Значение корпоративной политики взаимодействия с государством для инвестиционной активности компаний

Полный текст

Введение

Многие компании в стремлении укрепить рыночные позиции и увеличить инновационный потенциал рассматривают партнерство с государством как действенный инструмент в реализации этих целей. Наращивая политический капитал, бизнес открывает для себя определенные преимущества, которые в ином случае пришлось бы достигать очень долго и с большими препятствиями. Данный, получивший название Корпоративная политическая активность (КПА) как стратегический инструмент получила широкое распространение вначале в США, а затем и в других странах (Ramesh, 2024; Slater et al., 2024). В новом контексте к нему часто обращаются высокотехнологичные компании (Gomez et al., 2017; Guedhami et al., 2014). История лоббизма, начавшаяся с первых дней американской революции, была официально регламентирована в 1876 г. (Byrd, 1991). С тех пор география государственно-частных политических партнерств значительно расширилась. По данным Центра адаптивной политики (Centre for Responsive Politics, CRP), в 2019 г. в США насчитывалось 11 890 лоббистов, а расходы на их деятельность по сравнению с 1998 г. выросли с 1.45 до 3.50 млрд долл. Значительную долю в финансировании таких проектов составляют капиталовложения предприятий, активно участвующих в работе агитационных комитетов (political action committees, PACs)¹. Так, в избирательном цикле 2019-2020 гг. основными спонсорами выступили Honeywell International, Национальная ассоциация оптовой торговли пивом (National Beer Wholesalers Association) и Союз производителей листового металла, авиа-, ж/д и автоперевозок (Sheet Metal, Air, Rail, and Transportation Union). КПА практикуется в самых разных странах, в частности в Европейском союзе (ЕС) (Massaro, 2019), Южной Корее (Lee et al., 2022), Японии (Romann, 2020), Иордании, Кувейте (Goldstraw-White, Martin, 2016) и России (Denisov, 2010). Компании готовы выделять значительные ресурсы на обеспечение своей заметности в общественной и политической жизни.

В академической литературе КПА получила широкое освещение, тем не менее ее эмпирические и теоретические аспекты пока проработаны слабо. Так, хорошо изучены состав и мотивация вовлеченных в нее игроков. Однако эффективность используемых ими тактических приемов в разных контекстах остается недостаточно проясненной (Getz, 1997). Собранный массив данных, иллюстрирующий влияние КПА на инвестиционную активность, пока недостаточен для того, чтобы в полной мере понимать, какие именно компании извлекают из нее преимущества, а какие — нет. Углубление исследований в этом направлении сформирует для лиц, принимающих решения, более полное представление о целесообразности КПА.

Недавние исследования показывают, что данный инструмент повышения конкурентоспособности играет важную роль в корпоративных стратегиях (Xu, Yan, 2020; Alok, Ayyagari, 2020; Rudy, Cavich, 2020; Lin, 2019, 2020). Тем не менее, их результаты выглядят малоинформативными и неоднозначными (Lin, Si, 2010; Ramesh, 2024; Slater et al., 2024). Ряд авторов приходят к выводам, что компании, обладающие сильными политическими связями, с большей вероятностью получат необходимые ресурсы для повышения производительности (Hillman, 2005; Lin, 2019, 2020; Wu et al., 2013). Другие утверждают, что КПА никак не влияет на показатели бизнеса, либо констатируют негативные эффекты (Lin, 2019; Faccio, 2010; Fan et al., 2007). Изменения в структуре политической власти также могут оказывать неблагоприятное воздействие на корпоративные инвестиции (An et al., 2016), особенно в периоды неопределенности: выборов или смены политического курса (Gulen, Ion, 2016). Установлено существенное влияние КПА на такие аспекты, как: оценка рыночной стоимости (Faccio, 2010), обслуживание долга (Bliss, Gul, 2012), производительность (Jackowicz et al., 2014; Lin et al., 2019), организационное управление (Fung et al., 2015), доходность акций (Cooper et al., 2010), стабильность прибыли (Liu et al., 2018), риски обвала рынка (Piotroski et al., 2015), слияния и поглощения (Liou et al., 2021; Funk, Hirschman, 2017).

