CC BY
46
ISSN 2311-8733 (Online) Социально-экономическая политика
ISSN 2073-1477 (Print)
РАЗВИТИЕ ПОДХОДА К ОЦЕНКЕ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ОРГАНОВ РЕГИОНАЛЬНОЙ ИСПОЛНИТЕЛЬНОЙ ВЛАСТИ В РОССИИ*
Константин Владимирович КРИНИЧАНСКИЙ
доктор экономических наук, профессор кафедры финансов и финансового права, Южно-Уральский государственный университет (НИУ), Челябинск; профессор кафедры финансов, денежного обращения и кредита, Уральский федеральный университет, Екатеринбург, Российская Федерация [email protected]
История статьи:
Принята 18.03.2016 Принята в доработанном виде 02.04.2016 Одобрена 13.04.2016
УДК 332.1
JEL: С67, D61, R15, R58
Ключевые слова: модели «вход-выход», публичный сектор, индикаторы эффективности, регион, оценка
Аннотация
Предмет. Статья посвящена изучению и развитию ветви методологии анализа эффективности деятельности субъектов, принимающих решения, именуемой Data Envelopment Analysis (DEA).
Цели. Проработка основ методологии DEA, выявление ее достоинств и недостатков, формирование альтернативных подходов оценки деятельности субъектов, принимающих решения, использование данных подходов для разработки системы оценки эффективности деятельности органов исполнительной власти субъектов Российской Федерации. Результаты. Определен недостаток получения оценок «входной» и «выходной» эффективности на основе используемого в рамках DEA-методологии подхода, основанного на построении границ производственных возможностей, который состоит в том, что получение таких оценок требует предположения о форме линии производственных возможностей (производственной функции). Указано, что изменение этого предположения влияет на получаемые оценки. Приведен модельный расчет предложенных метрик измерения эффективности за конкретный период и динамики эффективности на примере оценки бюджетных расходов на здравоохранение в регионах. Осуществлено ранжирование регионов по рассчитанным показателям. Предложено использовать в качестве индикатора эффективности иные показанные в работе метрики, которые с успехом могут быть использованы для сравнительной оценки эффективности субъектов, принимающих решения. Кроме того, разработан подход для оценки динамики эффективности деятельности таких субъектов.
Выводы. Предложенную методику рекомендуется использовать для совершенствования принятых методик оценки эффективности государственного управления в регионах (как в целом, так и управления в отдельных сферах). Развиваемые подходы применимы также в корпоративном секторе. В дальнейшем целесообразно разработать методику оценки траектории движения региона в рассматриваемых координатах.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
Основная цель данной работы состоит в развитии методологии анализа среды функционирования (Data Envelopment Analysis, DEA), используемой для получения оценок эффективности и сравнительного анализа деятельности субъектов принятия решений и сложных систем, в том числе экономических и социальных. Начало развития данной методологии было положено в трудах М. Фарелла [1], А. Шарнса, В. Купера, Э. Родса, Р. Бэнкера [2, 3]. Прикладной областью в нашем случае выступает публичный сектор. Другими словами, в ходе исследования решается задача совершенствования методики о ц е н к и эффективности работы субфедеральных органов власти, использование которой было бы применимо для дополнения и корректировки существующей системы оценки публичной власти
* Автор выражает признательность Анатолию Владимировичу БЕЗРУКОВУ за высказанные им ценные советы и замечания.
в регионах Российской Федерации. В равной мере полученные результаты могут использоваться для совершенствования системы управления внутри регионов. Универсальность развиваемой методики позволяет рассчитывать на то, что ее можно будет применять в обширном спектре сфер, в том числе в корпоративном финансовом и нефинансовом секторах, где ее использование даст полезные результаты в ходе оценки эффективности и при компаративном анализе деятельности субъектов. Такие субъекты (компании или органы публичной власти) принято рассматривать в качестве субъектов, принимающих решения, или центров принятия решений (Decision-Making Unit, DMU).
По сути, реализованные нами в предыдущих работах подходы концептуально вполне соответствуют методологии DEA. В частности, нами предлагалось использовать в качестве
критерия эффективности городов показатель трансформации фиксируемых на уровне муниципалитета капиталообразующих инвестиций в валовой муниципальный продукт1. Отображение городов в координатах «инвестиции - валовой муниципальный продукт» позволяло определять относительно более эффективные (в смысле трансформации инвестиций) города и группы городов. Более развернутое исследование, касающееся совершенствования методики оценки сравнительной эффективности городов и регионов, было в последующем проведено и протестировано на обширном эмпирическом материале (российские города с насе лением от 100 тыс. чел.)2.
Представим некоторые детали методологии DEA, из которых вытекают как ее преимущества, так и недостатки. Изложение будем вести не для абстрактного случая, а на конкретном примере, где центрами принятия решений будут не субъекты Федерации, а субфедеральные органы власти -губернаторы и правительство регионов.
Общим критерием оценки качества управления (принятия решений) в излагаемом подходе принимается эффективность. В англоязычной литературе ее обозначают двумя терминами, за которыми закреплены разные аспекты ее измерения:
• первый термин - результативность (performance) -используется в качестве меры количественного результата деятельности DMU;
• второй термин - эффективность (efficiency) -определяется как отношение достигнутых результатов к затраченным ресурсам [4].
Результаты называются «выходами» (output), ресурсы - «входами» (input) системы. При сравнении двух экономических субъектов (систем) более эффективным будет считаться тот, который обладает большим «выходом» при идентичном «входе» или тем же «выходом» при меньшем «входе».
1 Криничанский К.В., Унрау А.В. Оценка валового муниципального продукта и сравнительный анализ российских городов // Региональная экономика: теория и практика. 2014. № 9. С. 9-22.
2 Криничанский К.В. Развитие подхода к оценке эффективности деятельности органов региональной исполнительной власти в России // Устойчивое развитие российских регионов: экономическая политика в условиях внешних и внутренних шоков: XII Международная научно-практическая конференция. Екатеринбург: УрФУ, 2015.
С. 1240-1256.
