Влияние расходов на НИОКР на экспорт высокотехнологичной продукции

В период меркантилизма, начавшийся в XV веке, происходила гонка за накоплением капитала между западными странами. В этом процессе, который может быть обозначен как торговый капитализм, было принято, что богатство передается через владение драгоценными металлами, применялась политика увеличения экспорта и сокращения импорта. Промышленная революция, начавшаяся в Англии под влиянием технологических достижений середины XVIII века – промышленного капитализма, привела к массовому производству и значительному увеличению предложения промышленных товаров. Как и в период меркантилизма, увеличение экспорта имело решающее значение для сокращения возникающего избытка предложения и для накопления благ. Между странами, которым удалось достичь индустриализации, и теми, которые этого не сделали, возникла значительная разница в уровне развития. Страны начали подразделяться на развитые и слаборазвитые в зависимости от уровня индустриализации. В настоящее время развитые страны пытаются достичь высоких темпов экономического роста, чтобы одержать верх друг над другом за счет увеличения своего богатства, в то время как слаборазвитые пытаются достичь уровня развитых стран. Как и в предыдущие периоды, наиболее эффективным инструментом, который может быть использован для этой цели, считается экспорт. С 1980-х гг. страны проводят политику, основанную на экспорте, для достижения целей устойчивого роста.

В условиях очень жесткой конкуренции на международных рынках компании постоянно пытаются поддерживать свою деятельность и увеличивать прибыль, внося изменения в характер производимой ими продукции. Поскольку принято считать, что сегодня наиболее важным источником производства являются технологии, увеличение добавленной стоимости продукции за счет использования более высоких технологий в производстве позволяет выделиться на фоне конкурентов. Кроме того, повышение продаж компаний на международных рынках влияет на увеличение богатства страны за счет роста экспорта государства, с которым они связаны, и получения иностранной валюты. В связи с этим национальные правительства проводят различную политику, направленную на поддержку производства и экспорта высокотехнологичной продукции. Было замечено, что это оказывает значительное влияние на экономику, поэтому число исследований, проводимых для определения факторов, способствующих экспорту высокотехнологичной продукции (ЭВТП), непрерывно растет. Хотя во многих работах было обнаружено, что таких факторов несколько, установлено, что именно деятельность в области НИОКР имеет большое значение для технологического развития, которое обеспечивает такие преимущества, как изобретения, инновации и эффективное использование ресурсов. Подчеркивается, что наиболее эффективным фактором для экспорта высокотехнологичной продукции является научноисследовательская деятельность. По мнению (Gruber et al., 1967), в отношении достижения конкурентного преимущества «все пути ведут к взаимосвязи между показателями экспорта и деятельностью в области НИОКР». Многие исследователи отмечают значительное влияние научно-исследовательской деятельности на экспорт высокотехнологичной продукции, что пробудило наше любопытство к этому вопросу, а также послужило источником мотивации для данного исследования.

В работе исследуется влияние расходов на НИОКР на экспорт высокотехнологичной продукции в 11 развивающихся странах с рыночной экономикой. Наше исследование отличается от других по трем аспектам. Во-первых, в последние годы сократилось количество работ, изучающих влияние расходов на НИОКР на экспорт высокотехнологичной продукции. В этом отношении анализ, который будет проведен с использованием новых данных, поможет определить, в каком направлении развивалась взаимосвязь между переменными. Во-вторых, в нашем исследовании литература, рассматривающая влияние расходов на НИОКР на экспорт высокотехнологичной продукции, была изучена подробнее, чем в других. Это помогает нам создать хорошую рабочую обстановку, позволяя получить полное представление обо всех деталях темы. В-третьих, ранее взаимосвязи между переменными обычно исследовались традиционными эмпирическими методами. В нашей работе был использован панельный квантильный регрессионный анализ, который ранее не применялся. Использование панельного квантильного регрессионного анализа дало возможность увидеть, как меняется влияние расходов на НИОКР в странах с высоким, средним и низким уровнем экспорта высокотехнологич- ной продукции в рамках единого анализа. Таким образом, была получена более подробная информация о взаимосвязи между переменными, и эта информация является полезной при выработке политических рекомендаций.

Работа построена следующим образом. Сначала даются концептуальные пояснения по теме, а также приводится теоретический обзор. Далее представлен обзор эмпирической литературы, в третьем разделе вводится набор данных и эконометрический метод. В четвертом разделе представлены результаты эмпирического анализа. Исследование завершается общей оценкой и рекомендациями по выработке мер. Благодаря примененному эконометрическому методу была получена более подробная информация о взаимосвязи между переменными по сравнению с другими исследованиями на эту тему.

