Правительство Российской Федерации
advertisement
Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования Национальный исследовательский университет "Высшая школа экономики" Факультет мировой экономики и мировой политики Кафедра энергетических и сырьевых рынков ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА На тему «Институциональная динамика ресурсных режимов (нефтегазовый сектор)» Студент группы № РЭСО-2 Павлов Евгений Олегович Научный руководитель Зав. кафедрой, профессор, Член-корреспондент РАН Крюков Валерий Анатольевич Консультант Зам. заведующего кафедрой, доцент Анашкин Олег Станиславович Москва, 2013 г. 2 Оглавление Введение .................................................................................................. 3 1. Институциональная среда нефтегазового сектора .............................. 6 2. Анализ социально-экономических выгод от НГС США .................. 10 Общая характеристика нефтегазовой отрасли США ........................ 10 Данные ................................................................................................... 16 Рентные налоги ..................................................................................... 20 Выгоды от занятости ............................................................................ 23 Запасы в недрах ..................................................................................... 28 Расчет суммарных СЭВ ........................................................................ 34 3. Анализ социально-экономических выгод от НГС России................ 38 Институциональная среда НГС России .............................................. 38 СЭВ от занятости в НГС РФ: анализ .................................................. 45 Компонент СЭВ: «запасы в недрах» РФ ............................................ 56 Анализ влияния рентного налога (НДПИ) ......................................... 70 Расчет суммарных СЭВ от НГС РФ .................................................... 79 Заключение ............................................................................................ 83 Список использованной литературы .................................................. 87 3 Введение Институциональная среда страны определяется юридическими, административными и неформальными структурами, в рамках которых люди, компании, организации и правительство взаимодействуют, создавая доход и богатство. Важность качественной институциональной среды для нормального функционирования любой экономики невозможно переоценить. Институциональный подход особенно актуален для нефтегазового сектора экономики, так как именно в этом сегменте переплетаются повышенная сложность организации производства, стратегическая значимость продукции и теснейшее взаимодействие бизнеса и государства. В данном контексте наибольшую важность имеет вопрос: насколько хорошо та или иная страна сумела создать максимизировать институциональные условия социально-экономические для выгоды того, от чтобы деятельности нефтегазового сектора своей экономики? Целью работы является ответ на этот вопрос. В работе будет, в частности, исследоваться институциональная среда нефтегазовых секторов (НГС) таких стран, как США и России. Выбор стран обусловлен важнейшей ролью этих игроков на мировом рынке нефти, а также значимостью нефтегазового сектора для каждой из этих экономик в отдельности. Также, эти страны представляют собой различные институциональные системы, что в рамках работы с институциональным фокусом, разумеется, представляет особый интерес. Объект исследования – нефтегазовый сектор экономик США и России; предмет исследования – институциональная структура нефтегазового сектора экономик США и России. 4 Задачи работы: 1. Идентификация основных показателей, по которым можно сделать вывод о степени развитости институциональной среды НГС в той или иной стране. 2. Идентификация основных измеряемых компонентов социально- экономических выгод (СЭВ) от деятельности НГС исследуемых стран. 3. Количественный анализ влияния показателей институциональной среды (ресурсного режима) на параметры социально-экономических выгод. 4. Подведение итогов и выводов о силе и значимости влияния различных показателей институциональной среды на параметры социальноэкономических выгод. В работе будут использованы количественные методы анализа временных рядов, графический анализ, аналогия, элементы институционального анализа. Работа с временными рядами проводилась при помощи пакетов Eviews 7 и Microsoft Excel 2010. В модели для США использовались базы данных IPAA, CIA World Factbook, EIA, IEA, BP и другие. В модели для России, в дополнение к вышеперечисленным источникам, использовались данные Росстата, журнала «Нефтегазовая вертикаль» и др. Следует отметить, что главы работы не являются равномерными. Теоретическая часть не отличается большим объемом из-за того, что многие теоретические положения анализа будут раскрываться непосредственно перед применением тех или иных практических расчетов в аналитической 5 части. Большая аналитическая часть объясняется целью получить количественное выражение для СЭВ исследуемых стран. Анализ социально-экономических выгод будет сконцентрирован на upstream-секторе НГС, то есть на секторе, связанном с разведкой и добычей природных ресурсов. Транспортировка, переработка, конечное распределение нефтепродуктов не входят в фокус работы. Работа организована следующим образом. В теоретической главе будут даны основные определения, используемые в дальнейшем (ресурсный режим, социально-экономические выгоды (СЭВ)). Далее будет проведен обзор нефтегазовой индустрии США, после чего будет сделана попытка построения модели, объясняющей динамику социально-экономических выгод (и их компонентов) от деятельности НГС США (upstream). После этого аналогичная работа будет проведена для НГС России (upstream). В конце работы будет приведено сравнение динамики СЭВ двух стран и будут сделаны соответствующие выводы. 6 1. Институциональная среда нефтегазового сектора Институциональная среда страны определяется юридическими, административными и неформальными структурами, в рамках которых люди, компании, организации и правительство взаимодействуют, создавая доход и богатство (Almeida, Filho, 2011). Важность качественной институциональной среды для нормального функционирования любой экономики подчеркивается экономистов – во специалистов множестве в области исследований новой известных институциональной экономической теории (North, Coase, Williamson, Ostrom, Joskow, Young, Acemoglu и др.). Однако особое влияние институциональная среда оказывает на те сектора экономики, которые сталкиваются с добычей и переработкой природных ресурсов. Так, в работе (Young, 1982) указывается на то, что ценность природных ресурсов не всегда находит отражение в рыночных сигналах. В отличительные работе (Севастьянова, признаки нефтегазовой 2010) перечислены отрасли с точки конкретные зрения ее институционального окружения: «Каждому объекту анализа и управления [в нефтегазовой отрасли, прим. авт.] свойственна определенная специфика, обусловленная рядом факторов, в частности: ограниченностью и невоспроизводимым характером нефтегазовых ресурсов, составляющих основу развития региональной экономики; эволюционным характером освоения ресурсов и, соответственно, изменчивостью во времени величины рентного дохода от добычи нефти и газа, уровня издержек и рентабельности производства; 7 зависимостью социально-экономического развития от положения дел в нефтегазовом секторе и – через него – от конъюнктуры мирового рынка энергоресурсов; сложностью и несовершенством институциональной среды в нефтегазовом секторе, противоречивым (а порой - конфликтным) характером взаимоотношений между регионом и федеральным центром» О. Янг в 1982 г. в качестве основного подхода, который мог бы охватить всю общность социально-экономических отношений, возникающих вокруг ресурсных отраслей, предложил институциональный подход анализа. Центральным определением в данном анализе стало определение ресурсного режима – совокупности правил, норм, процедур и практик, координирующих действия экономических агентов, вовлеченных в пользование природными ресурсами (Young, 1982). Основными компонентами ресурсного режима, согласно Янгу, являются права, правила, процедуры и исполнение. Используя эти компоненты, каждое общество «настраивает» ресурсный режим таким образом, чтобы максимизировать отдачу от пользования ресурсами в соответствии с теми критериями «максимальной отдачи», которые в данном обществе применяются. В данной работе будет введена предпосылка о конкретном виде критерия «максимальной отдачи». Введем основное определение, которое будет использовано в дальнейшем, а именно, социально-экономические выгоды (СЭВ) от деятельности нефтегазового сектора экономики. Удачное определение СЭВ и условий, при которых они максимизируются, даны в работе (Крюков, Токарев, 2007): «Основное направление формирования экономико-правового пространства в нефтегазовом секторе состоит в создании таких условий, которые способствовали бы сближению реализованной и потенциальной общественной ценности углеводородов. В данном случае под общественной ценностью понимается совокупность (прямых, косвенных, 8 мультипликативных) эффектов, получаемых от освоения и использования углеводородного сырья. <…> В целом обеспечить приемлемый уровень общественной ценности углеводородов можно только при наличии развитой системы институтов современного гражданского общества и эффективной специализированной обеспечение институциональной системы, социально-ориентированного освоения направленной и на использования углеводородов». Таким образом, уровень и динамика СЭВ от деятельности НГС выступают в качестве индикатора состояния и направленности формирования ресурсного режима (Крюков, Павлов, 2012). В чем могут состоять эти прямые, косвенные, мультипликативные эффекты, которые формируют СЭВ от деятельности НГС? В (Севастьянова, 2010) находим: «Развитие нефтегазового комплекса позволит: расширить доходную базу бюджета; существенно повысить инвестиционную привлекательность; создать новые рабочие места; активизировать рост производства в машиностроении и металлургии, изготовлении строительных материалов; осуществить ряд действенных социальных программ для коренных и малочисленных народов, малообеспеченных слоев населения.» В связи с обозначенной важностью возможных СЭВ от развития НГС первостепенной задачей становится научиться правильно прогнозировать и оценивать СЭВ еще до каких-либо активных действий. Для прогнозирования и предварительной оценки СЭВ, указанных выше, различными авторами предлагаются разные методы анализа. Ниже приведены некоторые из них: институционально-эволюционный подход, SWOT-анализ, ситуационный анализ, системный анализ (Севастьянова, 2010) 9 интегрированный и адаптивный менеджмент (May, 2007) проектный анализ (Крюков, Токарев, 2007) Многими исследователями разделяется точка зрения о том, что минусом перечисленных методов является недостаточная количественная проработка объекта исследования. «Часто не дается количественных оценок, а проводится только “качественный” анализ компонентов социальноэкономических эффектов и выгод» (Крюков, Токарев, 2007, стр. 87). В связи с этим основным акцентом данной работы является именно попытка количественной оценки СЭВ с использованием разнообразных статистических данных по отрасли и эконометрических методов анализа временных рядов. «узость»: чтобы Недостатком данного подхода является его некоторая получить количественную оценку социально- экономического эффекта, нужно сосредоточиться (по крайней мере, в первом приближении) на наиболее значимых, измеримых параметрах (таких, например, как налоги, занятость) и абстрагироваться от некоторых косвенных и мультипликативных эффектов. Преимуществом подхода является получение осязаемого количественного результата, в частности, денежной оценки СЭВ и их компонентов в динамике. Этот результат позволит сделать выводы об институциональной динамике ресурсного режима той или иной