АНАЛИЗ ЭФФЕКТОВ КРЕДИТОВАНИЯ АГРАРНОГО СЕКТОРА НА ОСНОВЕ PROPENSITY SCORE MATCHING
|
ГЛАВА 1. ТЕОРИЯ И МЕТОДЫ АНАЛИЗА ПРИЧИННЫХ ЭФФЕКТОВ 8
1.1. Проблема оценки истинного причинного эффекта 8
1.2. Теория потенциальных исходов и причинный вывод 10
1.3. Методология теории потенциальных исходов 13
1.4. Метод сопоставления оценок склонностей (Propensity Score Matching) 15
1.5. Обзор программных пакетов для обработки данных с применением
метода сопоставления оценок склонностей 24
ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ВОПРОСЫ ОЦЕНКИ ЭФФЕКТОВ КРЕДИТОВАНИЯ В ЭКОНОМИКЕ 26
2.1. Концепция KPI 26
2.2. Система KPI для оценки деятельности сельскохозяйственных
предприятий 28
2.3. Особенности кредитования сельскохозяйственных предприятий в
России в 2013-2020 гг 31
ГЛАВА 3. ПРИМЕНЕНИЕ PROPENSITY SCORE MATCHING ДЛЯ ОЦЕНКИ ПРИЧИННЫХ
ЭФФЕКТОВ КРЕДИТОВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРЕДПРИЯТИЙ
ОРЕНБУРГСКОЙ ОБЛАСТИ 39
3.1. Территория исследования 39
3.2. Характеристика выборки предприятий 43
3.3. Результаты Propensity Score Matching 48
ЗАКЛЮЧЕНИЕ 62
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 65
Приложение 1 74
Приложение 2 100
Приложение 3 102
Приложение 4 104
Приложение 5 106
1.1. Проблема оценки истинного причинного эффекта 8
1.2. Теория потенциальных исходов и причинный вывод 10
1.3. Методология теории потенциальных исходов 13
1.4. Метод сопоставления оценок склонностей (Propensity Score Matching) 15
1.5. Обзор программных пакетов для обработки данных с применением
метода сопоставления оценок склонностей 24
ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ВОПРОСЫ ОЦЕНКИ ЭФФЕКТОВ КРЕДИТОВАНИЯ В ЭКОНОМИКЕ 26
2.1. Концепция KPI 26
2.2. Система KPI для оценки деятельности сельскохозяйственных
предприятий 28
2.3. Особенности кредитования сельскохозяйственных предприятий в
России в 2013-2020 гг 31
ГЛАВА 3. ПРИМЕНЕНИЕ PROPENSITY SCORE MATCHING ДЛЯ ОЦЕНКИ ПРИЧИННЫХ
ЭФФЕКТОВ КРЕДИТОВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРЕДПРИЯТИЙ
ОРЕНБУРГСКОЙ ОБЛАСТИ 39
3.1. Территория исследования 39
3.2. Характеристика выборки предприятий 43
3.3. Результаты Propensity Score Matching 48
ЗАКЛЮЧЕНИЕ 62
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 65
Приложение 1 74
Приложение 2 100
Приложение 3 102
Приложение 4 104
Приложение 5 106
РЕФЕРАТ
Тема выпускной квалификационной работы: «Анализ эффектов кредитования аграрного сектора на основе Propensity Score Matching».
Цель работы - программная реализация процедуры оценки эффектов кредитования аграрного сектора на основе метода Propensity Score Matching в среде R и ее апробация по выборке сельскохозяйственных предприятий на уровне региона.
Объект исследования - метод оценки сопоставления склонностей (Propensity Score Matching) как инструмент анализа эффектов кредитования в региональных экономиках.
Предмет исследования - метод оценки сопоставления склонностей и его программная реализация в среде R для анализа эффектов кредитования сельскохозяйственных предприятий Оренбургской области.
