И. А. Долматов1, В.В. Дворкин2, И.В. Маскаев3 Мониторинг

И. А. Долматов1, В.В. Дворкин2, И.В. Маскаев3
Мониторинг эффективности деятельности (бенчмаркинг) компаний
водоснабжения и водоотведения в России
1.
Введение
Мониторинг
распространение
эффективности
деятельности
компаний
получил
широкое
в области регулирования отрасли ВКХ во многих развитых и
развивающихся странах.
Множество работ посвящены мониторингу эффективности
деятельности как внутри отдельных стран, так и международному сопоставлению.
Применение бенчмаркинга эффективности затрат компаний позволяет решить проблемы
отрасли, которые в первую очередь выражаются в необходимости найти баланс между
интересами потребителей (устойчивая и благоприятная тарифная политика) и задачами
компании по ее нормальному функционированию и развитию (привлечение инвестиций).
На данный момент в России преимущественно используются затратные методы
регулирования, основывающиеся на обосновании тарифа в зависимости от объема
издержек компаний. При таком регулировании,
компании не заинтересованы
инвестировать в повышение собственной эффективности, поскольку снижение расходов
приведет к последующему снижению установленного для компаний тарифа. Тем не менее,
в настоящий момент в России наблюдается поэтапный переход от затратных к
стимулирующим методам на основе долгосрочных параметров регулирования тарифов.
Опыт ведущих мировых регуляторов показывает, что применение мониторинга
эффективности затрат компаний (бенчмаркинг), позволяет определить справедливый
уровень тарифа в соответствии с эффективностью подконтрольных расходов. А тарифы,
установленные с учетом результатов эффективности затрат, стимулируют повышение
эффективности деятельности компаний и позволяют им привлекать необходимые
инвестиции для развития.
В 2014 году российский регулятор ФСТ утвердил методические указания по
расчету регулируемых тарифов в сфере водоснабжения и водоотведения на базе
бенчмаркинга с применением метода сравнения аналогов с использованием средних
технико-экономических показателей. Мы считаем, что применение данного метода
обладает рядом недостатков, в первую очередь связанных с использованием усредненных
показателей по стоимости капитала.
В рамках Программы фундаментальных
исследований ВШЭ 2014 года мы предприняли попытку применить параметрические и
непараметрические методы ведущих мировых регуляторов для проведения бенчмаркинга
НИУ ВШЭ, ИПЦиРЕМ: директор, к.э.н. idolmatov@hse.ru
НИУ ВШЭ, ИПЦиРЕМ: стажер-исследователь, wdvorkin@hse.ru
3
НИУ ВШЭ, ИПЦиРЕМ: старший научный сотрудник, maskaev@hse.ru
1
2
эффективности затрат компаний ВКХ с целью оценки их эффективности и потенциала ее
увеличения. Мы также сравнили показатели деятельности российских компаний с
зарубежными аналогами для определения основных источников неэффективности
компаний.
2.
Исходные данные
В рамах бенчмаркинга мы проанализировали показатели деятельности 49 компаний
за 2011-2013 годы, представленных в городах с населением более 250 тыс. человек.
В рамках настоящего исследования мы рассматриваем именно совокупные
издержки компаний, поскольку
анализ только операционных издержек игнорирует
эффективность капитальных затрат инфраструктурных организаций [1]. Все стоимостные
показатели разных лет приведены к 2013 году в соответствии с инфляцией.
Проанализировав выборку, мы пришли к выводу, что данные распределены
согласно логнормальному распределению. Если для исходной выборки гипотеза о
нормальности в тесте Колмогорова-Смирнова отвергается на уровне значимости 95%, то
прологарифмировав выборку, аналогичный тест показал статистическую значимость 𝑝 =
0,2 на том же доверительном интервале. Описательные статистики логарифмированной
выборки представлены в таблице 1.
Таблица 1 – Описательные статистики логарифмированной выборки.
Совокупные затраты, тыс. руб.
