Gradzewicz i Hagemejer (2007)

Transkrypt

Makroekonomia 11
BANK I KREDYT m a rz e c 2 0 0 7
Wp∏yw konkurencji oraz cyklu
koniunkturalnego na zachowanie
si´ mar˝ monopolistycznych
w gospodarce polskiej*
Impact of Competition and Business
Cycles on the Behaviour of Monopolistic
Markups in the Polish Economy
Micha∏ Gradzewicz, Jan Hagemejer**
pierwsza wersja: 24 stycznia 2007 r., ostateczna wersja: 6 kwietnia 2007 r., akceptacja: 27 kwietnia 2007 r.
Streszczenie
Abstract
Celem artyku∏u jest przedstawienie analizy wp∏ywu stopnia
The aim of this study is to analyse the impact of competition, both
konkurencji, zarówno wewn´trznej, jak i zewn´trznej oraz cyklu
internal and external, and of the business cycle on monopolistic
koniunkturalnego na kszta∏towanie si´ mar˝ monopolistycznych
markups in the Polish economy. The results show that there are
w polskiej gospodarce. Otrzymane wyniki wskazujà na
significant markups in several sectors of the economy which
wyst´powanie znacznych mar˝ w wielu sektorach gospodarki
complies with earlier estimations by the authors. According to the
polskiej. Zgodnie z przeprowadzonymi estymacjami poziom
estimations carried out, competition has a significant impact on
koncentracji rynków ma istotnie ujemny, a poziom penetracji
the level of markups. This result applies both to internal
importowej dodatni wp∏yw na poziom mar˝. W badanej próbie
competition, measured by market concentration, and foreign
wyst´puje ujemna zale˝noÊç mi´dzy mar˝ami a cyklem
competition, measured by import penetration ratios. In addition,
makroekonomicznym, co wydaje si´ potwierdzaç wnioski z
there was a significant negative correlation between markups and
wielu modeli teoretycznych. Wyniki wskazujà równie˝ na
the macroeconomic cycle which seems to confirm the conclusions
istnienie dodatniej, ale mniej wyraênej zale˝noÊci mi´dzy
from numerous theoretical macro and microeconomic models.
cyklem mierzonym na poziomie sektora a wysokoÊcià mar˝.
The results also point to a positive but less clear correlation
between the sectoral cycle and the level of markups. A different
reaction of markups to the sectoral and macroeconomic cycles
may result from a different nature of adjustments of businesses in
reaction to exogenous shocks affecting either the sectoral or the
macroeconomic environment of the enterprises.
S∏owa kluczowe: mar˝e, analiza mikroekonomiczna,
Keywords: markups, firm-level analysis, competition, business cycle
konkurencja, cykl koniunkturalny
JEL: L11, D43
* Poglàdy prezentowane w niniejszej pracy odzwierciedlajà przekonania autorów, a nie instytucji, którà reprezentujà.
**Autorzy sà pracownikami Departamentu Analiz Makroekonomicznych i Strukturalnych Narodowego Banku Polskiego.
e-mail: [email protected], [email protected]
12
Macroeconomics
Wst´p
Celem artyku∏u jest przedstawienie analizy wp∏ywu
stopnia konkurencji, zarówno wewn´trznej, jak i zewn´trznej oraz cyklu koniunkturalnego na kszta∏towanie si´ mar˝ monopolistycznych w gospodarce
polskiej. Aby zbadaç tak postawiony problem, konieczne jest oszacowanie przebiegu mar˝ monopolistycznych w czasie, w ramach danego sektora. U˝yta
metodyka pozwala na nieobcià˝onà estymacj´ mar˝,
bez koniecznoÊci stosowania zmiennych instrumentalnych w celu eliminacji wp∏ywu zaburzeƒ o charakterze technologicznym na wyniki estymacji. Nast´pnie przeprowadzono panelowà analiz´ regresji, uzale˝niajàc otrzymane szacunki mar˝ monopolistycznych od mierników stopnia konkurencji wewn´trznej
i zewn´trznej na danym rynku. Oddzielnie badano
zachowanie mar˝ w ramach cyklu koniunkturalnego.
Zastosowano tutaj metody panelowe oraz prostà analiz´ korelacyjnà zale˝noÊci pomi´dzy mar˝ami a cyklem koniunkturalnym na poziomie ga∏´zi oraz na
poziomie makroekonomicznym.
W pierwszym rozdziale przedstawiono krótki
przeglàd literatury na temat szacowania mar˝ monopolistycznych na podstawie danych empirycznych
oraz badaƒ teoretycznych i empirycznych zwiàzanych zarówno z wp∏ywem konkurencji, jak i cyklu koniunkturalnego na mar˝e. W drugim rozdziale opisano podstawy teoretyczne modelu empirycznego. Kolejny rozdzia∏ zawiera opis danych statystycznych
oraz wyników estymacji mar˝ monopolistycznych.
Ostatni rozdzia∏ zawiera opis wyników wp∏ywu konkurencji na mar˝e oraz zachowaƒ mar˝ w ramach cyklu koniunkturalnego. Prac´ koƒczy krótkie podsumowanie.
1. Przeglàd literatury
W literaturze ekonomicznej, wi´kszoÊç badaƒ dotyczàcych wysokoÊci mar˝ bezpoÊrednio lub poÊrednio
opiera si´ na metodyce opisanej w pracy Halla (1988),
który na podstawie zagregowanych danych sektorowych estymuje mar˝e monopolistyczne w gospodarce
amerykaƒskiej przy za∏o˝eniu sta∏ych przychodów
skali1. Je˝eli wyst´pujà dwa czynniki produkcji (praca i kapita∏), specyfikacja empiryczna sprowadza si´
do równania, w którym zmiennà objaÊnianà jest
zmiana logarytmu wielkoÊci produkcji na jednostk´
kapita∏u, a zmiennà objaÊniajàcà – zmiana logarytmu
wielkoÊci zatrudnienia na jednostk´ kapita∏u, pomno1 Klette (1999) proponuje metod´ ∏àcznej estymacji mar˝ oraz elastycznoÊci
skali przy u˝yciu danych jednostkowych, uchylajàc zarazem za∏o˝enie o sta∏oÊci przychodów skali produkcji. Metoda ta jest równie˝ oparta na pracy
Halla. By∏a ona podstawà estymacji d∏ugookresowych mar˝ i elastycznoÊci
skali w gospodarce polskiej w badaniu Gradzewicza i Hagemejera (2007).
˝ona przez stosunek wynagrodzenia pracy do ca∏kowitego przychodu firmy. Estymator parametru nachylenia prostej regresji jest równy mar˝y monopolistycznej (wyra˝onej w procentach kosztu kraƒcowego). Teoretyczne podstawy równania estymowanego
przez Halla znajdujà si´ w cz´Êci drugiej artyku∏u.
W metodzie tej wyst´puje problem endogenicznoÊci – istnieje korelacja pomi´dzy sk∏adnikiem losowym (b´dàcym funkcjà produktywnoÊci) a zmiennà
objaÊniajàcà. Identyfikacja mar˝y polega na zastosowaniu zmiennych instrumentalnych, które wp∏ywajà
na zmiany zatrudnienia i popytu, a jednoczeÊnie nie
majà wp∏ywu na produktywnoÊç. Stosowanie zmiennych instrumentalnych kontrolujàcych efekty czysto
popytowe jest konieczne w celu wyodr´bnienia wahaƒ natury poda˝owej, które wp∏ywajà na wysokoÊç
nieobserwowanej reszty Solowa. Znalezienie odpowiednich zmiennych instrumentalnych jest jednak
problematyczne; Hall stosuje takie miary, jak wielkoÊç rzàdowych wydatków na zbrojenia, Êwiatowa cena ropy naftowej oraz zmiennà wskazujàcà na sprawowanie w∏adzy przez okreÊlonà parti´ politycznà.
Roeger (1995) proponuje metod´ estymacji mar˝
alternatywnà wzgl´dem zastosowanej przez Halla.
Umo˝liwia ona eliminacj´ nieobserwowanej produktywnoÊci z równania regresji, co jednoczeÊnie rozwiàzuje problem endogenicznoÊci i odpowiedniej identyfikacji estymatora mar˝y. Estymacja na podstawie ró˝nicy reszt Solowa obliczonych przy u˝yciu funkcji
produkcji (tzw. reszty prymalne) i funkcji kosztów
(tzw. reszty dualne) mo˝e byç zatem przeprowadzona
za pomocà zwyk∏ej metody najmniejszych kwadratów.
Martins oraz Scarpetta (1999) estymujà wysokoÊç
mar˝ dla gospodarek wybranych krajów rozwini´tych, stosujàc metod´ Roegera na danych sektorowych. Estymatory otrzymane przy u˝yciu danych o
produkcji globalnej (wczeÊniej wymienione badania
bazujà na wartoÊci dodanej) sà ni˝sze ni˝ w przypadku badaƒ Roegera i Halla. Ponadto, stosowanie wartoÊci dodanej wymaga dodatkowej korekty, w przeciwnym razie estymatory b´dà przeszacowane (Roeger
1995, s. 325). Martins oraz Scarpetta pokazujà równie˝, ˝e w przypadku rosnàcych korzyÊci skali estymatory Halla oraz Roegera stanowià górny próg mar˝
faktycznie wyst´pujàcych w gospodarce.
Metodyka Roegera by∏a szeroko stosowana w badaniach szacujàcych wysokoÊç mar˝ monopolistycznych dla krajów europejskich, przy u˝yciu danych indywidualnych. Wykorzystujà jà m.in. Konings i Vandenbussche (2005) do estymacji narzutów stosowanych przez przedsi´biorstwa w Unii Europejskiej. Podobnà metodykà pos∏ugujà si´ Konings, Van Cayseele
oraz Warzynski (2003) w badaniu zachowaƒ firm bu∏garskich i rumuƒskich.
Naturalne wydaje si´ pytanie, co determinuje
wysokoÊç mar˝ w poszczególnych sektorach. Odpo-
Makroekonomia 13
wiedê na to pytanie wymaga, aby analiz´ przeprowadziç nie tylko w wymiarze przekrojowym, ale równie˝ czasowym.
Podstawowym czynnikiem kszta∏tujàcym mar˝e
jest poziom konkurencji wewn´trznej (liczba konkurujàcych firm) i zewn´trznej (import dóbr konkurencyjnych wzgl´dem produktów danego sektora). Znaczenie konkurencji wewn´trznej dla poziomu mar˝
podkreÊlajà Rotemberg i Woodford (1999) oraz Galí i
Zilibotti (1995). Wp∏yw stopnia koncentracji przedsi´biorstw na d∏ugookresowy poziom mar˝ badali
Gradzewicz i Hagemejer (2007), lecz nie znaleêli wyraênej dodatniej zale˝noÊci (wyraênie istotna jest natomiast zale˝noÊç pomi´dzy korzyÊciami skali a poziomem koncentracji, co sugeruje istnienie wysokich
barier wejÊcia w niektórych ga∏´ziach). Mi´dzysektorowe zró˝nicowanie mar˝ mo˝e zatem wynikaç tak˝e
z innych uwarunkowaƒ (poziom zró˝nicowania produktów, regulacje cenowe itd.), których nie mierzy
zwyk∏y wspó∏czynnik Herfindahla-Hirschmanna. Ponadto zmiany koncentracji w czasie majà prawdopodobnie wi´kszy wp∏yw na poziom mar˝ w poszczególnych sektorach, ni˝ wynika∏oby to z porównania
przekrojowego. Wp∏ywu zmian wspó∏czynnika Herfindahla-Hirschmanna na zmiany wysokoÊci mar˝ nie
mo˝na jednak przeÊledziç w sytuacji, gdy poziom
mar˝ jest z za∏o˝enia sta∏y w czasie.