Концептуальные и теоретические основы

Согласно определению, предложенному Дэвисом (Davis, 1982), высокотехнологичный продукт производится со значительными затратами на НИОКР. Высокотехнологичный продукт также можно определить как технологически емкий товар с высокой эластичностью дохода и сложными стадиями производства, которые оказывают значительное влияние на рост экономики страны. Таким образом, высокотехнологичное производство подразумевает обеспечение эффективности и повышение качества производства. В настоящее время, когда проводится экспортоориентированная политика, быстрорастущие страны пытаются увеличить экспорт высокотехнологичной продукции, чтобы защитить и расширить свою долю на экспортных рынках (Mani, 2000; Q olako g lu, 2021; Sara, 2012).

Как утверждают Агион и др. (Aghion et al., 2000), основным источником технического прогресса являются инновации, которые обеспечивают появление новых продуктов, методов производства, производственной деятельности и новых организаций. Инновации, с другой стороны, создаются в результате научно-исследовательской деятельности стремящихся к получению прибыли фирм, предпринимателей и ученых. Таким образом, важной частью технологического развития является продукт научно-исследовательской деятельности компаний, направленной на создание новых технологий. Этот аспект также выступает отправной точкой для моделей внутреннего роста (Jones, 2013). Идея интернализации технологического развития в теории экономического роста была впервые предложена Шумпетером (Schumpeter, 1942). Позже Ромер (Romer, 1986) развил предложенную Эрроу модель обучения в процессе деятельности и создал на ее основе модель роста, основанную на исследованиях и разработках. Согласно Ромеру, компании, стремящиеся максимизировать свою прибыль, реализуют знания, которые они получили, вкладывая средства в НИОКР для производства, и пытаются стать монопольной силой. Увеличение объемов производства компаний стимулирует экономический рост. Кроме того, новая информация, полученная компаниями, используется в производстве другими компаниями, работающими в том же секторе, создавая эффект «перелива», и эта ситуация положительно влияет на экономический рост. Гроссман и Хелпман (Grossman, Helpman, 1989, 1990), Агион и Ховитт (Aghion, Howitt, 1992) предлагают различные мнения о важности НИОКР для экономического роста. Согласно их моделям, увеличение числа людей, работающих в секторе исследований и разработок, и положительные внешние эффекты, создаваемые в этом секторе, оказывают положительное влияние на экономический рост (Taban, §engur, 2014). На основании данной теоретической информации утверждается, что расходы на НИОКР оказывают двустороннее влияние на технологию. Во-первых, они расширяют возможности страны по разработке новых продуктов, во-вторых, увеличивается способность получать информацию за счет расходов на НИОКР, ускоряется передача технологий между странами или секторами (Griffith et al., 2004).

Ав и др. (Aw et al., 2009) разработали динамическую модель экспорта для изучения взаимосвязи между деятельностью в области НИОКР и экспортом. Согласно их модели, производительность в значительной степени зависит от научно-исследовательской деятельности фирмы и участия в экспортных рынках. Поэтому они подчеркивают, что деятельность в области исследований и разработок окажет положительное влияние на доходы от экспорта за счет повышения производительности (Harris, Moffat, 2011). Как правило, влияние НИОКР на экспорт выражается двумя различными способами, такими как затраты и выпуск. В рамках подхода, основанного на затратах, рассматривается взаимосвязь между экспортом и такими факторами, как расходы на НИОКР и персонал, участвующий в исследованиях и разработках нового продукта или технологии производства. В рамках подхода, основанного на выпуске, рассматривается взаимосвязь между патентами, полученными в результате НИОКР, и экспортом (Yildirim, Kesikoglu, 2012).

ОЭСР классифицирует продукцию обрабатывающей промышленности страны на четыре группы в зависимости от уровня технологии. Соответственно, плотность технологий учитывает и уровень технологии, характерный для данного сектора (отношение затрат на НИОКР к добавленной стоимости), и затраты на НИОКР на промежуточные товары и основные средства, а также технологии, различаемые как низкие, средние низкого уровня, средние высокого уровня и высокие. В этом контексте высокотехнологичные продукты включают продукты с высокой интенсивностью исследований и разработок, например произведенные в компьютерной, аэрокосмической, фармацевтической, химической, электротехнической, электронной и телекоммуникационной промышленности или произведенные в результате научных исследований (Hatzichronoglou, 1997; OECD, 2011). В свете этих объяснений можно утверждать, что путь к высоким технологиям в производстве и, следовательно, в экспорте лежит через научно-исследовательскую деятельность. По этой причине можно сказать, что страны, которые выделяют больше средств на НИОКР, находятся в лучшем положении с точки зрения экспорта высокотехнологичной продукции (ЭВТП) (табл. 1) .