Затраты на электроэнергию, тыс. руб.
Потребление электроэнергии, тыс. МВтч.
Фонд оплаты труда, тыс. руб.
Численность персонала, чел.
Затраты на капитал, тыс. руб.
Длина трубопроводов, км.
Число насосных станций, шт.
Объем поднятой воды, тыс. м3.
Объем поставленной воды, тыс. м3.
№
49
49
49
49
49
49
49
49
49
49
Min
12,40
11,17
3,03
9,73
4,47
8,67
5,62
1,10
10,05
9,50
Max
14,78
13,44
5,13
12,65
7,54
12,88
7,88
5,48
12,46
12,12
Mean
13,53
12,12
4,20
11,42
6,10
10,64
6,84
3,53
11,23
10,84
St.dev.
0,59
0,60
0,59
0,66
0,67
1,04
0,51
0,96
0,62
0,63
Для спецификации моделей, мы отобрали факторы, имеющие наибольшую
корреляцию с себестоимостью производства:

затраты на электроэнергию, тыс. руб. (𝑟 = 0,74);

потребление электроэнергии, тыс. МВтч (𝑟 = 0,83);

фонд оплаты труда, тыс. руб. (𝑟 = 0,46);

численность персонала, чел. (𝑟 = 0,48);

затраты на капитал, тыс. руб. (𝑟 = 0,79);

длина трубопроводов, км (𝑟 = 0,43);
3.
Методология анализа
Метод скорректированных наименьших квадратов COLS
COLS является широко распространенным граничным методом, основывающимся
на технике регрессии и позволяющим получить оценки эффективности от 0 до 100%. В
качестве зависимой переменной выступает совокупные затраты компаний ВКХ, в качестве
объясняющей - составная переменная. Аналогично практике, используемой британским
регулятором Ofgem [2],
в составную переменную мы отобрали такие параметры
деятельности компаний, которые отражаю их технологическое состояние, а также имеют
тесную взаимосвязь с издержками компаний. Составная переменная может быть
представлена в следующем виде:
𝑥 = 𝐸 𝛼 ∙ 𝐿𝛽 ∙ 𝑁 𝛾
(1)
где 𝑥 − составная переменная; 𝐸 − объем потребления электрической энергии, тыс.
МВтч; 𝐿 − среднегодовая численность производственного персонала, чел.; 𝑁 − длина
водопроводов, км; 𝛼, 𝛽, 𝛾 − веса параметров в составной переменной, причем их сумма
должна равняться единице. Согласно [2], эти веса отражают результаты, полученные в
результате использования метода DEA c постоянным возвратом от масштаба для средней
фирмы при использовании данных по объему производства (в нашем случае это объем
поставленной потребителям воды) в качестве входной переменной, и объем потребления
электрической
энергии,
а
также
протяженность
трубопроводов
и
количество
производственного персонала, как выходных переменных. Оценив значение составной
переменной для каждой из компаний, рассматривается следующие уравнение регрессии:
ln(𝑦) = 𝛼 + 𝛽 ∙ ln(𝑥) + 𝜀
(2)
где 𝑦 - себестоимость продаж; 𝑥 - составная переменная, α и β - параметры,
подлежащие оцениванию, ε - нормально распределенная случайная величина. Уравнение
регрессии сначала оценивалось при помощи метода наименьших квадратов (МНК), а
потом линия регрессии параллельно переносилась в нижний правый угол на значение,
соответствующее наиболее эффективной компании.
Анализ среды функционирования (DEA)
В анализе среды функционирования мы использовали стандартные модели DEA с
постоянным (CRS) и переменным (VRS) возвратом от масштаба, описанные Faere,
Grosskopf и Lovell [3]. Мы применили входоориентированные модели (input oriented) так
как полагаем, что уровень выпуска для компаний ВКХ в России задается экзогенно. В
рамках DEA рассматриваются два вида моделей. В первой модели в качестве зависимого
параметра выступает составная переменная (DEA-1), во второй – шесть переменных,
отражающих три фактора производства (электроэнергия, труд и основные фонды) в
стоимостном и натуральном выражении (DEA-2).