Конкретизируем наполнение показателей «вход» и «выход» применительно к примеру анализа эффективности работы публичной власти регионов. Адаптация методики DEA-анализа к области регионального управления позволяет рассматривать на «входе» как монетарные (финансовые), так и немонетарные (нефинансовые) показатели. В первом случае речь идет о бюджетных расходах, во втором - о своего рода «факторах производства» - трудовых ресурсах, запасах основного капитала, необходимых для достижения результатов. Сюда же можно отнести множество других переменных, которые могли бы рассматриваться как значимые для определения уровня «выходных» показателей (культурные, правовые коды, характеристики религиозного разнообразия и т.д.). Однако мы не будем их рассматривать, так как целью исследования является определение методики оценки эффективности (качества) деятельности публичной власти в регионах, которая своими действиями не может оказать существенное влияние на подобные факторные переменные (такие показатели не могут быть предметом маневра или выбора для региональной власти). Так или иначе, органы власти весьма ограничены в использовании представленных ранее «факторов производства» с точки зрения возможности маневрирования объемами таких ресурсов для достижения вменяемых им целей, по крайней мере в краткосрочном периоде. Таким образом, наиболее предпочтительными в качестве показателей «входа» для анализа оказываются именно финансовые показатели.
«Выходами» в модели выступают показатели, характеризующие результаты деятельности публичного сектора и его отраслей. Подчеркнем, что, как и в случае выбора переменных «входа», вмененным условием здесь является зависимость рассматриваемых показателей от усилий органов исполнительной власти субъектов Федерации.
Структура показателей, наиболее часто используемых в литературе в целях определения и измерения результативности публичного сектора, представлена в табл. 1.
В региональном анализе в большей степени отдается предпочтение таким показателям «выхода», которые бы характеризовали социальное самочувствие широких слоев населения. Речь идет о здравоохранении, образовании, жилищно-коммунальном хозяйстве, занятости, безопасности личности, борьбе с бедностью. Так, в работах А. Ахременко [6, 7]
используются следующие показатели результативно сти:
• для сферы здравоохранения - «Уровень младенческой смертности», «Ожидаемая продолжительность жизни при рождении» и «Уровень заболеваемости первичным туберкулезом»;
• для оценки сферы образования - «Доля учащихся, закончивших выпускной класс с аттестатом о среднем (общем) образовании»;
• для оценки безопасности - «Число умерших по причине смерти «убийство» в расчете на 100 тыс. чел. населения за год»;
• для оценки борьбы с бедностью и безработицей - «Уровень безработицы (по методологии МОТ)» и «Доля населения с доходами ниже прожиточного минимума»;
• для оценки жилищных условий - «Удельный вес площади жилищного фонда, оборудованной водопроводом, в общей площади жилищного фонда», «Удельный вес ветхого и аварийного жилищного фонда в общей площади жилищного фонда».
Так как в работе не ставится цель комплексной оценки качества управления в регионах, для представления метода такой оценки и модельного расчета мы выбрали лишь одну сферу -здравоохранение. Разделяя мнение А. Ахременко и его коллег, мы определим соответствующий частный показатель «выхода» в виде индекса здоровья, который рассчитывается как среднее арифметическое трех нормированных показателей: ожидаемой продолжительности жизни при рождении и обратных коэффициентов от уровня младенческой смертности и уровня заболеваемости первичным туберкулезом.
В основу БЕА-анализа положен принцип оптимальности по Парето. Оптимальное соотношение параметров задается границей производственных возможностей (ГПВ). Применительно к анализу публичного сектора аппарат таких границ впервые был применен Д. Депринсом, Л. Симаром и Х. Талкенсом [8], а позднее он был развит в работах П. Ванден Экхата и др. [9], Б. Факина и А. Де Кромбрюгге [10], Д. Эванса и др. [11]. Ранние обзоры на данную тему представлены в работах С.А.Л. Ловелла и П. Шмидта [12],Л. Сейфорда и Р. Тролла [13]. Более поздние обзоры представлены в работах А. Эмрожнияда,
Б. Паркера и Г. Тавареса [14], С. Гатуфи, М. Орала и А. Рейсмана [15]. Фундаментальные исследования по проблематике DEA-анализа можно найти в работах перечисленных авторов, а также исследованиях В. В. Купера, Х. Фрейда, С. Рэя, Дж. Мантри, Л. Мурилло-Заморано [16-20]. Данный подход развивается в рамках непараметрических
3
методов анализа и рассматривается в качестве альтернативы методам наименьших квадратов (МНК) и анализу стохастических границ (Stochastic Frontier Analysis, SFA), который основан на методе максимального правдоподобия и развивается в фундаментальных трудах Д. Айгнера и др. [21], В. Мусена и Дж. ван ден Брока [22], В. Грина [23], Б. Парка и др. [24].
Представим, что ось абсцисс - это затраты региона на создание новых рабочих мест, а ордината -вновь созданные рабочие места. Графиком будет точечная диаграмма, отражающая комбинации затрат и результаты различных регионов (рис. 1). При этом точки 1-4 соответствуют различным DMU (субъектам Федерации, правительствам регионов). Линия 0A - условная граница производственных возможностей. Регионы 1 и 3, лежащие на ней, оптимально (эффективно) трансформируют ресурсы в результат. Регион 2 и 4 неэффективны в силу предположения о возможности любым из регионов достигнуть границу производственных возможностей. Например, региону 2 вменяется возможность снизить затраты на создание новых рабочих мест, сохранив тот же уровень вновь созданных рабочих мест (движение из текущего расположения в точку D), региону 4 - возможность повысить количество вновь созданных рабочих мест при неизменном уровне затрат на эти цели (движение из текущего расположения в точку F). Отметим, что граница производственных возможностей в данном случае может играть роль имплицитно заданной производственной функции.
Особенность DEA-анализа, опирающегося на модель границы производственных возможностей, состоит в построении метрик эффективности. Вместо того чтобы использовать единственную метрику - отношение результата к затратам, используются две дополняющие друг друга. Первая из них - эффективность, ориентированная на «выход» (output-oriented efficiency), которая задается процентным соотношением достигнутого результата (выпуска общественно значимого
3 В англоязычной литературе комментируемые методы именуются Nonparametric Hull Methods, а также Free Disposable Hull analysis.