Из таблицы 1 видно, что самые высокие расходы на НИОКР в соответствии с классификацией доходов приходятся на страны с высоким уровнем дохода. Самые низкие расходы на НИОКР приходятся на страны с доходом ниже среднего. Было установлено, что доля

Таблица 1. Расходы на НИОКР и экспорт высокотехнологичной продукции в группах стран по доходам и региональной классификации

Группа стран	Расходы на НИОКР, %1 (2018)	Экспорт высокотехнологичноый продукции, %2 (2019)
Страны с высоким уровнем дохода	2,59	20,23
Страны с доходом выше среднего	1,64	23,60
Страны с доходом ниже среднего	0,53 (2017)	16,92
Страны с низким уровнем дохода	-	5,38
Европейский союз	2,19	16,21
Восточная Азия и Тихоокеанский регион	2,44	33,85
Латинская Америка и страны Карибского бассейна	0,67	14,09
Ближний Восток и Северная Африка	0,61 (2017)	4,61
Страны Африки к югу от Сахары	0,48 (2007)	6,02
Мир	2,20	20,75
1    Доля расходов на НИОКР в ВВП. 2    Доля ЭВТП в экспорте обрабатывающей промышленности. Источник: World Bank (2022).

ЭВТП наибольшая в государствах с высоким уровнем дохода, наименьшая – с низким уровнем дохода. На данный момент можно сказать, что как расходы на НИОКР, так и ЭВТП выше в группах стран с высоким уровнем дохода, чем в странах с низким уровнем дохода. Согласно региональной классификации было определено, что страны Восточной Азии и Тихого океана, которые в последние годы стали производственными базами транснациональных компаний, особенно из-за низких затрат на рабочую силу, находятся в лучшем положении с точки зрения обеих переменных. Кроме того, установлено, что расходы на НИОКР и ЭВТП значительно выше в развитых западных странах по сравнению с другими регионами, состоящими из развивающихся стран.

Обзор литературы

С 1980-х гг. в теориях эндогенного развития подчеркивалось, что деятельность в области НИОКР оказывает значительное влияние на экономический рост благодаря технологическим разработкам. Поэтому стали широко распространенными исследования влияния НИОКР на экономический рост, а также на другие переменные, такие как общий объем экспорта, ЭВТП, экспорт промышленных товаров, экспорт информационно-коммуникационных технологий. С 1990-х гг. растет число исследований, изучающих взаимосвязь НИОКР с ЭВТП. НИОКР является одним из основных факторов, определяющих ЭВТП. Как указано в теоретическом разделе, деятельность в области НИОКР включается в анализ в виде переменных, таких как расходы на НИОКР, число исследователей, работающих в секторе НИОКР, количество патентных заявок или патентов, в зависимости от подхода «затраты-выпуск». В исследованиях, проведенных в основном в странах Европейского союза, ОЭСР и азиатских странах, было установлено, что в целом НИОКР оказывает положительное влияние на экспорт высокотехнологичной продукции. Стоит отметить, что наличие данных также имеет большое значение при выборе страны. Некоторые исследования, проведенные по этому вопросу, представлены в таблице 2.

Данные и эконометрический метод

Цель исследования – изучить влияние расходов на НИОКР на экспорт высокотехнологичной продукции в 11 развивающихся странах с рыночной экономикой1, выделенных в соответствии с имеющимися данными по странам, охваченных индексом развивающихся рынков Morgan Stanley Capital International (MSCI). Кроме того, в исследование была включена Россия, которая многими организациями