Исходя из нехватки имеющихся данных и наличия разных точек зрения относительно значимости КПА, наше исследование расширяет представление о рассматриваемой практике. Ее влияние на корпоративные инвестиции оценивается с использованием новых математических методов. Используемая количественная модель дополняет накопленные в ходе предшествующих исследований данные по трем направлениям. Описывается положительное влияние КПА на инвестиции в условиях политической стабильности, подтверждающее прямую корреляцию между ними. Углубляется понимание связи между КПА и упомянутыми ранее показателями финансового рынка (прибыльность, доходность акций и др.) при посреднической роли корпоративных инвестиций.

В литературе рассматриваются в основном два источника эндогенности: ненаблюдаемая гетерогенность и одновременность. Однако часто упускается из виду эндогенность, обусловленная корпоративными инвестициями, что влияет на восприятие ценности КПА. Без учета этого фактора обоснованность любых выводов может ставиться под сомнение. Из-за трудностей, связанных с определением экзогенных инструментов или проведением естественных экспериментов в различных контекстах, в качестве альтернативного подхода исследователи часто полагаются на панельные данные и оценки фиксированного эффекта. В данном исследовании в целях повышения надежности анализа взаимосвязи между КПА и инвестиционной активностью проводится обработка динамической панели данных с помощью обобщенного метода моментов (ОММ). Мы исходим из предположения, что ненаблюдаемая гетерогенность носит фиксированный характер во времени. Другим релевантным инструментом для реализации целей исследования представляется квантильная регрессия (КР). В отличие от линейной регрессии, рассчитанной на определение единственного условного среднего значения, КР учитывает полную детализацию распределения зависимой переменной. Гетерогенные связи в пределах различных процентильных диапазонов зависимой переменной (по квантилям и процентилям) получают лучшее отражение (Galvao, 2011), что дает дополнительную информацию о связи между КПА и инвестиционной активностью.

Статья начинается с обсуждения теоретической базы и обоснования рабочих гипотез. Затем описывается эконометрический метод исследования, включая характеристику эмпирических переменных и описательный анализ данных. Наконец, представляются результаты исследования, проводится их обсуждение, подводятся итоги.

Обзор литературы и разработка гипотез

Политическая активность корпораций

Тщательное изучение КПА высвечивает множество серьезных проблем и ограничений, препятствующих комплексному пониманию его последствий и результатов (Ma, Xue, 2024; Sutton et al., 2021). Отсутствие целостной теории, объединяющей политическую стратегию и различные объяснения политической ангажированности компаний, создают серьезные препятствия для полного понимания мотивов и последствий участия в этой деятельности (Lawton et al., 2013; Lux et al., 2011; Cooper et al., 2010; Hadani et al., 2017; Sutton et al., 2021). Проблемы выражаются в возможном дисбалансе влияния между стейкхолдерами в связи с КПА. Другими словами, компании получают доступ к рычагам эксклюзивного влияния на государственную политику, зачастую в ущерб более широким общественным интересам (Hacker, Pierson, 2011; Bertrand, Perrin, 2024; Ramesh, 2024; Slater et al., 2024). Возникают риски нарушения целостности и инклюзивности политической системы. Например, игроки фармацевтического сектора активно продвигают свои интересы путем влияния на нормативные акты и политику регулирования цен на лекарственные препараты. Компания Mylan Pharmaceuticals столкнулась с резко негативной реакцией общественности после того, как цена на жизненно важный препарат EpiPen за десятилетний период возросла более чем пятикратно. Эта история активно обсуждалась как кейс, демонстрирующий негативные эффекты от влияния бизнеса на государственную политику в области здравоохранения.²