В результате исследования решены следующие задачи: раскрыты основные понятия теории причинности и аспекты применения системы Key Performance Indicators (KPI) для оценки эффективности бизнеса; на основе обзора литературы проведен анализ методов оценки причинных эффектов; определены основные целевые индикаторы развития аграрного бизнеса, группированные на четыре блока показателей ; на основе данных бухгалтерской отчетности предприятий определена структура и необходимый набор исходных данных для оценки эффектов кредитования в аграрной сфере; выполнена программная реализация процедуры оценки эффектов кредитования по выборке предприятий на основе метода Propensity Score Matching в среде R; оценены эффекты кредитования
сельскохозяйственных предприятий Оренбургской области за период 2013-2016 гг.
Объем работы - 72 страниц печатного текста, количество рисунков - 13, таблиц - 14, приложений - 6, использованных источников литературы - 84.
Ключевые слова: аграрная экономика, кредитование, причинный эффект, метод оценок склонностей, Propensity Score Matching, Оренбургская область, Россия.
Одним из типов статистических выводов является причинный вывод. Причинные выводы помогают получить заключения о каких-либо гипотезах путем нахождения различий между фактами и гипотетическими ситуациями (контрфактуалами - counterfactuals). Для получения причинных выводов и исследования причинных эффектов используется теория о потенциальных исходах и основанная на ее базе причинная модель Рубина-Неймана (Rubin- Neyman Causal Model). Модель Рубина-Неймана позволяет проводить исследования на базе статистических данных для подтверждения каких-либо гипотез, связанных с эффектами воздействия, а также точно определять эффект исследуемого воздействия на основе реальных полевых или экспериментальных наблюдений.
Программа льготного кредитования сельхозпроизводителей существует с 2005 года, и, по оценкам экспертов, ее реализация и результаты являются противоречивыми. С одной стороны, льготное кредитование аграрного сектора обеспечивает вливание «дешевых» финансовых средств в сельское хозяйство и активизирует его развитие, а с другой - как показала практика, повышенная степень закредитованности предприятий приводит к росту банкротств. Также отмечается снижение активности использования услуги кредитования сельскохозяйственными организациями 2014-2016 гг. Анализ литературных источников показал, что исследования эффективности программ кредитования в аграрном секторе с использованием прикладных математических методов носят ограниченный характер. Проведение экспериментального исследования по данной тематике является задачей, сложной для выполнения, в первую очередь, из-за значительных временных затрат и практически невозможного обеспечения «чистоты» эксперимента. Помимо этого, практически невозможно провести исследование на выборке значимого размера, в связи с тем, что объектами эксперимента становятся реальные предприятия различных форм организации и собственности. Также возникает проблема сложности сопоставления результатов деятельности сельскохозяйственных предприятий, использующих долгосрочные кредиты, и ведущих хозяйственную деятельность в различных почвенно-¬климатических условиях. Поэтому оптимальным представляется проведение обсервационных исследований и применение статистических методов, например метода поиска соответствий и балансировки выборки на основе метода Propensity Score Matching с использованием ряда показателей, обеспечивающих сбалансированность выборки и, соответственно, более обоснованные оценки эффектов изучаемого явления.
Целью работы является программная реализация процедуры оценки эффектов кредитования аграрного сектора на основе метода Propensity Score Matching в среде R и ее апробация по выборке сельскохозяйственных предприятий на уровне региона.
Объект исследования - метод оценки сопоставления склонностей (Propensity Score Matching) как инструмент анализа эффектов кредитования в региональных экономиках.
Предмет исследования - метод оценки сопоставления склонностей и его программная реализация в среде R для анализа эффектов кредитования сельскохозяйственных предприятий Оренбургской области.
Для достижения поставленной цели решаются задачи:
1. Изучение понятийно-терминологического аппарата теории причинности, теоретических аспектов использования причинной модели Рубина-Неймана.
2. Изучение методологии Key Performance Indicators (KPI) и аспектов ее применения в сельском хозяйстве.
3. Определение основных целевых индикаторов развития аграрного бизнеса, группированных на четыре блока показателей, с учетом возможностей их оценки на основе данных годовой бухгалтерской отчетности сельскохозяйственных предприятий Российской Федерации.
4. Определение структуры и необходимого набора исходных данных для оценки эффектов кредитования в аграрной сфере.