блага) и потенциально возможного результата. Вторая - эффективность, ориентированная на «вход» (input-oriented efficiency), которая задается соотношением минимально возможных затрат для достигнутого результата и реальных затрат, которые понес для его достижения субъект, принимающий решения.
Добавим, что в большинстве случаев анализ требует линейного масштабирования переменных «выхода»:
ß{ls) _ Oi О mm
О -О
^ mov n
(1)
где Ofs - линейно масштабированная переменная /-го «выхода» (output);
O, - переменная /-го «выхода» (output);
Omm - минимальное значение переменной;
Omax - максимальное значение переменной.
Эффективность «выхода» (эффективность результата) при анализе регионов может быть названа «социальной результативностью», эффективность «входа» (эффективность затрат) -финансово-управленческой эффективностью. На рис. 2 эффективность результата - это отношение CF4 к CF, эффективность затрат -отношение BD к BD2. Данный способ задания показателей эффективности затрат и результата определяет их значение, равное единице, для регионов, лежащих на границе производственных возможностей. Другие регионы будут иметь эффективность в диапазоне от 0 до 1.
Остановимся на некоторых проблемах изложенной методики. Изначально при построении границы производственных возможностей предполагается выбирать наиболее эффективные регионы, то есть те, которые в сравнении с остальными субъектами Федерации в рамках взятой выборки демонстрируют наиболее высокие результаты при минимальных затратах или минимальные затраты при относительно более высоких результатах. В действительности же сравниваемые объекты (DMU) не содержат в точности совпадающие абсциссы или ординаты. Это видно, например, из анализа данных, представленных на рис. 3. Рассматривая этот рисунок, можно отметить, что границу производственных возможностей как неубывающую функцию можно построить с помощью части графика выше горизонтальной линии, соответствующей в нашем случае минимальным затратам, составляющим 5,59 тыс. руб. на душу населения (показатель, 36
относящийся к Республике Дагестан). Такая воображаемая граница производственных возможностей показана на рис. 3б сплошной линией. Однако часть диаграммы ниже линии, определяющей показатель Республики Дагестан, не содержит точек с абсциссой меньше 5,59. Следовательно, для всей совокупности данных мы можем построить лишь такую границу производственных возможностей, которая будет включать мнимые точки и участки (пунктир на рис. 3б). К сожалению, эта проблема не решается с помощью перехода от типа границы производственных возможностей с постоянным эффектом масштаба к границе производственных возможно сте й с пер еменными либо невозрастающими эффектами масштаба4, как это предлагается А. Ахременко. По своему замыслу граница производственных возможностей должна строиться на основе показателей затрат и результатов «эталонных» регионов, но таких регионов не существует, а значит получаемые оценки «входной» и «выходной» эффективности будут не вполне корректными и больше подходить в ординалистском смысле (то есть для порядкового сравнения), нежели в кардиналистском.
Нельзя сказать, что исследователи игнорируют указанный недостаток. В имеющейся литературе они, руководствуясь не только высказанными ранее, но и иными соображениями5, используют методику DEA-анализа не для ранжирования регионов и присвоения им конкретных мест, но для разработки системы рейтингов, чтобы находить группы схожих по уровню обследуемого критерия эффективности регионов. В рамках данного развития методики предлагается не концентрироваться на фиксации изменения позиции региона внутри группы в отдельно взятый год или период (что считается проявлением случайных колебаний), а отслеживать переход
4 Модель с переменными эффектами масштаба предполагает построение границы производственных возможностей в виде ломаной, соединяющей эталонные БМи, модель с невозрастающими эффектами масштаба - это построение границы производственных возможностей, состоящей из двух участков: первого, построенного по методу постоянного эффекта, последующих - переменных эффектов масштаба.
5 В работе Лаборатории математических методов политического анализа и прогнозирования МГУ «Социальная эффективность государственного сектора в регионах РФ. Сентябрь 2013 года» указывается, что конкретные позиции отдельных регионов в рейтинге, составленном на основе БЕА-оценок, подвержены постоянным изменениям под воздействием множества факторов. Они могут меняться из-за расширения временных границ исследования. Все это приводит к коррекции формы границы производственных возможностей, изменению списка эталонных регионов.
региона из одной группы в другую, что, собственно, предлагается считать результатом изменения эффективности.
Однако, на наш взгляд, такое решение также не является безупречным. Оно предполагает установление границ показателей эффективности для формирования рейтинговых групп или же правил для вычисления таких границ. Это может оказаться проблемой в силу субъективизма выбора. Именно выбор таких границ будет определять отнесение некоторого региона к числу «улучшивших» или «ухудшивших» свою эффективность в условиях, когда его действительная траектория, возможно, могла бы оказаться не худшей в сравнении с рядом других регионов, изменение эффективности которых не привело к выходу за границы.
Еще одним способом оценки эффективности, рассматриваемом в литературе, является построение траекторий развития регионов. Это отображение множества точек в пространстве двух показателей эффективности, соответствующих одному региону в разные периоды времени, соединенные линиями, отображающими последовательность временного континуума. Так, на рис. 4 такая траектория построена по данным Челябинской области, характеризующим эффективность государственного управления в сфере здравоохранения. Можно отметить, что представленная на этом рисунке динамика за 2007-2013 гг. позитивна (обе координаты выросли). Вместе с тем в некоторые годы (в том числе последний из рассмотренных) регион демонстрировал негативную динамику
эффективности.
Таким образом, данный подход может позволить сравнивать регионы по критерию итогового изменения эффективности за весь период. Однако для этого необходимо разработать специальную метрику, нормирующую вектор «начальный год -конечный год». Также при сравнении регионов может быть использована информация о промежуточных отрезках траектории движения региона в координатах двух показателей эффективности. Для этого необходима разработка специальных метрик либо использование неких субъективных способов кластеризации.
Примеры развития некоторых подходов к оценке динамики показателей эффективности регионов предлагаются в исследовании А. Ахременко [25] и в ранее указанной работе Лаборатории математических методов политического анализа и прогнозирования МГУ.