Istnieje wiele prac badajàcych wp∏yw konkurencji
zewn´trznej na poziom narzutu ceny ponad koszt
kraƒcowy. Nale˝à do nich m.in. badania Lundina
(2004) dla Szwecji, gdzie poza konkurencjà importowà
jako czynnik wp∏ywajàcy na poziom mar˝ uwzgl´dniono równie˝ poziom zró˝nicowania produktów, czy
Abrahama, Koningsa i Vanormelingena (2006) dla Belgii, gdzie poza analizà wp∏ywu czynników zewn´trznych na ceny badano równie˝ znaczenie zwiàzków zawodowych w procesie ustalania p∏ac. Z kolei Görg i
Warzynski (2003) wykazujà istotny dodatni wp∏yw
partycypacji w eksporcie na wysokoÊç mar˝y.
Osobnym zagadnieniem jest zachowanie si´
mar˝ monopolistycznych w kolejnych fazach cyklu
koniunkturalnego. Literatura teoretyczna dostarcza
tutaj przeciwstawnych hipotez. Z jednej strony
Athey, Bagwell i Sanchirico (2004), powo∏ujàc si´ na
klasycznà literatur´ pochodzàcà od Sweezy’ego
(1939) oraz Halla i Hitcha (1939), postulujà wyst´powanie sztywnoÊci cen detalicznych w sektorach o
niewielkiej liczbie firm, gdzie wyst´pujà elementy
zmowy kartelowej. SztywnoÊç ta jest wynikiem braku
dostosowaƒ cen do zmian wysokoÊci kosztu kraƒcowego w obawie przed zerwaniem umowy kartelowej.
Przy sta∏ych cenach ujemny szok technologiczny (powodujàcy zwi´kszenie si´ kosztu kraƒcowego) powoduje zatem spadek mar˝y monopolistycznej (procyklicznoÊç mar˝). Podobne wnioski wynikajà z modelu
Greena i Portera (1984). W modelu Krepsa i Scheink-
mana (1983) w okresach o˝ywienia firmy szybko osiàgajà swoje mo˝liwoÊci produkcyjne i w zwiàzku z tym
konkurencja odbywa si´ na zasadach iloÊciowych (konkurencja Cournota), w przeciwieƒstwie do okresu recesji, gdy dzia∏ajà one raczej w ramach konkurencji cenowej Bertranda ze wzgl´du na niewykorzystane moce
produkcyjne i mo˝liwoÊç zaopatrywania wi´kszej cz´Êci rynku. Zyski firm rosnà zatem w okresie o˝ywienia
i spadajà w okresie recesji. Z kolei Rotemberg i Saloner
(1986) budujà model teoretyczny przewidujàcy zwi´kszanie si´ mar˝ w przypadku recesji (antycyklicznoÊç
mar˝). W sytuacji gdy roÊnie popyt, krótkookresowe zyski z obni˝enia ceny przez pojedynczà firm´ w stosunku do cen ustalanych przez konkurentów mogà byç na
tyle du˝e, ˝e firma jest sk∏onna do zerwania zmowy kartelowej. W przypadku recesji krótkookresowe korzyÊci z
dzia∏ania konkurencyjnego sà na tyle niskie, ˝e firmom
op∏aca si´ utrzymywaç ceny na poziomie ustalonym
przez kartel i osiàgaç d∏ugookresowy zysk. Podobne zachowanie mar˝ prognozujà modele teoretyczne Bilsa
(1989) oraz Weitzmana (1982). Badania empiryczne
tak˝e nie dajà jednoznacznego rozwiàzania problemu
cyklicznoÊci mar˝. Cytowane wczeÊniej badanie Martinsa i Scarpetty przeprowadzone dla wybranych krajów OECD wskazuje na antycyklicznoÊç mar˝. Do podobnych wniosków na podstawie badaƒ równie˝ na
danych OECD dochodzi Boulhol (2004). Marchetti
(2002) w badaniu cyklicznoÊci mar˝ w gospodarce
w∏oskiej zwraca uwag´ na wyraênà antycyklicznoÊç
mar˝ w sektorach silnie skoncentrowanych. Z kolei badanie Smalla (1997), na danych brytyjskich, wskazuje
na wyraênà procyklicznoÊç mar˝, zarówno w przemyÊle, jak i us∏ugach.
W prezentowanym badaniu zastosowano metodyk´ Roegera (1995) do estymacji mar˝ w polskiej gospodarce, wykorzystujàc dane jednostkowe. Wybór tej
metody by∏ podyktowany faktem, ˝e w przypadku zastosowania danych na poziomie firm pozwala ona na
otrzymanie wielkoÊci mar˝ na poziomie sektora, dla
ka˝dego badanego roku. W konsekwencji mo˝liwe jest
uzyskanie dynamiki mar˝, co z kolei pozwala badaç
wp∏yw zmiennych zewn´trznych na wysokoÊç narzutów monopolistycznych i zwiàzek zmiennoÊci mar˝ ze
zmianami cyklu koniunkturalnego. Nale˝y ponownie
nadmieniç, ˝e metodyka ta opiera si´ na za∏o˝eniu sta∏ych korzyÊci skali. Je˝eli jednak elastycznoÊç skali
jest sta∏a w czasie, obcià˝enie estymatorów, wynikajàce z faktycznego wyst´powania efektów skali, jest sta∏e (co wynika bezpoÊrednio z pracy Martinsa i Scarpetty) i nie wp∏ywa na dynamik´ mar˝.
2. Model teoretyczny
Zak∏ada si´, ˝e firma produkuje zgodnie z nast´pujàcà
funkcjà produkcji, homogenicznà stopnia pierwszego:
14
Macroeconomics
Y (X1 ,..., X N ,K, E) = F(X1 ,..., X N ,K)E,
(1)
Definiujàc tzw. prymalnà reszt´ Solowa2 (SR),
opartà na funkcji produkcji:
dY
dK ,
dX
− ∑θ i i − (1− ∑θ i )
Xi
Y
K
i
i
gdzie K to wielkoÊç majàtku trwa∏ego, a Xi to wielkoÊci pozosta∏ych czynników zaanga˝owanych w proces produkcyjny. E jest zmiennà mierzàcà neutralny
w sensie Hicksa post´p technologiczny (∏àczna produktywnoÊç czynników produkcji). Logarytmiczne
zró˝niczkowanie równania (1) daje:
mo˝na pokazaç (szczegó∏y wyprowadzeƒ przedstawiono w aneksie A.1), wykorzystujàc (4) oraz (5), ˝e:
dY
∂F dX i ∂F dK i dE
∂Y dX i ∂Y dK i dE
. (2)
=∑
+
+
=∑
+
+
Y
∂K i Y
∂K i F
E
E
i ∂X i F
i ∂X i Y
W równaniu (7) wyra˝enie (1− ) = β , gdzie β jest
μ
indeksem Lernera, a zatem:
W warunkach doskonale konkurencyjnych rynków czynników produkcji przedsi´biorstwa ustalajà
ceny, narzucajàc mar˝e na koszty kraƒcowe (MC), a
czynniki produkcji wynagradzane sà wedle wartoÊci
ich produktu kraƒcowego, pomniejszonej o wielkoÊç
narzutu monopolistycznego na koszty kraƒcowe.
Niech r oraz wi oznaczajà odpowiednio ceny kapita∏u
i pozosta∏ych czynników produkcji, P oznacza cen´
produktu finalnego, a μ – wielkoÊç narzutu ceny na
koszt kraƒcowy (μ = P/MC). Mo˝emy wtedy zapisaç:
∂Y P
∂Y P
wi =
oraz r = ∂K μ .
∂X i μ
Z za∏o˝enia o homogenicznoÊci funkcji produkcji
wynika, ˝e wartoÊç kosztów ca∏kowitych mo˝na wyraziç jako iloczyn kosztu kraƒcowego i wielkoÊci produkcji. Uwzgl´dniajàc powy˝sze zale˝noÊci, równanie (2) mo˝na zapisaç jako:
w X dX i
rK dK dE
rK dK dE
dY
w X dX i
=: ∑ i i
+
+
=∑ i i
+
+
YP / μ X i YP / μ K
Y ⋅ MC X i Y ⋅ MC K
E
E
Y
i
i
SR =
SR =
dY
dK
1 dY dK
1 dE
dX
− ∑θi i − (1− ∑θ i )
= (1− )(
−
)+
. (7)
Xi
Y
K
μ Y
K
μ E
i
i
1
SR = β(
C(w1 ,..., w N , w K ,Y , E) =
gdzie αK oraz αi to udzia∏y wynagrodzenia kapita∏u
oraz pozosta∏ych czynników w ca∏kowitych kosztach
produkcji zdefiniowane dla czynnika Xi jako:
α i = w i X i / MC ⋅ Y oraz analogicznie dla K. Udzia∏ kosztu
czynnika Xi w ca∏kowitym przychodzie firmy oznaczamy jako: θi = w i X i / PY . Udzia∏y czynników w koszcie
ca∏kowitym no˝na zatem zapisaç jako:
αi =
P wi X i
= θ iμ .
MC PY
(4)
Analogiczne zale˝noÊci zachodzà dla kapita∏u. W warunkach konkurencji doskona∏ej αi = θi , poniewa˝ μ =
1. W warunkach niedoskona∏ej konkurencji μ > 1. Przy
za∏o˝eniu sta∏ych przychodów skali z twierdzenia Eulera wynika, ˝e:
i
i
+ αK = 1.
(5)
G(w1 ,..., w N , w K )Y
,
E
(9)
G(w1 ,..., w N , w K ) .
E
(10)
Logarytmiczne zró˝niczkowanie równania (10) po
zastosowaniu lematu Shepharda4 oraz definicji (9) daje:
dMC
dw i
dw K dE
.
= ∑α i
+ αK
−
E
MC
wi
wK
i
(11)
Je˝eli mar˝a μ jest sta∏a, to dynamika cen jest
równa dynamice kosztu kraƒcowego, a zatem
dMC dP
=
MC
P
dP
. Podstawiajàc P do równania (11), wykorzystujàc ponownie w∏asnoÊç (4) i przekszta∏cajàc
(szczegó∏y w aneksie A.2), otrzymujemy tzw. dualnà
reszt´ Solowa (opartà na funkcji kosztów – DSR) jako
funkcj´ cen, wynagrodzeƒ czynników produkcji i post´pu technicznego:
2 Por. Solow (1957) oraz Hall (1988).
3 Aby uzyskaç postaç równania estymowanego przez Halla w zapisie stoso-
wanym w tym artykule, nale˝y przekszta∏ciç równanie (3) do postaci
⎡
⎛ dX dK ⎞⎤ dE
dY dK
−
= μ⎢∑θ i ⎜ i −
, u˝ywajàc zale˝noÊci (4) oraz (5).
⎟⎥ +
Y
∑α
(8)
gdzie funkcja G jest homogeniczna stopnia pierwszego. Koszt kraƒcowy jest zatem równy:
MC =
(3)
dY dK
dE .
