Autor: Michał Gradzewicz

Pracownik naukowy SGH oraz NBP, specjalizuje się w zagadnieniach makroekonomicznych, modeli makroekonometrycznych, rynku pracy.

Wpływ inwestycji przedsiębiorstw na ich wydajność

Inwestycje na poziomie pojedynczych przedsiębiorstw są procesem mocno nieciągłym – dłuższe okresy niewielkich inwestycji przerywane są krótkimi epizodami skoków inwestycyjnych. Firmy potrzebują stosunkowo długiego czasu, aby „nauczyć się” nowych technologii związanych ze skokiem inwestycyjnym.
Wpływ inwestycji przedsiębiorstw na ich wydajność

Przeprowadzone badanie empiryczne pokazało, że inwestycje na poziomie pojedynczych przedsiębiorstw są procesem mocno nieciągłym – dłuższe okresy niewielkich inwestycji przerywane są krótkimi epizodami wzmożonych nakładów majątkowych, tzw. skoków inwestycyjnych. Co ważniejsze, skokom inwestycyjnym towarzyszy późniejszy, sięgający nawet okresu 4 lat, spadek efektywności wykorzystania czynników wytwórczych.

Jaki jest związek między inwestycjami a wydajnością? Na poziomie makroekonomicznym istnieje dodatnia korelacja między nimi i naturalny jest tok myślenia, zgodnie z którym – przynajmniej częściowo – wyższa wydajność ma swoje źródło we wcześniejszych nakładach inwestycyjnych.

Teoretyczną podstawą dla przyczynowej i dodatniej zależności jest kohortowy model kapitału opracowany w pracy Cooley et al. (1997). Zgodnie z nim, nakład inwestycyjny tożsamy jest z zakupem nowszej, a zatem bardziej zaawansowanej technologii, która modernizuje istniejący kapitał przedsiębiorstwa. Nowsza technologia jest bardziej wydajna stąd dodatnia zależność między inwestycjami a produktywnością. To nie jest jednak jedyny sposób myślenia o tej zależności. Jovanovic & Nyarko (1996) oraz Klenow (1998) założyli, że wydajność procesu produkcyjnego wzrasta wraz z uczeniem się firm (a właściwie ich pracowników) nowych technologii. Zmiana technologii będąca następstwem inwestycji oznacza tymczasowy spadek wiedzy fachowej w firmie, gdyż jej pracownicy muszą nauczyć się obsługiwać nową technologię. Wynika z tego, że w wyniku procesu inwestycyjnego produktywność firmy może początkowo ulec obniżeniu, gdy firma dostosowuje się do nowej technologii, ale potem wzrasta, gdy nabiera ona doświadczenia w posługiwaniu się nią.

W związku z tym, obserwacje empiryczne na poziomie pojedynczych przedsiębiorstw mogą być zróżnicowane. I rzeczywiście są. Ponadto, badania empiryczne zwykle wykorzystują fakt, że inwestycje na poziomie pojedynczej firmy są „grudkowate” (lumpy) – przez większość czasu firmy dokonują drobnych inwestycji związanych np. z naprawą i konserwacją, ale od czasu do czasu następuje silne wzmożenie inwestycyjne i jeden lub kilka okresów bardzo wysokich inwestycji (por. np. Doms, Dunne, 1998). Ułatwia to zidentyfikowanie skutków takich skoków inwestycji dla późniejszej wydajności przedsiębiorstw. Jak już wspomniano, w badaniach empirycznych otrzymywano zarówno dodatnią (por. np. Geylani & Stefanou, 2013), jak i ujemną (patrz np. Sakellaris, 2004) zależność, choć w tym pierwszym przypadku wzrosty wydajności okazywały się niewielkie i raczej krótkotrwałe.

Strategia identyfikacji

W badaniu dokonano pomiaru skutków skoków inwestycji polskich przedsiębiorstw, ale zastosowano bardziej precyzyjny i odporny schemat identyfikacji, wykorzystujący metody stosowane w naukach społecznych, tak aby naśladować eksperyment naturalny. Wyniki badania rzucają również nowe światło na niektóre wątki w dyskusji toczącej się w literaturze przedmiotu. Obliczenia i analizy przeprowadzono na panelu wszystkich polskich firm zatrudniających ponad 9 pracowników, obejmujących prawie wszystkie sektory działalności gospodarczej.