страны, которая выражается в динамике соответствующих СЭВ. Перед непосредственным расчетом СЭВ для НГС США сделаем общую характеристику основных показателей нефтегазового сектора экономики США. 10 2. Анализ социально-экономических выгод от НГС США Общая характеристика нефтегазовой отрасли США США являются крупнейшим потребителем нефти на планете. В 2010 году, согласно CIA World Factbook 2011, американское потребление нефти достигло отметки около 20 миллионов баррелей в день, что составляет примерно пятую часть от мирового потребления. При этом более половины потребляемой в Америке нефти является импортной. Коснемся характеристики американской нефтегазовой отрасли. В настоящее время отрасль находится в состоянии падающей добычи. Как видно из рисунка 1, средний дебит американских скважин снижается (хотя можно говорить о том, что на протяжении 1995-2005 этот показатель был относительно стабилен). Рисунок 1. Средний дебит скважины, баррелей в день, источник: IPAA 11 Другим индикатором текущего состояния отрасли является удельный вес низкодебитовых скважин, который представлен на рисунке 2. Рисунок 2. Удельный вес низкодебитовых скважин (marginal wells) в США, %, источник: IPAA Можем видеть, что высоким дебитом стабильно обладают лишь 30% нефтяных скважин, а доля малодебитных газоносных скважин неуклонно растет. Однако, как ни странно, показатель кратности вышеуказанные явления не ухудшают. Взглянем на рисунок 3. запасов 12 Рисунок 3. Кратность запасов нефти и газа в США, лет, источник: IPAA То есть, на протяжении 30 лет показатель кратности запасов является стабильным и колеблется в диапазоне 9-12 лет. Делаем вывод о том, что в нефтегазовой отрасли присутствуют факторы, которые положительно сказываются на динамике кратности. В частности, одним из факторов является развитие технологии. Как можно видеть из рисунка 4, технологический прогресс в отрасли привел к значительному снижению сухих разведочных скважин, а следовательно, и риска для инвестирующих нефтедобывающих компаний. 13 Рисунок 4. Процент сухих разведочных скважин в США, источник: IPAA Еще одной важнейшей особенностью американского нефтегазового сектора является большая роль небольших компаний. Институциональная среда позволяет рентабельно функционировать широкому пласту мелких недропользователей. Так, согласно отчету Ассоциации независимых производителей, средняя независимая компания включает штат из 15 человек и имеет годовой оборот в 5 миллионов долларов. Показателем большого влияния на индустрию данной группы компаний являются капитальные и инвестиционные расходы. На рисунке 5 представлены капитальные расходы крупных ВИНК и мелких независимых производителей. 14 Рисунок 5. Капитальные затраты двух классов компаний в НГС США, миллионы долларов, источник: IPAA Можно видеть, что, например, в последнем десятилетии капитальные затраты независимых компаний начали превалировать над аналогичным показателем ВИНК. Малые компании являются более гибкими в условиях падающей добычи и малодебитных месторождений. Им лучше удается применять новые технологические приемы добычи, которые часто связаны со спецификой месторождения и требуют индивидуального «микро»-подхода. Так, из отчета IPAA о независимых производителях выясняем, что более трети независимых компаний участвуют в проектах оффшорной добычи, а также в проектах по горизонтальному бурению. Такая организация отрасли делает ее более гибкой и адаптивной к современным реалиям. Подведем краткие итоги. Перечисленные особенности НГС США включают следующее: 1. Отрасль находится на стадии падающей добычи; 2. В последние десятилетия в отрасли особенно сильно ощущается влияние новых технологий; 15 3. Роль малых компаний очень велика в нефтегазовом секторе США. Приняв данные особенности во внимание, можно двигаться дальше в работе. Во введении была продекларирована задача, касающаяся оценки социально-экономических выгод от нефтегазового сектора. Статистика нефтегазового сектора США включает объемные массивы данных, по которым можно строить оценочные модели. Поэтому дальнейшим шагом будет расчет социально-экономических выгод для США и идентификация тех институциональных факторов, которые наиболее сильно влияют на величину этих выгод. 16 Эмпирический анализ социально-экономических выгод В работе (Крюков, Токарев, 2007) сформулированы основные критерии, по которым оцениваются СЭВ. Среди них: освоение государством (изъятие рентных доходов) уплата обычных налогов рациональное освоение занятость экологические издержки ТАИ (трансакционные издержки) Попробуем оценить количественно факторы разной природы, которые влияют на динамику вышеуказанных показателей в экономике США. Данные Модель основывается на данных, собираемых IPAA (Independent Petroleum Association of America). База данных включает временные ряды длительностью с 1975 по 2009 год, которые содержат обширную информацию о динамике ключевых показателей деятельности нефтегазового сектора США. Блоки данных включают: 1. Разведочную деятельность. 2. Производственную деятельность 3. Статистику по запасам и скважинам 4. Финансы 5. Налоги 6. Цены на продукцию 17 7. Информацию по рабочей силе и др. Дополнительно к нефтегазовой информации была собрана информация, касающаяся общеэкономического развития США: 1. Динамика ВВП 2. Средний почасовой заработок в промышленности 3. Средняя рентабельность капитала в других отраслях по годам Также были введены фиктивные переменные, отвечающие за «шоки» экзогенные события политического характера (временной горизонт – 19752011 годы), которые должны влиять на динамику основных показателей нефтегазового рынка1. Среди них: 1. Революция в Иране 1979 года 2. Ирано-иракская война 1980 года 3. Война в заливе 1990 года 4. Азиатский финансовый кризис 1998 5. События 9 сентября 2001 года 6. Глобальный экономический кризис 2008-2009 гг. Хотя анализ влияния данных событий на нефтегазовую конъюнктуру выходит за рамки данного исследования, эти данные были введены из эконометрических соображений: если они оказывают существенное влияние на динамику цены нефти и других переменных, то неучитывание их в регрессии может привести к искажению результатов. В таблице 1 представлено структурированное описание данных и переменных, которые будут использованы в исследовании. Знаком «(*)» Если указанное событие происходит в году N, то значение переменной равно 1. Если ничего не произошло в году K, то значение переменной равно 0. 1 18 обозначены вновь сгенерированные переменные для проверки некоторые гипотез. Таблица 1. Описание данных, используемых в анализе Переменная Расшифровка Единица измерения Разведка Expl_oil2 Expl_gas Expl_dry DRY Footage Wildcat Число разведочных скважин (нефть обнаружена) Число разведочных скважин (газ обнаружен) Число разведочных скважины (сухие) Доля сухих скважин от общего числа разведочных Общая глубина пробуренных скважин Число разведочных скважин вне известных месторождений Единицы Единицы Единицы % Миллионы футов Единицы Занятость Wage_oil Wage_other (*) Delta_wage = wage_oil - wage_other Employ Почасовой заработок рабочих в нефтегазовой отрасли Почасовой заработок рабочих в других отраслях промышленности Разница в ставках оплаты труда $/час Численность занятых в upstream Миллионы человек $/час $/час Производство и издержки Oil_prod Производство нефти Majors_capex Разведочные и капитальные расходы крупных ВИНК Разведочные и капитальные расходы Minors_capex Миллионы баррелей в день Миллионы долларов Миллионы В обозначениях используются латиница и сокращения, так как именно такая форма записи наилучшим образом воспринимается эконометрическим пакетом Eviews 7.0 2 19 Total_capex Drill_costs_well Drill_costs_ft независимых производителей Общие разведочные и капитальные расходы Издержки бурения в расчете на скважину Издержки бурения в расчете на фут долларов Миллионы долларов Миллионы долларов $ Цены, финансы и налоги Profit_oil Profit_other (*) Delta_profit = Profit_oil Profit_other Price_oil Рентабельность нефтяной отрасли Рентабельность других отраслей Разница в рентабельностях % % % Цена сырой нефти Price_gas Цена газа Taxes Rev Рентные налоги, роялти Выручка (доход) нефтедобывающих компаний «у скважины», «wellhead revenue» $/баррель, в постоянных долларах 2000 $/миллион футов3, в постоянных долларах 2000 Миллиарды $ Миллиарды $ Характеристики запасов и месторождений New_oil_res Прирост новых запасов нефти New_gas_res Прирост новых запасов газа Прирост новых запасов нефти в расчете на скважину New_gas_res_per_well Прирост новых запасов газа в расчете на скважину New_oil_res_per_well Oil_per_well Oil_proved_res Средний дебит скважины Доказанные суммарные запасы нефти Oil_wells_num Gas_wells_num Число скважин нефти Число скважин газа Миллионы баррелей Триллионы кубических футов Баррели Миллиарды кубических футов Баррели/день Миллиарды баррелей Единицы Единицы 20 Число малодебитных (менее трех баррелей в день) скважин Abandonments , число покинутых нефтяных скважин Stripper_wells Aban Единицы Единицы Другие показатели ВВП в постоянных долларах 2002 Экзогенные шоки GDP (*) Shocks Триллионы $ - Источник данных: The Independent Petroleum Association of America (IPAA), Economic Reports & Industry Statistics. Выше были приведены основные показатели, которыми руководствовались авторы (Крюков, Токарев 2007) при нахождении СЭВ от реализации нефтегазового потенциала территории. В первом приближении остановимся на анализе следующих показателей: 1. Налоги рентные 2. Выгоды от занятости 3. Запасы в недрах Показатели были выбраны из соображений их статистической «явности» и конкретности (они наблюдаемы количественно), а также из-за того факта, что именно эти показатели составляют подавляющую долю суммарных СЭВ, как можно судить из анализа (Крюков, Токарев, 2007, стр. 151). Специфика каждого из этих компонентов будет описана ниже в соответствующих разделах работы. Рентные налоги Попробуем идентифицировать основные влияния между вышеуказанными переменными и переменной, отвечающей за налоговые 21 поступления рентного характера. Переменная «taxes» в формулировке IPAA дословно обозначает «роялти и ренты, всего». Первой гипотезой относительно рентного налога будет предположить о наличии сильной ковариации между переменными «taxes» и «rev». Это подтверждает как обычный коэффициент корреляции, который для данных двух переменных равен 92%, так и результаты МНК-оценки линейной модели с авторегрессией первого порядка. Спецификация и оцененные коэффициенты модели (таблица 2) представлены ниже: TAXESt = α + β×REVt + εt, εt = ρ×εt-1 + ut Таблица 2. Результаты регрессии для переменной TAXES Зависимая переменная: TAXES Выборка: 1977-2009 C 0.037 REV 0.048***3 ρ 0.735*** R-squared 91% Durbin-Watson stat 1.97 Гипотеза в тесте Бреуша-Годфри на наличие автокорреляции отвергается на любом уровне значимости. Следует отметить, что решение об использовании модели авторегрессии первого порядка было принято после того, как обычная регрессия показала наличие автокорреляции (что является частым результатом при оценке единственного регрессора в моделях временных рядов). Данная спецификация гласит о том, что увеличение выручки нефтедобывающих компаний на 1 миллиард долларов приводит к росту налоговых поступлений и роялти на 48 миллионов долларов. Здесь и далее используются обозначения: ***-коэффициент регрессии значим на 1%-ном уровне, **-коэффициент значим на 5%-ном уровне, *-коэффициент значим на 10%-ном уровне. 