−
) + (1− β)
Y
K
E
Hall (1988) estymuje indeks Lernera przy u˝yciu
równania podobnego3 do równania (8), jednak ze
wzgl´du na mo˝liwoÊç korelacji nieobserwowanej
dE
zmiennej E z pozosta∏ymi zmiennymi objaÊniajàcymi konieczne jest stosowanie zmiennych instrumentalnych, których dobór jest problematyczny. Rozwiàzaniem tego problemu jest zastosowanie estymatora opartego na ró˝nicy mi´dzy prymalnà a dualnà resztà Solowa (Roeger, 1995), opartà na funkcji kosztów.
Funkcja kosztów odpowiadajàca funkcji produkcji (1) ma postaç:
lub:
dY
dX
dK dE
,
= ∑α i i + α K
+
Xi
E
Y
K
i
(6)
K
4 ∂G Y
⎣
= Xi,
i
⎝ Xi
K ⎠⎦
E
gdzie Xi odpowiada popytowi na czynnik i. Analogiczna rela∂w i E
cja zachodzi dla kapita∏u.
Makroekonomia 15
DSR ≡ ∑θ i
i
dw
dP
1 dw
dP
1 dE
dw i
+ (1− ∑θ i ) K −
= (1− )( K −
)+
P
μ wK
P
μ E
wi
wK
i
(12)
lub stosujàc zapis oparty na indeksie Lernera:
DSR = −β(
dP dw K
dE
−
) + (1− β)
wK
P
E
(13)
Odejmujàc równanie (13) od równania (8),
uwzgl´dniajàc definicj´ DSR i SR, otrzymujemy:
dY dP
dX dw i
dX
dw K
+
− ∑θ i ( i +
) − (1−∑θ i )( K +
)=
Y
P
Xi
wi
XK
wK
i
i
⎡ dY dP dK dw K ⎤
= β⎢
+
−(
+
)⎥ .
P
K
wK ⎦
⎣Y
SR − DSR =
(14)
Jak mo˝na ∏atwo zauwa˝yç, zarówno prawa, jak i
lewa strona powy˝szego równania zawierajà wy∏àczdE
nie zmienne obserwowalne (zmienna E uleg∏a eliminacji). JeÊli przybli˝amy relacj´ (14) za pomocà
przyrostów wzgl´dnych odpowiednich zmiennych,
mo˝e byç ona estymowana przy u˝yciu standardowej
metody najmniejszych kwadratów bez obaw przed
obcià˝eniem estymatorów wynikajàcym z pominićia
pewnych zmiennych.
3. Dane statystyczne i wyniki estymacji mar˝
monopolistycznych
3.1. Opis danych statystycznych
W badaniu u˝yto danych statystycznych pochodzàcych ze sprawozdaƒ finansowych i bilansowych
przedsi´biorstw, zbieranych przez GUS (formularze
F-01 i F-02). Obejmujà one lata 1996–2004 i mierzone
sà w ujćiu rocznym. Zakres czasowy odpowiada w
przybli˝eniu d∏ugoÊci jednego cyklu koniunkturalnego5. Baza danych obejmuje przedsi´biorstwa zatrudniajàce co najmniej 50 pracowników w przemyÊle
(sekcje C, D i E) oraz w us∏ugach rynkowych (sekcje
G, H, I oraz K). ¸àczna liczba obserwacji (nieoczyszczonych) wynosi oko∏o 162 tys.
Pierwotnà baz´ danych oczyszczono z niewiarygodnych i ekstremalnych obserwacji. Usuni´to obserwacje dla których produkcja, zatrudnienie, majàtek
lub koszty pracy sà niedodatnie. Ponadto próba zosta∏a oczyszczona z obserwacji charakteryzujàcych si´
ekstremalnymi miarami wydajnoÊci pracy lub kapita∏u (mierzonymi wartoÊcià dodanà przypadajàcà odpowiednio na jednego pracujàcego lub na jednostk´ zasobu majàtku trwa∏ego). Za ekstremalne wielkoÊci
uznano przypadki, gdy odchylenia absolutne logaryt5 Analiza dokonana na relatywnie krótkiej próbie czasowej pozwala na wy-
ciàganie formalnych wniosków dzi´ki zastosowaniu metod panelowych,
lecz wnioskowanie d∏ugookresowe jest w tych warunkach ograniczone.
mu danej zmiennej od logarytmu jej mediany (wyznaczonej w relatywnie homogenicznej ga∏´zi, zdefiniowanej na 4-cyfrowym poziomie PKD) przekraczajà 3.
Operacje czyszczàce zbiór danych zmniejszy∏y liczb´
obserwacji ∏àcznie o oko∏o 6,7%. Do wyznaczenia
zmiennych w czasie mar˝ monopolistycznych u˝yto
niezbilansowanego panelu danych6.
Za miar´ produkcji przyj´to wielkoÊç przychodów
ze sprzeda˝y, skorygowanà o zmian´ zapasów oraz sum´ podatków obcià˝ajàcych koszty przedsi´biorstwa7.
Do kosztów materia∏owych zaliczono poza zu˝yciem
materia∏ów – koszty zakupu us∏ug obcych oraz wartoÊç
towarów i materia∏ów zakupionych w celu odsprzeda˝y (jest to istotna pozycja w przypadku przedsi´biorstw handlowych). Z kolei do kosztów pracy poza
wynagrodzeniami zaliczono sk∏adki na ubezpieczenia
spo∏eczne p∏acone przez pracodawc´ oraz pozosta∏e
koszty rodzajowe8. W badaniu, podobnie jak w pracy
Klette (1999), wyodr´bniono koszty energii jako osobny czynnik produkcji. Badania empiryczne (por. Hyde,
Perloff 1995) wskazujà, ˝e estymatory mar˝ monopolistycznych sà wra˝liwe na dobór kategorii kosztowych,
a wi´ksza dezagregacja kategorii kosztów zwi´ksza
efektywnoÊç estymatorów (ponadto w przypadku wykorzystania danych dotyczàcych wy∏àcznie kosztów
pracy i kapita∏u estymatory mar˝ sà zawy˝one).
Do konstrukcji miary kosztów kapita∏u pos∏u˝ono si´ koncepcjà wprowadzonà do analiz wydajnoÊci
i produktywnoÊci przez Jorgensona i Grilichesa
(1967), rozwini´tà m.in. w pracy Oultona i Srinivasana (2003). Polega ona na zastosowaniu strumienia
us∏ug kapita∏u zamiast zasobu majàtku trwa∏ego.
Zgodnie z tà koncepcjà strumieƒ us∏ug kapita∏u mo˝e
byç przedstawiony nast´pujàco:
kit = (rt − π t + δit ) ⋅ K it ,
gdzie:
kit – miara strumienia us∏ug kapita∏u,
rt – stopa zwrotu,
πt – deflator wartoÊci dodanej,
δt – stopa deprecjacji,
Kit– zasób majàtku przedsi´biorstwa.
6 W kontekÊcie niniejszego badania procedura bilansujàca panel danych zapewnia jednakowà liczb´ stopni swobody dla zmiennych w czasie estymatorów
mar˝ monopolistycznych w ramach wyodr´bnionej ga∏´zi. Procedura bilansujàca dokonuje jednak pozytywnej selekcji w grupie badanych przedsi´biorstw,
co mo˝e prowadziç do dodatniego obcià˝enia uzyskanych estymatorów mar˝.
Poniewa˝ dodatnie obcià˝enie estymatorów mo˝e byç równie˝ skutkiem nieuwzgl´dnienia mo˝liwoÊci wyst´powania dodatnich korzyÊci skali (por. Gradzewicz, Hagemejer 2007), sk∏oni∏o to autorów do dà˝enia do minimalizacji potencjalnego obcià˝enia i wykorzystania niezbilansowanego panelu.
7 Sà to m.in. podatek akcyzowy, podatek od nieruchomoÊci, podatek od
Êrodków transportowych oraz niepodlegajàcy odliczeniu podatek od towarów i us∏ug.
8 Pozosta∏e koszty rodzajowe sà kategorià heterogenicznà i zawierajà oprócz
kosztów zwiàzanych z pracownikiem (m.in. koszty podró˝y s∏u˝bowych, odprawy poÊmiertne, odszkodowania powypadkowe) inne kategorie kosztów
(m.in. ubezpieczenia majàtkowe). Zdecydowano si´ jednak przyporzàdkowaç t´ kategori´ kosztów do kosztów pracy.
16
Macroeconomics
Za stop´ zwrotu (oczekiwany zwrot z zaanga˝owania kapita∏u w alternatywnym przedsi´wzićiu)
przyj´to oprocentowanie 5-letnich obligacji rzàdowych. Stopa deprecjacji zosta∏a wyznaczona na poziomie przedsi´biorstwa jako stosunek wartoÊci amortyzacji do wartoÊci majàtku w cenach zakupu, natomiast sam zasób majàtku obejmuje Êrodki trwa∏e oraz
wartoÊci niematerialne i prawne w Êrodku okresu.
W cz´Êci pracy poÊwićonej analizom przyczyn
zmiennoÊci mar˝ monopolistycznych skorzystano z
danych zagregowanych na poziomie sektorowym
(2-cyfrowy podzia∏ wg PKD) w ramach przetwórstwa
przemys∏owego. Miary cyklu koniunkturalnego oparto na wartoÊci dodanej brutto danego sektora, pochodzàcej z Roczników Statystycznych Przemys∏u, publikowanych przez GUS. Penetracj´ importu w danym
dziale zdefiniowano jako stosunek wartoÊci importu
do wartoÊci produkcji globalnej, powi´kszonej o wartoÊç importu i pomniejszonej o wartoÊç eksportu. Z
kolei za miar´ intensywnoÊci eksportu danego dzia∏u
przyj´to stosunek wartoÊci eksportu do wartoÊci jego
produkcji globalnej. Dane dotyczàce produkcji globalnej zosta∏y zaczerpni´te z Roczników Statystycznych
Przemys∏u GUS. Dane dotyczàce handlu mi´dzynarodowego pochodzà natomiast9 z baz danych OECD
(ITCS). Dane te zosta∏y przeliczone z 6-cyfrowej klasyfikacji HS na dwucyfrowy poziom klasyfikacji PKD
(NACE) za pomocà tablicy przejÊcia opracowanej
przez Eurostat.
Miary koncentracji Herfindahla-Hirschmana zosta∏y policzone na 4-cyfrowym (wg PKD) poziomie
dezagregacji (na podstawie danych pochodzàcych z
formularzy F-01 i F-02), a nast´pnie zagregowane poprzez uÊrednienie przy u˝yciu produkcji danej ga∏´zi
jako wagi. Wspó∏czynnik koncentracji mo˝na traktowaç jako wskaênik konkurencyjnoÊci rynku, a jego
odwrotnoÊç interpretuje si´ jako liczb´ hipotecznych
symetrycznych firm krajowych konkurujàcych na danym rynku.
3.2. Wyniki estymacji zmiennych w czasie mar˝
monopolistycznych
Do wyznaczenia estymatorów mar˝ monopolistycznych u˝yto procedury zaproponowanej przez Roegera
(1995) i opisanej w rozdziale 2. niniejszego artyku∏u.