Первый способ оценки касается сравнения эмпирической и эталонной траекторий изменения эффективности. На рис. 5 показана фактическая траектория эффективности Челябинской области в координатах «Затраты бюджета на здравоохранение» и «Индекс здоровья» за период с 2007 по 2013 г. и эталонная, соединяющая стартовый уровень 2007 г. с точкой Е (1, 1). Обозначим точку, соответствующую 2007 г., буквой А, а 2013 г. - буквой В. Тогда мера оценки динамики эффективности региона задается следующим выражением:
AE-AB
m
(2)
где AE'AB - скалярное произведение векторов; |aE| - модуль вектора.
Отрицательное значение s будет свидетельствовать об ухудшении позиции региона, положительное -об улучшении.
Второй способ состоит в том, чтобы на основе разработанной типологии траекторий развития регионов, включающих качественные (экспертная интерпретация) и количественные (разница в оценках разных лет) оценки, осуществить классификацию регионов с отнесением каждого в одну из пяти групп - от отличившихся идеальной траекторией постоянного роста показателей эффективности до имеющих тренд к снижению обоих видов эффективности.
Руководствуясь общими идеями DEA-анализа, а также принимая во внимание выявленные недостатки проанализированных ранее подходов к построению методик сравнительного анализа эффективности деятельности центров принятия решений, мы предлагаем построение иного подхода к оценке эффективности DMU.
Вернемся к исходным условиям нашей задачи, когда для оценки эффективности регионов выбираются показатели «входа» и «выхода». Напомним, что входными показателями у нас являются бюджетные траты в некоторой сфере, тогда как выходными - достигаемые в этой сфере показатели. Введем простейшую меру оценки степени относительной эффективности конкретного региона в заранее взятых координатах «входа» -«выхода»:
М-1 =
0
1 '
(3)
где Ц1 - индикатор показывающий, сколько единиц переменной «выхода» О приходится на единицу затрат бюджета (переменной «входа» I).
s
Данный показатель вполне пригоден для того, чтобы осуществлять ранжирование БМи, однако если, например, требуется использовать его для построения комбинированного показателя, включающего другие коэффициенты (имеющие альтернативные измерители «выхода»), такой показатель может оказаться неприменим в силу различий в размерности «выходов».
Чтобы сгладить зависимость показателя эффективности от размеров входящих в него величин, осуществим их нормировку по средним значениям выборки (группы регионов). Также, учитывая желательность приведения разрабатываемого показателя к стандартному диапазону [0;1], будем использовать веса, задаваемые рабочим параметром а, тогда формула искомого показателя примет вид:
_ О (1 — а) I = I ' (1 + а) О
(4)
^3 :
О—О О
(5)
Покажем некоторые результаты расчетов в табл. 2. Как видно, индикатор Ц3 будет изменяться в диапазоне, содержащем отрицательные и положительные значения (в нашем примере - от -1 до 1). В известном смысле это можно считать преимуществом, так как индикатор будет четко делить объекты на эффективные (оказывающиеся в положительной зоне) и неэффективные (оказавшиеся отрицательными). Однако такое деление можно считать слишком категоричным. В этой связи предложим простую процедуру приведения данного показателя к диапазону [0;1], внутри которого можно было бы взвешенно подходить к определению относительно более (менее) эффективных БМИ:
Ш = '
(м-3 + 1)
2
(6)
где О - средний показатель «входа» по данной группе регионов;
I - средний показатель «выхода» по данной группе регионов;
а - рабочий параметр, подбираемый из анализа выборки.
Как видно, в формуле (4) по среднему нормирован не только «выход», но и «вход», что обеспечивает сопоставимость представленной меры как в пространстве, так и во времени.
Еще один способ нормировки показателя эффективности и устранения его зависимости от размерности исходных переменных «входа» и «выхода» строится по следующей формуле:
Покажем в табл. 3 результаты расчетов индикаторов Ц2 и Ц4. Отметим, что меры Ц2 и Ц4 задают те же ранги городов, что и меры ц и цз соответственно, однако переход к ним определяется необходимостью построения композитного индикатора. Наконец, построим такой обобщающий индикатор, включающий меры Ц2 и Ц4:
=
^2+Ц 4
(7)
где О - показатель «выхода» региона, полученный из подстановки величины «входа» региона за определенный год в уравнение регрессии, параметры которого взяты из оценки пространственной выборки для данной группы регионов и соответствующий год;
О - средний показатель «выхода» по данной группе регионов6.
6 Кроме того, в знаменателе можно использовать показатель наблюдаемого «выхода». Однако это может привести к сохранению нежелательной зависимости от масштабов величин и затруднению построения последующих индикаторов, основанных на цз.
Далее можно предложить какой-либо рабочий критерий отбора эффективных и неэффективных регионов. Например, для этого можно брать первые и последние 30% из ранжированного по критерию Ц5 множества. Осуществив такой отбор, мы получили итоговые оценки, приведенные в табл. 4.
Представленная методика и полученные на ее основе показатели характеризуют мгновенное (то есть приходящееся на конкретный год) состояние. Это может быть важным для выработки политики, однако не менее важным является изучение изменений во времени значений мер ц1, Ц2 и Ц3 для отдельных регионов. Так, если регион достигает роста любого из показателей, это должно однозначно трактоваться как положительный результат его развития за исследуемый период. Однако можно обнаружить, что вследствие эффекта среднего может оказаться, что регион показывает отрицательную динамику, например по показателю Ц3. Это не всегда должно трактоваться как негативный результат. Понижение значения Ц3 может произойти, когда на самом деле траектория региона в изучаемом пространстве была позитивной, то есть
соответствующая ему точка за период передвинулась влево и вверх. Этот сдвиг может оказаться менее значительным, чем у некоторых из сопоставимых городов, однако рассматриваемые регионы могут иметь различные текущие условия для роста. Поэтому представляется целесообразным разработать методику оценки траектории движения региона в рассматриваемых координатах.