Показатели эффективности в рамках использования DEA в общем виде
оценивались в рамках решения следующей оптимизационной задачи:
minθ,λ θ
(3)
при условии, что
−yi + Y ∙ λ ≥ 0,
(4)
θ ∙ xi − X ∙ λ ≥ 0,
(5)
λ ≥ 0,
(6)
где: θ − скаляр (оценка эффективности); λ − вектор констант размера 𝑛 × 1; Y и X
– матрицы размера 𝑘 × 𝑛 и 𝑚 × 𝑛 , соответственно включающие все выходные и входные
переменные; yi и xi − выходные и входные векторы-столбцы для i-ой фирмы. В моделях с
учетом возврата на масштаб в постановку задачи добавляется ограничение на выпуклость
∑ 𝜆 = 1, которое обеспечивает сравнение фирм с сопоставимым размером.
Расчеты производились с использованием некоммерческой версии компьютерной
программы DEAP Версия 2.1, разработанной Coelli [4]
4.
Результаты бенчмаркинга эффективности затрат российских компаний ВКХ
Используя модель COLS на базе составной переменной, мы оценили техническую
эффективность компаний, характеризующую эффективность затрат компаний с точки
зрения затрат факторов производства на один и тот же уровень выпуска [5]. Модель COLS
демонстрирует высокие статистические характеристики, представленные в таблице 2. На
рисунке 1 представлена граница эффективности отрасли, полученная путем сдвига
регрессионной прямой в сторону наиболее эффективной компании. Модель также
демонстрирует свою устойчивость к исключению граничных компаний в выборке:
исключив лучшую и худшую компании из анализа, статистические характеристики и
оценки эффективности изменились незначительно.
Таблица 2 – Характеристики модели COLS.
Coefficient
Value
St.dev.
t-stat.
p-value
a
6.757
0.648
10.433
0
b
1.043
0.099
10.491
0
0.694
F
F-stat.
110.051
0
Ln(Совокупные затраты)
Средняя эффективность компаний 57% (22%)
15.0
14.5
14.0
13.5
13.0
12.5
12.0
5.0
5.5
6.0
6.5
7.0
Составная переменная Ln(x)
COLS
7.5
8.0
OLS
Рисунок 1 – Граница эффективности ВКХ
Применение
метода
DEA,
позволяет
оценить
не
только
техническую
эффективность компаний (DEA-1 на базе составной переменной), но и аллокационную
(DEA-2 на базе 6 переменных), отражающую способность компаний находить
оптимальное сочетание ресурсов при заданных ценах, в идеале равных (или близких) к
предельным издержкам [5]. Это чрезвычайно важная особенность настоящего подхода,
поскольку в рамках стимулирующего регулирования, регулятору, при установлении
тарифа с учетом эффективности затрат, необходимо соблюсти некий баланс между
технической и аллокационной эффективностью. Например, активная социальная политика
может приводить к тому, что компания может демонстрировать высокую техническую
эффективность при низкой аллокационной эффективности.
Тем не менее, применяя DEA-2 с предпосылкой о переменной отдачи от масштаба,
мы, наоборот, столкнулись с проблемой чувствительности к выборке. Это связано с двумя
основными причинами. Первая связана с методологическими особенностями метода: при
достаточно
большом
разбросе
данных
(присутствие
в
выборке
значений
со
значительными отклонением от среднего), граница эффективности зачастую замыкается
на точках с большими отклонениями. Если такие точки относятся к неэффективным
компаниям, то граница замкнется, в том числе, и на них. Вторая причина связана с
зачастую искаженными ценами на факторы производства (особенно в рассмотрении
компаний с различной географией присутствия). Решением послужило исключение из
выборки трех значений с высокими отклонениями от тренда.