Таблица 2. Обзор литературы

Автор(ы)	Годы/страна	Переменные	Метод	Результат
Le (1987)	1975, 1979, 1980 и 1983, страны ОЭСР	HTE, R&D1	Регрессионный анализ	Положительное влияние
Fagerberg (1995)	1960–1980, 19 стран ОЭСР	SI, R&D1, PATENT, SAL, POP, DEF, INV	Панельный регрессионный анализ	Расходы на НИОКР оказывают положительное влияние на индекс специализации по некоторым продуктам и отрицательное влияние на некоторые продукты
Landesmann и Pfaffermayr (1997)	1967–1987, 7 стран ОЭСР	EXP, ER, LABORC, R&D1	Панельный регрессионный анализ	Положительное влияние
Seyoum (2004)	1996–1998, 54 страны	HTE, FDI, R&D2, EDU1, UICL, ER, PINFS	Межстрановой анализ	Положительное влияние
Gourlay и др. (2005)	1988–2001, Великобритания (1468 компаний)	EXP, SALE, VPRO, R&D1, CAP1, ER	Анализ межстрановых данных	Положительное влияние
Srholec (2007)	2001–2003, 111 стран	EPEXP, TECH, R&D1, POP, FPIMP, IGIMP	Панельный регрессионный анализ	Положительное влияние
Braunerhjelm и Thulin (2008)	1981–1999, 19 стран ОЭСР	HTE, R&D1, GDP, EDU2, GOV1, FDI, MIDTECH, PCGDP	Панельный регрессионный анализ	Положительное влияние
O zer и Q ift Q i (2009)	1990–2005, 30 стран ОЭСР	HTE, ICTEXP, GEXP, R&D1	Панельный регрессионный анализ	Положительное влияние
Bojnec и Ferto (2011)	1995–2003, 18 стран ОЭСР	IEXP, GDP, DIST, LANG, R&D1	Анализ временных рядов	Расходы на НИОКР оказывают положительное влияние на промышленный экспорт
Alemu (2012)	1994–2010, 11 стран Восточной Азии	HTE, R&D1, R&D2, PCGDP, PHONE, EDU3, CAP2, FDI	Анализ панельных данных	Научно-исследовательская деятельность оказывает положительное влияние на ЭВТП
Uzay и др. (2012)	1995–2005, Турция (25 отраслей)	EXP, R&D1, ER, VOL, WGDP	Анализ временных рядов	Расходы на НИОКР оказывают положительное влияние на экспорт
Y i ld i r i m и Kesiko gl u (2012)	1996–2008, Турция (25 подотраслей обрабатывающей промышленности)	REXP, REER, R&D1	Анализ панельных данных	Существует односторонняя причинно-следственная связь между расходами на НИОКР и экспортом
G o? er (2013)	1996–2012, 11 стран Азии	HTE, ICTEXP, EXP, FTBAL, GROWTH, R&D1	Анализ панельных данных	Расходы на НИОКР оказывают положительное влияние на ЭВТП; кроме того, существует односторонняя причинноследственная связь между расходами на НИОКР и ЭВТП
Ismail (2013)	2004–2009 (кроме 2007–2007), 10 стран Азии	HTE, R&D1, FDI, GDP, PCGDP.	Модель Drawing	Расходы на НИОКР оказывают положительное влияние на ЭВТП
K i l l? и др. (2014)	1996–2011, страны G8	HTE, R&D1, REER	Анализ панельных данных	Расходы на НИОКР оказывают положительное влияние на ЭВТП; кроме того, существует односторонняя причинноследственная связь между расходами на НИОКР и ЭВТП
Sandu и Ciocanel (2014)	2006–2010, 26 стран ЕС	HTE, R&D3, R&D4, INFEMP	Анализ панельных данных	Расходы на НИОКР оказывают положительное влияние на ЭВТП

Окончание таблицы 2

Автор(ы) Годы/страна Переменные Метод Результат §ahbaz и др. (2014) 1996–2011, 17 стран ЕС и Турция HTE, R&D1 Анализ панельных данных Существует односторонняя причинноследственная связь между расходами на НИОКР и ЭВТП Ozkan и Yilmaz (2017) 1996–2015, 12 стран ЕС и Турция HTE, GDP, R&D1 Анализ панельных данных Расходы на НИОКР оказывают положительное влияние на HTE; кроме того, существует односторонняя причинноследственная связь между расходами на НИОКР и ЭВТП Karasa? и Sagin (2018) 2008–2015, 35 стран ЕС HTE, R&D3, R&D4, REER Анализ панельных данных Расходы государственного и частного секторов на НИОКР оказывают положительное влияние на ЭВТП Gaberli (2018) 1996–2014, страны G7 HTE, R&D1, IPR, ECI Анализ панельных данных Расходы на НИОКР оказывают положительное влияние на ЭВТП Boz и др. (2019) 2000–2015, страны БРИКС, а также Мексика, Индонезия, Южная Корея и Турция HTE, R&D1 Анализ панельных данных Существует двунаправленная причинно-следственная связь между расходами на НИОКР и ЭВТП в Южной Корее;

Результаты обзора литературы свидетельствуют, что расходы на НИОКР широко используются для представления деятельности в области исследований и разработок, и показатель расходов на НИОКР был выбран в качестве независимой переменной, которая составляет основу исследования. Поскольку зависимой переменной является экспортная переменная, обменный курс, который в литературе считается основным фактором, определяющим экспорт, в дополнение к переменным мирового дохода и внутреннего дохода в модель включены переменные прямых иностранных инвестиций в качестве контрольных переменных (табл. 3) .

