Данные
Для анализа привлекались данные судебной статистики (с разбивкой по регионам) за 2004 г. (получены по запросу в Судебном департаменте при Верховном суде РФ), формализованные данные о работе независимых СМИ и правозащитных организаций в регионах России, региональное законодательство, правоприменительные практики, а также данные о стабильности политической власти и отраженных в СМИ конфликтах между властями различных уровней (собственный мониторинг региональной и местной прессы и данные местных отделений общественной организации «Мемориал»). Показатели развития малого бизнеса и прямые иностранные инвестиции брались из сборников официальной социально-экономической статистики. Данные по исполнению региональных бюджетов - с сайта Федерального казначейства.

Объясняемые переменные брались из сборников официальной социально-экономической статистики (по занятости населения и др.) - Росстата.
Из анализа исключены Чечня, а также автономные округа, по-скольку по ним отсутствует необходимый для анализа набор данных (прежде всего социально-экономической статистики).

Сравнение с методологией проектов 2001—2002 гг.
На предыдущей стадии проекта (см. (Мау и др., 2002)) для анализа зависимости экономического состояния регионов от различных политэкономических показателей применялся регрессионный анализ в комбинации с факторным анализом для отбора сравнительно небольшого числа главных объясняющих факторов из большого количества переменных. В настоящей работе (детали методологии приводятся ниже) было принято решение отказаться от факторного анализа, что было обусловлено следующими соображениями.

С одной стороны, выделение главных компонент (при наличии у них очевидной интерпретации) помогает выбрать из большого числа переменных ограниченное число факторов, которые в дальнейшем можно использовать для регрессионного анализа. Это становится тем важнее, чем меньше наблюдений присутствует в исходной выборке. Так как в данной ситуации число наблюдений достаточно мало (76-78), то такой подход для отсеивания излишних переменных выглядит приемлемым.

С другой стороны, наряду с указанным преимуществом, предварительный отбор переменных с помощью факторного анализа имеет ряд существенных недостатков. Главным из них является трудность интерпретации полученных результатов. При этом, если даже ясно, какие переменные внесли основной вклад в соответствующий фактор, проблема с интерпретацией все равно остается.

Данный недостаток проще всего увидеть на примере методологии предыдущей работы. В ней для регрессионного анализа использовались 9 главных факторов, полученных с помощью факторного анализа. В частности, при анализе связи экономического роста в регионах и различных политэкономических переменных второй фактор был интерпретирован как показатель независимости СМИ в регионе, а десятый - как показатель ситуации с защитой прав и наличием индивидуальных налоговых льгот (см. (Мау и др., 2002, с. 11-12)). Как видно, интерпретация десятого фактора на основе переменных, которые входят в него с наибольшими весами, оказалась достаточно туманной.

Самой большой проблемой в этом примере является «цена», которой достигается формальная ортогональность (линейная независимость) главных компонент. Используемые факторы являются ортогональными по построению. А это вместе с предложенной интерпретацией непосредственно приводит к выводу о некоррелированности «независимости СМИ» (главная компонента 3) и активности правозащитных организаций (главная компонента 2). Очевидно, что в реальности данные два показателя коррелированны, т.е. предложенная интерпретация факторов противоречит действительности, что, в свою очередь, подрывает доверие к результатам последующего регрессионного анализа.

Как было сказано выше, проблемы интерпретации являются не единственным недостатком факторного анализа. Стоит отметить «неправильный критерий отбора». Дело в том, что при регрессионном анализе объясняющие переменные выбираются (в том числе) по наибольшей объясняющей способности по отношению к зависимой переменной (т.е. при прочих равных более предпочтительна регрессия, в которой R2 выше). В то же время факторный анализ выбирает главные факторы на основе наилучшего объяснения дисперсии независимых переменных. Это потенциально приводит к тому, что в финальной регрессии присутствуют неверные переменные, так как факторный анализ при отборе факторов исходил из неправильного критерия.

Исходя из данных соображений, было принято решение ограничить применение факторного анализа.

Описание методологии анализа, использованной в проекте
Для анализа статистических зависимостей в данной работе применяется многомерный регрессионный анализ. В частности, постулируется выполнение следующего регрессионного уравнения:
y1=x'ip+eh
где xi - вектор-столбец объясняющих переменных; yi - зависимая переменная; ei - шок, причем E[ei|xi]=0. В частности, в модели не предполагается условной гомоскедастичности.

Для оценивания вектора коэффициентов применялся метод наименьших квадратов (МНК), а для получения стандартных ошибок и проверки гипотез - асимптотический подход с использованием робастной оценки асимптотической дисперсионной матрицы в форме Уайта. При ограниченном числе наблюдений (76-78) асимптотический подход может не давать адекватных результатов из-за «медленного» приближения распределений интересующих нас статистик теоретическими аналогами.