5. Программная реализация процедуры оценки эффектов кредитования по выборке сельскохозяйственных предприятий на основе метода Propensity Score Matching в среде R с использованием библиотеки Matchit.
6. Апробация методики по данным производственно-хозяйственной деятельности сельскохозяйственных предприятий Оренбургской области за период 2013-2016 гг.
2. Оценка эффектов кредитования сельскохозяйственных предприятий Оренбургской области за период 2013-2016 гг.
Методы исследования. В ходе работы используется логистическая регрессия и метод сопоставления оценок склонностей (Propensity Score Matching).
Информационное обеспечение. В работе использованы данные бухгалтерской отчетности предприятий Оренбургской области за период 2013-2016 гг., статистические данные, опубликованные в открытой печати, а также труды российских и зарубежных ученых по тематике исследования.
Используемое программное обеспечение. В работе использовались свободно распространяемые программные средства: язык программирования R и дополнительные пакеты программного обеспечения для него, среда разработки RStudio. Также использовались библиотеки AMD Optimizing CPU Libraries (AOCL) от компании Advanced Micro Devices, Inc для ускорения математических расчетов. Для подготовки данных использовалась среда электронных таблиц Microsoft Excel.
Структура работы. Выпускная квалификационная работа состоит из введения, трех глав, заключения, списка библиографических источников 83 наименований, 6 приложений. Работа изложена на 56 страницах машинописного текста. В первой главе рассматривается теория потенциальных исходов, проведен обзор основных терминов теории, представлен пример использования причинной модели Рубина-Неймана, подробно рассмотрена проблема определения причинного эффекта, представлены традиционные примеры решения этой проблемы и разобрана методология теории потенциальных выводов, подробно рассмотрен метод сопоставления оценок склонностей и основные подходы к его реализации. Также в главе представлен обзор основного программного обеспечения, используемого при применении метода сопоставления оценок склонностей.
Во второй главе подробно рассмотрена методология Key Performance Indicators (KPI), распространенные варианты ее реализации, рассмотрены особенности ее реализации для сельскохозяйственных предприятий и при использовании в рамках обсервационных исследований. В главе также рассмотрены системы кредитования, действовавшие в 2013-2016 годах в Российской Федерации.
В третьей главе описаны территория исследования, исходные статистические данные, на базе которых проводится расчет эффекта использования кредитных продуктов сельскохозяйственными
предприятиями, представлена дескриптивная статистика по выборке предприятий, а также результаты расчетов на базе методов Propensity Score Matching.
В заключении подводятся итоги исследования и формируются окончательные выводы по рассматриваемой теме, а также рассматриваются способы дальнейшего расширения и улучшения работы.
Тема выпускной квалификационной работы: «Анализ эффектов кредитования аграрного сектора на основе Propensity Score Matching».
Цель работы - программная реализация процедуры оценки эффектов кредитования аграрного сектора на основе метода Propensity Score Matching в среде R и ее апробация по выборке сельскохозяйственных предприятий на уровне региона.
Объект исследования - метод оценки сопоставления склонностей (Propensity Score Matching) как инструмент анализа эффектов кредитования в региональных экономиках.
Предмет исследования - метод оценки сопоставления склонностей и его программная реализация в среде R для анализа эффектов кредитования сельскохозяйственных предприятий Оренбургской области.
В результате исследования решены следующие задачи: раскрыты основные понятия теории причинности и аспекты применения системы Key Performance Indicators (KPI) для оценки эффективности бизнеса; на основе обзора литературы проведен анализ методов оценки причинных эффектов; определены основные целевые индикаторы развития аграрного бизнеса, группированные на четыре блока показателей ; на основе данных бухгалтерской отчетности предприятий определена структура и необходимый набор исходных данных для оценки эффектов кредитования в аграрной сфере; выполнена программная реализация процедуры оценки эффектов кредитования по выборке предприятий на основе метода Propensity Score Matching в среде R; оценены эффекты кредитования
сельскохозяйственных предприятий Оренбургской области за период 2013-2016 гг.
Объем работы - 72 страниц печатного текста, количество рисунков - 13, таблиц - 14, приложений - 6, использованных источников литературы - 84.
