нормированные 0.0727 0.860*** 0.474*
на ВРП (0.403) (0.279) (0.279)
Средства, затраченные на научные - 0.437*** -0.0272 -0.0357
разработки, нормированные на ВРП (0.122) (0.111) (0.104)
Число преступлений на 100000 человек 0.398** 0.649*** 0.765*** 0.721***
(0.176) (0.140) (0.198) (0.180)
Прирост цен на первичном рынке жилья - 0.158*** -0.125
(0.0369) (0.0791)
Индекс цен на продовольственные 2.487 - 6.647**
товары (1.807) (3.099)
Импорт из стран дальнего зарубежья, 0.272*** 0.234***
нормированный на ВРП (0.0563) (0.0422)
Экспорт в страны СНГ, нормированный 0.0172 0.0110
на ВРП (0.0236) (0.0232)
Импорт из стран СНГ, нормированный - 0.0944*** - 0.0921***
на ВРП (0.0259) (0.0198)
Годовой среднедушевой расход, - 0.657*** -0 941***
нормированный на ВРП (0.0994) (0.161)
Индекс потребительских цен -2.707
(3.112)
Выбросы загрязняющих веществ 0.0213
(0.0849)
Мощность электростанций 0.242*** -0.0478
(0.0757) (0.0652)
Степень износа основных фондов 0.577*
(0.303)
Окончание табл. П1
Модель
AR(1)
Портера Даннинга
Теша Оптимальная
Численность студентов, получающих среднее специальное образование Фиктивные переменные 2014 и 2015 гг.
Произведение фиктивных переменных 2014 и 2015 гг. на годовой среднедушевой расход, нормированный на ВРП
Произведение фиктивных переменных 2014 и 2015 гг. на индекс цен продовольственных товаров Произведение фиктивных переменных 2014 и 2015 гг. на индекс добычи полезных ископаемых Произведение фиктивных переменных 2014 и 2015 гг. на индекс промышленного производства Константа
0.661*** (0.0766)
—2 117***
(0.285)
-3.769 (3.557)
-1.924 (2.284)
-4.537 (8.024)
-0.283 (0.196) - 53.04*** (12.06) 0.269*** (0.0466)
12.85*** (2.626)
0.279** (0.116)
- 1.996** (0.996)
24.31 (15.85)
Примечание. *, **, *** — значимость на 10, 5 и 1%-ном уровне, в скобках приведены стандартные ошибки. Значения всех переменных приведены в натуральных логарифмах.
Таблица П2. Результаты тестов корректности инструментов ОММ и качества подгонки моделей
Модель
AR(1) Портера Даннинга Теша Оптимальная
Тест Ареллано—Бонда на АЯ(1) в первых разностях ошибок
P-значение 0.036 0.033 0.042 0.045 0.048
Тест Ареллано—Бонда на АЯ(2) в первых разностях ошибок
P-значение 0.477 0.451 0.511 0.629 0.524
Тест Саргана на сверхидентифицирующие ограничения
(не робастный к гетероскедастичности, не ослабленный большим количеством инструментов)
P-значение (%2) 0.001 0.006 0.002 0.067 0.003
Тест Хансена на сверхидентифицирующие ограничения
(робастный к гетероскедастичности, ослабленный большим числом инструментов)
P-значение (%2) 0.067 1.000 1.000 1.000 1.000
Тест разностей Хансена на экзогенность групп инструментов (GMM инструменты для уравнения в уровнях) Разность (нулевая гипотеза — экзогенность)
P-значение (%2) 0.021 1.000 1.000 1.000 1.000
Р-значение (К) Значимость регрессии 0.000 0.000 0.000 0.000 0.000
Коэффициент корреляции фактического и оцененного 1п(ПИИ) 0.7010 0.6964 0.7157 0.7476 0.7492
ою'-О о; о
„ ^ tf 15
sg ^
^ m ц и
2 i 0
-2 --4 --6 -8 -10 -12 J
5К 5К 1 л н о ч о о
И 5S 5S К и «3 0Ü И
И 5
Л * И о ю s
Я я ^ о
а и
, ,
С и к
ffi
ю и <ю
ß & M о « О
Г Ю
& &
hi о
S и
Г^юю^ ö «О й ОЮ
гаи цг:
^mSmoc^
sS^M
, ^ Ü
hoo.Ö м n Я ^ m
ЁТ'ОСХ
vovovo &&&
ООО
• Логарифм доли ПИИ в ВРП
• Оценка модели AR(1)
• Оценка модели Портера
- Оценка модели Даннинга
- Оценка модели Теша
О
ф
!
OL 1Ц
Рис. П1. График сопоставления качества аппроксимации авторегрессионной модели и моделей Портера, Даннинга и Теша (показан каждый второй регион)
-2
-6
-10
■ Логарифм доли ПИИ в ВРП
■ Оценка модели AR(1)
■ Оценка модели Теша
■ Оценка оптимальной модели
Рис. П2. График сопоставления качества аппроксимации авторегрессионной модели, модели Теша и оптимальной модели (показан каждый второй регион)
0
4
8
12
Рис. П3. Фактический объем притока ПИИ в регионы, оцененная потребность регионов в ПИИ, неудовлетворенная потребность в ПИИ, усредненные значения за 2012-2015 гг., в долларах на 100 рублей ВРП (показан каждый второй регион)
0.00
-ПИИ
■ Потребность в ПИИ Неудовлетворенная потребность в ПИИ
Рис. П4. Регионы с неудовлетворенной потребностью в ПИИ по оценкам оптимальной модели, усредненные значения за 2012-2015 гг., в долларах на 100 рублей ВРП
ПИИ
Потребность в ПИИ Неудовлетворенная потребность в ПИИ
Рис. П5. Регионы с удовлетворенной и с избытком удовлетворенной потребностью в ПИИ по оценкам оптимальной модели, усредненные значения за 2012-2015 гг., в долларах на 100 рублей ВРП
О
ф
!