Эконометрическая модель, созданная на основе представленных данных, выглядит следующим образом:

HTE_it = p_it + P 1 R&D_it + p₂LREER_it + + P₃LFGDP it + P₄LGDP it + P ^ FD^ + S it .

Эмпирический анализ включает пять этапов. На первом этапе для изучения перекрестной зависимости между рядами и в модели использовался критерий Бройша – Пагана СDLM ₁ (Breusch, Pagan, 1980), который дает эффективные результаты, когда измерение времени (T) больше, чем измерение поперечного среза (N). Кроме того, также использовались критерий Песарана (Pesaran, 2004) СDLM ₂ , который дает эффективные результаты, когда T и N стремятся к бесконечности, и критерий Песарана и др. (Pesaran et al., 2008) СDLM_adj , который дает эффективные результаты при T > N и N < T. В ходе анализа панельных данных предполагается, что единицы поперечного среза (страны) независимы, то есть неподвержены влиянию друг друга. Однако в современном глобализированном мире потрясения, испытываемые одной страной, могут затронуть и другие. По этой причине использование критериев, которые не учитывают зависимость между единицами поперечного среза, может привести к предвзятым и противоречивым результатам. Применение критериев зависимости поперечного среза также имеет большое значение для отбора критериев на более поздних этапах.

На втором этапе был применен панельный модульный корневой тест второго поколения CADF (расширенный тест Дики – Фуллера, Cross-Section Augmented Dickey – Fuller), раз-

Таблица 3. Описание переменных

Переменная Описание Источник HTE Доля экспорта высокотехнологичной продукции в промышленном экспорте, % World Bank R&D Доля расходов на НИОКР в ВВП, % World Bank LREER Индекс реального эффективного обменного курса (2007 = 100%); использовались логарифмические значения Bruegel.org LFGDP Мировой ВВП. Сумма реального ВВП стран с наибольшим объемом торговли рассчитывается в соответствии с фиксированными ценами на 2015 год; использовались логарифмические значения World Bank LGDP Реальный ВВП, рассчитанный на основе фиксированных цен на 2015 год; использовались логарифмические значения World Bank FDI Доля чистого притока прямого иностранного капитала в ВВП, % World Bank работанный Песараном (Pesaran, 2007). Его можно использовать при наличии перекрестной зависимости. Этот тест представляет собой расширенную версию уровней запаздывания и значений первой разности для каждой серии со средними перекрестными значениями в стандартной регрессии CADF. С помощью теста CADF можно использовать среднее арифметическое статистики каждого поперечного среза для получения статистики CIPS, действительной для всей панели. Таким образом, анализ стационарности может быть выполнен как для каждого поперечного среза, так и для всей панели. Если значения статистики CADF и CIPS меньше указанных в таблице критических значений в абсолютном выражении, указывается, что в ряду имеется единичный корень, а если больше, то в ряду нет единичного корня, то есть ряд имеет стационарную структуру.

На третьем этапе был применен тест коин-теграции Дарбина – Хаусмана (Westerlund, 2008). Согласно тесту, нулевая гипотеза показывает, что для всех единиц нет коинтеграции. Однако одна из двух подвариантных гипотез показывает, что существует коинтеграция для всей панели, другая – для некоторых единиц среза в панели.

На четвертом этапе исследуется, показывают ли переменные нормальное распределение, чтобы нам определиться с выбором метода оценки. Для этой цели были использованы некоторые статистические методы. Одним из них является статистика асимметрии и эксцесса, которые оцениваются в рамках описательной статистики. Асимметрия используется для измерения симметрии распределения данных. Если статистические значения равны нулю, то данные распределены нормально. Распределение смещено вправо, если оно больше нуля, и влево, если оно меньше нуля. Эксцесс используется для измерения ширины распределения данных. Статистическое значение, равное нулю, указывает на то, что данные распределены нормально, а отличное от нуля – на то, что они распределены ненормально. В дополнение к этим двум описательным статистическим данным также широко используются тесты Шапиро – Уилка и Шапиро – Франсиа. Согласно им, уровень вероятности составляет менее 5%, что означает, что данные не распределены нормально (Xu, Lin, 2018). Хотя статистика асимметрии и эксцесса, отличная от нуля, указывает на отсутствие нормального распределения, в некоторых исследованиях статистические значения от -1 до +1, от -1,5 до +1,5 или от -2 до +2 принимаются за нормальное распределение.