Вопрос о связи КПА с производительностью самих компаний остается спорным и не имеет однозначного ответа. Одни исследователи указывают на положительные результаты (улучшение ресурсной обеспеченности и укрепление конкурентных преимуществ), другие фокусируются на отрицательных эффектах (Shi et al., 2020). Подобная вариативность выводов свидетельствует о сложном взаимодействии контекстуальных факторов, имманентных трудностях с оценкой эффективности КПА и выявлением причинно-следственных связей между ее наличием и производительностью компаний (Hadani et al., 2017; Ramesh, 2024; Slater et al., 2024). Помимо этого, возникает угроза серьезных этических последствий. Из-за размытости границы между корпоративными интересами и общественным благополучием возникают базовые вопросы, касающиеся легитимности и прозрачности корпоративного влияния на принятия политических решений. Поиск ответов требует тщательного изучения скрытых конфликтов интересов, рисков «регулятивного захвата» (regulatory capture) и широких социальных последствий использования бизнесом политической активности для продвижения своих целей (Anastasiadis et al., 2018). Всесторонний анализ КПА раскрывает тонкости расстановки и взаимодействия сил, вовлеченных в этот процесс, позволяет осмыслить не только этические аспекты и потенциальные диспропорции, но и долговременные социальные тенденции, обусловленные политической ангажированностью игроков. Крайне важно разработать надежные методологии и жесткие аналитические рамки для оценки эффективности и влияния КПА, что расширит информированность, добавит прозрачности процессам принятия решений.

Политическая активность и инвестиции корпораций

Концепция политического патронажа (political patronage) (Shleifer, Vishny, 1994) подразумевает, что бизнес может извлекать коммерческие преимущества через спонсирование политических кампаний в обмен на государственную поддержку (Sutton et al., 2021). Согласно этой теории, игроки с высоким потенциалом роста и ресурсной зависимостью более склонны к участию в КПА в расчете на снижение стратегической неопределенности, внешних рисков и перспективы рыночной экспансии с обеспечением комфортного отрыва от потенциальных конкурентов.

Вместе с перечисленными преимуществами для бизнеса, его коллаборация с государством имеет и потенциальные негативные эффекты (дисбаланс рыночной конкуренции и распределения ресурсов, развитие рентоориентированной активности, наносящей ущерб общественному благополучию). Для их своевременного выявления необходима постоянная критическая оценка этой деятельности. Предстоит углубленно исследовать механизмы и последствия политического патронажа, рассмотреть эффективность КПА в плане долгосрочного влияния на производительность бизнеса и общество в целом. Полученные знания могут стать ценным источником информации для политиков и стейкхолдеров, стремящихся обеспечить справедливое и прозрачное взаимодействие.

В недавних исследованиях (Hart, 2001; Wang et al., 2018) для оценки склонности компании к использованию КПА применялся индикатор наукоемкости — соотношение вложений в ИиР и прибыльности. Установленная положительная связь между этими факторами свидетельствует о готовности высокотехнологичного бизнеса к КПА, чтобы максимизировать отдачу от инвестиций, сохранить влияние и доходность (Gomez et al., 2017; Guedhami et al., 2014). Тем не менее, для лучшего понимания связи между технологическим прогрессом, политической активностью и финансовым успехом требуются дополнительные эмпирические изыскания. Ценные сведения получены по итогам недавних исследований динамики взаимосвязанности корпоративных стратегий, КПА и финансовых результатов. Обнаружена тесная связь между политической активностью компаний, их рыночными показателями и содержанием нормативно-правовой базы (Cooper et al., 2010; Sutton et al., 2021). Установлено, что извлечение преимуществ из КПА зависит от способности бизнеса ориентироваться в политической обстановке. Кроме того, намерение участвовать в КПА должно согласовываться с общим стратегическим планом, подразумевающим динамический рост (Hill et al., 2013). Основываясь на приведенных выше аргументах и результатах предыдущих исследований, мы выдвигаем следующую гипотезу:

Н1: Политическая активность компаний (КПА) положительно зависит от корпоративных инвестиций.

Политическая активность компаний с низкими объемами инвестиций

Согласно недавним исследованиям (Ozer, Markóczy, 2010; Ashyrov, Lukason, 2022), малые и средние предприятия (МСП) умело используют КПА для навигации в сложном политическом ландшафте в стремлении обрести труднодоступные внешние ресурсы. МСП с развитыми политическими связями более успешны в преодолении финансовых и других ограничений (Brown et al., 2023). Они имеют больше возможностей влиять на содержание нормативно-правовой базы в своих интересах (Tyler et al., 2023), лучше ориентируются в изменениях политической конъюнктуры, принимая превентивные адаптационные меры. Развитый политический капитал дает преимущества МСП в плане самопозиционирования как привлекательных объектов для инвестиций и обретения долгосрочной конкурентоспособности.