3 22 Так как в начальной спецификации переменная выручки была экзогенной переменной, следующим шагом будет попытка ее эндогенизации в модели, то есть выявление факторов, которые определяют выручку, которая, в свою очередь, определяет налоговые поступления. Гипотезы при построении модели выручки: выручка нефтедобывающих компаний сильно связана с сырыми ценами на энергоносители (price_oil, price_gas), с капитальными расходами (majors_capex, minors_capex), уровнем издержек на бурение (drill_costs_well, drill_costs_ft), а также от специальных переменных – разницы в рентабельностях отраслей (delta_profit) и от экзогенных шоков (shocks). В исходной спецификации получаем следующие результаты (см. таблицу 3): Таблица 3. Результаты регрессии для переменной REV Зависимая переменная: REV Выборка: 1977-2009 PRICE_OIL PRICE_GAS MAJORS_CAPEX MINORS_CAPEX DRILL_COSTS_WELL DRILL_COSTS_FT DELTA_PROFIT SHOCKS С 0.74*** 18.13*** 0.00070*** 0.000584** 47.45 0.094 0.067 -0.034 -31.17*** R-squared Durbin-Watson stat 99,4% 1,8 Как можно видеть из модели, на значение выручки влияют сильно факторы цены, менее сильно капитальные затраты. Экспериментальные переменные delta_profit и shocks оказались незначимыми, так же как и уровни издержек. На первый взгляд странной кажется столь большая разница 23 между коэффициентами при price_oil и price_gas. Дело в единицах измерения: прирост цены нефти на один доллар за баррель приводит к увеличению цены на 1,5% (для данных 2010 года, IPAA), в то время как увеличение цены газа на 1 доллар за миллион кубических футов приводит к относительному изменению на 26% (для данных 2010 года, IPAA). Избавление модели от незначимых переменных приводит к следующей спецификации: REVt = - 17.345*** + 0.835***×PRICE_OILt + 0.00146***×MINORS_CAPEXt + 17.758***×PRICE_GASt + εt, R2=99% Данная спецификация, как показали тесты Дарбина-Уотсона, БреушаГодфри, Бреуша-Пагана, Уайта и Рамсея, не испытывает проблем с гетероскедастичностью, автокорреляцией или пропущенной (omitted) переменной. Остановимся на этой модели, которая позволила перевести переменную rev из разряда экзогенных в разряд эндогенных. Выгоды от занятости В рамках данной работы под выгодами от занятости будет пониматься занятость в upstream-секторе нефтегазовой отрасли. Попробуем оценить факторы, влияющие на занятость в нефтегазовом секторе. Прежде всего взглянем на наглядную динамику занятости (рис. 6): 24 EMPLOY 2.1 2.0 1.9 1.8 1.7 1.6 1.5 1975 1980 1985 1990 1995 2000 2005 2010 Рисунок 6. Динамика переменной EMPLOY, миллионы человек. Источник: IPAA Как можно видеть, динамика является сложной и немонотонной. Возможно, на различных этапах на нее влияли разные факторы. В процессе анализа мы это проверим. Первичной гипотезой было предположение о зависимости занятости от заработной платы, капитальных издержек (в том числе, лагированных), а также от производственных показателей: числа скважин, уровня издержек на бурение, а также от вновь разведанных запасов. Однако, как при подстановке указанных показателей в одно большое уравнение, так и при различных групповых комбинациях практически все они оказались незначимыми. Вероятно, среди наших данных отсутствуют те, которые в значительной степени описывают динамику занятости. Однако определенный результат был все же получен, а именно, значимая зависимость занятости от экспериментальной переменной delta_wage, которая показывает разрыв в почасовой оплате труда между нефтегазовой отраслью и другими промышленными отраслями. При регрессии employ на delta_wage мы столкнулись с двумя проблемами: автокорреляция и структурный сдвиг. Первую удалось решить, прибегнув, как и в случае с taxes, к процессу 25 авторегрессии первого порядка4. Также для коррекции автокорреляции и гетероскедастичности при оценке регрессии были использованы ошибки в форме Невье-Веста. Вторая проблема заключалась в том, что тест Чоу показал наличие структурного изменения в модели после 1997 года, что разумно ожидать при такой немонотонной динамике employ. В связи с этим выборка была разбита на 2 подвыборки: до 1997 и после 1997. По каждой из них была проведена регрессия, результаты представлены ниже (см. таблицу 4). Таблица 4. Результаты регрессии для EMPLOY, с применением теста Chow Зависимая: employ Подвыборка 1977-1997 DELTA_WAGE AR(1) 0,0589* 0,4899* R-squared Durbin-Watson stat 51% 1,677 Зависимая: employ Подвыборка 1997-2009 Delta_wage AR(1) 0.023*** - R-squared Durbin-Watson stat 53% 1,46 Отметим, что во второй подвыборке (1997-2009) удалось обойтись без авторегрессии: исходная спецификация выдерживает LM-тест БреушаГодфри на автокорреляцию. Исходя из полученных спецификаций, мы делаем вывод о том, что увеличение разрыва между ставками оплаты труда в нефтегазовой отрасли по сравнению с другими отраслями промышленности на 1% приводит к 4 Была проведена попытка решения проблемы автокорреляции без AR(1), а именно, введением лагированной переменной delta_wage(-1). Идея в том, что занятость реагирует на разрывы в оплатах труда в прошлом. Однако, эта гипотеза не нашла своего подтверждения в значимости коэффициента. 26 перетоку в эту отрасль, в среднем, 59 тыс. человек на протяжении периода 1977-1997 и 24 тыс. человек на протяжении периода 1997-2009. Однако стоит помнить о том, что существуют другие факторы, влияющие на занятость, которые не учтены в этой модели (R2 данных моделей всего 50%). Полученные результаты соответствуют стандартной логике спроса и предложения на рынке труда и характерны для любой отрасли. Для того чтобы отыскать специфические аспекты занятости именно нефтегазовой отрасли, проведем анализ факторов, влияющих на параметр delta_wage. Первичные гипотезы, касающиеся факторов, влияющих на delta_wage: разрыв в ставках заработной платы зависит от капитальных вложений (capex)5, а также от масштаба обслуживаемой отрасли, то есть от общего числа обслуживаемых скважин (oil_wells_num, gas_wells_num) и от числа разведочных успехов (expl_oil, expl_gas). Результаты оценки представлены ниже (см. таблицу 5). Таблица 5. Результаты регрессии для DELTA_WAGE Зависимая переменная: delta_wage Выборка: 1977-2009 C EXPL_GAS EXPL_OIL MINORS_CAPEX MAJORS_CAPEX GAS_WELLS_NUM OIL_WELLS_NUM R-squared Durbin-Watson stat 14.31*** 0.00276*** 0.000397 0,0000856*** 0,0000935*** 0,000000882 0,0000265*** 93% 1.419 Подразумевается, что рост capex, при прочих равных условиях, приводит к увеличению производительности труда 5 27 Стандартным ошибкам коэффициентов можно верить, так как проблемы с автокорреляцией у данной спецификации нет, как показал LMтест Бреуша-Годфри. В целом исходные гипотезы оправдались: капитальные затраты действительно влияют на разрыв в ставках оплаты труда. Так, увеличение разведочных и капитальных расходов крупных ВИНК на миллиард долларов приводит к росту разрыва на 0,0935%, а независимых производителей – на 0,0856%. Также значимыми оказались некоторые производственные показатели, а именно количество разведочно-успешных газовых скважин (увеличение количества таких скважин на сто приводит к росту разрыва на 0.276%) и общее число нефтяных скважин (увеличение количества таких скважин на сто приводит к росту разрыва на 0,00265%). Стоит помнить, однако, об ограничении данной модели, которая заключается в природе самого delta_wage: Delta_wage = wage_oil - wage_other По определению, разрыв зависит как от ставки почасового заработка рабочих в нефтегазовой отрасли, так и от ставки в других промышленных отраслях. Соответственно, рост delta_wage может происходить и из-за спада ставки оплаты труда в других промышленных отраслях, что может не иметь ничего общего со спецификой нефтегазовой отрасли. Однако выводам из модели о значимости сугубо нефтегазовых факторов можно доверять, так как за анализируемый период зарплата в других отраслях росла поступательно, без скачков – динамика wage_other аппроксимируется прямой линией (см. рисунок 7). А это значит, что большая часть дисперсии delta_wage была вызвана именно компонентом wage_oil, который нас и интересует. 28 wage other 20 18 16 14 12 10 8 6 4 1975 1980 1985 1990 1995 2000 2005 2010 Рисунок 7. Динамика переменной WAGE_OTHER, доллары в час Запасы в недрах В работе (Крюков, Токарев, 2007, стр. 119-120) компонент СЭВ под названием «запасы в недрах» заключает в себе оценку тех запасов, извлечение которых в свое время на соответствующем уровне технологии было технологически возможно, но экономически нецелесообразно в рамках сложившейся институциональной среды функционирования нефтегазовых компаний. Соответственно, показатель «запасы в недрах» входил в сумму СЭВ с отрицательным знаком. Попробуем оценить потери общества от нереализованного до конца ресурсного потенциала из-за институциональных условий. В нашей базе данных мы располагаем показателем «ABAN» - числом заброшенных нефтяных скважин. По сути, этот показатель и является искомым, ведь часто скважины забрасываются еще до полного исчерпания запасов. Однако неясно, какая доля скважин была оставлена по неинституциональным причинам (например, полная истощенность), а какая – институциональным причинам (в частности, из-за налогового режима). по 29 Разделим возможные факторы, влияющие на количество «оставлений», на две группы: неинституциональные и институциональные. В первую группу включим: цену сырой нефти oil_price, число малодебитных скважин stripper_wells, средний дебит скважин oil_per_well, ставку заработной платы wage_oil, разрыв в рентабельностях нефтяной и других отраслей delta_profit. При этом показатели oil_price, wage_oil и delta_profit отвечают за гипотезу рентабельности (оставление происходит из-за сложившейся ситуации на нефтяном, финансовом рынках и рынке труда), а показатели oil_per_well и stripper_wells – за гипотезу истощаемости (скважина достигла технологического предела добычи). Во вторую группу войдут рентные налоги taxes. Попробуем оценить описанную модель. Таблица 6. Результаты регрессии для переменной ABAN, неочищенные Зависимая переменная: aban Выборка: 1976-2007 C 15513 PRICE_OIL -203*** STRIPPER_WELLS 0.0493*** OIL_PER_WELL -1223** WAGE_OIL 380* DELTA_PROFIT -70.7 TAXES 847** R-squared 89% Durbin-Watson stat 1.77 Перед интерпретацией удалим незначимый коэффициент при delta_profit, а также проверим модель на наличие проблем с автокорреляцией, гетероскедастичностью и пропущенной переменной (тесты Бреуш-Годфри, Бреуш-Паган, Уайт, Рамсей). Конечная оценка представлена ниже: 30 Таблица 7. Результаты регрессии для переменной ABAN, очищенные Зависимая переменная: aban C PRICE_OIL STRIPPER_WELLS OIL_PER_WELL WAGE_OIL TAXES R-squared Durbin-Watson stat Выборка: 1976-2007 11786 -227*** 0.0532*** -1104** 368.1* 1041*** 89% 1.39 Из модели следует, что: 1. При увеличении цены сырой нефти на 1 $/барр. число заброшенных скважин снижается на 228. 2. При увеличении числа малодебитных скважин на 100 единиц число заброшенных при этом увеличивается на 5. 3. При увеличении среднего дебита скважин на 1 баррель в день число заброшенных скважин снижается на 1105. 4. При увеличении оплаты труда в нефтегазовой отрасли на 1 доллар в час число заброшенных скважин растет на 370. 5. При увеличении рентных налогов на $1 миллиард число заброшенных скважин растет на 1040. Мы видим, что свое количественное подтверждение в виде значимости коэффициентов регрессии нашли как неинституциональная, так и институциональная группы факторов. Однако хотелось бы получить более наглядное представление об этих влияниях, а именно, какая доля числа «оставлений» приходится на каждый из факторов. Это можно сделать исходя из следующих соображений. Посмотрим на спецификацию полученной модели: 31 ABANt = 11786 - 227.9×PRICE_OILt + 0.053×STRIPPER_WELLSt 1104.70×OIL_PER_WELLt + 368.14×WAGE_OILt + 1041.0×TAXESt + εt Таким образом, если весь столбец значений TAXESt умножить на константу 1041, мы как раз получим примерное количество «оставлений» в каждом году, которые произошли из-за институционального фактора, то есть, из-за рентного налога. Если вычесть эти значения из столбца ABANt, то мы получим столбец чисел «оставлений», произошедших по неинституциональным причинам, а также столбец ошибок εt. Изложим данные соображения ниже в виде таблицы для точности и в виде диаграммы для наглядности (см. таблицу 8 и рис. 8): 32 Таблица 8. Распределение ежегодного числа "оставлений" по факторам Год 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Средние Число Число Число Из предыдущ., "оставлений" "институц." "неинституц." доля "группы Ошибки факт. оставлений оставлений рентабельности"6 9916 9000 8380 7668 6614 7215 9426 11032 14170 16024 19233 18241 17423 16107 17235 17584 16211 16914 17896 16389 16674 15172 13912 11227 10718 12234 13635 14300 11977 11058 11738 11639 13343 1878 7559 2096 6982 2294 5958 2564 5917 4024 2335 6681 266 7770 2404 7563 6017 7487 6948 7289 8030 5580 12366 4162 12000 4166 13100 3978 11813 4811 12010 4820 13098 4241 12827 4489 13251 3522 12876 3573 12888 3531 11504 3937 11608 3070 12250 2663 10374 4383 7545 5777 8273 4021 8379 5592 6932 6368 5290 8107 3513 10256 2757 7873 1326 4955 8387 Данные IPAA, расчеты автора 0,77 0,77 0,86 0,75 0,79 0,76 0,73 0,63 0,61 0,59 0,48 0,49 0,46 0,50 0,50 0,47 0,47 0,46 0,47 0,47 0,51 0,50 0,49 0,53 0,59 0,58 0,58 0,61 0,63 0,64 0,64 0,70 - 479 -78 128 -813 255 268 -748 -2548 -265 705 1287 2079 157 316 414 -334 -857 -826 1498 -72 1639 -373 -1408 -1810 -1210 -1816 1235 1776 319 -562 -1275 2440 0 6 «Группа рентабельности» включает показатели oil_price и wage_oil из «неинституциональных» факторов. Разность единицы и столбца показывает долю «группы истощаемости», т.