W badaniu skoki inwestycyjne zostały zdefiniowane w sposób zbliżony do Grazzi et al. (2016) jako sytuacje, gdy firma inwestuje dużo w stosunku do istniejącego kapitału i w stosunku do „normalnego” przebiegu inwestycji we własnej branży. Mechanizm identyfikacji został pokazany, dla wybranej branży, na rysunku 1. „Normalny” przebieg inwestycji (oznaczony na rysunku linią) został wyznaczony przy pomocy nieparametrycznej, nieliniowej regresji stopy inwestycji względem majątku trwałego i uwzględnia fakt, że stopy inwestycji mniejszych firm są przeciętnie wyższe niż firm większych.

Oceniając skutki skoków inwestycyjnych, dokonano porównania wyników firm doświadczających skoków inwestycji ze starannie dopasowaną przy pomocy metod ekonometrycznych grupą „statystycznych bliźniąt”. Ma to na celu znalezienie grupy firm, które są bardzo podobne do firm doświadczających skoku inwestycji pod względem wielkości, rynku docelowego, technologii, wydajności i sposobu finansowania i operujących w tej samej branży, ale nie inwestujących w tym okresie. Ponieważ skoki inwestycji występują w różnych okresach, używamy metody budowy próbki zaproponowanej przez Gormley & Matsa (2011) i szacujemy efekt inwestycji przy użyciu estymatora różnic w różnicach. Gwarantuje to odporność wyników i zapewnia, że nie są determinowane przez konkretny rok, zmiany cykliczne czy przez grupę specyficznych firm.

Wpływ inwestycji na TFP

Jednym z głównych wyników badania jest obserwacja, że łączna produktywność czynników produkcji (Total Factor Productivity – TFP, mierzona jak w Ackerberg et al., 2015) spada po skoku inwestycyjnym.

 

Uwagi: Lewy panel rysunku przedstawia przebieg średnich poziomów logarytmu TFP w obu grupach firm (ze skokiem inwestycyjnym oraz dopasowanych „bliźniaków statystycznych”) wokół momentu skoku inwestycji (oznaczonym na wykresie jako okres 0). Prawy panel wykresu przedstawia z kolei, oszacowany efekt – różnicę między dwiema grupami (wraz z 95-proc. przedziałami ufności) w każdym okresie w stosunku do średniej różnicy istniejącej dwa lata przed skokiem inwestycyjnym. W ujęciu idealnym oszacowanie w okresie t-1 powinno być nieistotne (potwierdzając założenie trendów równoległych), a znak oszacowań w kolejnych okresach wskazuje na kierunek dostosowania efektywności firm po skoku inwestycyjnym.

Rysunek 2 wskazuje, że po krótkim wzroście w samym momencie skoku inwestycji, TFP w firmach doświadczających te skoki spada wyraźnie w stosunku do firm – „statystycznych bliźniaków” – do poziomu o 6 punktów procentowych niższego. Spadek TFP jest trwały i nawet 4 lata po skoku inwestycyjnym nie zanika. Zatem zachowanie TFP jest zbliżone do przewidywań modeli Jovanovic & Nyarko (1996) i Klenowa (1998) i wskazuje na istnienie efektów uczenia się nowych technologii przez firmy. Ponadto, wyniki są podobne do Sakellaris (2004).

Wpływ inwestycji na wydajność pracy

Rysunek 3 przedstawia analogiczne wyniki dla wydajności pracy, rozumianej jako wartość dodana przypadająca na jednego pracującego. W odróżnieniu od TFP ta prostsza miara efektywności firm ulega trwałej poprawie po skoku inwestycyjnym. Rozbieżność wniosków dla tych dwóch miar efektywności wynika z faktu, że wydajność pracy zależy zarówno od TFP, jak i od relacji kapitału do pracy. Podczas gdy TFP spada po skoku inwestycji, to jednocześnie, niemal z definicji, kapitał rośnie w relacji do pracy. Ponieważ ten drugi efekt jest silniejszy, to wydajność pracy rośnie. Z przeprowadzonej analizy wynika również, że wzrost wydajności pracy po skoku inwestycyjnym nie jest osiągany poprzez zmniejszenie zatrudnienia i następuje wzrost produkcji większy niż wzrost zatrudnienia.