Сопоставление средних оценок эффективности затрат и результатов ранжирования
компаний представлено на рисунке 2 и в таблице 3 соответственно. Рисунок наглядно
демонстрирует, что в зависимости от применяемого подхода, оценки эффективности, и
соответственно, потенциала ее увеличения, в разной степени отличаются. Модели COLS и
DEA c предпосылкой о постоянной отдаче от масштаба оценивают потенциал повышения
эффективности в диапазоне 39-43%, т.е. примерно в равной степени. Однако модели DEA
с предпосылкой о переменной отдачи от масштаба деятельности, дают более позитивную
оценку - 29-32%.
DEA -1 VRS
71%
DEA-2 VRS
29%
68%
DEA-2 CRS
32%
61%
39%
DEA-1 CRS
58%
42%
COLS
57%
43%
0%
20%
40%
Эффективность
60%
Потенциал
80%
100%
Рисунок 2 – Оценка эффективности затрат компаний и потенциала ее увеличения
Такая разница обусловлена тем, что если первые модели строят границу
эффективности линейной формы, то граница последних представляет ломаную, что
позволяет большему числу компаний замкнуть границу эффективности. Соответственно,
средняя эффективность по отрасли растет.
В свою очередь, ранжирование компаний на базе различных методов отличается
незначительно. COLS и DEA-1 CRS ранжируют компании практически идентично.
Модель DEA-1 VRS ранжирует с некоторой разницей, но в хвостах располагаются
преимущественно одни и те же компании. Модели оценки аллокационной эффективности,
как предполагалось ранее, могут показать иную картину в силу искаженности цен на
факторы производства. Но хотя модели DEA-2 демонстрируют некоторый другой
порядок, в целом они аналогично идентифицируют лидеров и аутсайдеров отрасли.
В целом, потенциал повышения эффективности затрат компаний ВКХ достаточно
велик и составляет, по нашим оценкам, от 29% до 43%.
Таблица 3 – Результаты ранжирования компаний по эффективности их затрат на базе различных методов
№
COLS
Город
Год
Ө
№
DEA-1 CRS
Город
Год
DEA-1 VRS
Ө
Город
Год
Ө
№
DEA-2 CRS
Город
Год
DEA-2 VRS
Город
Год
Ө
Лидеры в отрасли
1
Белгород
2011
100%
1
Белгород
2011
100%
Белгород
2011
100%
1
Белгород
2011
100%
Белгород
2011
100%
2
Кемерово
2012
95%
2
Белгород
2012
92%
Кемерово
2012
100%
2
Белгород
2012
94%
Пермь
2012
100%
3
Белгород
2012
94%
3
Кемерово
2012
92%
Пермь
2012
100%
3
Саратов
2012
94%
Саратов
2012
100%
4
Кемерово
2011
92%
4
Кемерово
2011
88%
Тольятти
2011
100%
4
Владимир
2011
93%
Чебоксары
2013
100%
5
Владимир
2011
90%
5
Владимир
2011
87%
Уфа
2011
100%
5
Чебоксары
2013
91%
Белгород
2012
98%
6
Калининград
2011
84%
6
Калининград
2011
80%
Уфа
2012
100%
6
Саратов
2011
83%
Владимир
2011
93%
7
Калининград
2012
79%
7
Калининград
2012
74%
Белгород
2012
99%
7
М агнитогорск
2011
78%
Саратов
2011
90%
8
Саратов
2012
77%
8
Чебоксары
2013
71%
Кемерово
2011
99%
8
Ижевск
2011
77%
Чита
2012
89%
9
Чебоксары
2013
74%
9
Саратов
2012
71%
Саратов
2012
95%
9
М агнитогорск
2012
76%
Тольятти
2011
84%
10
Пенза
2012
73%
10
Тольятти
2011
70%
Чебоксары
2013
94%
10
Пенза
2012
76%
Ижевск
2011
80%
Аутсайдеры в отрасли
39