Проанализируем данные, представленные на рис. 6. Будем считать, что исходной точкой траектории региона являлась точка Ао. Если смещение, определяемое изменением показателей «входа» и «выхода» за анализируемый период, произошло в область ортанта II, то это характеризует повышение эффективности региона (больший результат достигнут при меньших затратах). Таким же образом негативная оценка динамики эффективности следует при наблюдаемом смещении в ортант IV. Более сложной задачей является оценка движения в область ортантов I и III.
Пусть результирующей точкой является Аь Полагаясь на критерий ц,1, можно записать условие улучшения итогового результата региона относительно его прошлого результата следующим образом:
M-i(Ai) > M,i(Ao).
(8)
Если использовать динамические переменные, то условия улучшения будут иметь следующий вид:
(9)
где у^) - ордината на плоскости «вход - выход», соответствующая периоду ^
х- абсцисса на плоскости «вход - выход», соответствующая периоду t.
Также можно построить следующий показатель для оценки динамики эффективности регионов V к (t) по отдельным мерам цк
Л t ) =
Н(t) hk(t-l)
hk( t-l) hk(t)
где цк (t) - значение к-го эффективности регионов в период Р,
(10) индикатора
- среднии индикатор
по данной группе регионов
Расчет показателя V позволяет наблюдать относительное изменение интересующей нас меры эффективности для данного региона. Пример результатов измерения траекторий эффективности выборки регионов показан в табл. 5. Этот пример можно рассматривать как модельный. Он показывает возможности разработанной ранее методики в получении количественных показателей для того, чтобы использовать их в целях оценки эффективности регионального управления в отдельной сфере, а также при по с тр о е нии инте гр аль но го по каз ате ля э ф фе ктив но с ти упр авле ния р е гио но м (деятельности органов власти региона). Разработанная методика универсальна и может быть распространена на различные случаи субъектов, принимающих решения.
Следует сказать, что предложенный подход имеет общие недостатки и достоинства с подходом, основанным на DEA-методологии.
Сначала о недостатках. Лежащий в основе этих двух подходов непараметрический метод не позволяет статистически оценивать различия между DMU. Результаты чувствительны к выбору «входов» и «выходов». В принятых рамках оказывается невозможно оценивать общие взаимосвязи между переменными «входа» и «выхода», а также невозможно осуществить проверку для лучшей спецификации. На результаты может влиять эффект масштаба, играющий определенную роль в политике управления публичным сектором и оказывающий влияние на достигаемые регионами результаты.
Говоря о достоинствах проанализированных методов, следует сказать, что их преимущества могут быть разделены на методологические и прикладные.
Методологические преимущества состоят в следующем:
• в отсутствии необходимости выражать в явном виде математическую форму производственной функции;
• в выявлении взаимосвязей между объясняемыми и объясняющими переменными, которые остаются скрытыми для других методологий анализа;
• в способности обрабатывать несколько «входов» и «выходов»;
V
• в возможности использования методов в отношении анализа как монетарных, так и немонетарных показателей «входа» и «выхода».
К прикладным преимуществам можно отнести:
• возможность сделать сферу публичной власти более транспарентной;
• возможность анализа и количественной оценки источников неэффективности для каждого принимающего решения субъекта;
• возможность построения индикаторов эффективности и основанных на них рейтинговых (ранжированных) систем оценок центров принятия решений.
Таблица 1
Индикаторы, составляющие общую результативность публичного сектора Table 1
Indicators that make up the overall effectiveness of the public sector
Индикаторы Класс индикатора Описание индикаторов
Стандартные «масгрэйвианские» индикаторы Распределение дохода Доля дохода составляет 40% от наиболее бедных домохозяйств
Стабильность Стабильность роста валового внутреннего продукта (коэффициент вариации)
Инфляция (10-летняя средняя)
Макроэкономические переменные Валовой внутренний продукт на душу населения по паритету покупательной способности
Темпы роста валового внутреннего продукта (10-летняя средняя)
Уровень безработицы (10-летняя средняя)
Альтернативные индикаторы Государственно-административное управление Уровень коррупции
Уровень забюрократизированности
Качество судебной системы
Уровень теневой экономики
Образование Доля детей, обучающихся в средней школе
Доступность образования
Здравоохранение Младенческая смертность
Продолжительность жизни
Общественная инфраструктура Качество инфраструктуры связи и транспорта
Источник: авторская разработка
Source: Authoring Таблица 2
Ранжирование регионов второй двадцатки по душевому валовому региональному продукту в 2013 г. по показателям ц и Цз
Table 2
Ranking the second top 20 regions by GRP per capita in 2013, according to the indicators Ц1 and Цз
Регион Значение
Показатель Ц1
Вологодская область 0,1029
Республика Карелия 0,098
Воронежская область 0,0942
Республика Башкортостан 0,0909
Нижегородская область 0,0872
Ярославская область 0,0863
Липецкая область 0,083
Новгородская область 0,0821
Удмуртская Республика 0,0817
Калининградская область 0,0817
Республика Хакасия 0,079
Краснодарский край 0,0788
Новосибирская область 0,0739
Калужская область 0,0722
Иркутская область 0,0697
Пермский край 0,0695
Омская область 0,0695
Самарская область 0,0663
Астраханская область 0,0647
Показатель ц3
Воронежская область 0,221
Вологодская область 0,211
Республика Карелия 0,184
Ярославская область 0,136
Республика Башкортостан 0,129
Краснодарский край 0,115
Липецкая область 0,09
Нижегородская область 0,069
Калининградская область 0,044
Удмуртская Республика 0,016
Новгородская область -0,008
Калужская область -0,07
Омская область -0,095
Самарская область -0,103
Новосибирская область -0,105
Пермский край -0,11
Республика Хакасия -0,131
Астраханская область -0,162
Иркутская область -0,232
Примечание. Здесь и далее ранжирование осуществляется по убыванию, так что первая позиция присваивается наиболее успешному согласно соответствующему индикатору региону. Источник: авторская разработка
Note. Hereinafter, ranking is done in descending order, so the first position is assigned to the most successful area under the relevant indicator.
