Великий поворот. Как Америка отказалась от свободных рынков - [33]
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.
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». Подробнее бизнес-модели Apple, Amazon, Google, Facebook и Microsoft, а также их вклад в экономический рост мы рассмотрим в главе 13. Вместе с тем измерение цифровой экономики является активной областью научных исследований, и мы, вероятно, получим более точные оценки в ближайшем будущем. Например, Эрик Бриньольфссон и его соавторы (Brynjolfsson et al., 2019) недавно показали, что правильный учет бесплатных услуг Facebook может добавить от 5 до 10 базисных пунктов (от 0,05 до 0,1 %) к нашему показателю роста экономики США.
Слабые инвестиции и слабая производительность
Существующие тенденции роста инвестиций и производительности не согласуются с гипотезой возникновения фирм-суперзвезд, в соответствии с которой основной причиной увеличения концентрации является рост эффективности. Если бы концентрация отражала повышение эффективности, то мы увидели бы больший рост производительности там, где концентрация возрастает. Некоторые примеры этого мы видели в 1990-е годы, но в 2000-е произошло обратное. Эволюция производительности согласуется с инвестиционным выбором, который делают фирмы. Доля лидеров отрасли в инвестициях и капитале снизилась, а их рентабельность возросла. Учитывая, что лидеры в концентрирующихся отраслях не испытывают желания инвестировать и предпочитают увеличивать выплаты своим акционерам, неудивительно, что рост производительности столь не блестящ.