Ростов-на-Дону
2011
40%
37
Омск
2013
42%
Ижевск
2012
57%
36
Курган
2012
47%
Калининград
2012
54%
40
Омск
2011
36%
38
Киров
2012
41%
Ижевск
2013
57%
37
Оренбург
2012
46%
Томск
2012
54%
41
Киров
2012
35%
39
Омск
2011
39%
Томск
2012
54%
38
Томск
2012
46%
Хабаровск
2011
53%
42
Ставрополь
2012
31%
40
Ставрополь
2012
38%
Нижний Тагил
2011
54%
39
Курган
2013
46%
Киров
2012
52%
43
Владивосток
2012
30%
41
Владивосток
2012
36%
Смоленск
2011
51%
40
Ставрополь
2012
46%
Курган
2013
50%
44
Новосибирск
2011
28%
42
Новосибирск
2011
35%
Хабаровск
2011
50%
41
Новосибирск
2011
45%
Ставрополь
2011
50%
45
Новосибирск
2012
27%
43
Ставрополь
2011
35%
Хабаровск
2012
47%
42
Новосибирск
2012
41%
Курган
2012
49%
46
Ставрополь
2011
25%
44
Новосибирск
2012
34%
Ставрополь
2012
46%
43
Ставрополь
2011
40%
Оренбург
2011
49%
47
Хабаровск
2011
19%
45
Хабаровск
2011
31%
Ставрополь
2011
44%
44
Хабаровск
2011
40%
Оренбург
2012
48%
48
Хабаровск
2012
12%
46
Хабаровск
2012
28%
Киров
2012
43%
45
Хабаровск
2012
32%
Хабаровск
2012
44%
49
Омск
2012
0%
47
Омск
2012
24%
Омск
2012
41%
46
Омск
2012
8%
Омск
2012
12%
5.
Сравнительный анализ эффективности российских и зарубежных компаний
ВКХ
Методология и данные. В рамках нашей работы мы предприняли попытку
сравнительного анализа эффективности водоканалов (международный бенчмаркинг) на
страновом уровне. Для этого мы использовали данные годовых отчетов компаний и
регуляторов, а также данные Международной сети по бенчмаркингу предприятий
водоснабжения и водоотведения IBNET [6]. В нашем исследовании мы сравнили 8 стран:
Австралию, КНР, Республику Корея, Молдавию, Россию, Сербию, Словакию и Чехию на
основе опубликованных данных о 692 компаний из этих стран за период с 2010 по 2012 гг.
Распределение числа компаний по географии присутствия показано в таблице 4. Для
анализа эффективности были рассчитаны средние значения показателей, представленных
в таблице 5.
Таблица 4 – Состав выборки для международного бенчмаркинга
Страна
Австралия
Китайская Народная Республика
Республика Корея
Молдавия
Россия
Сербия
Словакия
Чехия
Итого
Количество компаний
в выборке
110
59
190
41
168
30
70
24
692
Таблица 5 – Состав показателей для международного бенчмаркинга
Наименование показателя
1 Потребление воды
2 Потребление воды населением
Численность персонала в службах
3 водоснабжения на 1000 человек,
пользующихся их услугами
4
5
6
7
8
Пояснение к расчету показателя
Годовой объем воды, на который
выставлены счета (включая покупную воду
при наличии таковой), выраженный в
расчете на 1 человек в день)
Средний ежедневный объем потребления
воды одним человеком внутри категории
потребителей.
Общая численность персонала в расчете на
тысячу потребителей услуг.
Разность между объемом воды, поданной в
сеть водоснабжения, и объемом проданной
воды, (т.е. объем потерянной воды),
Потери воды
выраженная в процентном соотношении от
объема воды, поданной в сеть
водоснабжения
Объем потерь воды в расчете на километр
Потери воды
сети водоснабжения в день.