Dyskusja wyników

Przeprowadzono również dodatkową analizę mikrodanych przedsiębiorstw, aby sprawdzić, czy przewidywania modelu uczenia się technologii Klenowa (1998) są zgodne z danymi. Okazało się, że nie zawsze model teoretyczny jest spójny z danymi. Model przewiduje, że w firmach, które szybciej uczą się nowych technologii, średni czas między skokami inwestycji jest dłuższy a spadek TFP głębszy. Jest to skutkiem faktu, że wyższy wskaźnik uczenia się zachęca firmy do dłuższego trzymania się starej technologii, a jednocześnie do tolerowania głębszego spadku produktywności. Wyniki przeprowadzonej analizy empirycznej wskazują, że rzeczywiście średni czas między skokami inwestycyjnymi jest dłuższy dla większych firm, zatrudniających więcej wykwalifikowanych pracowników i mających większe możliwości uczenia się, ale nie towarzyszy temu głębszy spadek TFP. Co więcej, w modelu uczenia się średni czas między skokami inwestycyjnymi wydłuża się wraz z rosnącą zmiennością i trwałością zaburzeń popytu. Przeprowadzone analizy empiryczne wskazują jednakże, że średni czas między skokami inwestycyjnymi ma raczej tendencję do zmniejszania się wraz ze zmiennością i nie jest związany z trwałością zaburzeń popytowych.

Przeprowadzone badanie empiryczne dostarczyło zatem mieszanych dowodów na to, że obserwowany po skoku inwestycyjnym spadek TFP jest spowodowany przez mechanizm uczenia się firm nowych technologii. Zamiast tego, towarzyszący spadkowi efektywności wzrost sprzedaży wydaje się sugerować, że obserwowane w firmach skoki inwestycyjne mogą nie być nakierowane na zakup nowych technologii, ale na osiągnięcie wyższej sprzedaży i prześcignięcie konkurentów. Następujący później spadek TFP można wtedy interpretować jako koszt efektywnościowy ponoszony w związku ze zwiększeniem skali działalności. Dodatkowo, w badaniu pokazano dodatnią korelację dostosowań zatrudnienia i relacji kapitału do zatrudniania po skoku inwestycyjnym, co oznacza warunkową komplementarność między tymi podstawowymi czynnikami produkcji.

 

Badanie zostało opublikowane wstępnie w 2018 r. jako NBP Working Paper nr 291 NBP Working Paper nr 291 oraz w 2020 r. w czasopiśmie Journal of Business & Economic Statistics Journal of Business & Economic Statistics

 

Opinie wyrażone przez autora nie reprezentują oficjalnego stanowiska NBP

 

Otwarta licencja


Tagi


Artykuły powiązane

Cyrkularny związek produktywności z realnymi stopami proc.

Kategoria: VoxEU
W większości krajów rozwiniętych od początku lat 90. spadają zarówno długoterminowe realne stopy proc., jak i tempo wzrostu produktywności. Te dwa wskaźniki łączy cyrkularna relacja. Dopóki nie nastąpi szok technologiczny, ten związek będzie stopniowo prowadził do osiągnięcia stanu równowagi cechującej się niskim wzrostem i niskim poziomem stóp proc.
Cyrkularny związek produktywności z realnymi stopami proc.

Demographics is not paramount

Kategoria: Macroeconomics
The main constraint for Croatia's long-term economic growth is the growth of productivity, and not demographic problems the country, together with Central and Southeast Europe (CSE), faces.
Demographics is not paramount

Sztuczna inteligencja zmienia system finansowy

Kategoria: Analizy
Sztuczna inteligencja modyfikuje dotychczasowe powiązania między podmiotami działającymi na rynku finansowym, wprowadza nowe zasady konkurencji i odgrywa coraz ważniejszą rolę w pośrednictwie finansowym. Jej potencjał stanowi duże wyzwanie dla systemu finansowego.
Sztuczna inteligencja zmienia system finansowy