Ключевые слова: аграрная экономика, кредитование, причинный эффект, метод оценок склонностей, Propensity Score Matching, Оренбургская область, Россия.
Одним из типов статистических выводов является причинный вывод. Причинные выводы помогают получить заключения о каких-либо гипотезах путем нахождения различий между фактами и гипотетическими ситуациями (контрфактуалами - counterfactuals). Для получения причинных выводов и исследования причинных эффектов используется теория о потенциальных исходах и основанная на ее базе причинная модель Рубина-Неймана (Rubin- Neyman Causal Model). Модель Рубина-Неймана позволяет проводить исследования на базе статистических данных для подтверждения каких-либо гипотез, связанных с эффектами воздействия, а также точно определять эффект исследуемого воздействия на основе реальных полевых или экспериментальных наблюдений.
Программа льготного кредитования сельхозпроизводителей существует с 2005 года, и, по оценкам экспертов, ее реализация и результаты являются противоречивыми. С одной стороны, льготное кредитование аграрного сектора обеспечивает вливание «дешевых» финансовых средств в сельское хозяйство и активизирует его развитие, а с другой - как показала практика, повышенная степень закредитованности предприятий приводит к росту банкротств. Также отмечается снижение активности использования услуги кредитования сельскохозяйственными организациями 2014-2016 гг. Анализ литературных источников показал, что исследования эффективности программ кредитования в аграрном секторе с использованием прикладных математических методов носят ограниченный характер. Проведение экспериментального исследования по данной тематике является задачей, сложной для выполнения, в первую очередь, из-за значительных временных затрат и практически невозможного обеспечения «чистоты» эксперимента. Помимо этого, практически невозможно провести исследование на выборке значимого размера, в связи с тем, что объектами эксперимента становятся реальные предприятия различных форм организации и собственности. Также возникает проблема сложности сопоставления результатов деятельности сельскохозяйственных предприятий, использующих долгосрочные кредиты, и ведущих хозяйственную деятельность в различных почвенно-¬климатических условиях. Поэтому оптимальным представляется проведение обсервационных исследований и применение статистических методов, например метода поиска соответствий и балансировки выборки на основе метода Propensity Score Matching с использованием ряда показателей, обеспечивающих сбалансированность выборки и, соответственно, более обоснованные оценки эффектов изучаемого явления.
Целью работы является программная реализация процедуры оценки эффектов кредитования аграрного сектора на основе метода Propensity Score Matching в среде R и ее апробация по выборке сельскохозяйственных предприятий на уровне региона.
Объект исследования - метод оценки сопоставления склонностей (Propensity Score Matching) как инструмент анализа эффектов кредитования в региональных экономиках.
Предмет исследования - метод оценки сопоставления склонностей и его программная реализация в среде R для анализа эффектов кредитования сельскохозяйственных предприятий Оренбургской области.
Для достижения поставленной цели решаются задачи:
1. Изучение понятийно-терминологического аппарата теории причинности, теоретических аспектов использования причинной модели Рубина-Неймана.
2. Изучение методологии Key Performance Indicators (KPI) и аспектов ее применения в сельском хозяйстве.
3. Определение основных целевых индикаторов развития аграрного бизнеса, группированных на четыре блока показателей, с учетом возможностей их оценки на основе данных годовой бухгалтерской отчетности сельскохозяйственных предприятий Российской Федерации.
4. Определение структуры и необходимого набора исходных данных для оценки эффектов кредитования в аграрной сфере.
5. Программная реализация процедуры оценки эффектов кредитования по выборке сельскохозяйственных предприятий на основе метода Propensity Score Matching в среде R с использованием библиотеки Matchit.
6. Апробация методики по данным производственно-хозяйственной деятельности сельскохозяйственных предприятий Оренбургской области за период 2013-2016 гг.
2. Оценка эффектов кредитования сельскохозяйственных предприятий Оренбургской области за период 2013-2016 гг.
Методы исследования. В ходе работы используется логистическая регрессия и метод сопоставления оценок склонностей (Propensity Score Matching).