Jednym z podstawowych za∏o˝eƒ tej metody sà sta∏e
korzyÊci skali, co w przypadku istnienia efektów skali oznacza, ˝e mar˝a mierzona jest jako narzut na
koszt przeci´tny, a nie kraƒcowy. Za∏o˝enie to jest konieczne, jeÊli obiektem badaƒ jest zmiennoÊç mar˝
9 Roczniki Statystyczne Przemys∏u publikowane przez GUS zawierajà infor-
macje o handlu mi´dzynarodowym produktami zaliczanymi do wyrobów
przetwórstwa przemys∏owego od 2000 r. Poniewa˝ okres badania obejmuje
lata 1996–2004, zdecydowano si´ na skorzystanie z baz danych OECD, b´dàcych spójnym êród∏em danych w ca∏ym badanym okresie.
monopolistycznych w czasie. Z badaƒ przeprowadzonych przez Gradzewicza i Hagemejera (2007) przy zastosowaniu odmiennej metody, opartej na pracy Klette (1999) i umo˝liwiajàcej jednoczesnà estymacj´
mar˝ i efektów skali, wynika, ˝e w przypadku wielu
dzia∏ów gospodarki obserwujemy rosnàce korzyÊci
skali10 (ponadto kilka dzia∏ów charakteryzuje si´ malejàcymi korzyÊciami skali). Wyst´powanie dodatnich
efektów skali skutkuje potencjalnym ujemnym obcià˝eniem estymatorów mar˝ monopolistycznych uzyskanych w niniejszej pracy (por. Martins, Scarpetta
1999).
Tabela 1 podsumowuje wyniki estymacji mar˝
monopolistycznych dla sekcji D, G, H, I oraz K, jak
równie˝ dla zdezagregowanej na dzia∏y sekcji przetwórstwa przemys∏owego, wyznaczonych na podstawie równania (14), gdzie zmiany w czasie ciàg∏ym
przybli˝ono zmianami w czasie dyskretnym. Przedstawione zosta∏y w niej Êrednie w czasie uzyskanych
estymatorów mar˝11 oraz ich odchylenia standardowe, jako miary zmiennoÊci mar˝ monopolistycznych
w czasie. Ostatnia kolumna tabeli 1 zawiera wspó∏czynniki zmiennoÊci (relacje odchylenia standardowego do Êredniej). Szczegó∏y czàstkowych wyników
estymacji mar˝ monopolistycznych wraz z dezagregacjà sekcji wchodzàcych w sk∏ad us∏ug rynkowych
znajdujà si´ w Aneksie B. Oprócz estymatorów mar˝
w danym roku przedstawiono tam równie˝ b∏´dy
oszacowaƒ. Zasadniczo przy estymacji mar˝ obserwowano spadek dopasowania estymowanego modelu
(mierzony wspó∏czynnikiem ) wraz ze wzrostem liczby przedsi´biorstw w danym dziale. Efekt ten spowodowa∏o za∏o˝enie o sta∏oÊci mar˝y w danym dziale w
danym roku, co przy wzroÊcie liczby obserwacji i jednoczesnej heterogenicznoÊci powoduje spadek dopasowania modelu.
Porównujàc Êrednie mar˝e z estymatorami narzutów monopolistycznych uzyskanymi dla wydzielonych ga∏´zi przetwórstwa przemys∏owego w pracy
Gradzewicza i Hagemejera (2007), mo˝na stwierdziç,
˝e w oko∏o po∏owie przypadków estymatory uzyskane
za pomocà obu metod sà zbli˝one, a w pozosta∏ych
przypadkach sà wy˝sze12. W 10 dzia∏ach przetwórstwa odnotowano podobne estymatory mar˝, z kolei w
9 dzia∏ach uzyskano estymatory wyraênie wy˝sze –
nale˝à do nich dzia∏y: produkcja ˝ywnoÊci, w∏ókiennictwo, dzia∏alnoÊç wydawnicza, produkcja wyrobów
10 Przyk∏adowo, w ca∏ej sekcji przetwórstwa przemys∏owego rosnàce przy-
chody skali oceniane sà na poziomie 3%, ale w dzia∏ach: w∏ókienniczym, papierniczym, poligraficznym, chemii ci´˝kiej, wyrobów z surowców niemetalicznych oraz produkcji metali, korzyÊci skali oszacowano na co najmniej 10%.
11 Przedstawione w tabeli estymatory mar˝, po przemno˝eniu przez 100,
odzwierciedlajà procentowy narzut monopolistyczny na koszt kraƒcowy.
12 W swojej pracy Klette (1999) podkreÊla, ˝e estymatory uzyskane przy zastosowaniu jego metody sà relatywnie niskie w stosunku do alternatywnych
metod wyznaczania mar˝. Ponadto, estymatory uzyskane w niniejszej pracy
mo˝na traktowaç jako krótkookresowe, natomiast uzyskane w pracy Gradzewicza i Hagemejera (2007) – jako d∏ugookresowe.
Makroekonomia 17
Tabela 1. Podsumowanie wyników estymacji mar˝ monopolistycznych
MarĪa
Nazwa
EKD
ZmiennoĞü
Ğrednia
odchylenie
standardowe
S(X)/E(X)
0,828
Przetwórstwo przemysáowe
D
0,091
0,075
Artykuáy spoĪywcze i napoje
15
0,224
0,125
0,560
Wyroby tytoniowe
16
0,158
0,092
0,586
Wáókiennictwo
17
0,108
0,023
0,213
OdzieĪ i wyroby futrzarskie
18
0,054
0,083
1,526
Skóry wyprawione i wyroby z nich
19
0,071
0,058
0,814
Drewno i wyroby z drewna
20
0,185
0,047
0,253
Masa wáóknista oraz papier
21
0,182
0,083
0,455
DziaáalnoĞü wydawnicza
22
0,213
0,042
0,198
Koks i produkty rafinacji
23
0,062
0,104
1,680
Wyroby chemiczne
24
0,130
0,019
0,143
Wyroby gumowe i z tworzyw sztucznych
25
0,165
0,020
0,123
Wyroby z surowców niemetalicznych pozostaáe
26
0,244
0,036
0,147
Produkcja metali
27
0,054
0,060
1,115
Produkcja wyrobów z metali
28
0,167
0,030
0,179
Produkcja maszyn i urządzeĔ
Produkcja maszyn biurowych
i komputerów
Maszyny i aparatura elektryczna
SprzĊt i urządzenia radiowe
i telekomunikacyjne
Instrumenty medyczne
29
0,073
0,079
1,078
30
0,009
0,119
12,893
31
0,146
0,057
0,394
32
0,046
0,057
1,245
33
0,268
0,132
0,494
34
0,060
0,030
0,505
Pozostaáy sprzĊt transportowy
35
-0,092
0,237
-2,579
Meble; pozostaáa dziaáalnoĞü
36
0,086
0,042
0,493
Zagospodarowanie odpadów
37
0,112
0,110
0,981
Handel i naprawy
G
0,033
0,015
0,444
Hotele i restauracje
Transport, gospodarka magazynowa
i áącznoĞü
Obsáuga nieruchomoĞci i firm
H
0,089
0,123
1,384
I
0,322
0,108
0,336
K
0,223
0,175
0,786
Pojazdy mechaniczne, przyczepy
èród∏o: opracowanie w∏asne.
chemicznych, z tworzyw sztucznych, surowców niemetalicznych, produkcja wyrobów z metali, maszyn
i aparatury elektrycznej oraz instrumentów medycznych. Trudna do zinterpretowania jest uzyskana
ujemna mar˝a w sektorze produkujàcym pozosta∏y
sprz´t transportowy13. Dla ca∏ej sekcji przetwórstwa
przemys∏owego w obu pracach otrzymano podobne
estymatory narzutów monopolistycznych – oko∏o
9–10%.
Podobnie jak w pracy Gradzewicza i Hagemejera
(2007), otrzymano relatywnie niskie estymatory mar˝
13 Dla tego sektora, prawdopodobnie ze wzgl´du na wysokà heterogenicznoÊç,
w badaniu Gradzewicza i Hagemejera (2007) równie˝ uzyskano ujemny szacunek mar˝y. Szczegó∏owe wyniki z aneksu B wskazujà na bardzo niski estymator mar˝y w 2001 r., co ma dominujàcy wp∏yw na prezentowanà tutaj Êrednià.
Sektor ten b´dzie wy∏àczony z póêniejszych analiz (zob. podrozdzia∏ 3.3).
dla sekcji G (handel i naprawy). Z kolei dla pozosta∏ych sekcji us∏ug rynkowych (zw∏aszcza transportu
oraz obs∏ugi nieruchomoÊci i firm) uzyskane estymatory sà relatywnie wysokie (w szczególnoÊci wyraênie
wy˝sze ni˝ w przetwórstwie przemys∏owym).
Zró˝nicowanie sektorowe zmiennoÊci mar˝ w
czasie jest stosunkowo wysokie. Na podstawie analizy wspó∏czynnika zmiennoÊci mar˝ mo˝na uznaç za
w miar´ stabilne dzia∏y, w których mar˝e odchylajà
si´ Êrednio o 50% w stosunku do Êredniej w danym
dziale, a za bardzo zmienne – dzia∏y o wspó∏czynniku zmiennoÊci wy˝szym od 1,5. W wi´kszoÊci dzia∏ów przetwórstwa przemys∏owego (11 przypadków)
obserwujemy relatywnà stabilnoÊç mar˝ w czasie. W
4 dzia∏ach (przemys∏ odzie˝owy, produkcja koksu i
rafinacja ropy naftowej, produkcja maszyn biuro-
18
Macroeconomics
wych i komputerów oraz pozosta∏ego sprz´tu transportowego) obserwuje si´ bardzo wysokà zmiennoÊç
mar˝, co sugeruje, ˝e wyniki dalszych analiz dla tych
dzia∏ów mogà byç obarczone znacznym b∏´dem. W
przypadku sekcji us∏ugowych zmiennoÊç mar˝ jest
relatywnie niska (szczególnie w handlu i transporcie
oraz ∏àcznoÊci) i z wyjàtkiem hoteli oraz restauracji –
ni˝sza ni˝ dla ca∏ego przetwórstwa przemys∏owego.
3.3. Wp∏yw konkurencyjnoÊci i cyklu koniunkturalnego na
wysokoÊç mar˝
W rozdziale tym zostanà omówione wyniki badania
zale˝noÊci mi´dzy zmiennymi wskazujàcymi na poziom konkurencyjnoÊci danego sektora, takimi jak penetracja importu, czy wspó∏czynnik koncentracji, a
wysokoÊcià mar˝ monopolistycznych. Oprócz tego
przedstawiona b´dzie analiza zwiàzku mi´dzy intensywnoÊcià eksportowà a politykà cenowà firm. Ponadto zostanie przeÊledzone zachowanie narzutów
monopolistycznych w ramach cyklu koniunkturalnego, makroekonomicznego, jak równie˝ specyficznego
dla danego sektora.
Sformu∏owano nast´pujàce hipotezy badawcze:
1. Wy˝sze wartoÊci wspó∏czynnika koncentracji
Herfindahla-Hirschmanna, odpowiadajàce ni˝szej
liczbie hipotetycznych symetrycznych firm konkurujàcych w ramach ga∏´zi, wp∏ywajà na wy˝szy poziom
mar˝ monopolistycznych. Wybór wspó∏czynnika Herfindahla-Hirschmanna, a nie liczby symetrycznych
firm podyktowany jest przekonaniem autorów o nieliniowej zale˝noÊci mi´dzy liczbà firm a poziomem
mar˝ – im wi´ksza jest liczba firm, tym mniejszy
wp∏yw na mar˝e wywiera wejÊcie dodatkowej firmy
na rynek.
2. Wy˝szy poziom penetracji importu, odpowiadajàcy silniejszej konkurencji zagranicznej na rynku
krajowym, wp∏ywa na obni˝enie si´ mar˝ monopolistycznych.