Source: Authoring Таблица 3
Ранжирование регионов второй двадцатки по душевому валовому региональному продукту в 2013 г. по показателям Ц2 и Ц4
Table 3
Ranking the second top 20 regions by GRP per capita in 2013, according to the indicators Ц2 and Ц4
Регион Значение
Показатель ц2
Вологодская область 0,0084
Республика Карелия 0,008
Воронежская область 0,0077
Республика Башкортостан 0,0074
Нижегородская область 0,0071
Ярославская область 0,007
Липецкая область 0,0068
Новгородская область 0,0067
Удмуртская Республика 0,0067
Калининградская область 0,0067
Республика Хакасия 0,0064
Краснодарский край 0,0064
Новосибирская область 0,006
Калужская область 0,0059
Иркутская область 0,0057
Пермский край 0,0057
Омская область 0,0057
Самарская область 0,0054
Астраханская область 0,0053
Показатель Ц4
Воронежская область 0,61
Вологодская область 0,605
Республика Карелия 0,592
Ярославская область 0,568
Республика Башкортостан 0,565
Краснодарский край 0,557
Липецкая область 0,545
Нижегородская область 0,534
Калининградская область 0,522
Удмуртская Республика 0,508
Новгородская область 0,496
Калужская область 0,465
Омская область 0,453
Самарская область 0,449
Новосибирская область 0,448
Пермский край 0,445
Республика Хакасия 0,435
Астраханская область 0,419
Иркутская область 0,384
Источник: авторская разработка
Source: Authoring Таблица 4
Оценка эффективности регионов второй двадцатки по душевому валовому региональному продукту в 2013 г. Table 4
Evaluation of the effectiveness of the second top 20 regions by GRP per capita, 2013
_Регион_Оценка ц5_
Эффективные регионы
Воронежская область 0,309
Вологодская область 0,307
Республика Карелия 0,3
Ярославская область 0,288
Республика Башкортостан 0,286
Краснодарский край 0,282
Липецкая область 0,276
Неэффективные регионы
Самарская область 0,227
Новосибирская область 0,227
Пермский край 0,225
Республика Хакасия 0,22
Астраханская область 0,212
Иркутская область 0,195
Приморский край 0,18
Источник: авторская разработка Source: Authoring
Таблица 5
Оценка траекторий эффективности регионов второй двадцатки по душевому валовому региональному продукту в 2013 г., ранжировано по периоду 2007-2013 гг.
Table 5
Evaluation of the effectiveness trajectories of the second top 20 regions by GRP per capita in 2013, ranked for the period 2007-2013
Регион 2012-2013 2007-2013
1. Липецкая область 1,0285 1,0916
2. Омская область 1,0341 1,0749
3. Вологодская область 1,0934 1,0688
4. Ярославская область 1,0537 1,0311
5. Пермский край 0,9479 1,0302
6. Республика Карелия 1,2635 1,0243
7. Удмуртская Республика 0,9515 1,0241
8. Республика Башкортостан 0,9411 1,0192
9. Воронежская область 1,0382 1,0109
10. Калининградская область 0,8505 1,0101
11. Астраханская область 1,0518 1,01
12. Самарская область 0,8981 1,0075
13. Республика Хакасия 1,106 1,0004
14. Новосибирская область 1,0713 0,9983
15. Нижегородская область 1,0393 0,9982
16. Иркутская область 0,9378 0,9953
17. Краснодарский край 1,1253 0,9913
18. Калужская область 1,0014 0,9768
19. Новгородская область 0,9507 0,9655
20. Приморский край 0,8802 0,958
Примечание. Данные ранжированы по периоду 2007-2013 гг. Источник: авторская разработка
Note. Data ranked for the period 2007-2013 Source: Authoring
Рисунок 1
Центры принятия решений в пространстве «вход - выход» Figure 1
Decision-making centers in Input-Output coordinates
Output
Источник: авторская разработка Source: Authoring
Рисунок 2
Оценка эффективности центров принятия решений в пространстве «вход - выход» с использованием границы производственных возможностей
Figure 2
Evaluation of the effectiveness of 'decision-making centers' in Input-Output coordinates, using production possibility frontier (PPF)
Output
Источник: авторская разработка Source: Authoring
Рисунок 3
Оценка эффективности регионов Российской Федерации в координатах «Затраты бюджета на здравоохранение - Индекс здоровья» в 2007 г.
Figure 3
Evaluation of the effectiveness of Russian regions in Budget Health Care Costs-Health Index coordinates, 2007
Источник: авторская разработка Source: Authoring
44 http://fin-izdat.ru/journal/region/
Рисунок 4
Траектория эффективности Челябинской области по показателям «Затраты бюджета на здравоохранение» и «Индекс здоровья»
Figure 4
The trajectory of the Chelyabinsk oblast's effectiveness in Budget Health Care Costs-Health Index coordinates
Источник: авторская разработка Source: Authoring
Рисунок 5
Эмпирическая и эталонная траектории эффективности Figure 5
The empirical and the reference trajectories of effectiveness
Источник: авторская разработка Source: Authoring
Regional Economics: Theory and Practice
Рисунок 6
Анализ траектории региона в координатах «вход - выход» Figure 6
Analysis of the trajectory of the region in Input-Output coordinates
Источник: авторская разработка Source: Authoring
Список литературы
1. Farrell M.J. The Measurement of Productive Efficiency. Journal of the Royal Statistical Society, 1957, no. 120, pp. 253-281. doi: 10.2307/2343100
2. Charnes A., Cooper W.W., Rhodes E. Measuring the Efficiency of Decision-Making Units. European Journal of Operation Research, 1978, no. 2-6, pp. 429-444. doi: 10.1016/0377-2217(78)90138-8
3. Banker R.D., Charnes A., Cooper W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis. Management Science, 1984, no. 30-9, pp. 1078-1092.