Информационное обеспечение. В работе использованы данные бухгалтерской отчетности предприятий Оренбургской области за период 2013-2016 гг., статистические данные, опубликованные в открытой печати, а также труды российских и зарубежных ученых по тематике исследования.
Используемое программное обеспечение. В работе использовались свободно распространяемые программные средства: язык программирования R и дополнительные пакеты программного обеспечения для него, среда разработки RStudio. Также использовались библиотеки AMD Optimizing CPU Libraries (AOCL) от компании Advanced Micro Devices, Inc для ускорения математических расчетов. Для подготовки данных использовалась среда электронных таблиц Microsoft Excel.
Структура работы. Выпускная квалификационная работа состоит из введения, трех глав, заключения, списка библиографических источников 83 наименований, 6 приложений. Работа изложена на 56 страницах машинописного текста. В первой главе рассматривается теория потенциальных исходов, проведен обзор основных терминов теории, представлен пример использования причинной модели Рубина-Неймана, подробно рассмотрена проблема определения причинного эффекта, представлены традиционные примеры решения этой проблемы и разобрана методология теории потенциальных выводов, подробно рассмотрен метод сопоставления оценок склонностей и основные подходы к его реализации. Также в главе представлен обзор основного программного обеспечения, используемого при применении метода сопоставления оценок склонностей.
Во второй главе подробно рассмотрена методология Key Performance Indicators (KPI), распространенные варианты ее реализации, рассмотрены особенности ее реализации для сельскохозяйственных предприятий и при использовании в рамках обсервационных исследований. В главе также рассмотрены системы кредитования, действовавшие в 2013-2016 годах в Российской Федерации.
В третьей главе описаны территория исследования, исходные статистические данные, на базе которых проводится расчет эффекта использования кредитных продуктов сельскохозяйственными
предприятиями, представлена дескриптивная статистика по выборке предприятий, а также результаты расчетов на базе методов Propensity Score Matching.
В заключении подводятся итоги исследования и формируются окончательные выводы по рассматриваемой теме, а также рассматриваются способы дальнейшего расширения и улучшения работы.
Метод сопоставления оценок склонностей является инструментом, позволяющим сбалансировать разнородные данные по набору индикативных характеристик. Этот метод имеет ряд преимуществ в сравнении с традиционными статистическими методами, однако стоит отметить несколько недостатков и ограничений при применении этого метода. Данный метод может не всегда оказывать положительное влияние на баланс данных выборки, в связи с чем необходимо контролировать баланс почти на каждом этапе реализации метода. Поэтому метод применим не ко всем обсервационным данным. Стоит также отметить существование нескольких методов оценки склонностей, каждый из которых работает по собственному алгоритму. В частности, метод поиска ближайшего соседа, самый популярный метод сопоставления объектов, часто отрицательно влияет на баланс выборки, скрывая причинные эффекты необозримых ковариатов, в связи с чем рекомендуется не основывать результаты работы лишь на его применении. Отдельно стоит отметить проблему влияния человеческого фактора на результаты работы. Поскольку список ковариатов выбирается человеком, существует большая вероятность того, что важные факторы будут оценены исследователем как незначимые, в связи с чем не будут включены в список ковариатов. Из-за этого ухудшится баланс выборки. Для решения данной проблемы рекомендуется применять метод на разных списках ковариатов из одного набора данных и проводить полноценный анализ данных до начала реализации данного метода.
В работе выполнена программная реализация метода PSM применительно к решению задачи оценки эффектов кредитования аграрного сектора экономики с учетом специфики собираемой стандартной годовой отчетности предприятий различных организационных форм. Апробация программы выполнена на примере выборки сельскохозяйственных предприятий Оренбургской области по данным за период 2013-2016 гг.
Проведенное исследование по оценке эффектов кредитования аграрного сектора показало противоречивость эффектов использования сельхозпредприятиями кредитных продуктов, а также низкую эффективность государственных программ по поддержке развития агропромышленного комплекса. Так, предприятия, использующие кредитные ресурсы, показали более высокие финансовые показатели по величине прибыли и выручки в расчете на 1 га, более высокие в целом производственные расходы, в которых доля затрат на ГСМ ниже, чем в группе предприятий, не использующих кредитные ресурсы. Бюджетный эффект, выраженный в превышении суммы уплаченных налогов и сборов величины выплаченных субсидий по предприятиям в целом отрицательный. Статистически значимых различий по величине бюджетного эффекта между группами кредитовавшихся и не кредитовавшихся предприятий не выявлено. Также не выявлено и позитивных эффектов на увеличение масштабов деятельности предприятий.