UJ
0.25 0.20 0.15 0.10 0.05 0.00 -0.05 -0.10
"Ч. 's. "Ч. •О» "О. S.» 'S. 'S» 's. ■S» —
1 1
2011 2012 2013 ■ 2015
-ПИИ
ПИИ модельный ■ Потребность в ПИИ Неудовлетворенная потребность в ПИИ
Рис. П6. Усредненные по регионам величины фактического объема ПИИ, оценок потребности и неудовлетворенной потребности в ПИИ по оптимальной модели,
в долларах на 100 рублей ВРП
Anikieieva K. R., Ratnikova T. A., Gladysheva A. A. Estimation of unobserved demand for inward FDI in Russian regions. Applied Econometrics, 2019, v. 53, pp. 7-29.
Kateryna Anikieieva
National Research University Higher School of Economics (NRU HSE), Moscow, Russian Federation; kateanikieieva@gmail.com
Tatiana Ratnikova
National Research University Higher School of Economics (NRU HSE), Moscow, Russian Federation; taratnikova@yandex.ru
Anna Gladysheva
National Research University Higher School of Economics (NRU HSE), Moscow, Russian Federation; gladysheva.ann@gmail.com
Estimation of unobserved demand for inward FDI in Russian regions
The purpose of the research is the investigation and detecting the regions with satisfied, under satisfied and excessive demand for foreign direct investment (FDI). The methodology of the estimation of unobserved demand level is based on the partial adjustment model of several specifications constructed according to three theoretical approaches. After the estimation of dynamic models on regional panel data from Rosstat and Central Bank of Russia over the period 2011-2015 we obtained the values of unobserved demand for FDI adjusted to GRP and ranked Russian regions on the base of demand satisfaction. Then the results for three regions are discussed. Keywords: inward foreign direct investment; partial adjustment model. JEL classification: F21; O16; C33.
References
Gumerova G. I., Shaimieva E. Sh. (2008). Faktory, vliyayushchie na privlechenie pryamyh inostran-nyh investicij v ehkonomiku regiona (soglasno teorii P. Tesha). Regional Economics: Theory and Practice, 9, 36-42 (in Russian).
Kopytok V. K., Ratnikova T. A. (2017). The impact of the inflation targeting policy on the foreign direct investments dynamics. HSE Economic Journal, 21 (1), 32-65 (in Russian).
Turlai I. S. (2017). The impact of regional economic integration on foreign direct investment: Theoretical, methodological, empirical aspects. Moscow: Infra-M (in Russian).
Baltagi B. H., Egger P., Pfaffermayr M. (2007). Estimating models of complex FDI: Are there third-country effects? Journal of Econometrics, 140 (1), 260-281.
Blonigen B. A., Davies R. B., Waddell G. R., Naughton H. T. (2007). FDI in space: Spatial autoregressive relationships in foreign direct investment. European Economic Review, 51 (5), 1303-1325.
Cheng L. K., Kwan Y. K. (2000). What are the determinants of the location of foreign direct investment? The Chinese experience. Journal of International Economics, 51 (2), 379-400. Dunning J. H. (1988). Explaining international production. Collins Educational. Ekholm K., Forslid R., Markusen J. R. (2007). Export-platform foreign direct investment. Journal of the European Economic Association, 5 (4), 776-795.
Helpman E. (1984). A simple theory of international trade with multinational corporations. Journal of §
<u
Political Economy, 92, 451-472. |
Helpman E., Krugman P. (1985). Market structure and international trade. MIT Press, Cambridge. Hymer S. H. (1976). The international operations of national firms: A study of direct foreign investment. The MIT Press.
<8
Kinoshita Y., Campos N. F. (2003). Why does FDI go where it goes? New evidence from the transition § economies. IMF Working Paper WP/03/228. |
Markusen J. R. (1984). Multinationals, multi-plant economies, and the gains from trade. Journal of In- <2 ternational Economics, 16, 205-226. ^
Markusen J. R., Maskus K. E. (2002). Discriminating among alternative theories of the multinational <§ enterprise. Review of International Economics, 10 (4), 694-707. |
Porter M. E. (1985). Competitive advantage: Creating and sustaining superior performance. New York: ^ FreePress.
Roodman D. (2009). How to do xtabond2: An introduction to «Difference» and «System» GMM in Stata.
Stata Journal, 9 (1), 86-136.
Southard F. (1931). American industry in Europe. Boston, MA: Houghton Mifflin Company. Tesch P. (1980). Die bestimmungsgrunde des internationalen handels und der direktinvestitionen. Dunck-er & Humblot, Berlin.
Windmeijer F. (2005). A finite sample correction for the variance of linear efficient two-step GMM estimators. Journal of Econometrics, 126, 25-51.
Received 23.01.2019; accepted 31.03.2019.
1
uj