е. oil_per_well и stripper_wells. 33 Рисунок 8. Распределение ежегодного числа "оставлений" по факторам. Данные IPAA, расчеты автора Как видно из рисунка, пик «институциональных» оставлений пришелся на 1980 и на 2006 гг. Итак, мы провели анализ таких компонентов СЭВ, как рентный налог, занятость, потери в недрах; нашли и оценили факторы, которые влияют на каждый из этих компонентов. Настало время просуммировать факторы, чтобы получить искомую денежную оценку СЭВ НГС США в динамике. 34 Расчет суммарных СЭВ В рамках данной работы, как уже было упомянуто, социальноэкономические выгоды от деятельности upstream-сектора нефтегазовой индустрии США состоят из трех компонентов: 1. Рентные налоги 2. Выгоды от занятости 3. Потери в недрах (со знаком минус) Первый компонент в явном виде присутствует в базе данных IPAA, используемой для анализа. Второй компонент, выгоды от занятости, расчитывается по следующей формуле: Выгоды от занятостиt = EMPLOYt × DELTA_WAGEt × 8 × 250, где 8 – количество рабочих часов в день, а 250 – количество рабочих дней в год. Следует отметить, что в анализе используется относительная ставка заработной платы delta_wage, а не абсолютная wage_oil. В этом состоит «гипотеза альтернативности» - соотношение альтернативных, а не фактических издержек/выгод для участников рынка труда. Если рабочие находят альтернативные выгоды именно в нефтегазовом секторе (что выражается в положительном значении delta_wage), то растет его социальноэкономический эффект в виде увеличения потребительского излишка рабочих. Если же рабочие вынуждены соглашаться на более низкую ставку оплаты труда, чем в других промышленных отраслях (если delta_wage < 0), то нефтегазовый сектор приносит вынужденные социально-экономические потери от своей деятельности. В частности, по этой гипотезе СЭВ от деятельности нефтегазовой индустрии США являются отрицательными на протяжении 1976-1980, как мы убедимся далее. 35 Третий компонент, потери в недрах, рассчитывается следующим образом. Полученные из предыдущего анализа (таблица 8) значения «институциональных оставлений» умножаются на средний дебит малодебитных (“stripper well”) скважин, который, по данным IPAA, составляет 3 барреля в день для периода 1976-1988 и 2 барреля в день для периода 1989-2007. Затем это число умножается на количество дней в году. После этого требуется умножение на количество лет эксплуатации малодебитных скважин. Последнее явлется дискуссионным вопросом. Различные издания указывают на различные цифры. Канадская нефтегазовая корпорация Encana указывает средний срок жизни скважины длительностью 20-30 лет (Encana, 2011), из которых 5-10 первых лет приходится на повышенную нефтеотдачу. Соответственно, для нашего анализа мы примем срок жизни малодебитной скважины равным 10 годам. Хотя эластичность СЭВ по различным срокам жизни малодебитных скважин является интересным вопросом для расширения исследования, в рамках данной работы мы ограничимся предположением, изложенным выше. Итак, если мы предполагаем, что заброшенная малодебитная скважина могла работать еще 10 лет, то каждый полученный за этот срок баррель мы должны умножить на цену за соответствующий период, то есть Потери в недрахt=0 = «Институц. оставления»t=0 × Средний дебитt=0 × 365 × (price_oilt=0 + price_oilt=1 + … + price_oilt=9) Так как мы распологаем информацией по ценам нефти только до 2010 года включительно, для данного анализа было сделано предположение о том, что после 2010 цена сырой нефти останется неизменной. Итоговая денежная оценка СЭВ рассчитывается как сумма рентных налогов и выгод от занятости за вычетом потерь в недрах. Результаты расчетов представлены на рисунке 9. 36 Рисунок 9. Динамика СЭВ с разбиением по факторам, ось ординат – миллиарды долларов США. Данные IPAA, расчеты автора Ограничения и недостатки данной модели: 1. Нет других компонентов СЭВ (исходные предпосылки работы) 2. Используется «гипотеза альтернативности» в расчете социальных выгод, то есть относительная, а не абсолютная, ставка заработной платы. Из-за этого предположения СЭВ общества на протяжении 19761980 гг. наблюдаются со знаком «-», то есть фактически являются потерями. 3. Предполагается, что покинутая скважина могла функционировать и обеспечивать добычу еще в течение 10 лет. Исходя из этого проводился расчет «потерь в недрах». 4. Имеется перекрестный эффект: рентные налоги увеличивают СЭВ, но, как было выяснено в предыдущем анализе, «оставления» скважин отрицательно зависят от налогов, а потери в недрах – это прямая 37 функция «оставлений». Это означает, что при меньших налогах число «оставлений» (а значит и потерь в недрах) было бы меньшим, следовательно, общий уровень СЭВ, возможно, отличался бы от представленного выше. Однако данная модель позволяет получить примерное представление о денежной величине СЭВ и их компонентов. В заключении приведем еще одно сопоставление, а именно, величину СЭВ в процентах от выручки нефтедобывающих компаний (см. рисунок 10). Это даст приблизительное представление о соотношении частных и общественных выгод от деятельности нефтегазового сектора (upstream) в экономике США на протяжении 1976-2007 гг. Рисунок 10. Динамика соотношения СЭВ к выручке нефтегазовых компаний, проценты. Расчеты автора. Выявив основные особенности НГС США и построив динамику СЭВ для данной страны, можно приступить к аналогичному анализу другого крупнейшего игрока в мировой нефтегазовой индустрии – России. 38 3. Анализ социально-экономических выгод от НГС России Институциональная среда НГС России Для России нефтегазовые ресурсы представляют особое значение. Их экспорт во многом является стержнем платежного баланса страны и ее бюджета. Так, доля экспорта нефти и газа в валютной выручки страны составляет примерно треть, а нефтегазовые доходы государства образуют половину бюджета (Российский статистический ежегодник 2011). Очень важно осознавать, в какой институциональной среде работает такой важный для российской экономики сектор, как нефтегазовый. Чтобы дать оценку качеству институционального окружения НГС взглянем на некоторые ключевые показатели отрасли. На рисунке 11 представлена динамика восполнения извлекаемых запасов нефти в РФ. Рисунок 11. Динамика восполнения извлекаемых запасов нефти в РФ (Категории A, B, C1) Можем видеть, что с каждым периодом прирост запасов снижается, что на фоне неизменных или увеличивающихся добычи и списания запасов 39 приводит к неизбежному ухудшению баланса восполнения запасов. Снижение прироста запасов можно связать с геологическими (природными) причинами истощенности, однако, немалую роль здесь играет геологоразведочная деятельность. Геологоразведка Дело в том, что за последние десятилетия резко упал объем проводимых геологоразведочных работ (таблица 9). Таблица 9. Объем геологоразведочных работ Годы 1970 1980 1990 1995 2000 2005 2006 2007 2008 2009 2010 Разведочное бурение тыс. метров в % к пред. 3192 3829 19,96% 5286 38,05% 1521 -71,23% 1719 13,02% 1079 -37,23% 1211 12,23% 1488 22,87% 1432 -3,76% 901 -37,08% 1169 29,74% Источник: Российский статистический ежегодник 2011 Это приводит к ежегодному сокращению рентабельных запасов, особенно на фоне исчерпания крупнейших месторождений, открытых еще в СССР (таблица 10). 40 Таблица 10. Крупнейшие российские месторождения Месторождение Самотлорское Мамонтовское Федоровское Варьеганское Лянторское Талинское Итого/среднее Год ввода 1969 1970 1973 1974 1978 1981 Текущие извлекаемые запасы, млн.т Выработанность начальных извлекаемых запасов, % Кратность запасов 878 132 230 73 52 353 1718 73 80 68 72 78 22 66 30 16 20 45 6 160 28 Проблема понижения расходов на разведку, на первый взгляд, имеет парадоксальную природу: почему у современных частных российских компаний оказывается меньше стимулов к разведке, чем было у советских министерств 30 лет назад? Ответ следует искать в проводимой политике, в ее эффекте на институциональные условия принимаемых в НГС частных решений. Из множества гипотез, выдвигаемых для объяснения этого парадокса, можно выделить три следующие: 1. Отсутствие отлаженной частной системы геологоразведки на фоне исчезновения советской системы; 2. Слабое развитие малых компаний-недропользователей, более гибких к специфическим условиям ведения деятельности, геологоразведки в частности; 3. Дефицит государственных инструментов регулирования и схем партнерства, которые бы могли снизить риски разведки для недропользователей. Ясно, что все эти гипотезы так или иначе затрагивают несовершенство институциональной среды, в которой действуют компании, и предполагают государственные корректировки. На данный момент правительство осознает 41 описанную проблему с геологоразведкой. В документе (Энергетическая стратегия) находим: «Основными проблемами в указанной сфере (сфера недропользования и управления государственным фондом недр, прим. авт.) являются: отставание ежегодных энергетических объемов ресурсов, прироста осуществляемых запасов за топливно- счет геолого- разведочных работ, от объемов добычи топливно-энергетических ресурсов (нефть, газ, отдельные марки угля); низкие темпы геолого-разведочных работ при освоении месторождений топливно-энергетических ресурсов Восточной Сибири и Дальнего Востока, полуострова Ямал, континентального шельфа арктических морей; <…> Для достижения стратегической цели недропользования и управления государственным фондом недр необходимо решение следующих задач: повышение активности геологического освоения новых территорий и акваторий; стимулирование привлечения частных инвестиций в геолого- разведочные работы и недропользование.» В этом же документе (Энергетическая стратегия) был проведен прогноз потребности в капитальных вложениях для развития нефтяного комплекса на период до 2030 года, который включает капиталовложения в добычу с геолого-разведочными работами в размере 500 миллиардов долларов (на период 2009-2030 гг.), однако напрямую из документа не следует, какая часть этой суммы будет выделена правительством. 