Для дальнейшего улучшения работы можно провести дополнительную работу с данными, в том числе выделить показатели, связанные с предприятиями, специализирующимися на выращивании овощей. В Оренбургской области существует значительное число предприятий, для которых эта деятельность является основной специализацией производства. Также можно провести аналогичные исследования по данным о предприятиях в других регионах Российской Федерации. Не смотря на региональные различия в программах льготного кредитования, эффекты этих программ должны оказаться схожими. Также для дальнейшего развития работы можно реализовать метод поиска соответствий с использованием нейронной сети для подсчета метрики дистанции, что можно реализовать с использованием дополнительных пакетов для среды R. Оценку эффектов можно улучшить, применив для оценки такой метод, как бутстрэппинг - метод исследования распределения статистик вероятностных распределений, основанный на многократной генерации выборок методом Монте-Карло на базе имеющейся выборки.
Работа была апробирована на VIII региональной конференции «Мой выбор - НАУКА!» на секции Института математики и информационных технологий «Цифровые технологии в прикладной математике и информатике», проведенной 21 апреля 2021 года. Также по теме работы подготовлена научная статья в рамках конференции «ASU SciTech Forum 2020», опубликованная в издании, индексируемом научными базами Scopus и Web of Science.
В работе выполнена программная реализация метода PSM применительно к решению задачи оценки эффектов кредитования аграрного сектора экономики с учетом специфики собираемой стандартной годовой отчетности предприятий различных организационных форм. Апробация программы выполнена на примере выборки сельскохозяйственных предприятий Оренбургской области по данным за период 2013-2016 гг.
Проведенное исследование по оценке эффектов кредитования аграрного сектора показало противоречивость эффектов использования сельхозпредприятиями кредитных продуктов, а также низкую эффективность государственных программ по поддержке развития агропромышленного комплекса. Так, предприятия, использующие кредитные ресурсы, показали более высокие финансовые показатели по величине прибыли и выручки в расчете на 1 га, более высокие в целом производственные расходы, в которых доля затрат на ГСМ ниже, чем в группе предприятий, не использующих кредитные ресурсы. Бюджетный эффект, выраженный в превышении суммы уплаченных налогов и сборов величины выплаченных субсидий по предприятиям в целом отрицательный. Статистически значимых различий по величине бюджетного эффекта между группами кредитовавшихся и не кредитовавшихся предприятий не выявлено. Также не выявлено и позитивных эффектов на увеличение масштабов деятельности предприятий.
Для дальнейшего улучшения работы можно провести дополнительную работу с данными, в том числе выделить показатели, связанные с предприятиями, специализирующимися на выращивании овощей. В Оренбургской области существует значительное число предприятий, для которых эта деятельность является основной специализацией производства. Также можно провести аналогичные исследования по данным о предприятиях в других регионах Российской Федерации. Не смотря на региональные различия в программах льготного кредитования, эффекты этих программ должны оказаться схожими. Также для дальнейшего развития работы можно реализовать метод поиска соответствий с использованием нейронной сети для подсчета метрики дистанции, что можно реализовать с использованием дополнительных пакетов для среды R. Оценку эффектов можно улучшить, применив для оценки такой метод, как бутстрэппинг - метод исследования распределения статистик вероятностных распределений, основанный на многократной генерации выборок методом Монте-Карло на базе имеющейся выборки.
Работа была апробирована на VIII региональной конференции «Мой выбор - НАУКА!» на секции Института математики и информационных технологий «Цифровые технологии в прикладной математике и информатике», проведенной 21 апреля 2021 года. Также по теме работы подготовлена научная статья в рамках конференции «ASU SciTech Forum 2020», опубликованная в издании, индексируемом научными базами Scopus и Web of Science.