На основе этих рассуждений выдвинута следующая гипотеза:

Н2: При низком уровне инвестиционной активности КПА положительно зависит от объема корпоративных вложений.

КПА в компаниях с высоким уровнем инвестиций

Концепция стратегического выбора (Child, 1972) описывает разные факторы, оказывающие сильное влияние на цели, технологическую базу и условия ведения деятельности. Крупные компании как субъекты имеют возможность продумать варианты адаптивных реакций на внутренние и на внешние вызовы, а при наличии достаточных ресурсов способны преодолевать контекстуальные ограничения. Эмпирические исследования показывают, что их возможность существенно влиять на местную экономику обусловлена высоким уровнем производительности и технологическим потенциалом. Подчеркиваются значительный вклад крупных компаний в производительность национальной экономики и технологический прогресс (Beugelsdijk, Cornet, 2021). В сравнении с МСП они демонстрируют динамичный рост и высокую адаптивность, что снижает их зависимость от государственной помощи, а значит, уменьшает заинтересованность в КПА. Достигнутые масштабы бизнеса обеспечивают им ускоренные темпы роста и выход самодостаточность (Bhagat, Bolton, 2008). Эффективное сочетание рыночных и нерыночных стратегий позволяет субъектам достигать устойчивости и долгосрочного успеха на динамичных рынках (Hillman, Keim, 2001). Однако далеко не всем это удается, поскольку изначальная ограниченность ресурсов и разнонаправленность целей делают синтез этих направлений труднодостижимым. Как следствие, многие крупные предприятия часто сталкиваются с дилеммой при распределении ресурсов между двумя векторами (Bonardi, 2003). Одновременное участие в КПА и инвестировании в исследования и разработки (ИиР), требующее масштабных вложений, вынуждает идти на тонкие компромиссы (Barnett, Salomon, 2006). Нередко имеет место дублирование активов, выделяемых одновременно на реализацию рыночных и нерыночных стратегий. В результате часть важных аспектов остается неохваченной, и цели не достигаются в полной мере (Bonardi, 2003).

Исходя из принципов экономической рациональности (Taylor, 1997), можно предположить, что компании будут скорее расположены к тому, чтобы предпочесть рыночный вектор развития нерыночному для максимизации конкурентных преимуществ. Тем не менее, они могут рассматривать КПА как нерыночную стратегию, предполагающую долгосрочные выгоды, при этом проекты ИиР рассматриваются бизнесом как коммерчески ориентированные и открывающие возможности для динамичного развития. Следовательно, в такой логике компании могут воспринимать КПА и ИиР как разнонаправленные стратегические опции — предмет выбора. Каждое из них предлагает альтернативные пути повышения конкурентоспособности и обеспечения жизнеспособности на рынке (Ozer, Markóczy, 2010). Исходя из этого, выдвигается следующая гипотеза:

Н3: При высоком уровне корпоративных инвестиций связь между ними и КПА становится отрицательной.

Методология

Системный обобщенный метод моментов

Выдвинутые гипотезы проверялись посредством нескольких количественных инструментов. При анализе панельных данных применялся системный обобщенный метод моментов (ОММ), описанный в работах (Roodman, 2006; Wooldridge, 2010). Он эффективно устраняет погрешности в динамической панели и эндогенность, которая может возникнуть из-за корреляции между остаточным членом и независимыми переменными. Надежность данной методологии обоснована аргументами, приведенными в работе (Blundell, Bond, 2000). Оценка проводилась в два этапа. Первоначально динамическая модель сформулирована с использованием следующих двух уравнений.