42 Динамика нефтеотдачи Другой не менее важной проблемой современного российского НГС является негативная динамика нефтеотдачи (см. рисунок 12). В России наблюдается стабильный понижательный тренд проектной нефтеотдачи, в то время, как в США наблюдается обратная тенденция. Чем это можно объяснить? Ведь в Америке, как известно, нефтегазовый комплекс также находится на стадии падающей добычи. Рисунок 12. Динамика проектной нефтеотдачи в России и в США Причина опять-таки кроется в институциональных издержках государственной политики. Дефицит государственного внимания к сфере недропользования привел к невостребованности отечественных научных разработок, направленных на повышение коэффициента нефтеотдачи. Это привело к миграции технологии за рубеж. Согласно работе (Боксерман, 2006), к таким технологиям относятся: горизонтальное бурение, термошахтный метод, 43 энергосберегающие тепловые методы, термогазовый метод, полимерное воздействие и др. В этой же статье говорится о том, что «некоторые из этих разработок возвращаются на наши промыслы, но уже как «передовые западные технологии». Еще одной проблемой схожей природы является слабая тенденция использования современных методов увеличения нефтеотдачи (МУН). Согласно рисунку 13, помимо проблемы снижающейся фактической доли МУН в добыче современных российских компаний, наблюдается еще одна: российские компании завышают в отчетах показатели использования МУН в своей деятельности. Это говорит еще об одном искажении институциональной структуры, которое создает стимулы для подобного поведения компаний. Рисунок 13. Применение современных МУН в России и в США 44 Подводя общую черту под вышеописанными проблемами, следует выделить, что их причиной является несовершенство институциональной среды, в которой действуют компании и государство. Отрасль нуждается в масштабных институциональных изменениях, которые должны затронуть режим прав собственности, производственную концентрацию и налоговые стимулы. Чтобы более полно представлять воздействие институциональных и других факторов на выгоды, генерируемые нефтегазовой индустрией России, перейдем к анализу динамики и построению СЭВ от НГС РФ. 45 СЭВ от занятости в НГС РФ: анализ С точки зрения анализа социально-экономических выгод от деятельности нефтегазового сектора России особый интерес представляет рассмотрение занятости и ставок заработных плат. Как показал анализ нефтегазовой индустрии США, именно занятость и уровни оплаты труда во многом определяют уровень суммарных СЭВ от деятельности сектора. Аналогично методу, использованному в анализе НГС США, для России был рассчитан показатель «delta wage», который специфицируется как где – помесячная оплата труда в НГС РФ в году t, – средняя помесячная оплата труда в других промышленных секторах в году t. Динамику этого показателя в реальном выражении (рубли 2011) можно увидеть на рисунке 14. 46 Рисунок 14. Динамика показателя «delta wage» для России, рубли 2011. Источник: http://www.gks.ru. Можно видеть, что этот ряд имеет повышательный тренд. На протяжении исследуемого периода разрыв в оплатах труда между нефтегазовым сектором и средним промышленным (не-нефтегазовым) сектором увеличивался на 500 рублей в месяц (в ценах 2011). Интересно следующее межстрановое сопоставление, а именно отношение динамики российского показателя «delta wage» к американскому аналогу. Однако сначала приведем базовое сопоставление, а именно простое соотношение абсолютного уровня оплат труда в российском НГС и в американском. Динамика этого соотношения, скорректированная на инфляции соответствующих валют и на обменный курс, представлена на рисунке 15. Рисунок 15. Отношение абсолютных уровней оплат труда в НГС, РФ к США Исходя из рисунка, можно заметить, что разрыв в оплатах труда сокращался на протяжении 2000-2005 гг., после чего возобладала обратная тенденция (связанная с ускоренным ростом оплаты труда в США, начавшимся после 2005). В среднем же на протяжении рассматриваемого десятилетия отношение находилось в интервале 30-35%. 47 Рассмотрев ситуацию с абсолютными оплатами труда, можно перейти к содержательному с точки зрения анализа СЭВ показателю, а именно, соотношению рядов «delta wage» рассматриваемых стран. Выражение для этого соотношения записано ниже: Динамика данного отношения приведена на рисунке ниже. Рисунок 16. Отношение динамики показателя «delta wage» РФ к аналогу США, расчеты автора Данная колоколообразная динамика является любопытной, особенно учитывая разброс ее значений. Так, в 2004 году прирост оплаты труда в НГС России по сравнению с другими промышленными секторами превысил американский аналог почти в 2 раза. Объяснение левой половины динамики (2000-2004 гг.) может состоять в том, что прирост относительной оплаты 48 труда в НГС США был замедлен в связи с понижением деловой активности, последовавшей после финансового кризиса 2001 года. Некоторую ясность в объяснение колоколообразной динамики может внести диаграмма приростов показателя «delta wage» для РФ и для США. Прирост показателя «delta wage» для США специфицируется как: Для РФ показатель специфицируется аналогично. Совместная динамика приростов приведена на рисунке ниже. Рисунок 17. Диаграмма приростов показателя «delta wage», расчеты автора. Для 19962000 гг. данные по РФ отсутствуют. Здесь отрицательные значения для США на протяжении 2002-2004 гг. говорят о замедлении прироста разрыва между ставками оплаты труда в НГС 49 и в других секторах. Наиболее удачными в терминах прироста «delta wage» годами являются 2005-2008 гг. для США и 2001-2004 гг. для РФ. Динамика занятости в НГС РФ Рассмотрим динамику занятости в российском НГС на протяжении рассматриваемого периода. В среднем на протяжении десятилетия занятость составляла порядка 1,090 миллионов человек, и основные колебания в уровне занятости наблюдались в 2000-2004 гг. Рисунок 18. Динамика занятости в российском НГС, тысяч человек. Источник: http://www.gks.ru Интересна также динамика отношения уровня занятости в России к уровню занятости в США. Этот показатель приведен на рисунке 19. В среднем это отношение держалось на уровне приблизительно 0,6. 50 Рисунок 19. Отношение числа занятых в НГС России к числу занятых в НГС США, по сектору upstream. Источники: http://www.gks.ru, http://www.ipaa.org Основываясь на динамике, приведенной на последнем рисунке, можно сразу предположить, что СЭВ от занятости для США будут превышать российский аналог по меньшей мере в два раза за счет численности занятых. В следующем разделе мы перейдем к детальному построению динамики СЭВ от занятости для России, чтобы получить более аккуратные цифры. Аналогично анализу, проведенному с занятостью в НГС США, интересно было бы проделать ту же работу в отношении России и проверить некоторые гипотезы, в частности, объясняется ли динамика занятости в НГС России динамикой показателя «delta wage». Регрессионный анализ занятости в НГС России Прежде чем приступить к построению спецификаций и проверке гипотез необходимо проделать первичный анализ, связанный с природой имеющихся данных, а именно – временных рядов. В первую очередь проверим на стационарность основные интересующие нас ряды. 51 Для ряда «employ_r» проведем тест Дики-Фуллера на единичный корень, а именно, прогоним следующую регрессию: Результаты представлены ниже. Таблица 11. Результаты регрессии для переменной d(employ) Зависимая переменная: D(EMPLOY_R) t: 2001-2011 EMPLOY_R(-1) -0.269*** C 289 Так как мы отвергаем нулевую гипотезу о равенстве нулю при любом уровне значимости, мы можем заключить, что ряд «Employ_r» является интегрированным степени 0 и, следовательно, может быть использован в регрессионном анализе без каких-либо модификаций. Однако есть подозрение, что динамика «Employ_r» зависит от временного тренда, и переменная, отвечающая за тренд, будет включена в финальную регрессию, чтобы избежать проблемы «spurious regression». Теперь проведем тест на единичный корень для ряда «delta wage». Для этого можно прогнать регрессию следующего вида: где AR(1) – авторегрессионный процесс первого порядка вида 52 Итоговое тестируемое уравнение принимает вид: Если то процесс не является стационарным. Результаты регрессии: Таблица 12. Результаты регрессии для переменной delta wage Зависимая переменная: C AR(1) t: 2001-2011 -33415 1.036*** Как видим, мы получили значимый на всех разумных уровнях коэффициент . Это означает, что ряд «delta wage» является интегрированным степени 1, и в дальнейших регрессиях необходимо использовать не абсолютные значения ряда, а его разности. Теперь можно приступать к исследованию зависимости между «employ_r» и «delta wage». Исходная спецификация: Сразу необходимо оговориться, что в расчете стандартных ошибок коэффициентов регрессии будет использована процедура Newey-West (HAC standard errors), чтобы возможные проблемы гетероскедастичности и серийной корреляции в ошибках не помешали нам правильно оценить все взаимосвязи. 53 Таблица 13. Результаты регрессии для переменной employ Зависимая переменная: EMPLOY_R t: 2001-2011 C 1254*** D(DEW) 0.023 @TREND -13.8** Adjusted R-squared 0.55 Prob (F-statistic) 0.016 (**) Akaike info criterion 10.2 Мы получили значимым коэффициент при трендовой переменной, но незначимый коэффициент при «delta wage». Возможно, это связано с не вполне корректной спецификацией (если мы не учли в уравнении какие-либо релевантные показатели (например, производственные), наше уравнение может испытывать проблемы эндогенности и пропущенной переменной). Добавим в спецификацию производственный показатель, связанный с динамикой занятости, а именно, эффективность эксплуатационного бурения, «efbur», выражающую метраж эксплуатационного бурения в единицу времени. Разумно предположить, что эффективность бурения влияет на динамику занятости не сразу, а с некоторым лагом. Это предположение оправдывается: наиболее значимый эффективность бурения оказывает с лагом, равным 2 года. Итоговая спецификация выглядит как: Результаты этой регрессии представлены ниже: 54 Таблица 14. Результаты регрессии для переменной employ Зависимая переменная: EMPLOY_R t: 2001-2011 C 1226*** D(DEW) 0.0326** @TREND -5.07* EFBUR(-2) -0.166** Adjusted R-squared 0.71 Prob (F-statistic) 0.007 (***) Akaike info criterion 9.8 В итоге мы получаем значимый положительный эффект, оказываемый динамикой «delta wage» на динамику «employ_r», что представляется достаточно важным в рамках настоящей работы. Тот факт, что последняя спецификация уравнения является более удачной, чем предыдущая, подтверждается и увеличенным скорректированным R-квадратом, уменьшенным информационным критерием Akaike, а также тем, что значимость нового уравнения в целом выросла. Теперь мы отвергаем гипотезу о совместной незначимости коэффициентов на 1% (показатель Prob (F-statistic)), в то время как раньше могли это сделать только на 5%. После изучения факторов, влияющих на динамику занятости в НГС РФ, можно приступить к построению связанных с ней СЭВ. СЭВ от занятости в НГС России Имея в распоряжении данные по занятости, относительной оплате труда в НГС России, а также используя простую формулу для расчета СЭВ от занятости, приведенную ниже, мы можем получить искомую динамику. 55 Динамика рассчитанных СЭВ от занятости представлена ниже. Рисунок 20. Динамика СЭВ от занятости в НГС России, расчеты автора, млрд. руб. 2011 г. Можем видеть, что в приведенной спецификации исследуемый показатель составлял в среднем 260 млрд. рублей в год. Сразу стоит заметить, что российская динамика этого показателя своей монотонностью отличается от американского. Полученная нами оценка для США снижалась на протяжении 2001-2004, а затем испытала бурный рост: 56 Рисунок 21. Динамика СЭВ от занятости в НГС США, расчеты автора, млрд. долл. 2005 г. Для наглядного сравнения динамик двух стран совместим два вышеприведенных рисунка: Рисунок 22. Отношение СЭВ от занятости в НГС РФ к НГС США (upstream) Получаем колоколообразную картину с пиком в районе 2004 года. Динамика очень похожа на полученное ранее соотношение показателей «delta wage» рассматриваемых стран, только немного сглаженное за счет динамики занятости. Рассчитав СЭВ от занятости в НГС РФ, мы можем приступить к анализу следующего компонента СЭВ, а именно, «запасов в недрах». Компонент СЭВ: «запасы в недрах» РФ Весомым компонентом СЭВ от НГС, как уже было показано на примере США, является показатель запасов в недрах. Ключевым элементом в расчете этого показателя является динамика оставленных скважин. Для России аналогом этого показателя является фонд бездействующих скважин, 57 динамика которого ежемесячно публикуется журналом «Нефтегазовая вертикаль». Динамика фонда бездействующих скважин по НГС РФ представлена на рисунке ниже: Рисунок 23. Динамика фонда бездействующих скважин, источник: «Нефтегазовая вертикаль» Можем видеть, что наиболее благоприятная ситуация с бездействием скважин в РФ наблюдалась с 2004 по 2008 гг. После кризиса 2008 года, как и следует ожидать, число бездействующих скважин выросло вследствие понижения мирового спроса на нефть. Следует оговориться, что мировой экономический кризис в рамках нашего анализа относится к параметрам «рыночной», не «институциональной» природы. Поэтому в дальнейшем при проведении регрессионного анализа нам нужно будет контролировать экзогенные шоки (например, кризис) с помощью dummy-переменных. На следующем рисунке приведено отношение числа бездействующих скважин к общему числу скважин. 