3. Zaanga˝owanie firmy w dzia∏alnoÊç eksportowà wp∏ywa na wy˝szy poziom mar˝ narzucanych na
produkty sprzedawane na rynku krajowym. Mo˝e to
wynikaç z wy˝szej elastycznoÊci popytu na rynku
krajowym ni˝ na rynkach zagranicznych w zwiàzku z
ich wi´kszà konkurencyjnoÊcià. Firma wchodzàca na
rynek zagraniczny mo˝e tak˝e stosowaç zró˝nicowanà polityk´ cenowà, subsydiujàc sprzeda˝ za granicà
dzi´ki wy˝szym zyskom ze sprzeda˝y w kraju14. Ponadto, jak wskazujà teoretyczne modele handlu mi´dzynarodowego (por. Melitz 2003), firmy eksportujàce sà efektywniejsze od pozosta∏ych firm krajowych,
a zatem osiàgajà ni˝sze koszty kraƒcowe, co przy
ustalonych cenach sprzeda˝y na rynku krajowym pozwala im na osiàgnićie wy˝szych mar˝ i zysków.
14 Ten argument mo˝e byç szczególnie istotny w przypadku polskiej gospo-
darki, w której ciàgle trwa proces otwierania si´.
4. WysokoÊç mar˝ monopolistycznych ma zwiàzek z cyklem koniunkturalnym. Jak wczeÊniej wspomniano (por. rozdzia∏ 1.), literatura teoretyczna i empiryczna dostarczajà przeciwstawnych wniosków na
temat charakteru tej zale˝noÊci.
Tabela 2 przedstawia wyniki estymacji równania
regresji, w którym zmiennà objaÊnianà jest wysokoÊç
mar˝y monopolistycznej w danym sektorze i okresie,
pochodzàca z estymacji przedstawionych w rozdziale
3. Zmienne objaÊniajàce to: intensywnoÊç eksportu,
zdefiniowana jako stosunek wartoÊci eksportu do
wartoÊci produkcji, penetracja importu, mierzona jako udzia∏ importu w ca∏kowitej poda˝y dóbr produkowanych w danym dziale na rynek krajowy, koncentracja mierzona wspó∏czynnikiem Herfindahla-Hirschmanna oraz ró˝ne definicje cyklu koniunkturalnego
oparte na procentowych odchyleniach wartoÊci dodanej od trendu wyznaczonego za pomocà filtru HP lub
trendu log-liniowego. Badana próba obejmuje lata
1997–2004 i dotyczy wszystkich dzia∏ów przetwórstwa przemys∏owego oprócz przetwarzania odpadów
(dla których niedost´pne sà dane dotyczàce wymiany
handlowej). Zastosowano tutaj estymacj´ panelowà z
efektami sta∏ymi. Wybór specyfikacji zosta∏ przeprowadzony na podstawie testu Hausmana (statystyki testu podane sà w tabeli).
Wyniki zamieszczone w kolumnie 1 dotyczà modelu zawierajàcego jedynie zmienne zwiàzane z konkurencyjnoÊcià wewn´trznà i zewn´trznà sektorów
oraz oszacowane na pe∏nej próbie przedsi´biorstw
przetwórstwa przemys∏owego. Estymatory parametrów modelu sà nieistotne (choç ich znaki sà zgodne
z oczekiwanymi), a poziom dopasowania modelu
mierzonego wspó∏czynnikiem R2 jest bardzo niski.
Estymatory mar˝ w niektórych sektorach charakteryzujà si´ du˝à zmiennoÊcià (por. tabela 1), co mo˝e
wp∏ywaç na s∏abà jakoÊç modelu.
Kolejne modele sà estymowane na próbie zawierajàcej tylko sektory, w których mar˝e nie zmieniajà
si´ radykalnie. Za ga∏´zie o bardzo zmiennych mar˝ach, podobnie jak w rozdziale 3., uznano te, dla których odchylenie standardowe mar˝ stanowi wićej
ni˝ 150% Êredniej. Z próby usuni´to równie˝ sektor
tytoniowy, ze wzgl´du na fakt, ˝e sposób uwzgl´dnienia podatku akcyzowego (jako zwi´kszajàcy koszty
lub pomniejszajàcy przychody) istotnie wp∏ywa na
estymowanà wysokoÊç mar˝y.
Model 2 odpowiada pod wzgl´dem budowy modelowi 1, ale jest estymowany na mniejszej próbie.
Eliminacja dzia∏ów o znaczàcej zmiennoÊci mar˝ prowadzi do istotnej poprawy dopasowania modelu do
danych – wspó∏czynnik R2 wzrasta do 11%. Ponadto,
estymatory parametrów zwiàzanych z konkurencyjnoÊcià sà istotnie ró˝ne od zera i zdecydowanie wy˝sze (co do modu∏u) w stosunku do specyfikacji 1.
Znaki estymatorów sà zgodne z oczekiwaniami. Es-
Makroekonomia 19
Tabela 2. Wyniki estymacji
Zmienna
IntensywnoĞü
eksportu [X/Q]
Penetracja
importu
[M/(Q-X+M)]
1
0,116
[0,99]
2
0,441
[3,14]***
-0,155
[1,28]
-0,717
[3,18]***
4
5
0,386
0,44
[2,70]*** [3,14]***
6
0,177
[1,17]
7
0,184
[1,22]
8
0,292
[2,03]**
9
0,300
[2,09]**
-0,592
[2,52]**
-0,405
[1,73]*
-0,411
[1,76]*
-0,502
[2,18]**
-0,509
[2,21]**
-0,667
[2,88]***
-0,297
[2,92]***
Penetracja
importu [M/Q]
Koncentracja
3
0,123
[1,87]*
0,104
[0,63]
0,816
0,686
0,806
0,812
0,677
0,680
0,689
0,694
[3,29]*** [2,92]*** [3,28]*** [3,28]*** [2,82]*** [2,84]*** [2,84]*** [2,86]***
0,075
[1,71]*
Cykl sektorowy
[HP]
0,127
0,125
[2,82]*** [2,79]***
0,043
[0,94]
Cykl sektorowy
[liniowy]
Cykl makro
[PKB – HP]
0,097
[2,04]**
0,094
[2,00]**
-1,306
[3,23]***
Cykl makro
[wartoĞü dodana –
HP]
-1,363
[3,20]***
Cykl makro
[PKB – liniowy]
-1,230
[3,08]***
Cykl makro
[wartoĞü dodana –
liniowy]
-1,271
[3,02]***
Staáa
0,123
0,158
0,147
[3,18]*** [3,19]*** [3,00]***
0,128
[2,45]**
0,139
[2,60]**
Liczba obserwacji
Liczba gaáĊzi
Test Hausmanna
R-kwadrat
176
22
18,11***
0,010
136
17
28,89***
0,130
136
17
28,96***
0,120
136
17
29,74***
0,110
136
17
26,78***
0,100
0,149
0,148
0,148
0,147
[2,94]*** [2,92]*** [2,86]*** [2,84]***
136
17
11,95**
0,210
136
17
12,38**
0,200
136
17
16,53***
0,190
136
17
17,13***
0,180
Uwagi:
– wartoÊci absolutne statystyk t w nawiasach,
– 1 – wszystkie obserwacje, 2–9 – ga∏´zie, gdzie E(X)/S(X) < 1,5.
* istotne na poziomie 10%; ** 5%; *** 1%.
tymator parametru przy intensywnoÊci eksportu
wskazuje, ˝e wzrost eksportu w stosunku do produkcji o 1 pkt proc. wià˝e si´ ze wzrostem mar˝y o
0,4 pkt proc. Zwi´kszenie si´ penetracji importu o 1
pkt proc. skutkuje spadkiem mar˝ o 0,7 pkt proc.
Wi´ksza co do modu∏u elastycznoÊç mar˝ wzgl´dem
importu ni˝ wzgl´dem eksportu (we wszystkich rozpatrywanych modelach) pozwala na powiàzanie wysokoÊci mar˝ z post´powaniem procesu otwierania
si´ gospodarki. Je˝eli przyjmiemy, ˝e otwieraniu gospodarki towarzyszy równomierny wzrost importu i
eksportu, nast´puje obni˝anie si´ mar˝ producentów krajowych.
Wp∏yw liczby firm na poziom mar˝ jest nieliniowy i zale˝y od poczàtkowej liczby firm w ga∏´zi. Na
przyk∏ad zwi´kszenie liczby symetrycznych firm z 2
do 3 powoduje spadek mar˝y o 13,6 pkt proc., wzrost
liczby firm z 10 do 11 skutkuje spadkiem mar˝y o 0,7
pkt proc., podczas gdy wzrost liczby firm o 1 z poziomu 100 powoduje marginalny spadek mar˝15.
W modelu 3 zmieniono definicj´ penetracji importu, odnoszàc import do wielkoÊci produkcji globalnej, co spowodowa∏o spadek poziomu istotnoÊci
zmiennej zwiàzanej z intensywnoÊcià eksportu. Obni˝y∏o si´ oszacowanie estymatora zwiàzanego z koncentracjà, natomiast silnie zmniejszy∏ si´ wp∏yw penetracji importu na poziom mar˝y. Za zmian´ wartoÊci obu estymatorów, poza samym faktem zmiany
15 Zale˝noÊç ta jest ujemna w sensie drugiej pochodnej tak˝e w przypadku
zmian procentowych liczby firm. W przypadku zwi´kszenia si´ liczby firm
z 10 o 10%, spadek mar˝y wynosi 0,74 pkt proc., a przy liczbie firm równej
100 tylko 0,07 pkt proc.
20
Macroeconomics
wartoÊci penetracji importu16, odpowiedzialna jest
zmiana korelacji mi´dzy poziomem koncentracji a penetracjà importowà. WielkoÊç tej korelacji zmienia si´
wraz ze zmianà definicji penetracji importu (prosty
wspó∏czynnik korelacji penetracji importowej i
wspó∏czynnika koncentracji wynosi oko∏o 0,1 w przypadku specyfikacji u˝ytej w modelu 2 i oko∏o 0,5 w
przypadku alternatywnej specyfikacji penetracji importu). Specyfikacja modelu 4 ponownie przyjmuje
standardowà definicj´ penetracji importu, w∏àczajàc
jednoczeÊnie zmiennà mierzàcà cykl koniunkturalny
na poziomie sektora. Zosta∏ on obliczony jako odchylenie wartoÊci dodanej w danym sektorze od jej trendu wyznaczonego filtrem HP. W stosunku do specyfikacji 2 wrós∏ nieznacznie wspó∏czynnik R2, a wspó∏czynniki przy zmiennych zwiàzanych z poziomem
konkurencyjnoÊci nie zmieni∏y si´ istotnie. Zwiàzek
poziomu mar˝ z sektorowym cyklem koniunkturalnym jest jednak bardzo s∏aby i statystycznie nieistotny (na standardowym, 95-procentowym poziomie
istotnoÊci). Zmiana definicji sektorowego cyklu koniunkturalnego (oparcie estymatora na trendzie log-liniowym17, por. model 5), nie wp∏ywa silnie na
otrzymane wyniki, a estymator wspó∏czynnika zwiàzanego z cyklem jest nieistotny statystycznie.