4. Afonso A., Schuknecht L., Tanzi V. Public Sector Efficiency: An international comparison. Public Choice, 2005, no. 123, pp. 321-347. doi: 10.1287/mnsc.30.9.1078
5. Musgrave R.A., Musgrave P.B. Public Finance in Theory and Practice, 5th ed. NY: McGraw-Hill, 1989, 664 p.
6. Akhremenko A.S., Turovsky R.F., Reisinger W.M., Remington T.F., Colton T.J. Russia's Regions and Comparative Subnational Politics. L., NY: Routledge USA, 2013.
7. Ахременко А. С. Измерение социальной эффективности государства в регионах России: методические новации и эмпирические оценки (2008-2012 гг.). М.: ВШЭ, 2014. 44 с.
8. Deprins D., Simar L., Tulkens H. Measuring Labor-Efficiency in Post Offices. In: Marchand M., Pestieau P., Tulkens H. (eds) The Performance of Public Enterprises: Concepts and Measurement. Amsterdam: North-Holland, 1984, pp. 243-268.
9. Vanden Eeckhaut P., Tulkens H., Jamar M.-A. Cost-Efficiency in Belgian Municipalities. In: Fried H., Lovell C., Schmidt S. (eds) The Measurement of Productive Efficiency: Techniques and Applications. Oxford, Oxford Univ. Press, 1993, pp. 300-334.
10. Fakin B., de Crombrugghe A. Fiscal Adjustment in Transition Economies: Social Transfers and the Efficiency of Public Spending: A comparison with OECD countries. Policy Research Working Paper 1803. Washington, DC, World Bank, 1997, 33 p.
11. Evans D.B., Tandon A., Murray C.J.L., Lauer J.A. Comparative Efficiency of National Health Systems: Cross National Econometric Analysis. British Medical Journal, 2001, no. 323, pp. 307-310.
12. Lovell C.A.L., Schmidt P. A Comparison of Alternative Approaches to the Measurement of Productive Efficiency. Dogramaci A., Fare R. (eds). Applications of Modern Production Theory: Efficiency and Productivity. Boston, Kluwer, 1988, pp. 3-32.
13. Seiford L.M., Thrall R.M. Recent Developments in DEA: The Mathematical Programming Approach to Frontier Analysis. Journal of Econometrics, 1990, no. 4, pp. 7-38.
14. Emrouznejad A., Parker B.R., Tavares G. Evaluation of Research in Efficiency and Productivity: A survey and analysis of the first 30 years of scholarly literature in DEA. Socio-Economic Planning Sciences, 2008, no. 42-3, pp. 151-157. doi: 10.1016/j.seps.2007.07.002
15. Gattoufi S., Oral M., Reisman A. Data Envelopment Analysis Literature: A bibliography update (1951-2001). Socio-Economic Planning Sciences, 2004, no. 38, pp. 159-229. doi: 10.1016/S0038-0121(03)00023-5
16. Cooper W.W., Seiford L.M., Tone K. Data Envelopment Analysis: A comprehensive Text with Models, Applications, References and DEA-Solver Software. Luxemburg: Springer Science & Business Media, LLC, 2007, 492 p.
17. Fried H.O., Lovell C.A.K., Schmidt S.S. The Measurement of Productive Efficiency: Techniques and Applications. NY, Oxford, Oxford University Press, 2008, 656 p.
18. Ray S. Data Envelopment Analysis: Theory and Techniques for Economics and Operations Research. NY, Cambridge University Press, 2012, 366 p.
19. Mantri J.K. (ed.) Research Methodology on Data Envelopment Analysis (DEA). Universal-Publishers Boca Raton, 2008, 380 p.
20. Murillo-Zamorano L.R. Economic Efficiency and Frontier Techniques. Journal of Economic Surveys, no. 18-1, pp. 33-77. doi: 10.1111/j.1467-6419.2004.00215.x
21. Aigner D.J., Lovell C.A.K., Schmidt P. Formulation and Estimation of Stochastic Frontier Production Functions. Journal of Econometrics, 1977, no. 6, pp. 21-37. doi: 10.1016/0304-4076(77)90052-5
22. Meeusen W., van den Broeck J. Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error International. Economic Review, 1977, no. 18-2, pp. 435-444. doi: 10.2307/2525757
23. Greene W.H. The Econometric Approach to Efficiency Analysis. Fried H.O., Knox Lovell C. A., Schmidt P. (eds). The Measurement of Productive Efficiency. NY, Oxford, Oxford University Press, 2008, pp. 68-119.
24. Park B. U., Simar L., Zelenyuk V. Categorical Data in Local Maximum Likelihood: Theory and Applications to Productivity Analysis. Journal of Productivity Analysis, 2015, no. 43, pp. 199-214. doi: 10.1007/s11123-014-0394-y
25. Ахременко А.С. Социальная эффективность государства в регионах России. М.: ВШЭ, 2013. 64 с.
Региональная экономика: Regional Economics:
теория и практика 8 (2016) 33-50 Theory and Practice
ISSN 2311-8733 (Online) Socioeconomic Policy
ISSN 2073-1477 (Print)
DEVELOPMENT OF AN APPROACH TO EVALUATING THE EFFECTIVENESS OF REGIONAL GOVERNMENT BODIES IN RUSSIA
Konstantin V. KRINICHANSKII
South Ural State University (National Research University), Chelyabinsk, Russian Federation [email protected]
Article history:
Received 18 March 2016 Received in revised form 2 April 2016 Accepted 13 April 2016
JEL classification: C67, D61, R15, R58
Keywords: input-output model, regional government, public sector, performance indicators
Abstract
Subject The article studies and develops the methodology of Data Envelopment Analysis, or DEA, to analyze the effectiveness of decision-makers.
Objectives The purpose of article is to develop the foundations of DEA methodology, identify its strengths and weaknesses, develop alternative approaches to evaluate the activities of decision-makers, and use these approaches to develop a system for evaluating the performance of the executive authorities of the constituent entities of the Russian Federation.
Results Pointing out certain disadvantages of the DEA methodology, I offer using some other metrics featured in the work, as indicators of the effectiveness, that can be applied successfully for the comparative evaluation of the effectiveness of decision-makers. In addition, I have developed and here present an approach to assess the dynamics of the effectiveness of such entities. Relevance The proposed methodology is recommended to improve the adopted valuation methodologies of governance in the regions, both in general and in specific areas of management. The developed approaches can be applicable in the corporate sector, as well.