58 Рисунок 24. Динамика отношения фонда бездействующих скважин к общему фонду скважин, источник: «Нефтегазовая вертикаль» С помощью вышеприведенного рисунка можно сделать вывод о том, что рост показателя в интервале 2008-2009 гг. является более сглаженным, чем рост абсолютного числа бездействующих скважин из прошлого рисунка. Динамика общего фонда скважин приведена ниже. Рисунок 25. Динамика общего фонда скважин 59 Можем заключить, что в целом динамика общего фонда скважин описывается медленным ростом (в среднем, на 800 скважин в год) и испытала отрицательные шоки в 2007-2009гг., а также в 2004-2006 гг. Следует отметить, что общеотраслевая динамика общего фонда скважин характерна не для всех компаний по отдельности. В данном контексте интерес представляет рассмотрение динамики фонда скважин крупнейшего игрока на российском рынке нефти, государственной компании ОАО «Роснефть». Динамика фонда скважин ОАО «Роснефть» На нижеприведенном рисунке изображена динамика общего фонда скважин ОАО «Роснефть». Рисунок 26. Динамика общего фонда скважин ОАО "Роснефть". Источник: «Нефтегазовая вертикаль» Резкий взлет показателя после 2004 г. объясняется обретением скважинной базы компании «Юкос», в частности, после приобретения крупнейшего актива «Юкоса» - «Юганскнефтегаза». Примечательным 60 фактом является то, что, в отличие от общероссийской динамики после 2010 г., фонд скважин ОАО «Роснефть» не растет, а падает. Ниже приведена сравнительная динамика показателей отношения числа бездействующих скважин к общему фонду скважин для российского НГС в целом и для Роснефти. Рисунок 27. Динамика показателей отношения числа бездействующих скважин к общему фонду скважин. Источник: «Нефтегазовая вертикаль» Можем заключить, что до начала поглощения «Юкос» в 2004 г. и в последующие два года Роснефть была эффективнее среднероссийского уровня в смысле интенсивности использования фонда скважин. Этот факт может указывать на то, что трехкратное увеличение фонда скважин «Роснефти» могло быть связано с некоторой потерей эффективности их использования (с точки зрения динамики процента нефункционирующих скважин), особенно в первые годы после поглощения «Юкоса». Хотя подробный анализ деятельности национальных нефтегазовых компаний (как компонентов ресурсного режима) по созданию СЭВ представляет большой интерес и является перспективным расширением исследования, но в рамках данной работы он не находится в фокусе. В дальнейшем относительно «Роснефти» будут лишь проверены некоторые статистические гипотезы, позволяющие установить 61 однородность/разнородность факторов, определяющих динамику нефункционирующих скважин «Роснефти» и российского НГС в целом. Регрессионный анализ динамики фонда нефункционирующих скважин. Чтобы выявить те институциональные и неинституцинальные факторы, которые определяют динамику фонда бездействующих скважин, мы должны провести регрессионный анализ ряда «aban». Начать следует с предварительного анализ временного ряда «aban» на стабильность. Проведем тест на единичный корень. Результаты регрессии ряда на свой лаг и константу представлены ниже. Таблица 15. Результаты регрессии для переменной «aban» Зависимая переменная: Aban t: 2001-2011 Aban(-1) 0.926*** C 1443 Проведем тест Вальда, чтобы проверить нулевую гипотезу о значимости единице коэффициента при aban(-1): Таблица 16. Результаты теста Вальда Null Hypothesis: C(1)=1 Value P-value t-stat -0.52 0.61 Можем заключить, что равенство коэффициента единице не отвергается на всех уровнях значимости, а значит, авторегрессионный процесс является нестабильным, ряд имеет единичный корень, и в дальнейшем при анализе мы должны будем использовать не сами значения ряда, а его первые разности. 62 Интерес представляет такое регрессионное уравнение, как зависимость числа бездействующих скважин от таких событий, как поглощение Юкоса и мировой экономический кризис. Обе рассматриваемые переменные являются типа dummy и их спецификация приведена в таблице ниже: Таблица 17. Спецификация используемых dummy-переменных year 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 YUKOS CRISIS 1 0 1 0 1 0 1 0 1 0 0 0 0 0 0 0 0 1 0 1 0 1 0 1 0 0 Гипотеза относительно влияния переменной «crisis» на динамику «aban» состоит в том, что оно должно быть положительным: финансовый кризис должен негативно сказаться на эффективности использования фонда скважин, увеличивая число простаивающих скважин. Гипотеза же относительно влияния переменной «yukos» состоит в том, что коэффициент должен быть значимым и отрицательным: поглощение эффективной (по некоторым оценкам и фактам) корпорации «Юкос» должно увеличить число простаивающих скважин. Прогоняя регрессию переменной «aban» на константу и dummy-переменные «yukos» и «crisis», а также используя при расчете ошибки в форме Newey-West, мы получим следующие результаты: 63 Таблица 18. Результаты регрессии для переменной d(aban) Зависимая переменная: D(ABAN) C CRISIS(-1) YUKOS R-squared Prob(F-statistic) Akaike info criterion Schwarz criterion t: 2001-2011 -3209** 3219** 4105*** 0.624 0.0121 17.7 17.9 Как можно видеть, в рамках данной спецификации подтвердилась гипотеза относительно переменной «crisis». Переменная, отвечающая за кризис, взята с первым лагом, так как именно в такой конфигурации эффект наиболее значим и силен. Полученный положительный знак коэффициента при переменной «yukos» говорит о неверности первоначальной гипотезы. Возможным объяснением этого факта может служить то, что с началом негативных корпоративных происшествий после 2002 г., связанных с «Юкосом» и затрагивающих налоговые и другие аспекты, эффективность компании в смысле использования фонда скважин снизилась. Однако данный вопрос требует отдельного подробного анализа и в рамках данной работы информация от переменной «yukos» будет трактоваться как значимое корпоративное событие в российском НГС, которое необходимо учитывать в регрессионном анализе во избежание проблемы пропущенной переменной (omitted variable). Примечательно, что эффект от «yukos» значимее и сильнее, чем эффект от crisis. Удостоверившись в том что лаг кризисных событий значимо влияет на фонд бездействующих скважин, мы можем ввести более конкретный рыночный показатель – цену нефти. Для единообразия с моделью, построенной ранее для НГС США, будет использована цена, сообщаемая IPAA. Следует также отметить, что при введении в анализ цены нефти нужно будет избавиться от переменной crisis, так как кризисная динамика будет уже отражена в ценовом показателе. Ниже получаем результаты регрессии для 64 «aban», «yukos», «price» и константы. Для учета динамики цены используется модель распределенных лагов (distributed lag model), что выражается и использовании самой цены, а также ее первого и второго лага. Таблица 19. Результаты регрессии для переменной d(aban) Зависимая переменная: D(ABAN) t: 2001-2011 C -10588*** PRICE 12.4 PRICE(-1) -73.65*** PRICE(-2) -96.44*** YUKOS 7325*** R-squared 0.907 Prob(F-statistic) 0.00299 Akaike info criterion 16.80 Schwarz criterion 16.98 Как и ранее для «crisis», для цены наиболее значим и силен эффект от лагов: влияние текущей цены на динамику бездействующих скважин незначим. Следует отметить, что данная спецификация является предпочтительнее предыдущей, где использовалась dummy-переменная на кризис. Это выражается в показателях Akaike info criterion, Schwarz criterion, значимости регрессии в целом (Prob (F-stat)), коэффициента плотности подгонки R2. Кроме этого, эффект переменной yukos стал еще значимее (рост t-статистики Стьюдента с 4 до 5) и весомее. Улучшение модели можно связать со статистическими свойствами ряда «price» и dummy-переменной «crisis». Ряд цен обладает более богатой вариацией, следовательно, мы получаем больше информации о выборке и, в конце концов, более надежные выводы. Примечательным является факт, что если мы прогоним последнюю спецификацию для показателя фонда недействующих скважин не для НГС РФ в целом, а только отдельно для «Роснефти», мы получим сильно отличающиеся результаты: 65 Таблица 20. Результаты регрессии для переменной d(rosaban) Зависимая переменная: D(ROSABAN) t: 2001-2011 C 4783*** PRICE -27.71* PRICE(-1) -6.373 PRICE(-2) -39.79*** YUKOS -2740*** R-squared 0.499 Prob(F-statistic) 0.313 Akaike info criterion 17.02 Schwarz criterion 17.20 Незначимость регрессии в целом (это выражается в том, что Prob(Fstatistic) > 10%) означает, что динамика показателя Роснефти зависит от другой конфигурации факторов, нежели динамика показателя российского НГС в целом. После рассмотрения влияния на динамику фонд бездействующих скважин ценового и корпоративного («yukos») факторов, нам следует еще проверить эффект производственного фактора. Анализ производственного фактора: средний дебит В модели для США в группу неинституциональных факторов входили такие показатели, как средний дебит скважины и число малодебитных скважин, причем в итоговой спецификации оба фактора оказались значимыми и весомыми. К сожалению, российской статистикой не ведется учет динамики малодебитных скважин, однако такой показатель, как средний дебит скважины, может быть получен. Справочное издание компании BP под названием «Statistical review of world energy» содержит информацию о ежегодном производстве нефти в РФ. Поделив этот ряд на упомянутый выше ряд общего фонда скважин в НГС РФ, мы получим оценку среднего дебита скважины. Полученную динамику можно увидеть на рисунке ниже. 66 DEBIT 9.0 8.5 8.0 7.5 7.0 6.5 6.0 5.5 00 01 02 03 04 05 06 07 08 09 10 11 12 Рисунок 28. Динамика среднего дебита скважины РФ, тонны в сутки. Источники: «BP Statistical review of world energy», «Нефтегазовая вертикаль». Используя полученный ряд в качестве производственного фактора, влияющего на фонд бездействующих скважин, мы включим ряд в регрессионный анализ, предварительно проведя тест на единичный корень. Следует заметить, что тест на стабильность авторегрессионного процесса для ряда «debit» будет иметь не совсем обычный результат. Сначала прогоним регрессию полагая ряд нестабильным при Результаты регрессии: Таблица 21. Результаты теста на единичный корень Зависимая переменная: Debit t: 2001-2011 Debit(-1) 0.80*** C 1.78*** 67 Проведем тест Вальда, чтобы проверить нулевую гипотезу о значимости единице коэффициента при debit(-1): Таблица 22. Результаты теста Вальда Null Hypothesis: C(1)=1 t-stat Value -3.53 P-value 0.0055 Таким образом, исходя из данной спецификации, процесс для «debit» является стабильным, а сам ряд является интегрированным степени 0. Однако, если мы модифицируем тест и добавим в регрессию трендовую переменную, то есть оценим спецификацию то получим противоположный результат, а именно Таблица 23. Результаты теста на единичный корень Зависимая переменная: Debit t: 2001-2011 Debit(-1) 0.93*** C 1.04 Trend -0.04 Проведем тест Вальда, чтобы проверить нулевую гипотезу о значимости единице коэффициента при debit(-1): Таблица 24. Результаты теста Вальда Null Hypothesis: C(1)=1 t-stat Value -0.535 P-value 0.6054 То есть, теперь мы не можем отвергнуть гипотезу о равенстве коэффициента единице при любом уровне значимости. Делаем вывод, что при учете временного тренда ряд «debit» не является более стабильным. В 68 итоге нам следует в дальнейшем использовать не сам ряд, а его первые разности, чтобы нивелировать эффект тренда на динамику ряда. Теперь можно приступить к регрессионному анализу «aban» с учетом производственного фактора. Воспользуемся последней спецификацией для «aban» с распределенными лагами цены и добавим «d(debit)» в качестве объясняющей переменной. Таблица 25. Результаты регрессии для d(aban) Зависимая переменная: D(ABAN) t: 2001-2011 C -9150*** PRICE 16.0 PRICE(-1) -93.1*** PRICE(-2) -26.5 YUKOS 10402*** D(DEBIT) -6937*** R-squared 0.98 Prob(F-statistic) 0.00028 Akaike info criterion 15.4 Schwarz criterion 15.6 Как можем видеть, гипотеза о значимости и силе производственного показателя оправдалась: с увеличением среднего дебита скважины на 1 т/сутки, фонд