Объем реализованной воды в соответствие с
Оснащенность приборами учета
приборами учета, установленных у
потребителей
Эксплуатационные расходы на единицу Сумма эксплуатационных расходов за
продукции
год/Объем реализованной воды за год
Коэффициент покрытия операционных Выручка от операционной деятельности за
расходов
год/ Эксплуатационные расходы за год
Результаты. Российские компании по производству воды на человека в сутки
занимают второе место, уступая Австралии. Динамика потребления имеет тенденцию к
снижению, что связано увеличением числа приборов учета у населения и повышением
эффективности отечественного производства.
Рисунок 3 - Годовой объем воды, на который выставлены счета потребителям
Российские компании уступают Австралии по объему, поставленной воды
населению (191 л/чел/сутки в Австралии по сравнению с 172 л/чел/сутки в России в 2012
г.), причем за анализируемый период потребление воды населением у российских
компаний снизилось со 199 л/чел/сутки до 172 л/чел/сутки, что все равно превышает
показатель китайских компаний более, чем в два раза.
250
литров/чел/сутки
200
150
2010
100
2011
2012
50
0
Рисунок 4 – Годовой объем воды, на который выставлены счета населению
Потери воды представляют собой воду, произведенную, но непоставленную
потребителю из-за протечек, хищений, использования воды на технические нужды. Среди
специалистов нет единого мнения насчет правильного показателя, отражающего уровень
потерь. Процентное выражение не совсем корректно, так как компании с высоким
уровнем производства или небольшие сети будут демонстрировать более высокие
показатели эффективности по сравнению с компаниями с низкими объемами потребления
или с сетями большей протяженности. Чтобы исключить искажения такого рода, мы
использовали два показателя для определения потерь воды: в процентном отношении и
куб. м на 1 км сети в сутки.
Доля потерь у российских компаний находится на среднем и приблизительно на
одном и том же уровне, что соответствует тенденциям в показателях компаний других
стран (лишь корейские компании смогли немного улучшить свои показатели за
анализируемый период).
50
45
40
35
%
30
25
2010
20
2011
15
2012
10
5
0
Рисунок 5 – Уровень потерь воды в процентном отношении
Но потери, выраженные в куб.м на 1 км сети в сутки рисуют более тревожную
картину. Несмотря на высокие показатели протяженности сети, российские компании
стали первыми по объему потерь, правда, демонстрируя тенденцию к некоторому
снижению.
70
куб. м/км/сутки
60
50
40
2010
30
2011
20
2012
10
0
Рисунок 6 – Уровень потери воды
Российские компании по данным 2010 г. характеризовались самым низким уровнем
оснащенности приборами учета, а потом большинство компаний не публиковали эти
данные так, чтобы их можно было использовать в сравнительном анализе. Можно
предположить, что этот показатель в настоящее время находится на значительно более
высоком уровне благодаря кампании по стимулированию внедрения приборов учета
потребления воды на государственном и муниципальном уровнях.
Рисунок 7 – Доля потребителей, использующих приборы учета потребления воды
Эксплуатационные расходы в расчете на единицу продукции являются важнейшим
показателем в бенчмаркинге. Россия демонстрирует лучшие после Китая показатели
эффективности эксплуатационных расходов. Но необходимо отметить стабильную
тенденцию к увеличению этих расходов по сравнению с производством воды.
3.5
3
US$/куб.м
2.5
2
2010
1.5
2011
1
2012
0.5
0
Рисунок 8 – Динамика уровня эксплуатационных расходов
Затраты на рабочую силу всегда составляли основу эксплуатационных расходов. У
российских компаний около трети эксплуатационных затрат приходится на долю
трудовых затрат. Понимание проблем кадрового обеспечения часто помогает не
допустить проблем с наймом избыточного персонала на предприятии.
чел.персонала/1000 чел. населения
3
2.5
2
2010
1.5
2011
1
2012
0.5
0
Молдова Сербия
Россия
Китай
Чехия Словакия Корея
Рисунок 9 – Кадровое обеспечение компаний
Достаточность персонала в российских компаниях находится на среднем уровне.