© Publishing house FINANCE and CREDIT, 2016
Acknowledgments
I am thankful to Anatolii V. BEZRUKOV for the opportunity to discuss the manuscript, and the valuable advice
and comments.
References
1. Farrell M.J. The Measurement of Productive Efficiency. Journal of the Royal Statistical Society, 1957, vol. 120, pp. 253-281. doi: 10.2307/2343100
2. Charnes A., Cooper W.W., Rhodes E. Measuring the Efficiency of Decision-Making Units. European Journal of Operation Research, 1978, vol. 2, iss. 6, pp. 429-444. doi: 10.1016/0377-2217(78)90138-8
3. Banker R.D., Charnes A., Cooper W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis. Management Science, 1984, vol. 30, no. 9, pp. 1078-1092.
4. Afonso A., Schuknecht L., Tanzi V. Public Sector Efficiency: An international comparison. Public Choice, 2005, vol. 123, pp. 321-347. doi: 10.1287/mnsc.30.9.1078
5. Musgrave R.A., Musgrave P.B. Public Finance in Theory and Practice, 5th ed. NY, McGraw-Hill, 1989, 664 p.
6. Akhremenko A.S., Turovsky R.F., Reisinger W.M., Remington T.F., Colton T.J. Russia's Regions and Comparative Subnational Politics. L., NY, Routledge USA, 2013.
7. Akhremenko A.S. Izmerenie sotsial'noi effektivnosti gosudarstva v regionakh Rossii: metodicheskie novatsii i empiricheskie otsenki (2008-2012 gg.) [Measuring the social effectiveness of the State in the regions of Russia: methodological innovation and empirical evaluation, 2008-2012]. Moscow, HSE Publ., 2014, 44 p.
8. Deprins D., Simar L., Tulkens H. Measuring Labor-Efficiency in Post Offices. In: Marchand M., Pestieau P., Tulkens H. (eds) The Performance of Public Enterprises: Concepts and Measurement. Amsterdam, North-Holland, 1984, pp. 243-268.
9. Vanden Eeckhaut P., Tulkens H., Jamar M.-A. Cost-Efficiency in Belgian Municipalities. In: Fried H., Lovell C., Schmidt S. (eds) The Measurement of Productive Efficiency: Techniques and Applications. Oxford, Oxford Univ. Press, 1993, pp. 300-334.
10. Fakin B., de Crombrugghe A. Fiscal Adjustment in Transition Economies: Social Transfers and the Efficiency of Public Spending: A comparison with OECD countries. Policy Research Working Paper 1803, Washington, DC, World Bank, 1997, 33 p.
11. Evans D.B., Tandon A., Murray C.J.L., Lauer J.A. Comparative Efficiency of National Health Systems: Cross national econometric analysis. British Medical Journal, 2001, vol. 323, pp. 307-310.
12. Lovell C.A.K., Schmidt P. A Comparison of Alternative Approaches to the Measurement of Productive Efficiency. In: Dogramaci A., Fare R. (eds) Applications of Modern Production Theory: Efficiency and Productivity. Boston, Kluwer, 1988, pp. 3-32.
13. Seiford L.M., Thrall R.M. Recent Developments in DEA: The Mathematical Programming Approach to Frontier Analysis. Journal of Econometrics, 1990, vol. 4, pp. 7-38.
14. Emrouznejad A., Parker B.R., Tavares G. Evaluation of Research in Efficiency and Productivity: A survey and analysis of the first 30 years of scholarly literature in DEA. Socio-Economic Planning Sciences, 2008, vol. 42, iss. 3, pp. 151-157. doi: 10.1016/j.seps.2007.07.002
15. Gattoufi S., Oral M., Reisman A. Data Envelopment Analysis Literature: A bibliography update (1951-2001). Socio-Economic Planning Sciences, 2004, vol. 38, pp. 159-229. doi: 10.1016/S0038-0121(03)00023-5
16. Cooper W.W., Seiford L.M., Tone K. Data Envelopment Analysis: A comprehensive Text with Models, Applications, References and DEA-Solver Software. Luxemburg, Springer Science & Business Media, LLC, 2007, 492 p.
17. Fried H.O., Knox Lovell C.A., Schmidt S.S. (eds). The Measurement of Productive Efficiency: Techniques and Applications. NY, Oxford University Press, 2008, 656 p.
18. Ray S. Data Envelopment Analysis: Theory and Techniques for Economics and Operations Research. NY, Cambridge University Press, 2012, 366 p.
19. Mantri J.K. (ed.) Research Methodology on Data Envelopment Analysis (DEA). Universal-Publishers Boca Raton, 2008, 380 p.
20. Murillo-Zamorano L.R. Economic Efficiency and Frontier Techniques. Journal of Economic Surveys, vol. 18, iss. 1, pp. 33-77. doi: 10.1111/j.1467-6419.2004.00215.x
21. Aigner D.J., Lovell C.A.K., Schmidt P. Formulation and Estimation of Stochastic Frontier Production Functions. Journal of Econometrics, 1977, vol. 6, pp. 21-37. doi: 10.1016/0304-4076(77)90052-5
22. Meeusen W., van den Broeck J. Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error International. Economic Review, 1977, vol. 18, iss. 2, pp. 435-444. doi: 10.2307/2525757
23. Greene W.H. The Econometric Approach to Efficiency Analysis. In: Fried H.O., Knox Lovell C.A., Schmidt P. (eds) The Measurement of Productive Efficiency and Productivity Growth. NY, Oxford University Press, 2008, pp. 68-119.
24. Park B.U., Simar L., Zelenyuk V. Categorical Data in Local Maximum Likelihood: Theory and Applications to Productivity Analysis. Journal of Productivity Analysis, 2015, vol. 43, pp. 199-214. doi: 10.1007/s11123-014-0394-y
25. Akhremenko A.S. Sotsial'naya effektivnost'gosudarstva v regionakh Rossii [The State's social efficiency in the regions of Russia]. Moscow, HSE Publ., 2013, 64 p.