нефункционирующих скважин сокращается почти на 7000 единиц. Добавление важной переменной улучшило также статистические свойства регрессии в целом: по сравнению с последней спецификацией из таблицы мы видим рост R-squared, увеличение значимости регрессии в целом и улучшение показателей качества спецификации Akaike и Schwarz. Что касается остальных коэффициентов регрессии, то произошло дальнейшее увеличение значения коэффициента при yukos, а второй лаг цены перестал быть значимым. Проверим, поможет ли добавление производственного фактора в регрессию приблизить модель к описанию динамики нефункционирующего 69 фонда «Роснефти». Для этого прогоним последнюю спецификацию для зависимой переменной «rosaban». Результаты представлены ниже. Таблица 26. Результаты регрессии для d(rosaban) Зависимая переменная: D(ROSABAN) t: 2001-2011 C 4200.934** PRICE -39.22040** PRICE(-1) -14.26535 PRICE(-2) -11.49327 YUKOS -3986.797*** D(DEBIT) 2809.347 R-squared 0.551227 Prob(F-statistic) 0.413 Akaike info criterion 17.09 Schwarz criterion 17.32 Как и ранее, мы получили регрессию, в которой не можем отвергнуть гипотезу о совместной незначимости коэффициентов даже на 10% (Prob(Fstatistic) = 0,413). Делаем вывод, что добавление производственного фактора в регрессию не позволило приблизить модель к описанию динамики нефункционирующего фонда Роснефти, а даже отдалило (ранее мы не отвергали гипотезу о совместной незначимости коэффициента примерно на 30%). Вернемся к анализу нефункционирующего фонда скважин всей индустрии в целом. Последняя полученная спецификация для «d(aban)» (таблица 25) будет в рамках данной работы объяснять вклад неинституциональных факторов в динамику фонда нефункционирующих скважин в НГС РФ. Следующим шагом в работе станет анализ институционального фактора (рентного налога). 70 Анализ влияния рентного налога (НДПИ) Далее рассмотрим следующую составляющую СЭВ от НГС, а именно, рентный налог (налог на недропользователей). В рамках данной работы в качестве такого налога будет рассматриваться налог на добычу полезных ископаемых (НДПИ). НДПИ – прямой, федеральный налог на недропользователей, введенный в 2002 году. Тот факт, что налоговой базой по НДПИ в случае нефти и газа является количество (не стоимость) добытых ресурсов, а уплата НДПИ происходит по месту нахождения участков недр, позволяет рассматривать НДПИ в качестве подходящего «прокси» для такого компонента ресурсного режима, как «рентный налог», особенно в свете того, что фокусом настоящей работы является анализ именно сектора upstream НГС. Скорректированные на инфляцию поступления от НДПИ приведены на рисунке ниже: Рисунок 29. Динамика поступлений от НДПИ, млрд. рублей (в рублях 2012). Источник: Федеральная налоговая служба, Министерство финансов РФ. Как и в модели для США, рентный налог (в нашем случае, НДПИ) входит в СЭВ дважды: 71 Сам ряд налога полностью входит в СЭВ со знаком «+» как изъятая в пользу общества часть ресурсной ренты; Потери в недрах, вызванные неиспользованием существующих скважин из-за рентного налога, входят в СЭВ со знаком «-». Теперь необходимо с помощью регрессионного анализа определить, значимо ли налог влияет на динамику неиспользуемых скважин. Для этого, начиная с последней спецификации для ряда «aban», которая выглядит как добавим в уравнение ряд ndpi и модифицируем спецификацию. В частности, из результатов оценки уравнения, записанного выше, следует, что текущее значение нефункционирующих цены и ее скважин второй лаг незначимо. влияют на Следовательно, динамику удалив незначимые коэффициенты, мы освободим степени свободы для регрессора ndpi, и в то же время сохраним цену как объясняющий регрессор, оставив ее наиболее значимый лаг. Ниже представлены результаты регрессии с налогом: Таблица 27. Результаты регрессии для переменной d(aban) Зависимая переменная: D(ABAN) t: 2001-2011 C -5637*** D(PRICE(-1)) -17.73* YUKOS 11239*** D(DEBIT) -10260*** NDPI(-1) 2.859*** R-squared 0.94 Prob(F-statistic) 0.0032 Akaike info criterion 16.43 Schwarz criterion 16.58 72 Можем видеть, что в данной спецификации гипотеза о влиянии динамики рентного налога на динамику приростов нефункционирующих скважин оправдывается: коэффициент значим на 1% и положителен. При этом уравнение значимо в целом на 1% (Prob(F-statistic)<1%), что означает, что результатам оценки в терминах совместной значимости коэффициентов можно доверять. Заметим также, что в регрессии использован первый лаг ndpi, так как именно он дает наиболее значимый и сильный эффект в регрессии. Интерпретация коэффициента при ndpi в рамках данной спецификации заключается в следующем: при прочих равных условиях увеличение налога в году t-1 на 1 миллиард рублей (в реальном выражении) приводит к росту прироста нефункционирующих скважин в году t-1 приблизительно на 3 скважины. Заметим также, что в спецификации в качестве ценового регрессора используется первая разность первого лага цены, так как именно она дала значимый результат. Использование первой разности также дает определенное преимущество: мы отслеживаем влияние перехода из второго лага цены в первый лаг, что дает полученному коэффициенту более гибкую интерпретацию. Взглянем на статистические свойства полученной оценки параметра ndpi. Стандартная ошибка полученной оценки составила 0,49. Это позволяет нам провести некоторые тесты на специфические значения параметра. Воспользуемся тестом Вальда на ограничения коэффициентов (Wald test on coefficient restrictions) и положим Результаты теста представлены ниже: Таблица 28. Результаты теста Вальда Null Hypothesis: C(5)=3 t-statistic F-statistic Chi-square P-value 0.7876 0.7876 0.7762 73 Можем видеть, что нулевая гипотеза не отвергается на любом уровне значимости. Следовательно, в дальнейшем при анализе мы можем использовать в качестве значения коэффициента при ndpi. Опираясь на полученное из регрессии значение коэффициента мы можем, как и в модели для США, восстановить ряд нефункционирующих скважин, которые были приостановлены по институциональным причинам. Этот восстановленный ряд, в свою очередь, послужит основой для расчета СЭВ, связанных с потерями в недрах. Сперва приведем диаграмму соотношения институциональных и неинституциональных факторов перевода скважин в категорию нефункционирующих. Для удобства восприятия факторы price, yukos и debit объединены в одну группу под названием «неинституциональные факторы». См. рисунок 30. Рисунок 30. Соотношение институциональных и неинституциональных факторов, определяющих динамику фонда нефункционирующих скважин, расчеты автора. Из рисунка можем видеть, что на протяжении 2002-2004 гг. вклад НДПИ в динамику нефункционирующих скважин был значительно ниже вклада неинституциональной группы. С течением времени неинституциональная группа (за исключением шоков в 2008 и 2010 гг.) 74 играет все меньшее значение. Это можно объяснить положительной динамикой среднего дебита скважины, который, как видно из полученных ранее регрессионных уравнений, имеет очень большое влияние на динамику нефункционирующих скважин. Дополнительного пояснения требует ряд «Всего-прокси». Ряд носит такое название, так как интерес для нас представляет не сам ряд7, а его первые разности (именно первые разности ряда динамики нефункционирующих скважин мы моделировали в регрессии). Для иллюстрации плотности подгонки вынесем в отдельный рисунок соотношение ряда «реальных» первых разностей (то есть наблюдаемых в статистике) и моделированных первых разностей (первых разностей ряда «всего-прокси» из предыдущего рисунка). Рисунок 31. Плотность подгонки регрессии, объясняющей динамику нефункционирующих скважин d(aban), расчеты автора. Видим, что плотность подгонки далеко не является идеальной, но отвечает общей динамике реальных данных, особенно в 2002-2005 и 20102011 гг. Хотя в целом динамика ряда «всего-прокси» соответствует общей динамике фонда нефункционирующих скважин, который был приведен на рисунке 23. 7 75 Итак, мы останавливаемся на спецификации модели, из которой следует, что каждый дополнительный миллиард рублей собранного НДПИ увеличивает прирост нефункционирующих скважин на 3. В дальнейшем эта оценка будет использована для построения ряда «потерь в недрах». Расчет «потерь в недрах» для НГС РФ В предыдущей части работы с помощью регрессионного анализа был получен ряд нефункционирующих скважин, которые не используются по институциональным причинам. Согласно концепции работы, мы должны внести потери от бездействия этих скважин в социально-экономические выгоды со знаком «-». Однако для расчета итогового показателя потерь в недрах нам требуются следующие параметры: Срок, в течение которого могла бы действовать бездействующая скважина Средний дебит скважины, которая могла бы действовать Цены, по которым была бы продана нефть от скважины, которая могла бы действовать Предположение состоит в том, что мы не можем применить параметры из модели для США (за исключением, возможно, цены), так как геологические свойства скважин в РФ и в США сильно рознятся. Неоспоримым является факт, что средний дебит как для функционирующих, так и для простаивающих/малодебитных скважин в РФ многократно превышает аналогичный показатель в США. Так, средний дебит российской скважины составляет 8,4 т/сутки, в то время как в США - 1,4 т/сутки (Ивановский, 2010). Что касается малодебитных скважин, то для США IPAA установила значение 2 барреля в сутки (что эквивалентно 0,27 т/сутки) для периода после 1989 года (ссылка). Мнения экспертов 76 относительно среднего дебита российской малодебитной скважины расходятся. Встречаются такие оценки, как до 1 т/сутки (Ивановский, 2010). до 5 т/сутки (Адонин) от 1,0 /сутки до 10,0 т/сутки и в целом по стране определяется на уровне 3,0-3,5 т/сутки (Конопляник) В наших расчетах остановимся на достаточно консервативной оценке в 3 т/сутки, что эквивалентно 22,2 барреля/сутки. Можно заметить, что уже при таком значении параметра средний дебит малодебитных скважин РФ превышает американский аналог на порядок, что позволяет делать догадку о том, что потери СЭВ России от «запасов в недрах» могут оказаться значительно выше американских (учитывая сопоставимые размеры НГС рассматриваемых стран). В качестве срока функционирования малодебитной скважины воспользуемся вновь данными нефтегазовой корпорации Encana, которая дает оценку в 10 лет. В качестве ряда цен возьмем ранее использованные данные от IPAA. Формула, по которой для каждого года калькулируется показатель «потерь в недрах», представлена ниже: где – «Потери в недрах в году t=1», – «Нефункционирующие из-за налога скважины в году t=1», 22,2 – средний дебит малодебитной скважины РФ в баррелях в сутки. 