Такой стабильный и сравнительно невысокий показатель свидетельствует лишь о
небольшом потенциале сокращения (трудовых) затрат.
Коэффициент покрытия операционных расходов показывает, насколько выручка
позволяет покрывать эксплуатационные расходы. Российские компании уступают лишь
австралийским и теперь корейским компаниям. В настоящее время регулятору и
компаниям удается поддерживать этот коэффициент на разумном и стабильном уровне.
3
2.5
2
1.5
2010
2011
1
2012
0.5
0
Рисунок 10 – Коэффициент покрытия операционных расходов
Заключение
В настоящее время компании ВКХ в России регулируются на базе затратных
методов, лишающих компании стимула инвестировать в собственное производство. Как
показывает практика, это приводит к неэффективному и часто нерациональному
использованию основных факторов производства.
Опыт
мировых
регуляторов
показывает,
что
применение
бенчмаркинга
эффективности затрат компаний позволяет определить источники их неэффективности и
устанавливать справедливые тарифы в зависимости от эффективности подконтрольных
расходов компаний. В рамках данного исследования, мы применили параметрический
метод COLS и непараметрический метод DEA для оценки эффективности совокупных
затрат компаний. Мы проанализировали 49 как частных, так и государственных компаний,
представленных во всех федеральных округах России.
Модель COLS позволила оценить техническую эффективность компаний,
отражающую эффективность затрат компаний при заданном
продемонстрировала
свою
устойчивость
к
выборке.
уровне выпуска, и
Модели
DEA,
наоборот,
демонстрируют свою относительную неустойчивость к выборке при предпосылке о
переменном масштабе деятельности компаний, и поэтому требуют предварительного
исключения слишком крупных или малых предприятий. Тем не менее, модели DEA
позволили оценить не только техническую, но и аллокационную эффективность,
характеризующую способность компаний находить оптимальное сочетание ресурсов при
заданных ценах.
Ранжирование компаний по эффективности деятельности в зависимости от
применяемого подхода в целом совпадает. Все модели определяют одну и ту же
компанию лидера и аутсайдера в отрасли. Тем не менее, существует небольшая разница в
ранжировании в моделях оценки технической и аллокационной эффективности, связанной
с некоторой разницей цен на факторы производства.
Анализ показал достаточно высокое среднее значение потенциала увеличения
эффективности издержек компаний. В зависимости от метода и исходных предпосылок,
полученные
оценки
варьируются
от
29
до
43%.
Результаты
международного
бенчмаркинга также позволяют сделать вывод о том, что российские компании имеют
значительный потенциал по сокращению своих расходов и необходимы энергичные меры
как со стороны регулятора, так и компаний, по сокращению потерь (прежде всего
коммерческих). Частично решению этой проблемы будет способствовать модернизация
сетей с целью снижения потерь воды и повышение оснащенности потребителей
приборами учета.
Мы считаем, что применение бенчмаркинга эффективности издержек компаний в
рамках стимулирующего регулирования, позволило бы регулятору привлечь необходимый
размер инвестиции в отрасль и значительно сократить потенциал повышения
эффективности компаний ВКХ в России.
Список литературы
1.
NIW Comparative Efficiency: An Econometric Analysis Using Panel Data. A Report for
NIAUR. Report by Nera. 2009. 43 p.
2.
Background to work on assessing efficiency for the 2005 distribution price control
review // Report by Cambridge Economics Policy Associates, CEPA. 2003. 124 p.
3.
Faere, R., Grosskopf, S., and Lovell, C.A.K., Production Frontiers, Cambridge University
Press, 1994.
4.
Coelli, T., A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer)
Program, CEPA Working Paper 96/08, University of New England, Armidale, 1996b.
5.
Networks of the future - an exploratory study. Tech. rep., Netbeheer Nederland, 2011.
6.
International Benchmarking Network for Water and Sanitation Utilities [Электронный
ресурс] - http://www.ib-net.org/ru/