Шрифт:
Интервал:
Закладка:
Таким образом, мы нашли подтверждение гипотезе о нематериальных активах. В структуре капитала произошел сдвиг в пользу нематериальных активов, для которых инвестиционный разрыв меньше, чем для материальных. Вместе с тем основной бум нематериальных инвестиций пришелся на конец девяностых годов, а в последние годы такие инвестиции снизились – возможно, их уровень стал не столь низким, как уровень материальных инвестиций, но определенно он недостаточен, чтобы продвигать экономику вперед.
Производительность
Возможно, самый прямой прогноз, который можно сделать на основе гипотезы возникновения фирм-суперзвезд, заключается в том, что концентрация должна быть связана с сильным ростом производительности. Согласно этой гипотезе, концентрация отражает эффективное увеличение масштабов деятельности. Следовательно, на основе этой гипотезы можно сделать ключевой прогноз о том, что концентрация приводит к росту производительности на отраслевом уровне, поскольку она происходит за счет расширения фирм с самой высокой производительностью. Такое случалось и в прошлом. В главе 2 мы обсуждали пример розничной торговли в девяностые годы. В течение этого десятилетия розничная торговля стала значительно более концентрированной и производительной.
Однако девяностые годы давно прошли. Представляет ли развитие фирм-суперзвезд основную движущую силу концентрации, как предполагают Дэвид Аутор, Дэвид Дорн, Лоуренс Кац, Кристина Паттерсон и Джон Ван Ринен (Autor et al., 2017)? Чтобы проверить эту идею, Матиас Коваррубиас, Герман Гутьеррес и я (Covarrubias, Gutiérrez and Philippon, 2019) изучили взаимосвязь между изменениями концентрации и изменениями совокупной факторной производительности (TFP) в различных отраслях в 1990-е и 2000-е годы. При этом мы применяли наши индикаторы концентрации, скорректировав их на международную торговлю, чтобы учесть иностранную конкуренцию и экспорт.
Наши выводы обобщены во вставке 4.2 и ее таблице, где обсуждается интерпретация различных чисел в статистических моделях. Мы обнаружили, что за последние двадцать лет соотношение между концентрацией и ростом производительности изменилось. В девяностые годы (1989–1999) эта связь была положительной. В тех отраслях, где концентрация росла быстрее, также быстрее росла и производительность. Теперь это уже не так. Фактически, в период с 2000 по 2015 год мы обнаружили отрицательную связь между изменениями концентрации и производительности (хотя данные несколько зашумлены).
Подобная тенденция характерна для всей экономики, а также обнаруживается в промышленном секторе, когда нам доступны более детализированные данные (уровень NAICS 6 – этот термин объясняется в посвященном отраслевой классификации разделе приложения). Позитивное и значимое соотношение между концентрацией и производительностью можно обнаружить только для периода с 1997 по 2002 год, но не после. Фактически, в период с 2007 по 2012 год это соотношение, по-видимому, было отрицательным, хотя данные противоречивы.
ВСТАВКА 4.2
Статистические модели
В табл. 4.2 представлены результаты пяти регрессий, то есть пяти статистических моделей. Правая половина таблицы посвящена экономике в целом, а левая половина – промышленному сектору.
ТАБЛИЦА 4.2
Результаты регрессии
ПРИМЕЧАНИЕ: Логарифмические изменения TFP и концентрации четырех крупнейших фирм. Стандартные ошибки указаны в квадратных скобках под коэффициентами. 97–02 означает, что выборка охватывает 1997–2002 годы. Подробнее см.: Covarrubias, Gutiérrez, and Philippon, 2019.
Давайте начнем с правой стороны таблицы, и я объясню все числа: (4) означает, что это четвертая модель. Она охватывает экономику в целом за период с 1989 по 1999 год. Коэффициент 0,14 означает, что в данной выборке увеличение доли рынка четырех ведущих фирм на один процент связано с ростом производительности на 0,14 %. Число ниже, в квадратных скобках, – это стандартная ошибка, которая измеряет точность нашей оценки. Стандартная ошибка 0,06 для коэффициента 0,14 означает, что значение данного эффекта в действительности может находиться где-то между 0,08 (0,14 − 0,06) и 0,20 (0,14 + 0,06). Когда коэффициент более чем в два раза превышает стандартную ошибку, рядом с ним ставится звездочка (*). Мы делаем это, чтобы показать, что мы вполне уверены в том, что коэффициент значимо положителен. На жаргоне эмпирической экономики мы говорим, что коэффициент статистически отличается от нуля. В колонке 2 вы видите коэффициент 0,01 со стандартной ошибкой 0,05. Это означает, что в этой выборке нет статистической связи между концентрацией и производительностью.
В нижней части таблицы содержится дополнительная справочная информация об использованных данных и количестве наблюдений. Включение фиксированных эффектов года (Y = yes) означает, что регрессия учитывает любой общий шок, который может одинаково воздействовать на все отрасли в любом данном году. Это важно, потому что экономика США в рассматриваемом периоде не была (и не является) статичной, в ней происходили подъемы и спады, пузыри на фондовом рынке или рынке жилья, террористические акты и финансовые кризисы. Таким образом, мы хотим убедиться, что наши результаты основаны именно на сравнении американских отраслей. Наконец, R² измеряет добротность подгонки модели. Для четвертой модели R² = 0,07. Это означает, что данный коэффициент фиксирует около 7 % изменений, которые мы видим в данных. Неудивительно, что есть много других факторов, которые влияют на рост производительности помимо концентрации, и также вероятно, что в данных довольно много ошибок измерения.
Подводя итоги, можно сказать, что данные за 1990-е годы подтверждают гипотезу фирм-суперзвезд, а за 2000-е – опровергают ее. Тем не менее есть еще один вызывающий беспокойство вопрос – правильно ли мы измеряем производительность?
Популярное у оптимистов новых технологий объяснение замедления экономики (замедления производительности и инвестиций) заключается в том, что мы неправильно оцениваем бесплатные блага, предоставляемые такими фирмами, как Google и Facebook, а также нематериальные инвестиции на их производство. Эта история звучит правдоподобно, но факты говорят о том, что подобные блага и инвестиции дают незначительный эффект. Лучшие из имеющихся исследований делают вывод, что ошибки в измерении вряд ли могут выступать объяснением не впечатляющего экономического роста в наше время. Как объясняет Чад Джонс (Jones, 2017), «исследования Бирна и соавторов (Byrne et al., 2016), а также Сиверсона (Syverson, 2017) приходят к выводу, что замедление настолько велико по отношению к значению „бесплатного“ сектора, что неправильное измерение, вероятно, объясняет его лишь незначительно»[26]. Я бы добавил к этому, что бесплатных вещей не бывает. Вспомним приведенную в главе 2 поговорку из Кремниевой долины: «если вы не платите, то вы не клиент, а продаваемый продукт».