Приложение Н. Изменения конкурентной позиции и изменения рентабельности
При исследованиях регрессии (см. главу 3) использовался обычный метод наименьших квадратов (МНК). Как правило, поскольку наши независимые и зависимые переменные – это трехкатегорийные дискретные переменные, можно было бы использовать упорядоченную пробит-модель, так как мы пытаемся оценить вероятность попадания в одну из трех заданных категорий для зависимой переменной (изменение эффективности: негативное, без изменений, позитивное).
Однако для такого анализа необходимо, чтобы каждая независимая переменная имела дисперсию для каждого состояния зависимой переменной. Здесь, к сожалению, «Изменение позиции» = 0 в каждом из пяти примеров, в которых «Изменение эффективности» = 0. В такой ситуации можно получить весьма неточные оценки коэффициентов регрессии и среднеквадратической ошибки.
Для сравнения – МНК позволяет обрабатывать такие данные. При переходе на МНК мы проигрываем в эффективности, поскольку зависимая переменная (изменение эффективности) не непрерывна, а категоризована. Однако предпочтительнее все же использовать этот более консервативный метод, чем получить смещенные оценки с помощью упорядоченного пробит-метода.
Для каждой из наших 18 выдающихся компаний мы можем охарактеризовать связь между изменением (или его отсутствием) для каждой категории эффективности и стратегической позицией. Здесь рассматриваются три зависимости. Во-первых, «стайеры» с большей вероятностью страдают от спадов, независимо от изменений позиции. Во-вторых, компании с неценовой конкурентной позицией с большей вероятностью работают с большей эффективностью, независимо от категории.
Однако наиболее важным и наиболее статистически значимым является третье эмпирическое заключение: смещение конкурентной позиции в сторону неценовой конкурентной позиции связано с последующим повышением рентабельности, а смещение конкурентной позиции в сторону ценовой конкурентной позиции связано с последующим снижением рентабельности.
Ниже приводятся детали регрессионного анализа, упомянутого в главе 3.
Таблица 52. Сводка данных
Регрессия 1. Stryker и Publix: обработка данных об изменениях рентабельности
Регрессия 2. Stryker и Publix: обработка данных без учета изменений рентабельности
Приложение I. Структура преимущества по рентабельности
Построив регрессии различий в показателях валовой прибыли, «других расходов» и оборачиваемости активов и различий в ФР по данным для каждой компании за каждый год (фирмо-год) по сравнению со среднеотраслевыми значениями, мы можем проверить наличие связи между преимуществом по ФР и влияющими на него факторами вне зависимости от формальных связей между ними.
Результаты квантильной регрессии, представленные ниже, в обобщенном виде приведены в главе 4. Параметры основных воздействий валовой прибыли, «других расходов» и оборачиваемости активов позволяют определить степень трансформации «середнячками» каждого дополнительного процентного пункта преимущества по валовой прибыли (по сравнению со среднеотраслевым значением) в дополнительные процентные пункты преимущества по ФР. Коэффициент 0,32 для валовой прибыли означает, что для каждого дополнительного процентного пункта преимущества по валовой прибыли «середнячок» может ожидать 0,32 п.п. преимущества по ФР.
Основные воздействия для «чудотворцев» и «стайеров» означают, что эти компании могут рассчитывать на то, что преимущества по ФР по сравнению со среднеотраслевыми значениями у них будут больше, чем у «середнячков» соответственно на 4,82 и 1,92 п.п. (напомним, однако, что в среднем преимущество над среднеотраслевыми значениями ФР у «середнячков» обычно составляет 0 п.п., поэтому основные эффекты для «чудотворцев» и «стайеров» фактически соответствуют их преимуществам над «середнячками». Аналогично, у «середнячков» преимущество в оборачиваемости активов в один «полный оборот» обычно связано с уменьшением преимущества по ФР на 1,56 п.п., в то время как увеличение преимущества по «другим расходам» на 1 п.п. дает им дополнительно 0,27 п.п. преимущества по ФР (знак «–» обусловлен особенностями построения модели, но интерпретация должна быть такой, как описано выше). Эти параметры отражают «КПД» трансформации каждого типа преимущества для данного фактора в преимущество в рентабельности.
Параметры для эффектов взаимодействия поэлементно отражают «КПД» преобразования преимуществ по валовой прибыли, «другим расходам» и оборачиваемости активов в преимущество по ФР «чудотворцами» и «стайерами». Добавление параметров учета эффектов взаимодействия к основному эффекту позволяет получить суммарный эффект для каждой категории эффективности.
Описательная статистика, представленная ниже, показывает диапазон изменения каждого из этих факторов, что указывает на возможность определения значимых преимуществ по ФР, обусловленных изменениями того или иного фактора. Распределения получаются несколько громоздкими, поэтому межквартильный размах (Q3–Q1 в приведенной ниже таблице), по-видимому, является лучшей поточечной оценкой изменчивости для каждого фактора.
Эти распределения также показывают, что преимущества по валовой прибыли у «чудотворцев» встречаются чаще, чем у «стайеров», и что «чудотворцы» чаще, чем «стайеры», мирятся с отставаниями по расходным статьям. Это согласуется с результатами исследований конкретных случаев; в частности, мы видим, что «чудотворцы» Heartland и А&F достигают исключительно высоких значений валовой прибыли за счет увеличения расходных статей.
Согласованность результатов крупномасштабного статистического анализа и подробного анализа конкретных случаев позволяет нам с большой долей уверенности заключить, что для достижения преимущества по рентабельности «чудотворцы» в целом полагаются на валовую прибыль и что они достигают больших значений валовой прибыли, потому что ради этого идут на увеличение расходов. Иными словами, справедливость трех наших правил подтверждается не только результатами исследований конкретных случаев, но и результатами исследований структуры преимуществ по рентабельности, наблюдаемой в нашей группе выдающихся компаний.
Таблица 53. Квантильная регрессия для структуры преимуществ по рентабельности
Источник: анализ, выполненный авторами.
Таблица 54. Описательная статистика
Примечание. Структура регрессии такова, что положительное значение в графе «Другие расходы» означает отставание по расходам.
Приложение J. Различия в поведении при попарном сравнении
Чтобы облегчить анализ различий в поведении при попарных сравнениях (в парах и между парами), мы построили несколько таблиц, в которых показатель поведения обозначается как 0, если две компании демонстрируют одинаковую активность по данному аспекту поведения, как 1, если первая компания в паре более активна, и как –1, если она менее активна по данному аспекту поведения.
Эти аспекты поведения можно характеризовать многими различными, но при этом одинаково корректными способами. Например, при оценке слияний и поглощений (M&A) мы использовали только число сделок, совершенных за период сравнения. При таком подходе размеры сделок игнорируются: например, пять сделок, на которые приходится 10 % доходов компании, обеспечат ей большую интенсивность слияний и поглощений, чем у компании, у которой на две сделки приходится 50 % доходов. Можно попытаться ввести весовую дифференциацию, но, в конце концов, любой выбор имеет свои плюсы и минусы, и выбрать однозначно лучший вариант, скорее всего, невозможно.
И мы все-таки опираемся на этот довольно поверхностный анализ, который, однако, обеспечивает легкодоступный формат данных, что позволяет нам сформулировать третье правило, гласящее, что других правил нет. (Отсутствие значения в клетке таблицы означает, что мы не смогли прийти к выводу относительно значимого сходства или различия.)
Таблица 55. Различия в формах поведения
Источник: анализ, выполненный авторами.