На заключительном этапе анализа, поскольку было обнаружено, что переменные распределены ненормально, для оценки коэффициента был применен панельный квантильный регрессионный анализ, разработанный Кен-кером и Бассетом-младшим (Koenker, Basset, 1978) и широко используемый в статистическом анализе линейных и нелинейных моделей в различных областях. Модель квантильной регрессии используется для регрессионного анализа между условным квантилем зависимой переменной и объясняющими переменными и позволяет получить оценку коэффициента для всех квантилей. Эта модель дает возможность проводить более точные и эффективные оценки коэффициентов, чем обычная оценка методом наименьших квадратов (Ordinary Least Squares), когда переменные распределены ненормально, т. к. в таком случае, если для оценки регрессии используется обычный метод, искаженное распределение экономических переменных можно игнорировать. Когда перемен- ные смещены влево или вправо, распределение может быть полностью охарактеризовано с помощью квантильной регрессии и может быть получен всесторонний анализ. Математическое представление модели панельной квантильной регрессии выглядит следующим образом:

y t = X i b et + ц_ег,   0 <  е < 1

Qucmt_ie (^) = x_tp_e .

В уравнении (2) x – вектор объясняющих переменных, y – зависимая переменная, µ – случайная ошибка, для которой условное распределение квантилей равно нулю. Qniant_te(y_tJx_t ) — квантильное значение определяемой переменной. Р₆ — 9 -я квантильная регрессия, и она решается по следующей формуле:

min /       6Vy_t

^У О ^х ’ р

-Х [ Р\+ ^ (1 -6)\y t -Х р 3\ .(3)

У 1 <х ‘ Р

Таблица 4. Результаты теста перекрестной зависимости

	CDLM1	CDLM2	CDLM adj
HTE	186,776*** (0,000)	12,564*** (0,000)	12,314*** (0,000)
R&D	400,587*** (0,000)	32,950*** (0,000)	32,700*** (0,000)
LREER	297,082*** (0,000)	23,082*** (0,000)	22,832*** (0,000)
LFGDP	1263,760*** (0,000)	115,251*** (0,000)	115,001*** (0,000)
LGDP	1174,721*** (0,000)	106,761*** (0,000)	106,511*** (0,000)
FDI	114,018*** (0,000)	5,627*** (0,000)	5,377*** (0,000)
Model	202,180*** (0,000)	14,033*** (0,000)	7,701*** (0,000)
Примечание: ***, ** и * обозначают уровень значимости 1%, 5% и 10% соответственно. В круглых скобках даны значения вероятности.

Когда θ принимает различные значения, получаются разные оценки параметров. Средняя регрессия является частным случаем квантильной регрессии в условиях, когда θ = 0,5 (Xu, Lin, 2018; Salari et al., 2021). В дополнение к панельной квантильной регрессии для проведения сравнений также применялось статистическое значение OLS.

Результаты эмпирического анализа

В соответствии с ранжированием, описанным в разделе «Данные и эконометрический метод», сначала было проверено, существует ли перекрестная зависимость между переменными в модели (табл. 4) .

По результатам трех отдельных тестов было обнаружено, что существует перекрестная зависимость на уровне значимости 1% по всем переменным и модели. Для определения уровня стационарности переменных был при- менен панельный модульный корневой тест CADF, который является одним из модульных корневых тестов второго поколения, учитывающих перекрестную зависимость. Чтобы определить уровень стационарности для всей группы, были учтены статистические данные CIPS. Результаты приведены в таблице 5.

Согласно результатам модульного корневого теста было определено, что переменные HTE и R&D были стационарными I(1) при разности первого порядка. Кроме того, замечено, что другие переменные были стационарными I(0) при одинаковых значениях. Поскольку присутствовала перекрестная зависимость и некоторые переменные были I(0) и I(1), то долгосрочная взаимосвязь между рядами исследована с применением теста коинтеграции Дар-бина – Хаусмана (табл. 6).

Таблица 5. Результаты панельного модульного корневого теста CADF

Переменная	Статистическое значение CIPS
	Уровень	Разность первого порядка
HTE	-2,032	-3,341 ***
R&D	-1,672	-4,292 ***
LREER	-2,333 **	-
LFGDP	-2,443**	-
LGDP	-2,452**	-
FDI	-2,607**	-
Примечание: приведенные в таблице критические значения для уровней значимости 1%, 5% и 10% составляют -2,57, -2,32 и -2,20 соответственно. ***, ** и * обозначают уровень значимости 1%, 5% и 10% соответственно.

Таблица 6. Результаты теста на коинтеграцию

	Статистика критерия	Вероятность
DH Group	61,531***	0,000
DH Panel	38,374***	0,000
Примечание: ***, ** и * обозначают уровень значимости 1%, 5% и 10% соответственно.