Поэтому в дополнение к результатам асимптотической инференции для некоторых уравнений были рассчитаны p-значения, полученные с помощью бутстраповского подхода. Более точно с помощью так называемого «дикого бутстрапа» (Liu, 1988) бутстрапировался модуль t-статистики для соответствующего регрессионного коэффициента. В случаях, когда мы изначально сужали спектр объясняющих переменных, также изначально использовали бутстраповский подход, сравнили его с асимптотическим и решили, что и асимптотический подход приемлем для данного количества наблюдений.

Для отбора регрессоров была использована следующая процедура. Изначально в регрессионное уравнение включались все доступные объясняющие переменные, которые потом исключались по одной, исходя из их значимости. Процесс продолжался до тех пор, пока каждая из оставшихся переменных не была значимой на 10%-м уровне. Такой уровень значимости был выбран, во-первых, по причине небольшого числа наблюдений и, во-вторых, из-за того, что при дальнейшем исключении переменных (например, до 5%-го уровня значимости) информационные критерии (AIC и BIC) начинали возрастать, что свидетельствует о существенной потере инфор-мации при исключении этих переменных.

Кроме этого, для интересующих нас групп переменных проводился тест Вальда для тестирования их совместной значимости в регрессионном уравнении. Для каждой из финальных регрессий приводится показатель качества подгонки (приведенный R ). Все расчеты проводились в пакетах EViews 4.1 и GAUSS 6 (бутстрап).

Для обеспечения сопоставимости с результатами расчетов 2001-2002 гг. независимые переменные, зачастую (и не всегда очевидным образом) линейно зависимые друг от друга, «группировались» в главные компоненты.

В данном исследовании, в отличие от предыдущего, большее внимание уделялось политико-экономически содержательным связям между переменными, которые могут быть далеко не прямыми.

Действительно, разумно ожидать наличие связи показателей благосостояния с показателями делового климата, а тех, в свою очередь, с показателями, характеризующими качества институтов в регионах и спросом экономических агентов на те или иные институты (институциональные пакеты, предлагаемые партиями на выборах). Таким образом, часть переменных рассматривается и используется на разных этапах как объясняемые, а затем - как независимые.

Проверяемые гипотезы
В ходе исследования мы пытались оценить влияние на деловой климат налоговых льгот и торговых барьеров, а также проверяли гипотезы о влиянии на деловой климат бюджетной политики в регионах (расходов регионального бюджета, бюджетного дефицита).

В свою очередь, бюджетный дефицит и расходы проверялись на связь с численностью государственных служащих в регионах (своего рода проверка гипотезы Нисканена о максимизации бюрократами перераспределяемых ресурсов).

Как соображения здравого смысла, так и результаты проектов 2001-2002 гг. по изучению факторов экономического роста и предпринимательского климата обусловливают проверку гипотезы о зависимости занятости (динамики занятости) в малом бизнесе с политическими и правовыми рисками. Мы проверяли, как и 5 лет назад, влияние на деловой климат способности правовой системы защищать саму себя от прямых покушений (преступлений против правосудия) и граждан от преступлений против прав человека.

Статистика приговоров по соответствующим статьям за 2004 г. показала, что эта способность весьма ограничена и соответствует как утверждениям правозащитников о бесконтрольности со стороны общества правоохранительных органов, так и настороженному отношению самого общества к своим «защитникам» от преступности. Мы попытались оценить способность общества защищать права граждан посредством деятельности правозащитных организаций и независимой прессы (см. ниже).

Поскольку из интервью с предпринимателями и государственными служащими нам было известно, что в последние годы крупный бизнес иногда практикует перевод активов в формально независимые малые предприятия, мы проверяли гипотезу о связи динамики занятости в малом бизнесе с отмеченными конфликтами с крупным бизнесом в регионах.

Также, пытаясь подстраховаться от «порчи» показателя занятости в малом бизнесе, мы проверяли теоретически комплементарный основной занятости показатель занятости на основе совместительства и по временным контрактам.

Как и в предшествующих проектах, проверялась статистическая связь показателей инвестиционного климата с электоральной статистикой, которую мы, как и ранее, пытались интерпретировать как индикатор спроса населения на те или иные институциональные пакеты - как дружественные, так и враждебные бизнесу.

Оба основных показателя состояния делового климата в регионах -прямые иностранные инвестиции и занятость в малом бизнесе -проверялись на связь с аналогичным показателем 2002 г. Во всех соотношениях этот фактор оказывался очевидно наиболее значимым. Иностранные инвесторы также могут, принимая свои решения, ориентироваться на деловую активность местного бизнеса. Низкая активность и вывод бизнеса или вывоз капитала является индикатором неблагополучия для иностранного инвестора (за исключением инвестора, предпочитающего рискованные предприятия, к примеру, основанные на дружеских связях с ключевыми чиновниками).