77 Суммирование происходит по годам вплоть до 10 года предполагаемого использования скважины. Диаграмма «потерь в недрах» представлена ниже. Рисунок 32. Динамика "Потерь в недрах", млрд. руб. 2012, расчеты автора Из рисунка можно видеть, что общий тренд потерь в недрах восходящий (рост примерно на 120 миллиардов рублей в год). Провал в зоне 2008-2010 гг. связан с тем, что «неинституциональные» факторы оставления скважин во время кризиса играли повышенную роль. Интересным было бы сопоставление динамики «потерь в недрах» и рентного налога – НДПИ. На первый взгляд может показаться, что «потери в недрах» повторяют динамику НДПИ с точностью до линейного преобразования, однако это не совсем так. Чтобы показать это, приведем динамику такого показателя, как «рентабельность НДПИ в терминах потерь в недрах», который специфицируется как 78 Так как в рамках данной работы «потери в недрах» мы можем называть издержками рентного налога, показатель «рентабельности НДПИ в терминах потерь в недрах» позволяет понять, каково отношение чистого эффекта он сбора НДПИ к размеру этого сбора. Динамика приведена ниже. Рисунок 33. Динамика показателя «рентабельности НДПИ в терминах потерь в недрах» Можем видеть, что динамика вышеупомянутого показателя является отрицательной, рентабельность снижается в среднем на 2% в год. Объяснить это можно тем, что в условиях негибкости налогового режима значительная часть скважин ежегодно находится в состоянии бездействия, а с каждым годом такое простаивание обходится все дороже. Положительной новостью является выпуклый характер функции на рисунке 32, что означает замедление темпов падения рентабельности. Стоить также упомянуть о том, что «потери в недрах» были рассчитаны исходя из консервативных оценок рентабельности малодебитных скважин (22,2 барреля/сутки). Это означает, что описанный выше показатель «рентабельности НДПИ в терминах потерь в недрах» в реальной жизни может оказаться значительно ниже. 79 Рассчитав очередной компонент СЭВ «потери в недрах», мы можем приступить к консолидации результатов и получению итогового показателя, а именно, суммарных СЭВ от НГС РФ. Расчет суммарных СЭВ от НГС РФ Динамика обобщенного показателя СЭВ от НГС РФ, который включает рассчитанные ранее выгоды от занятости, «потери в недрах» и рентные налоги, представлен на рисунке ниже: Рисунок 34. Динамика СЭВ от НГС РФ, миллиарды рублей 2012, расчеты автора Как можем видеть, динамика СЭВ в основном определяется соотношением поступлений от НДПИ и «потерь в недрах». В целом можно заметить, что суммарные СЭВ растут в среднем на 50 млрд. рублей в год. Как и следует ожидать, после 2008 г. произошло снижение СЭВ от НГС в связи с мировым экономическим кризисом. Интерес вызывает сопоставление динамик СЭВ для США и РФ. Поэтому приведем ниже динамику СЭВ США, полученную в предыдущей 80 части работы, сделав фокус на периоде после 2000 г. и приведя стоимостные выражения СЭВ к рублям 2012 года. Рисунок 35. Динамика СЭВ от НГС США, миллиарды рублей 2012, расчеты автора Из рисунков можно видеть принципиальное различие в структурах СЭВ рассматриваемых стран. Если основной компонент СЭВ России – это НДПИ, то в США СЭВ определяются в основном выгодами от занятости. Как и предполагалось ранее, «потери в недрах» для России являются более серьезной проблемой, чем для США. Отчасти это вызвано характеристиками месторождения (как уже было упомянуто, одна простаивающая скважина в РФ обходится гораздо дороже в терминах упущенной добычи, чем одна простаивающая скважина в США), однако определяющим фактором является налоговый режим недропользования и его гибкость (особенно в разрезе налогообложения малодебитных скважин). Сравнительная гибкость налогового режима может быть проиллюстрирована на следующем примере. В 2006 году на каждый полученный триллион руб. НДПИ в России приходилось, согласно расчету, около 0,5 триллиона руб. потерь в недрах. В 81 США же на каждый полученный триллион руб. рентного налога приходилось всего 0,25 триллиона руб. потерь в недрах. Наконец, приведем на совместном графике динамики суммарных СЭВ США и РФ: Рисунок 36. Соотношение динамик СЭВ от НГС РФ и США, миллиарды рублей 2012, расчеты автора (нет данных 2000-2001 для РФ и 2010-2012 для США) Можно видеть, что, хотя в среднем СЭВ США превышают СЭВ России, рассматриваемые величины являются вполне сопоставимыми. Как можно заметить, в 2003-2006 гг. даже наблюдалась обратная динамика, когда в РФ СЭВ от НГС были выше, чем в США. Это означает, что РФ имеет большие шансы в увеличении социально-экономической отдачи НГС, если примет меры, направленные на: Снижение «потерь в недрах». Это включает оптимизацию рентного налогообложения с точки зрения «рентабельности НДПИ в терминах потерь в недрах». Это может предполагать изменение налоговой базы, ставок, введение дифференциации по степени малодебитности скважин 82 и другие меры налогового дизайна, направленные на повышение гибкости налогообложения, которое должно увеличить «рентабельность рентного налога в терминах потерь в недрах» Повышение выгод от занятости. В условиях рыночной экономики государство не может напрямую регулировать ставки оплаты труда/уровни занятости, однако возможно косвенное регулирование Основной целью данной работы был анализ и построение динамики СЭВ от НГС США и РФ. Далее следует заключение, в котором будут изложены основные итоги и выводы настоящей работы. 83 Заключение В начале работы ставился вопрос: насколько хорошо та или иная страна сумела создать институциональные условия для того, чтобы максимизировать социально-экономические выгоды от деятельности нефтегазового сектора своей экономики? Для того чтобы приблизиться к ответу на данный вопрос, был проведен качественный и количественный анализ факторов социально-экономических выгод и тех параметров институциональной среды НГС, которые оказывают на них влияние. В частности, для экономики США была разработана модель расчета СЭВ и получены, помимо прочих, следующие факты: В 2007 году размер социально-экономических выгод от деятельности НГС США (в формулировке, приведенной во второй главе) составил порядка 35 миллиардов долларов США С 2004 по 2007 год размер СЭВ заметно увеличился (в основном, за счет роста выгод от занятости, то есть ставки заработной платы, умноженной на занятость) При увеличении рентных налогов на $1 миллиард число заброшенных скважин растет примерно на 1000. Управляя налогом, правительство, таким образом, может влиять на число заброшенных скважин, а следовательно, на запасы в недрах и, в конце концов, на социально-экономические выгоды В связи с тем, что с 2004 по 2007 гг. размер СЭВ увеличился практически в два раза, можно утверждать, что за это время США более полно реализовали потенциальную ценность природных ресурсов. Особенно 84 это заметно на фоне того факта, что кратность ресурсов за это время не изменилась (не ухудшилась). Иная ситуация с реализацией потенциальной ценности ресурсов обстоит у России. Постреформный резонанс и несовершенство институциональной среды создают негативные стимулы для компанийнедропользователей, которые результируют в снижающуюся геологоразведку и падающий коэффициент извлечения нефти. Также существуют проблемы с внедрением современных методов увеличения нефтеотдачи. В результате применения модели построения СЭВ от НГС к России, были получены, помимо прочих, следующие факты: Российский НГС демонстрирует поступательный рост СЭВ примерно на 50 млрд. рублей в год. Относительная стабильность роста СЭВ привела к тому, что в 2003-2006 гг. СЭВ от НГС России превышали аналогичный показатель для США Основным положительным компонентом СЭВ от НГС РФ (в секторе upstream) является рентный налог (НДПИ), поступления от которого составили 2,5 трлн. рублей в 2012 г. Следующим положительным компонентом СЭВ являются выгоды от занятости, которые составили в 2012 году порядка 320 млрд. руб. Отрицательным и влиятельным компонентом в динамике СЭВ являются «потери в недрах» - те запасы, которые могли быть извлечены при большей гибкости институциональных условий (в частности, рентного налога). В условиях и предпосылках модели, 85 приведенной в работе, «потери в недрах» на 2012 год были оценены в 1,5 трлн. рублей. Динамика нефункционирующего фонда скважин в НГС РФ описывается следующими факторами: динамикой цен, динамикой среднего дебита скважин, динамикой рентного налога, а также таким корпоративным событием, как поглощение НК «Юкос». Фонд нефункционирующих скважин государственной корпорации ОАО «Роснефть» зависит от другой конфигурации факторов, нежели российский НГС в целом. При прочих равных условиях увеличение рентного налога НДПИ в году t на 1 миллиард рублей приводит к росту прироста нефункционирующих скважин в году t+1 приблизительно на 3 скважины. Это приводит к тому, что в российском НГС ежегодно растут потери (приблизительно на 120 млрд. руб. в год), связанные с «институциональными оставлениями» скважин Увеличение потерь в недрах, связанных с институциональными оставлениями, приводит к падению «рентабельность НДПИ в терминах запасов в недрах). Показатель падает на 2% в год и на 2012 год составил менее 40%. Для улучшения ситуации нужны институциональные изменения со стороны государства, направленные, в первую очередь, на усовершенствование гибкости НДПИ, которое необходимо для сокращения «потерь в недрах» от институционального фактора. 86 Подводя итог работе можно отметить, что проведенный анализ социально-экономических выгод является весьма приблизительным и условным. Расширения для анализа включают больший объем данных и связей между ними, ослабление предпосылок и введение новых компонентов СЭВ (наряду с модификацией использованных). Работа в этом направлении, безусловно, актуальна и полезна, так как дает представление о выполнении такой важнейшей задачи общества, экономической ценности природных недр. как максимизации социально- 87 Список использованной литературы Адонин А.Н. «Добыча нефти штанговыми насосами», Учебное пособие. Под редакцией В. М. Муравьева; Москва "Недра" 1979; 213 стр. Боксерман А. (2006), «Пути преодоления негативных тенденций развития НГК России», Нефть и капитал, http://www.oilcapital.ru Ивановский В.Н. (2010). «Вопросы эксплуатации малодебитных скважин механизированным способом», ссылка Конопляник А.А. «Адаптация институциональной структуры к сложившейся сырьевой базе», ссылка Крюков В.А., Токарев А.Н. (2007) «Нефтегазовые ресурсы в трансформируемой экономике». – Новосибирск: Наука-Центр. – 588 с. Крюков В.А., Павлов Е.О. (2012) «Подход к социально- экономической оценке ресурсного режима в нефтегазовом секторе» // Вопросы экономики, № 10, 2012, с. 103-116 Кузьминов Я. И., Бендукидзе К. А., Юдкевич М. М. Курс институциональной экономики. — М: Издательский дом ГУ-ВШЭ, 2006. Севастьянова А.Е. (2010) «Стратегическое управление нефтегазовым потенциалом региона» // Регион: экономика и социология, 2010, №4, с. 225245 Российский статистический ежегодник 2011, www.gks.ru 88 Энергетическая стратегия России на период до 2030 года, http://www.atominfo.ru/files/strateg/strateg.htm Almeida E. F., Filho L.A. (2011) “The Brazilian Institutional Environment: The Impact On Companies’ Strategies In The Oil And Gas Sector”, British Academy Of Management Conference (BAM 2011) Blumental D., Chua T., Au A. (2009), “Upstream Oil And Gas In China”, Doing Business In China, Pgs. V-3.1 – V-3.33, Juris Publishing, Inc. BP Statistical Review of World Energy (2012), ссылка CIA World Factbook (2011) EIA (2011), “China Energy Data, Statistics and Analysis - Oil, Gas, Electricity, Coal”, www.eia.gov/cabs/china/full.html Encana Corporation, www.encana.com Hanson S. (2008), “China, Africa, and Oil”, Council On Foreign Relations, http://www.cfr.org IPAA (2010), “Economic Reports & Industry Statistics”, The Independent Petroleum Association of America IPAA (2010), “Profile of Independent Producers 2009”, The Independent Petroleum Association of America 89 May J. (2007) “An Institutional Analysis of Oil and Gas Sector Development and Environmental Management in the Yukon Territory”, Proquest Dissertations & Theses Database Meyer, K. E., Estrin, S., Bhaumik, S. And Peng, M. W. (2009) „Institutions, Resources, and Entry Strategies in Emerging Economies‟. Strategic Management Journal, 30: 61-80. North, D. C. (2009) Institutions, Institutional Change and Economic Performance. New York: Cambridge University Press. North, D. C. (1994). „Economic Performance Through Time‟. The American Economic Review, 84(3). Peng, M. W. (2003). „Institutional Transitions and Strategic Choices‟. Academy Of Management Review, 28(2): 275-290. Ross M.L. (2012). “The Oil Curse. How Petroleum Wealth Shapes the Development of Nations”. Princeton University Press. Sagers M.J., Kryukov V.A., Shmat V.V. (1995). “The Extraction and Distribution of Resource Rent From Oil And Gas Sector in the Russian Economy” // Post-Soviet Geography. Vol. 36, №6, P.389-425. Scott, W. R. (1994) „Institutions and Organizations‟. In: Scott, W. R., & Meyer, J. W. Eds., Institutional Environments And Organizations: Structural Complexity And Individualism. Thousand Oaks, CA: Sage Publications. World Energy Outlook (2009), The International Energy Agency 90 Woodruff Ch. (2006). “Measuring Institutions” // International Handbook on the Economics of Corruption. S. Rose-Ackerman Ed. Young O. (1982). “Resource Regimes. Natural Resource and Social Institutions”. – Berkeley; Los Angeles; London: University Of California Press, 280 P.