Результаты теста на коинтеграцию указывают на существование коинтеграции между рядами как для группы, так и для всей панели. В свете всех этих выводов для определения метода оценки коэффициентов было исследовано, имеют ли переменные нормальное распределение (табл. 7).

Таблица 7. Результаты теста на нормальное распределение

Переменная	Искажение	Асимметрия	Тест Шапиро – Уилка		Тест Шапиро – Франсиа		Наблюдение
			Статистика	Вероятность	Статистика	Вероятность
HTE	0,494	1,985	0,919	0,000	0,923	0,000	253
R&D	2,008	7,717	0,802	0,000	0,801	0,000	253
LREER	-0,442	3,536	0,984	0,006	0,983	0,005	253
LFGDP	-0,471	2,984	0,975	0,000	0,976	0,001	253
LGDP	0,336	2,622	0,962	0,000	0,964	0,000	253
FDI	3,491	41,283	0,446	0,000	0,433	0,000	253

Таблица 8. Результаты оценки коэффициентов

Переменная	КВАНТИЛИ
	10	25	50	75	90	OLS
R&D	7,688*** (0,000)	7,439*** (0,000)	8,608*** (0,000)	6,325*** (0,000)	5,539*** (0,000)	7,332*** (0,000)
LREER	6,835** (0,029)	6,115* (0,075)	4,143 (0,119)	-11,283** (0,017)	-8,812 (0,181)	0,822 (0,765)
LFGDP	-7,405*** (0,000)	-3,285 (0,453)	-3,049 (0,236)	3,517 (0,163)	-6,909 (0,257)	-3,179 (0,147)
LGDP	1,985* (0,093)	1,341 (0,237)	2,481*** (0,000)	3,442*** (0,000)	2,141*** (0,000)	2,114*** (0,000)
FDI	0,294*** (0,000)	0,419*** (0,000)	0,371*** (0,000)	0,280*** (0,000)	0,144*** (0,003)	0,265*** (0,000)
Константа	147,087 (0,143)	39,311 (0,699)	13,257 (0,855)	-141,322* (0,075)	218,151 (0,247)	45,152 (0,483)

Примечание: ***, ** и * обозначают уровень значимости 1%, 5% и 10% соответственно. В круглых скобках указаны значения вероятности.

Согласно таблице, влияние независимых переменных на ЭВТП различается в зависимости от квантилей. Было определено, что влияние расходов на НИОКР на ЭВТП было значительным и положительным во всех квантилях. Также замечено, что эта переменная оказывает самое сильное влияние на ЭВТП. Однако в странах, где уровень ЭВТП выше среднего, положительный эффект от увеличения отношения расходов на НИОКР к ВВП ниже. Этот результат можно интерпретировать следующим образом: в странах с более высокой долей ЭВТП в промышленном экспорте расходы на НИОКР также были направлены на производство продукции на разных технологических уровнях, поскольку ассортимент экспортируемой продукции в них намного шире. Влияние реального эффективного обменного курса, представленного индикатором LREER, на экспорт высокотехнологичной продукции является положительным и значительным, за исключением показателей 50-го и 90-го квантилей. Направление эффекта является положительным для 10-го и 25-го квантилей, в то время как оно отрицательно для 75-го квантиля. Соответственно, оценка национальной валюты в странах с объемом экспорта высокотехнологичной продукции ниже среднего положительно влияет на экспорт высокотехнологичной продукции. В то же время снижение курса национальной валюты в группе стран в 75-м квантиле, которое выше, положительно влияет на экспорт высокотехнологичной продукции. Такая ситуация отражает влияние внешней зависимости от производства. При повышении курса национальной валюты увеличение производства и экспорта может быть достигнуто за счет поставок промежуточных и инвестиционных товаров в более значительных объемах при меньших затратах. Определено, что переменная LFGDP, используемая для представления внешнего спроса, не оказала существенного влияния на другие квантили, кроме 10-го квантиля. Соответственно, отмечено, что влияние внешнего спроса было отрицательным в группе стран с самым низким уровнем экспорта высокотехнологичной продукции. Такой результат можно объяснить тем, что увеличение мирового спроса смещается в другие страны, поскольку государства с низкими показателями экспорта высокотехнологичной продукции имеют низкую конкурентоспособность на международных рынках или не способны продемонстрировать ценность бренда. Хотя влияние переменной LGDP, представляющей экономический рост, варьируется в зависимости от разных квантилей, было обнаружено, что она оказывает значительное положительное влияние на экспорт высокотехнологичной продукции. Следовательно, рост внутреннего производства позволяет увеличить объем экспорта для удовлетворения зарубежного спроса. Наконец, был сделан вывод о том, что переменная FDI, представляющая прямые иностранные инвестиции, также оказывает значительное положительное влияние на экспорт высокотехнологичной продукции во всех квантилях. Эту информацию можно интерпретировать как тот факт, что увеличение прямых иностранных инвестиций ускоряет передачу более высоких технологий в группу стран, тем самым позволяя компаниям увеличить экспорт высокотехнологичной продукции.

