Ниже — кратко и конкретно: какие количественные индикаторы использовать и как реконструировать причинно‑следственные связи между предпринимательской культурой, доступом к финансированию и уровнем инноваций в регионах.
1) Рекомендуемые индикаторы
- Предпринимательская культура (Culture):
- коэффициент самозанятых / доля индивидуального предпринимательства: $SelfEm{p}_{r,t}=\frac{SelfEmp\_coun{t}_{r,t}}{WorkingPo{p}_{r,t}}$
- плотность стартапов / новые регистрации на $100,000$ жителей: $NewBizDensit{y}_{r,t}$ (на $100,000$)
- опросные показатели (GEM): восприятие возможностей, страх неудачи — нормированные индексы $GEM\_op{p}_{r,t},GEM\_fea{r}_{r,t}$
- членство в деловых ассоциациях / участие в предпринимательских мероприятиях: $AssocRat{e}_{r,t}$
- Доступ к финансированию (Finance):
- кредиты нефинансовому сектору / ВВП региона: $CreditGD{P}_{r,t}$
- объем банковских кредитов на фирму / на душу населения; число банковских филиалов на $100,000$: $Branche{s}_{r,t}$
- доля фирм с кредитом / доступом к венчуру: $FirmLoanShar{e}_{r,t},VCDealsPerCa{p}_{r,t}$
- охват кредитного бюро, процент отказов в кредитовании: $CreditBureauCo{v}_{r,t}$
- Инновации (Innovation):
- патенты на $1,000,000$ жителей: $PatentsPer{M}_{r,t}$
- R&D расходы как доля ВРП: $R\&D\_GD{P}_{r,t}$
- доля занятых в высокотехнологичных секторах: $HighTechEm{p}_{r,t}$
- инновационные продукты/процессы по опросам предприятий (якорный индекс): $SurveyInno{v}_{r,t}$
- Контролирующие переменные: $GDPp{c}_{r,t},Edu{c}_{r,t},UrbanShar{e}_{r,t},IndustryMi{x}_{r,t},InstitQualit{y}_{r,t}$.
2) Базовая модель (панель)
- спецификация: фиксированные эффекты по региону и времени
$$Innovatio{n}_{r,t}=\alpha +{\beta }_{1}Cultur{e}_{r,t}+{\beta }_{2}Financ{e}_{r,t}+X_{r,t}\gamma +{\mu }_r+{\tau }_t+{\epsilon }_{r,t}$$ где $X$ — контролы, ${\mu }_r$ — региональные FE, ${\tau }_t$ — годовые FE.
3) Проблемы идентификации и методы их решения
- Основные угрозы: обратная причинность (инновации повышают доступ к финансам), пропущенные переменные, измерительная ошибка, пространственные эффекты.
a) Инструментальные переменные (IV) для Finance или Culture
- пример IV для Finance: историческая плотность филиалов банков (до реформ), введение программ кредитования (временные, региональные), расстояние до финансовых центров.
Первая и вторая ступени:
$$Financ{e}_{r,t}={\pi }_0+{\pi }_1{Z}_{r,t}+X_{r,t}\pi +{\nu }_{r,t}$$ $$Innovatio{n}_{r,t}=\alpha +\beta {\widehat{Finance}}_{r,t}+X_{r,t}\gamma +{\mu }_r+{\tau }_t+{\epsilon }_{r,t}$$ - требования к $Z$: релевантность и экзогенность (тестировать F‑stat > $10$, overid tests).
b) Разность в различии (DiD) для квази‑экспериментов
- если есть региональные реформы/программы финансирования или кампании по развитию культуры предпринимательства, использовать DiD:
$$Innovatio{n}_{r,t}=\alpha +\delta Trea{t}_r\times Pos{t}_t+X_{r,t}\gamma +{\mu }_r+{\tau }_t+{\epsilon }_{r,t}$$ — проверять параллельные тренды, placebo and event‑study графики.
c) Regression Discontinuity (RD)
- если доступ к гранту/кредиту зависит от пороговой оценки — сравнить регионы/фирмы чуть выше и чуть ниже порога.
d) Synthetic control / comparative case study
- для одного/нескольких «лечений» (внедрение программы) восстановить контрфактический регион.
e) Медиаторный (causal mediation) анализ: роль Finance как медиатора между Culture и Innovation
- оценить прямой и косвенный эффект:
$$Financ{e}_{r,t}=a_0+a_{1}Cultur{e}_{r,t}+X_{r,t}a+{\nu }_{r,t}$$ $$Innovatio{n}_{r,t}=b_0+b_{1}Cultur{e}_{r,t}+b_{2}Financ{e}_{r,t}+X_{r,t}b+{\epsilon }_{r,t}$$ косвенный эффект ≈ $a_1\times b_2$, полный эффект = $b_1+a_1{b}_2$. Требуются допущения о неконфундированности медиатора.
f) Panel VAR / Granger‑causality
- анализ динамики взаимного влияния; оценить, опережает ли изменение культуры/финансирования инновации:
$$Y_{r,t}=A_1{Y}_{r,t-1}+\cdots +A_p{Y}_{r,t-p}+u_{r,t}$$ где $Y$ включает $(Culture,Finance,Innovation)$.
g) Пространственные модели (если есть spillovers)
- Spatial lag model:
$$Innovatio{n}_{r,t}=\rho WInnovatio{n}_{r,t}+{\beta }_{1}Cultur{e}_{r,t}+{\beta }_{2}Financ{e}_{r,t}+\dots$$ где $W$ — матрица соседства; тестировать пространственную автокорреляцию.
h) Структурные модели / SEM
- если хотите одновременно моделировать взаимные связи и механизмы — строить структурную модель с параметрической спецификацией.
4) Робастность и верификация
- тесты: предтренды (event‑study), placebo регрессии, альтернативные измерения индикаторов, кластерные стандартные ошибки по региону, проверка слабых инструментов, overidentification tests, балансирование ковариат при matching, проверка пространственных эффектов (Moran's I).
- анализ гетерогенности: по размеру города, уровню образования, отраслевому составу.
5) Практическая последовательность (pipeline)
1. Сбор панельных данных по регионам (NUTS2/3) по годам.
2. Описательная статистика, корреляции, карты (spatial patterns).
3. Базовая панель с FE.
4. Mediation: проверить Finance как канал.
5. IV / DiD / RD / Synthetic control для удостоверения причинности.
6. Robustness: альтернативные мерки, spatial, pVAR, placebo.
7. Документировать предположения идентификации.
6) Источники данных и частые проблемы
- источники: статистические службы регионов, банки, регистры фирм, GEM, PATSTAT/USPTO, OECD regional stats.
- проблемы: неполные патенты (инновации для НТП), временные лаги между финансированием и инновациями (использовать лагаемые переменные), измерительная ошибка в опросах.
Краткое резюме:
- Используйте индикаторы из пунктов 1; стартуйте с панельной модели с фиксированными эффектами $Innovatio{n}_{r,t}=\alpha +{\beta }_{1}Cultur{e}_{r,t}+{\beta }_{2}Financ{e}_{r,t}+\dots$.
- Для причинности комбинируйте IV (исторические/инфраструктурные инструменты), квази‑эксперименты (DiD, RD, synthetic control) и медиаторный анализ; обязательно проверяйте параллельные тренды, слабые инструменты и пространственные эффекты.