Gradzewicz i Hagemejer (2007)
Transkrypt
Gradzewicz i Hagemejer (2007)
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). BANK I KREDYT m a rz e c 2 0 0 7 ˝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 BANK I KREDYT m a rz e c 2 0 0 7 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, BANK I KREDYT m a rz e c 2 0 0 7 (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 BANK I KREDYT m a rz e c 2 0 0 7 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 pomini´cia 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 uj´ciu 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´wzi´ciu) 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 poÊwi´conej 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. BANK I KREDYT m a rz e c 2 0 0 7 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 BANK I KREDYT m a rz e c 2 0 0 7 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 osiàgni´cie 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´. BANK I KREDYT m a rz e c 2 0 0 7 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 wi´cej 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 BANK I KREDYT m a rz e c 2 0 0 7 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%. èród∏o: opracowanie w∏asne. 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 uj´ciu 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. BANK I KREDYT m a rz e c 2 0 0 7 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 BANK I KREDYT m a rz e c 2 0 0 7 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 Artykuáy spoĪywcze i napoje Wyroby tytoniowe Wáókiennictwo OdzieĪ i wyroby futrzarskie Skóry wyprawione i wyroby z nich Drewno i wyroby z drewna Masa wáóknista oraz papier DziaáalnoĞü wydawnicza Koks i produkty rafinacji Wyroby chemiczne Wyroby gumowe i z tworzyw sztucznych Wyroby z surowców niemetalicznych pozostaáe Produkcja metali Produkcja wyrobów z metali Produkcja maszyn i urządzeĔ Produkcja maszyn biurowych i komputerów Maszyny i aparatura elektryczna SprzĊt i urządzenia radiowe i telekomunikacyjne Instrumenty medyczne Pojazdy mechaniczne, przyczepy Pozostaáy sprzĊt transportowy Meble; pozostaáa dziaáalnoĞü Zagospodarowanie odpadów Handel i naprawy Hotele i restauracje 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. èród∏o: opracowanie w∏asne. ni´cia 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 uj´ciami 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. BANK I KREDYT m a rz e c 2 0 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. BANK I KREDYT m a rz e c 2 0 0 7 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 BANK I KREDYT m a rz e c 2 0 0 7 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 BANK I KREDYT m a rz e c 2 0 0 7 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 odj´cie 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 odj´cie 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 BANK I KREDYT m a rz e c 2 0 0 7 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) Artykuáy spoĪywcze i napoje Wyroby tytoniowe Wáókiennictwo OdzieĪ i wyroby futrzarskie Skóry wyprawione i wyroby z nich Drewno i wyroby z drewna Masa wáóknista oraz papier DziaáalnoĞü wydawnicza Koks i produkty rafinacji Wyroby chemiczne Produkcja metali Produkcja wyrobów z metali Produkcja maszyn i urządzeĔ Instrumenty medyczne Meble; pozostaáa dziaáalnoĞü Zagospodarowanie odpadów Energia elektryczna, gaz, ciepáo Uwaga: w nawiasach podano b∏´dy standardowe. èród∏o: obliczenia w∏asne. Makroekonomia 27 BANK I KREDYT m a rz e c 2 0 0 7 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 Hotele i restauracje Transport lądowy, rurociągi Transport wodny DziaáalnoĞü wspomagająca transport Poczta i telekomunikacja Obsáuga nieruchomoĞci Wynajem maszyn i urządzeĔ Informatyka Pozostaáa dziaáalnoĞü gospodarcza 70