Przyjmujàc podobne za∏o˝enia o jednoczesnym
wyst´powaniu i odmiennym zachowaniu cyklu sektorowego i makroekonomicznego jak Boulhol (2004),
w modelu 6 wprowadzono oprócz cyklu sektorowego
opartego na trendzie HP miar´ zagregowanego cyklu
koniunkturalnego, obliczonego jako procentowe odchylenie wolumenu PKB od jego trendu wyznaczonego filtrem HP. Przedstawione w tabeli 3 w dalszej cz´Êci tekstu korelacje mi´dzy cyklem makroekonomicznym i sektorowym wskazujà na silny zwiàzek tych
wielkoÊci dla zagregowanych grup sekcji (np. przetwórstwo przemys∏owe), podczas gdy przebieg cyklu
w w´ziej zdefiniowanych sektorach przetwórstwa
przemys∏owego w relacji do cyklu makroekonomicznego jest bardzo ró˝norodny18. Uwzgl´dnienie cyklu
makroekonomicznego znacznie poprawi∏o dopasowanie modelu do danych. Estymator intensywnoÊci eksportu obni˝y∏ si´ w stosunku do poprzednich specyfikacji i okaza∏ si´ nieistotny statystycznie. Podobnie
spad∏a si∏a oddzia∏ywania penetracji importu na mar˝e oraz jej istotnoÊç statystyczna (zmienna jest istotna
na poziomie 10%). Oba te efekty prawdopodobnie
16 Zmiana definicji penetracji importu powoduje zwi´kszenie przeci´tnej
wartoÊci tej zmiennej, co prowadzi do ni˝szego oszacowania parametru.
17 Autorzy preferujà wyznaczanie trendu za pomocà filtru Hodricka-Prescotta, choç nale˝y zaznaczyç, ˝e szacunki trendu opierajà si´ na bardzo
krótkiej próbie, obejmujàcej lata 1993–2004 (dane w ujćiu rocznym), przez
co sà obarczone du˝à niepewnoÊcià.
18 PodejÊcie zastosowane przez autorów zak∏ada, ˝e ∏àczna cyklicznoÊç mar˝
jest kombinacjà cyklicznoÊci sektorowej i makroekonomicznej. Poniewa˝ podejÊcie to jest wra˝liwe na sposób identyfikacji odpowiednich cykli, w dalszej
cz´Êci pracy przeprowadzono analiz´ wra˝liwoÊci na definicj´ cykli.
wià˝à si´ z korelacjà pomi´dzy makroekonomicznym
cyklem koniunkturalnym a penetracjà importu i intensywnoÊcià eksportu (odpowiednie regresje czàstkowe wskazujà na istotnà zale˝noÊç mi´dzy tymi
zmiennymi)19. Estymator zwiàzany z koncentracjà
pozostaje istotny statystycznie i nie zmienia si´
znacznie w stosunku do poprzednich specyfikacji.
Oba estymatory zwiàzane z cyklami koniunkturalnymi sà istotne statystycznie, jednak ró˝nià si´ znakami
i si∏à oddzia∏ywania. Wyniki estymacji modelu 6 sugerujà, ˝e mar˝e sà antycykliczne wzgl´dem zagregowanego cyklu koniunkturalnego, a procykliczne
wzgl´dem cyklu sektorowego. Reakcja mar˝ na cykl
zagregowany jest silniejsza o rzàd wielkoÊci, co mo˝e
byç zwiàzane z wi´kszymi wahaniami cyklicznymi w
ramach sektora ni˝ cyklu mierzonego na poziomie gospodarki narodowej (odchylenia standardowe cyklu
mierzonego na poziomie sektorowym sà wi´ksze od
odpowiednich odchyleƒ na poziomie zagregowanym
we wszystkich rozpatrywanych dzia∏ach). Ponadto
popyt na produkty danego dzia∏u zg∏aszajà równie˝
przedsi´biorstwa z innych dzia∏ów gospodarki narodowej, co mo˝e przyczyniaç si´ do silniejszej reakcji
mar˝ na cykl makroekonomiczny.
W ramach analizy wra˝liwoÊci wyników na definicj´ zmiennej odpowiadajàcej cyklowi makroekonomicznemu wyestymowano model 7, w którym miar´
cyklu makroekonomicznego oparto na wolumenie
wartoÊci dodanej w gospodarce narodowej, a nie na
PKB. Wyniki estymacji modelu 7 sà w du˝ej mierze
zbie˝ne z wynikami modelu 6. W modelach 8 i 9 wykorzystano miary cyklu wyznaczone za pomocà trendu log-liniowego, odpowiednio dla PKB i wartoÊci dodanej. Estymatory parametrów odpowiadajàcych cyklowi makroekonomicznemu i sektorowemu, a tak˝e
koncentracji sà nieznacznie ni˝sze ni˝ w modelu 7,
co wynika z wi´kszej amplitudy wahaƒ cyklu opartego na trendzie log-liniowym w stosunku do cyklu
opartego na trendzie HP. Nieco bardziej zmieniajà si´
parametry przy intensywnoÊci eksportu oraz penetracji importowej; ich rzàd wielkoÊci zbli˝ony jest do tego z modeli 4 i 5. W stosunku do modelu 7 nieznacznie spada poziom dopasowania modelu.
Dlaczego zale˝noÊç pomi´dzy mar˝ami a cyklem
koniunkturalnym jest dodatnia w przypadku cyklu
sektorowego, a ujemna w przypadku cyklu makroekonomicznego? Jednym z mo˝liwych wyjaÊnieƒ tego
zjawiska jest odmienne dzia∏anie zaburzeƒ o charakterze makroekonomicznym i sektorowym. W przypadku pozytywnego szoku popytowego na produkty
danego sektora, przy danym poziomie zagregowanego
popytu i cen, je˝eli przedsi´biorstwa napotykajà opadajàcà krzywà popytu, szok ten prowadzi do przesu19 Eliminacja penetracji importu z równania regresji znacznie os∏abia dopa-
sowanie modelu, co przemawia za pozostawieniem tej zmiennej w modelu,
pomimo jej niewielkiej istotnoÊci.
Makroekonomia 21
Tabela 3. Korelacje mar˝ i cykli koniunkturalnych
EKD
Filtr HP
Filtr log-lin.
D
15
16
17
18
-0,078
-0,212
-0,182
-0,640
-0,291
-0,334*
-0,210
-0,241
-0,711
-0,171
Korelacja cyklu
sektorowego
z cyklem
makroekonomicznym
0,732
0,665
-0,479
0,199
0,570
19
20
21
22
23
24
0,814
0,065
-0,015
0,429
0,378
0,079
0,737
-0,059
-0,553*
0,420
0,147*
-0,266
0,211
0,436
0,673
0,782
-0,046
0,572
0,395
0,007
-0,778
0,330
0,010
-0,636
25
0,151
-0,476*
0,689
-0,175
26
27
28
29
0,497
0,369
0,584
-0,069
0,383
0,186*
0,075*
-0,137
-0,648
0,545
-0,158
0,182
0,400
-0,240
-0,137
-0,116
30
31
-0,733
0,616
-0,782
0,579
0,649
0,448
-0,480
-0,128
32
33
34
35
36
37
G
H
-0,267
0,367
0,537
0,210
-0,067
-0,122
-0,336
-0,286
-0,076
0,396
0,100*
0,182
-0,145
-0,388*
-0,495
-0,399*
0,611
0,875
-0,285
0,775
0,325
0,507
0,653
0,727
0,544
0,480
-0,788
-0,468
0,056
-0,279
-0,298
-0,550
I
K
-0,349
-0,358
-0,622
-0,244*
0,122
-0,395
-0,107
-0,573
Korelacje marĪ z cyklem
sektorowym
Nazwa
Przetwórstwo przemysáowe
Wyroby tytoniowe
Wáókiennictwo
Skóry wyprawione i wyroby z
nich
Wyroby chemiczne
Wyroby gumowe i z tworzyw
sztucznych
Wyroby z surowców
niemetalicznych pozostaáe
Produkcja metali
Produkcja maszyn biurowych i
komputerów
Maszyny i aparatura elektryczna
SprzĊt i urządzenia radiowe i
telekomunikacyjne
Pojazdy mechaniczne, przyczepy
Pozostaáy sprzĊt transportowy
Handel i naprawy
Transport, gospodarka
magazynowa i áącznoĞü
Obsáuga nieruchomoĞci i firm
Korelacja marĪ
z cyklem
makroekonomicznym
-0,635
-0,434
-0,067
-0,739
0,339
* Ga∏´zie, w których wnioski o cyklicznoÊci mar˝ nie sà jednoznaczne na podstawie ró˝nych definicji cyklu.
nićia krzywej popytu, wzrostu poda˝y oraz wzrostu
cen (zmienia si´ relatywny popyt, co prowadzi do
zmian relatywnych cen). Wzrost cen mo˝e byç wy˝szy ni˝ wzrost kosztów (prowadzàc do zwi´kszenia
mar˝) ze wzgl´du na sta∏oÊç p∏ac i kosztów kapita∏u w
ca∏oÊci gospodarki, co hamuje wzrost kosztów kraƒcowych w danym sektorze (wzrost sektorowych p∏ac
jest tak˝e hamowany przez realokacje czynników do
ga∏´zi, w której nastàpi∏ szok popytowy). Szok poda˝owy (wzrost wydajnoÊci w danym sektorze) prowadzi do obni˝enia krzywej kosztów kraƒcowych, co
przy niezmienionym zagregowanym popycie i cenach
powoduje wzrost mar˝y monopolistycznej w krótkim
okresie. Szoki o charakterze sektorowym mogà zatem
prowadziç do procyklicznego zachowania si´ mar˝
monopolistycznych w krótkim okresie, przy za∏o˝eniu sztywnoÊci dostosowania si´ cen. Dodatni szok
popytowy o charakterze makroekonomicznym prowadzi do wzrostu p∏ac i kosztów kapita∏u wy˝szego od
wzrostu cen, co wynika z ograniczonych zasobów
czynników produkcji w krótkim okresie. OgraniczonoÊç zasobów prowadzi do relatywnie silnego wzrostu kosztów kraƒcowych (nadgodziny oraz wzrost
kosztów u˝ytkowania kapita∏u, zwiàzany z wy˝szà intensywnoÊcià jego u˝ytkowania i zwi´kszonà deprecjacjà). SztywnoÊç cen mo˝e natomiast wynikaç z
wczeÊniej wspomnianych mechanizmów oligopolistycznych czy wysokich kosztów zmian cen, co powo-
22
Macroeconomics
duje relatywnie niskà cz´stotliwoÊç zmian cen (zob.
np. Atkinson et al. 2006). Przes∏anki wyst´powania
antycyklicznoÊci mar˝ na poziomie zagregowanym
znajdujà si´ m.in. w pracy Woodforda i Rotemberga
(1999). Ponadto za∏o˝enie to cz´sto stosuje si´ w budowie modeli makroekonomicznych uwzgl´dniajàcych
konkurencj´ monopolistycznà na rynku dóbr oraz wyst´powanie sztywnoÊci realnych i nominalnych (np.
Christiano et al. 2005; Comin, Gertler 2006).
Odmienny charakter zale˝noÊci mi´dzy mar˝ami
a cyklem koniunkturalnym wydajà si´ potwierdzaç
wyniki prostej analizy korelacyjnej mi´dzy poszczególnymi ujćiami cyklu a mar˝ami w poszczególnych
sektorach. O ile ujemna korelacja mi´dzy cyklem makroekonomicznym a mar˝ami zdaje si´ przewa˝aç
(ujemna korelacja wyst´puje w 15 z 27 badanych sektorów, a tak˝e w ca∏ym agregacie przetwórstwa przemys∏owego, natomiast dodatnia – tylko w 2 dzia∏ach),
o tyle zale˝noÊç korelacyjna mi´dzy mar˝ami a cyklem sektorowym jest bardzo silnie zdywersyfikowana. Choç formalna analiza statystyczna na tak krótkiej
próbie czasowej jest utrudniona20, to wydaje si´, ˝e
wÊród badanych sektorów przewa˝a procyklicznoÊç
lub acyklicznoÊç mar˝ wzgl´dem cyklu sektorowego.