Согласно оценке обычного метода наименьших квадратов OLS, используемого для сравнения результатов панельной квантильной регрессии, переменные расходов на НИОКР, экономического роста и прямых иностранных инвестиций оказывают значительное влияние на экспорт высокотехнологичной продукции. Как и в случае с результатами панельной квантильной регрессии, наибольшее влияние на экспорт высокотехнологичной продукции оказывают расходы на НИОКР. Однако, хотя переменные LREER и LFGDP не имеют смысла в соответствии с показателем OLS, существуют ситуации, когда они оказывают значительное влияние при рассмотрении в разных квантилях в соответствии с панельным квантильным регрессионным анализом. Поэтому, как указано в разделе «Данные и эконометрический метод», хотя в некоторых моментах есть сходство, было замечено, что результаты панельного квантильного регрессионного анализа предоставляют больше информации, чем классический регрессионный анализ. На рисунке представлено влияние объясняющих переменных на HTE с 95% доверительным интервалом.

Результаты оценки панельных квантилей

Обсуждение и заключение

Влияние расходов на НИОКР на ЭВТП в 11 развивающихся странах с рыночной экономикой было изучено за период 1996–2018 гг. Для этой цели применялся панельный квантильный регрессионный анализ, коэффициенты объясняющих переменных были интерпретированы в соответствии с различными степенями квантиля. В дополнение к расходам на НИОКР, которые составляют основу исследования в качестве объясняющей переменной, в модель, созданную для эмпирического анализа, были включены реальный эффективный обменный курс, мировой доход, внутренний доход и прямые иностранные инвестиции в качестве контрольных переменных. В результате анализа опре- делено, что увеличение расходов на НИОКР оказало значительное положительное влияние на ЭВТП во всех квантилях. Кроме того, влияние реального эффективного обменного курса на ЭВТП варьируется в зависимости от различных квантилей; мировой доход оказывает существенное влияние только на группу стран с наименьшим квантилем; переменная, используемая для представления внутреннего дохода, оказывает положительное влияние на все квантили, кроме 25-го; с другой стороны, было установлено, что прямые иностранные инвестиции оказывают положительное влияние на все квантили. Эти результаты свидетельствуют, что расходы на НИОКР, экономический рост и прямые иностранные инвестиции являются важными показателями ЭВТП с точки зрения рассматриваемого периода и в отношении конкретной страны. В частности, учитывая силу эффекта, было замечено, что увеличение расходов на НИОКР дает большие положительные результаты. Это связано с тем, что, хотя они различаются по квантилям, увеличение на 1% отношения расходов на НИОКР к ВВП обеспечивает среднее увеличение доли экспорта высокотехнологичной продукции в экспорте промышленной продукции примерно на 7,2%. Кроме того, этот эффект выше в странах с уровнем экспорта высокотехнологичной продукции ниже среднего, и вклад увеличения расходов на НИОКР в них будет выше.

Полученные нами результаты о влиянии расходов на НИОКР на ЭВТП полностью согласуются с выводами, представленными в других исследованиях. Эта ситуация позволяет нам сделать вывод о том, что расходы на НИОКР оказывают положительное влияние на ЭВТП. Важно, чтобы страны выделяли больше средств на НИОКР, поскольку обеспечение и поддержание конкурентных преимуществ зависит от увеличения объемов ЭВТП. На этом этапе сле- дует обратить внимание на способность государственного и частного секторов осуществлять расходы на НИОКР. Из-за нехватки капитала почти во всех развивающихся странах, в частности в большинстве стран исследуемой группы, частный сектор не может играть ведущую роль в научно-исследовательской деятельности. По этой причине подсекторы обрабатывающей промышленности с высокой добавленной стоимостью должны определяться государством путем применения селективной политики индустриализации, им должна предоставляться поддержка в виде налоговых льгот, дешевого сырья и грантов для увеличения инвестиций частных предпринимателей. Кроме того, выделение государством большей доли бюджетных средств на НИОКР в отдельных секторах может внести значительный вклад как в производство, так и в экспорт высокотехнологичной продукции. Наконец, инвестиции, которые будут сделаны государством для повышения уровня информационной инфраструктуры и человеческого капитала, окажут дополнительное влияние на научно-исследовательскую деятельность.