Наконец, мы проверяли зависимость ряда показателей, отражаю-щих уровень доходов, потребления и благосостояния в регионах, от расходов бюджетов и показателей делового климата. Проверяемые гипотезы:

- расходы бюджета и дефицит бюджета могут быть объяснены через численность государственных служащих, заинтересованных в росте расходов (модель бюрократии Нисканена);

- расходы и дефицит бюджета могут влиять на деловой климат и также напрямую на доходы населения;

- способность правовой системы и общества защищать себя соответственно от преступлений против правосудия и преступлений против прав человека, активность правозащитных организаций (выигрывающих дела в судах) может снижать риски для бизнеса и улучшать деловой климат;

- электоральное поведение (поддержка населением региона про-рыночных или антирыночных партий, а значит, и соответствующих институтов) может оказывать влияние на деловой климат в регионе;

- в условиях ограничения независимости судов, усиления централизации правоохранительных органов, отмены выборов глав исполнительной власти регионов, сокращения присутствия оппозиционных СМИ и соответствующего снижения конкурентности на региональных медиа-рынках и многочисленных ограничений политической конкуренции в ходе выборов разнообразие региональных институтов снижается вместе со значимостью большинства институциональных переменных;

- динамика и уровень показателей благосостояния в регионе может значимо зависеть от делового климата (от возможностей трудоустройства, старта собственного бизнеса).

Основные результаты статистического анализа
Как показали результаты статистического анализа (включая основные этапы расчетов, которые приведены в Приложении 3), гипотеза сокращения значимости институциональных факторов не может быть отвергнута.

Уже на первом этапе анализа собранных данных мы столкнулись с обескураживающими результатами: большинство соотношений, которые в прошлом (на данных 2001-2002 гг.) оказывались статистически значимыми и обладали высокой объясняющей способностью, «не работали» на новых данных.
Это заставило изменить методику (см. выше), изучая каждую предполагаемую «связку» показателей, а не анализируя напрямую зависимость показателей благосостояния от институтов или электорального спроса на них. Однако, несмотря на уточнение методики и «ступенчатый» алгоритм поиска связей, при котором анализируются и проверяются только имеющие очевидный экономический смысл соотношения, легко интерпретируемые на микроэкономическом уровне прямые связи, объяснять с помощью институтов региональные вариации в статике и динамике показателей инвестиционного климата или благосостояния стало значительно сложнее.

Так, перестали значимо влиять на показатели развития малого бизнеса некоторые индикаторы судебной статистики (кроме выделенного в отдельную переменную показателя приговоров за вмешательство в частную жизнь - единственный состав преступлений, нарушающих права граждан, и преступлений против правосудия, по которому число приговоров в 2004 г. выросло по сравнению с 2000 и 2001 гг.).

Ослабла связь показателя динамики малого бизнеса и активности правозащитных организаций - от нее остался лишь один слабо значимый показатель с R2 = 0,08%

Однако ослабление связей не дает основания утверждать, что институциональные факторы, а также отражающийся в электоральной статистике общественный выбор теперь вообще не влияют на деловой климат. Наиболее значимым оказалось соотношение между показателем качества делового климата и его же значением в 2001 г. Но в 2001 г. эти показатели значимо определялись перечисленными институциональными факторами и электоральной статистикой. А значит, опосредованное влияние комплекса этих факторов на инвестиционный климат сохраняется и в последующие годы. Тем более что определенные следы влияния электоральных переменных сохра-нились и для данных 2004 г.

К сожалению, резкое обострение отношений между властью и крупным бизнесом в 2003 г. сложно отследить на данных одного года (более или менее полная статистика доступна на момент проведения расчетов только за 2004 г.). Кроме того, до атаки на иностранных инвесторов на Сахалине власть старалась поддерживать в бизнес-сообществе иллюзию того, что «ЮКОС» был исключением из правил и что каждый, кто не вмешивается в политику, гарантирован от репрессий (см. текст ниже).

Таким образом, проверив связь индикаторов состояния и динамики бизнес-климата (занятость в малом бизнесе и смежные параметры - временно занятые по гражданско-правовым договорам и совместители) с атаками на бизнес в регионах, мы не нашли подтверждения гипотезы о том, что бизнес реагирует на подобные действия мгновенно (см. Приложение 4). Что и неудивительно. В большинстве случаев инвестиции невозможно свернуть без больших потерь за несколько недель или даже месяцев, а зачастую требуются годы для существенной переориентации бизнеса на новые задачи в другом регионе или даже стране.