Nale˝y równie˝ nadmieniç, ˝e w niektórych sektorach, gdzie wyst´puje dodatnia korelacja mi´dzy cyklem sektorowym a makroekonomicznym (np. artyku∏y spo˝ywcze, odzie˝, produkcja maszyn biurowych), korelacja mi´dzy mar˝ami a sektorowym cyklem koniunkturalnym jest ujemna lub bliska zera.
Wydaje si´ to wskazywaç na wi´ksze znaczenie
zwiàzku mar˝ z cyklem makroekonomicznym ni˝ z
sektorowym.
Podsumowanie
Badanie przedstawione w niniejszym artykule ma na
celu estymacj´ krótkookresowych mar˝ monopolistycznych w polskiej gospodarce oraz zbadanie ich
zwiàzku z miarami konkurencji, zarówno wewn´trznej, jak i zagranicznej. Zbadano ponadto zwiàzek
mar˝ z cyklem koniunkturalnym.
Metodyka badania opiera si´ na szeroko cytowanym badaniu Roegera (1995), w którym w sposób nieobcià˝ony estymuje si´ wysokoÊç mar˝ dla gospodarki amerykaƒskiej. Metodyka ta, opracowana w celu
estymacji mar˝ sektorowych na podstawie danych zagregowanych uj´tych w szeregu czasowym, w przypadku zastosowania jej do estymacji na podstawie danych mikroekonomicznych pozwala na identyfikacj´
20 Minimalny istotny poziom korelacji (przy 95-procentowym poziomie uf-
noÊci) wynosi co do modu∏u oko∏o 0,7.
zmiennoÊci mar˝ w czasie. Dzi´ki temu autorom uda∏o si´ otrzymaç informacje na temat przebiegu mar˝
we wszystkich ga∏´ziach przetwórstwa przemys∏owego, a tak˝e wybranych sektorach us∏ugowych dla lat
1997–2004. Zakres otrzymanych wyników, w przybli˝eniu równy d∏ugoÊci jednego cyklu koniunkturalnego, pozwala na badanie zmiennoÊci mar˝ monopolistycznych w ramach tego cyklu, choç nale˝y mieç na
uwadze, ˝e wyciàganie ogólnych d∏ugookresowych
wniosków jest utrudnione.
Otrzymane wyniki wskazujà na wyst´powanie
znacznych mar˝ w wielu sektorach polskiej gospodarki. Wyniki te sà w du˝ej mierze zbie˝ne z wczeÊniejszym badaniem autorów, skupionym na estymacji d∏ugookresowych mar˝ monopolistycznych oraz
korzyÊci skali. StabilnoÊç mar˝ w czasie jest zadowalajàca w wi´kszoÊci sektorów (tylko w 4 sektorach autorzy uznali zmiennoÊç mar˝ za zbyt du˝à, co wskazuje na niewielkà przydatnoÊç estymatorów w tych
ga∏´ziach). W wi´kszoÊci przypadków wyniki wskazujà na zadowalajàce dopasowanie równaƒ regresji,
na podstawie których zosta∏y wyznaczone mar˝e.
Zgodnie z przeprowadzonymi estymacjami, konkurencja ma istotny wp∏yw na wysokoÊç mar˝. Dotyczy to zarówno konkurencji wewn´trznej, mierzonej
stopniem koncentracji rynków, jak i konkurencji zagranicznej, mierzonej wskaênikami penetracji importu. Zwi´kszenie si´ penetracji importu o 1 pkt proc.
skutkuje spadkiem mar˝ o oko∏o 0,7 pkt proc. Postulowana zale˝noÊç mi´dzy liczba firm a mar˝ami ma
charakter nieliniowy – zwi´kszenie liczby firm z 2 do
3 powoduje spadek mar˝y o oko∏o 13,6 pkt proc.;
wzrost liczby firm z 10 do 11 skutkuje spadkiem mar˝y o oko∏o 0,7 pkt proc. Wyniki te nieznacznie ró˝nià
si´ w zale˝noÊci od przyj´tej specyfikacji równania
regresji.
Wykazany ujemny zwiàzek mar˝ z cyklem makroekonomicznym wydaje si´ potwierdzaç wnioski z
wielu modeli teoretycznych zarówno makro-, jak i
mikroekonomicznych. Zwiàzek ten jest wyraêny na
poziomie ca∏ej gospodarki, jak te˝ w wi´kszoÊci poszczególnych sektorów. Wyniki wskazujà równie˝ na
istnienie dodatniej zale˝noÊci mi´dzy cyklem sektorowym a wysokoÊcià mar˝, jest ona jednak mniej wyraêna. Ró˝nice te mogà wynikaç z odmiennego charakteru dostosowaƒ firm w reakcji na szoki zewn´trzne na poziomie sektora i ca∏ej gospodarki, a tak˝e z
innego rodzaju szoków, które dotykajà poszczególne
sektory i gospodark´ jako ca∏oÊç. Niewielki horyzont
czasowy dost´pnych danych nie pozwala jednak na
w∏aÊciwà weryfikacj´ tej hipotezy i niewàtpliwie pozostaje ona ciekawym tematem dalszych badaƒ empirycznych.
Makroekonomia 23
Bibliografia
Abraham F., Konings J., Vanormelingen S. (2006), Price and wage setting in an integrating Europe: Firm level
evidence, “Working Paper”, No. 93, National Bank of Belgium, Brussels.
Athey S., Bagwell K., Sanchirico C. (2004), Collusion and Price Rigidity, “Review of Economic Studies”, Vol.
71, No. 2, s. 317–349.
Atkinson F., Ehrman M., Smets F. (2006), Inflation persistence and price setting behaviour in the Euro area.
A summary of the IPN evidence, “Occasional Papers”, No. 46, ECB, Frankfurt.
Bils M. (1989), Pricing in a Customer Market, “Quarterly Journal of Economics”, Vol. 104, No. 4, s. 699–718.
Boulhol H. (2004), Has increased competition really pushed down manufacturing markups?, “Working Paper”,
CDC IXIS i TEAM (University Paris I Panthéon-Sorbonne and CNRS),
http://team.univ-paris1.fr/seminaire/2004_boulhol.pdf
Christiano L. J., Eichenbaum M., Evans Ch. L. (2005), Nominal Rigidities and the Dynamic Effects of a Shock
to Monetary Policy, “Journal of Political Economy”, Vol. 113, No. 1, s. 1–46.
Comin D., Gertler M. (2006), Medium Term Business Cycles, “American Economic Review”, Vol. 96, No. 3,
s. 523–551.
Galí J, Zilibotti F. (1995), Endogenous Growth and Poverty Traps in a Cournotian Model, “Annales d’economie
et de statistique”, No. 37–38, s. 197–214.
Görg H., Warzynski F. (2003). Price Cost Margins and Exporting Behaviour: Evidence from Firm Level Data,
“Discussion Paper”, No. 365, German Institute for Economic Research (DIW), Berlin.
Gradzewicz M., Hagemejer J. (2007), Mar˝e monopolistyczne i przychody skali w gospodarce polskiej – Analiza
mikroekonometryczna, „Ekonomista”, w druku.
Green E.J., Porter, R.H. (1984), Noncooperative Collusion under Imperfect Price Information, “Econometrica”,
Vol. 52, No. 1, s. 87–100.
Hall R. E. (1988), The relation between price and marginal cost in U.S. industry, “Journal of Political Economy”,
Vol. 96, No. 5, s. 921–947.
Hall R. L., Hitch C. J. (1939), Price Theory and Business Behaviour, “Oxford Economic Papers”, No. 2., s. 12–45.
Hyde C. E., Perloff J. M. (1995), Can market power be estimated?, “Review of Industrial Organization”, No. 10,
No. 4, s. 465–485.
Jorgenson D. W., Griliches Z. (1967), The explanation of productivity change, “Review of Economic Studies”,
Vol. 34, No. 4, s. 249–83.
Klette T . J. (1999), Market Power, Scale Economics and Productivity: Estimates from a Panel of Establishments
Data, “Journal of Industrial Economics”, Vol. 47, No. 4, s. 451–476.
Konings J., Van Cayselle P., Warzynski F. (2003), The Effects of Privatization and International Competitive
Pressure on Firms’ Price-Cost Margins: Micro Evidence from Emerging Economies, “Working Paper”, No. 603,
William Davidson Institute, http://wdi.umich.edu/files/Publications/WorkingPapers/wp603.pdf
Konings J., Vandenbussche H., (2005), Antidumping protection and markups of domestic firms, “Journal of
International Economics”, Vol. 65, No. 1, s. 151–165.
Kreps D.M., Scheinkman J.A. (1983), Quantity Precommitment and Bertrand Competition Yield Cournot
Outcomes, “The Bell Journal of Economics”, Vol. 14, No. 2, s. 326–337.
Lundin N.N. (2004), Has Import Disciplined Swedish Manufacturing Firms in the 1990s?, “Journal of Industry,
Competition and Trade”, Vol. 4, No. 2, s. 109–133.
Marchetti D. J. (2002), Markups and the Business Cycle: Evidence from Italian Manufacturing Branches, “Open
Economies Review”, Vol. 13, No. 3, s. 87–103.
Martins J. O., Scarpetta, S. (1999), The Levels and Cyclical Behaviour of Mark-ups Across Countries and
Market Structures, “Working Paper”, No. 213, OECD Economic Department, Paris.
Melitz M. J. (2003), The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity,
Econometrica, Vol. 71, No. 6, s. 1965–1725.
Oulton N., Srinivasan S. (2003), Capital stocks, capital services and depreciation: an integrated framework,
“Working Paper”, No. 192, Bank of England, London.
Roeger W. (1995), Can Imperfect Competition Explain the Difference between Primal and Dual Productivity
Measures? Estimates for U.S. Manufacturing, “Journal of Political Economy”, Vol. 103, No. 2, s. 316–330.
Rotemberg J. J., Saloner G. (1986), A Super-game Theoretic Model of Business Cycles and Price Wars During
Booms, “American Economic Review”, Vol. 76, No. 3, s. 390–407.
24 Macroeconomics
Rotemberg J. J, Woodford M. (1999), The Cyclical Behavior of Prices and Costs, w: J. Taylor, M. Woodford (red.),
Handbook of Macroeconomics, Vol. 1B, North-Holland, Amsterdam.
Small I. (1997), The Cyclicality of Mark-Ups and Profit Margins: Some Evidence for Manufacturing and
Services”, “Working Paper”, No. 72, Bank of England, London.
Solow R. M. (1957), Technical Change and Aggregate Production Function, “The Review of Economics and
Statistics” Vol. 39, No. 3, s. 312–320.
Sweezy P. M. (1939), Demand Under Conditions of Oligopoly, “The Journal of Political Economy”, Vol. 47, No.
4, s. 568–573.
Weitzman V. (1982), Increasing Returns and the Foundations of Unemployment Theory, “Economic Journal”,
Vol. 92, No. 368, s. 787–804.
Makroekonomia 25
Aneks A. Wyprowadzenia zale˝noÊci z rozdzia∏u 2.
A1. Wyprowadzenie równania (7)
Stosujàc do równania (3) definicj´ (4), otrzymujemy:
dY
dX
dK dE
= ∑ θ iμ i + θ K μ
+
Y
Xi
K
E
i
Uwzgl´dniajàc zale˝noÊç (5) oraz odejmujàc obustronnie
dK
, otrzymujemy:
K
dY dK
dX
dK dE
−
= ∑ θ i μ i − ∑ θ iμ
+
Y
K
K
E
X
i
i
i
Dzielàc powy˝sze równanie obustronnie przez μ oraz odejmujàc obustronnie
1 dY 1 dK
dX
dK 1 dE dY
−(1− )
−
= ∑θ i i − ∑θ i
+
−
μ Y μ K
Y
X
K μ E
i
i
i
Obustronne odjćie
dY
, mo˝na je przedstawiç jako:
Y
dK
oraz zmiana kolejnoÊci wyrazów równania dajà równanie (7) w rozdziale 2:
K
dK
1 dY dK
1 dE
dY
dX
− ∑θ i i − (1− ∑θ i )
=(1− )(
−
)+
K
μ Y
K
μ E
Xi
Y
i
i
A2. Wyprowadzenie równania (12)
Stosujàc do równania (11) definicj´ (4) otrzymujemy:
dw
dw
dE
dMC
= ∑ θ iμ i + θ K μ K −
E
MC
wi
wK
i
Uwzgl´dniajàc zale˝noÊç (5), stosujàc
dw K
dMC dP
=
oraz odejmujàc obustronnie w otrzymujemy:
K
P
MC
dP dw K
dw
dw
dE
−
= ∑ θ iμ i − ∑ θ iμ K −
P
wK
wi
wK
E
i
i
Podzielenie powy˝szej zale˝noÊci przez μ oraz odjćie od obu stron równania
dP
daje w rezultacie:
P
dw i
dw K 1 dE dP
1
dP 1 dw K
( −1)
−
= ∑θ i
− ∑θ i
−
−
wi
wK μ E
μ
P μ wK
P
i
i
dw K
)
Dodajàc w K do obu stron równania i porzàdkujàc, otrzymujemy równanie (12) w tekÊcie rozdzia∏u 2:
1 dw
dP
1 dE
dw dw
dP
(1− )( K −
)+
= ∑θ i ( i − K ) −
wi
wK
μ wK
P
μ E
P
i
26
Macroeconomics
Aneks B. Szczegó∏owe wyniki estymacji mar˝ monopolistycznych
Tabela 4. ZmiennoÊç mar˝ monopolistycznych w czasie
EKD
15
1997
0,20
1998
0,12
1999
0,30
2000
0,03
2001
0,26
2002
0,29
2003
0,44
2004
0,15
16
(0,03)
0,12
(0,04)
0,30
(0,05)
0,27
(0,04)
0,15
(0,07)
0,11
(0,09)
0,14
(0,19)
0,16
(0,03)
0,01
17
(0,04)
0,10
(0,03)
0,07
(0,01)
0,08
(0,06)
0,13
(0,01)
0,13
(0,02)
0,11
(0,01)
0,13
(0,16)
0,11
18
(0,01)
-0,14
(0,04)
0,07
(0,03)
0,08
(0,03)
0,07
(0,01)
0,12
(0,01)
0,09
(0,01)
0,10
(0,01)
0,04
19
(0,20)
0,12
(0,02)
0,16
(0,02)
0,08
(0,04)
-0,02
(0,05)
0,07
(0,03)
0,03
(0,02)
0,03
(0,10)
0,10
20
(0,03)
0,22
(0,04)
0,17
(0,06)
0,09
(0,02)
0,21
(0,03)
0,16
(0,04)
0,24
(0,04)
0,19
(0,02)
0,21
21
(0,02)
0,15
(0,03)
0,12
(0,07)
0,17
(0,06)
0,03
(0,01)
0,20
(0,01)
0,26
(0,01)
0,27
(0,01)
0,26
22
(0,00)
0,24
(0,02)
0,15
(0,02)
0,27
(0,00)
0,23
(0,02)
0,26
(0,01)
0,16
(0,01)
0,20
(0,02)
0,20
23
(0,04)
0,13
(0,05)
0,15
(0,05)
-0,07
(0,05)
-0,05
(0,02)
-0,06
(0,04)
0,09
(0,05)
0,12
(0,01)
0,18
24
(0,00)
0,13
(0,00)
0,12
(0,01)
0,11
(0,08)
0,10
(0,00)
0,13
(0,01)
0,15
(0,00)
0,14
(0,00)
0,15
Wyroby gumowe i z tworzyw
sztucznych
25
(0,02)
0,15
(0,03)
0,14
(0,03)
0,17
(0,04)
0,16
(0,04)
0,15
(0,01)
0,20
(0,02)
0,16
(0,02)
0,19
Wyroby z surowców
niemetalicznych pozostaáe
26
(0,01)
0,25
(0,01)
0,25
(0,01)
0,16
(0,02)
0,23
(0,01)
0,26
(0,01)
0,25
(0,02)
0,27
(0,04)
0,28
27
(0,03)
0,08
(0,03)
0,07
(0,05)
0,04
(0,05)
0,00
(0,04)
0,01
(0,02)
-0,02
(0,02)
0,07
(0,02)
0,17
28
(0,00)
0,16
(0,00)
0,14
(0,03)
0,19
(0,05)
0,14
(0,02)
0,16
(0,02)
0,14
(0,02)
0,19
(0,00)
0,22
29
(0,08)
0,11
(0,05)
0,09
(0,04)
0,06
(0,03)
-0,11
(0,02)
0,08
(0,04)
0,11
(0,03)
0,15
(0,04)
0,09
Produkcja maszyn biurowych
i komputerów
30
(0,04)
-0,01
(0,03)
0,02
(0,04)
0,01
(0,24)
-0,25
(0,05)
0,01
(0,03)
0,18
(0,02)
0,03
(0,03)
0,08
Maszyny i aparatura
elektryczna
31
(0,00)
0,24
(0,02)
0,16
(0,01)
0,15
(0,19)
0,11
(0,02)
0,05
(0,06)
0,11
(0,03)
0,19
(0,03)
0,17
SprzĊt i urządzenia radiowe i
telekomunikacyjne
32
(0,04)
-0,01
(0,01)
0,11
(0,03)
0,11
(0,04)
0,03
(0,03)
0,02
(0,04)
0,06
(0,01)
0,10
(0,02)
-0,04
33
(0,09)
0,26
(0,03)
0,27
(0,03)
0,32
(0,01)
0,23
(0,01)
0,56
(0,01)
0,20
(0,00)
0,19
(0,09)
0,13
Pojazdy mechaniczne,
przyczepy
34
(0,14)
0,01
(0,15)
0,04
(0,15)
0,04
(0,13)
0,06
(0,18)
0,06
(0,07)
0,08
(0,02)
0,10
(0,03)
0,10
Pozostaáy sprzĊt
transportowy
35
(0,01)
0,02
(0,01)
-0,04
(0,03)
0,06
(0,01)
0,08
(0,02)
-0,63
(0,01)
0,07
(0,04)
-0,20
(0,01)
-0,10
36
(0,01)
0,03
(0,06)
0,14
(0,03)
0,10
(0,04)
0,01
(0,19)
0,10
(0,08)
0,09
(0,11)
0,11
(0,02)
0,10
37
(0,03)
0,16
(0,03)
0,07
(0,03)
0,23
(0,05)
0,14
(0,02)
-0,12
(0,02)
0,16
(0,01)
0,07
(0,01)
0,19
40
(0,05)
0,39
(0,03)
0,38
(0,01)
0,36
(0,08)
0,47
(0,17)
0,23
(0,07)
0,37
(0,02)
0,21
(0,06)
0,25
(0,04)
(0,07)
(0,05)
(0,06)
(0,07)
(0,08)
(0,04)
(0,03)
Wyroby tytoniowe
Wáókiennictwo
Skóry wyprawione i wyroby
z nich
Wyroby chemiczne
Produkcja metali
Energia elektryczna, gaz,
ciepáo
Uwaga: w nawiasach podano b∏´dy standardowe.
èród∏o: obliczenia w∏asne.
Makroekonomia 27
cd. Tabeli 4
Pobór, uzdatnianie i
rozprowadzanie wody
41
0,27
0,32
0,32
0,34
0,34
0,33
0,44
0,41
Naprawa pojazdów, sprzedaĪ
paliw
50
(0,01)
0,02
(0,03)
0,05
(0,01)
0,05
(0,04)
0,03
(0,01)
0,05
(0,04)
0,06
(0,03)
0,05
(0,02)
0,04
51
(0,04)
0,03
(0,02)
0,03
(0,01)
0,01
(0,02)
0,02
(0,01)
0,05
(0,02)
0,04
(0,01)
0,06
(0,00)
0,06
52
(0,02)
0,06
(0,00)
0,09
(0,01)
-0,02
(0,02)
0,05
(0,01)
0,05
(0,01)
0,01
(0,02)
0,02
(0,02)
0,05
55
(0,01)
0,08
(0,03)
-0,18
(0,05)
0,08
(0,04)
0,05
(0,02)
0,16
(0,01)
0,13
(0,00)
0,19
(0,01)
0,21
60
(0,10)
0,46
(0,12)
0,31
(0,15)
0,45
(0,09)
0,14
(0,02)
0,42
(0,02)
0,12
(0,01)
0,19
(0,02)
0,29
61
(0,20)
-0,02
(0,15)
0,01
(0,11)
0,03
(0,09)
0,05
(0,15)
0,12
(0,03)
-0,04
(0,03)
0,12
(0,11)
0,08
63
(0,01)
0,63
(0,03)
0,26
(0,03)
0,50
(0,00)
0,54
(0,01)
0,44
(0,01)
0,32
(0,01)
0,42
(0,00)
0,35
64
(0,03)
0,46
(0,03)
0,19
(0,09)
0,19
(0,06)
0,34
(0,06)
0,36
(0,02)
0,29
(0,05)
0,43
(0,05)
0,49
71
(0,04)
0,02
(0,01)
0,73
(0,02)
0,04
(0,04)
0,64
(0,09)
0,17
(0,04)
0,50
(0,02)
0,13
(0,03)
0,31
(0,01)
0,12
(0,02)
0,89
(0,06)
0,06
(0,02)
0,60
(0,05)
0,13
(0,03)
0,32
(0,01)
0,10
(0,07)
0,25
72
(0,19)
0,06
(0,11)
0,06
(0,13)
0,26
(0,09)
0,15
(0,01)
0,13
(0,00)
0,20
(0,11)
0,15
(0,08)
0,15
74
(0,05)
0,02
(0,08)
0,29
(0,04)
0,18
(0,02)
0,11
(0,04)
0,13
(0,02)
0,03
(0,01)
0,18
(0,01)
0,30
(0,26)
(0,10)
(0,07)
(0,01)
(0,06)
(0,01)
(0,04)
(0,00)
Handel hurtowy
Handel detaliczny
Transport lądowy, rurociągi
Transport wodny
DziaáalnoĞü wspomagająca
transport
Poczta i telekomunikacja
Obsáuga nieruchomoĞci
Wynajem maszyn i urządzeĔ
Informatyka
Pozostaáa dziaáalnoĞü
gospodarcza
70

Gradzewicz i Hagemejer (2007)

Transkrypt

Podobne dokumenty

(Raport bieżący nr 135/2016) 28.12.2016

EKSKLUZYWNE WAKACJE NA WYBRZEŻU COSTA BRAVA 9

Relacja kpt. Romana Borowca z opisem zniszczenia samolotu 11 IX

Pobierz - Kancelaria CWW

teneryfa - Nasze Wakacje