$CorIn{v}_{it}=\alpha +\beta 1CorIn{v}_{it}–1+\beta 2CP{A}_{it}+\beta 3Total\_Asse{t}_{it}+\beta 4Leverag{e}_{it}+\beta 5FreeCashFlo{w}_{it}+\beta 6Advertisement\_Intensit{y}_{it}+\beta 7Profitabilit{y}_{it}+{\mu }_t+{\epsilon }_{it}$ (1)

$E\left({\mu }_t\right) = 0, E \left({\epsilon }_{it}\right) = 0, E({\mu }_t {\epsilon }_{it}) = 0 ; i = 1, \dots ..,N ; t = 2011. ,,,T$ (2)

Используется модель панельных данных, где t и i обозначают время и компанию, соответственно. Корпоративные инвестиции (CorInv) выполняют функцию зависимой переменной. Расходы на капиталовложения (Capex), интенсивность ИиР и рост активов (Growth) входят в число косвенных переменных. Расходы на корпоративный лоббизм и работу агитационных комитетов обозначаются как CPA, а временные фиктивные параметры — как µt. Контрольными переменными в модели являются: общий объем активов (Total_Asset), «рычаги» (Leverage), cвободный денежный поток (Free Cash Flow), интенсивность рекламных кампаний (Advertisement_Intensity) и прибыльность (Profitability). Член случайной ошибки обозначен как ε_it.

Уравнение (1) представляет динамическую модель, в которой корпоративные инвестиции (CorInv) регрессируют по различным факторам, включая расходы на капиталовложения (Capex), интенсивность ИиР, рост активов (Growth) и корпоративную политическую активность (CPA). С его помощью оценивается влияние КПА на корпоративные инвестиции и другие факторы.

Уравнение (2) задает условия, необходимые для анализа модели. При этом устраняется влияние погрешностей, которые имеют нулевое среднее значение, и исключается корреляция с временными фиктивными параметрами. Этот этап проверки является ключевым для обоснования надежности ОММ. В исследовании использовалась модель панельных данных с фиксированными эффектами для контроля потенциальной эндогенности, вызванной ненаблюдаемыми факторами на уровне компаний, которые могут быть коррелированы при помощи зависимой (CorInv) и независимой (CPA) переменных. Учитываются показатели, специфичные для того или иного предприятия. Появляется возможность сравнивать объемы вложений компаний в выборке в те или иные моменты времени. Модель выражается следующим образом:

$\Delta CorIn{v}_{it}=\alpha +\beta 1CorIn{v}_{it-1}+\beta 2\Delta CP{A}_{it}+\beta 3\Delta Total\_Asse{t}_{it}+\beta 4\Delta Leverag{e}_{it}+\beta 5\Delta FreeCashFlowit+\beta 6\Delta Advertisement\_Intensit{y}_{it}+\beta 7\Delta Profitabilit{y}_{it}+\Delta {\epsilon }_{it}$ (3)  

В формуле переменная ΔCorInv представляет разницу между величиной корпоративных инвестиций для компании i в момент времени t и их средним значением для всех предприятий в данный момент. Фиксированные эффекты для каждого из них обозначаются как αi, и имеют нормальное распределение со средним значением, равным нулю. Временные фиктивные параметры представлены в виде µt, а к изменениям в контрольных параметрах относятся: Δ общего объема активов (ΔTotal Asset), Δ рычаг (ΔLeverage), Δ свободного денежного потока (ΔFree Cash Flow), Δ интенсивности рекламы (ΔAdvertisement Intensity) и Δ прибыльности (ΔProfitability).

Уравнение (3) описывает модель панельных данных с фиксированными эффектами, которая учитывает ненаблюдаемые факторы для отдельной компании, соотносимые с зависимой (CorInv) и независимой (CPA) переменными. Первые разности переменных в модели иллюстрируют динамику инвестиций в зависимости от изменений в CPA, Total Asset, Leverage, Free Cash Flow, Advertisement Intensity, и Profitability с течением времени. Несмотря на устранение фактора неоднородности предприятий, модель с фиксированными эффектами не учитывает динамическую структуру данных, из-за чего может возникнуть ошибочное предположение, что активы компании не имеют привязки ко времени. Для решения этой проблемы применялся метод оценивания динамической модели на панельных данных (Blundell, Bond, 1998). Модель содержит динамический компонент авторегрессии, в котором на зависимую переменную (CorInv) в момент времени t применительно к компании i влияет зависимая переменная с лагом (CorInvt-1), отражающая стабильность размера бизнеса с течением времени. Модель имеет вид:

$CorIn{v}_{it}=\alpha +\beta 1CorIn{v}_{it}–1+\beta 2CP{A}_{it}+\beta 3Total\_Asse{t}_{it}+\beta 4Leverag{e}_{it}+\beta 5FreeCashFlo{w}_{it}+\beta 6Advertisement\_Intensit{y}_{it}+\beta 7Profitabilit{y}_{it}+{\epsilon }_{it}$ (4)

Метод панельных данных (Blundell, Bond, 1998) позволяет построить авторегрессионную динамическую модель, в которой CorInv представляет зависимую переменную. Стабильность размера предприятия определена с помощью зависимой переменной с лагом (CorInv_t-1), а модель оценена посредством ОММ. Корректирующий параметр (β_1) отражает стабильность стоимости бизнеса, а αi обозначает фиксированные эффекты. Для этой цели применялся код STATA 15 xtabond2 (Roodman, 2006), позволяющий оценить элементы выборки для определения влияния изменений в КПА на динамику инвестиций. В уравнении (4) представлена модель панельных данных, включающая зависимые переменные с лагом для отражения привязки активов предприятия ко времени. Она оценивает влияние изменений в КПА на динамику инвестиций, позволяя получить представление о динамической взаимосвязи между переменными с течением времени.

Панельная квантильная регрессия

Квантильная регрессия (КР) характеризует взаимосвязь между переменными в различных точках их распределения. Впервые данный метод предложен в работе (Koenker, Bassett, 1978), а затем получил дальнейшее развитие в публикациях (Firpo et al., 2009; Chernozhukov, Hansen, 2005; Roodman, 2006; Wooldridge, 2010). Выявляются разные модели поведения переменных в зависимости от принадлежности к тем или иным квантилям — равновеликим участкам частотного распределения. В отличие от методов на основе условного среднего значения, дающих одну общую оценку для распределения зависимой переменной, КР раскрывает разные сегменты и взаимосвязи во всем диапазоне ее величин. Кроме этого, расчеты по КР не претерпевают заметных смещений в случае проявления статистических выбросов и не требуют отдельного учета распределений ошибок. КР лучше подходит для ситуаций со статистическими аномалиями, поскольку не ограничен изначальными допущениями о выбросах, нормальности или гомоскедастичности. Система множественной линейной регрессии выражает зависимую переменную (CorInv) как функцию независимых переменных (CPA). С помощью ОММ оцениваются точечные эффекты последних. Рассчитывается средняя корреляция, разделяемая зависимой переменной (в данном случае — CorInv) и ее предиктором (CPA). Условное среднее значение выражается как E (CorInv|CPA) = CPA' .

Выборки наблюдения описываются формулами: (CorInv_it, CPA_it); i = 1, 2,..., N и t = 2016,..., T, где t и i обозначают t-й период времени и i-ю компанию. CorInv_it — целевые корпоративные вложения, CPA_it — вектор (K×1), содержащий экзогенные параметры, включая политические инвестиции. Линейная корреляция между CPA_it и CorInv_it характеризуется как:

$CorIn{v}_{it}=CPA{\text{'}}_{it}\beta +{\epsilon }_{it}$ (5)

Выражение КР задается на основе θ-го квантиля, соответствующего условному распределению зависимой переменной (Y_it), которое является линейным для X_it.

$Y_{it}=X{\text{'}}_{it}{\beta }_{\theta }+\epsilon {\theta }_{it};Q_{\theta }\left(Y_{it}\right|X_{it}=inf\left\{Y:F_{it}\left(Y_{it}\right|X_{it})\theta \right\}=X{\text{'}}_{it}{\beta }_{\theta };Q_{\theta }\left(Y_{it}\right|\epsilon {\theta }_{it})=0$, (5)

где:

Q_θ(Y_it|X_it) обозначает θ-й условный квантиль, соответствующий Y_it на векторе (K×1), содержащем независимые переменные X _it ;

β_θ – вектор неизвестных параметров, определяемых для различных значений θ в диапазоне [0, 1];

ε_θ – остаточный член;

F_it(.|X_it) описывает распределение целевой переменной, зависящей от X_it. Для любого значения θ в диапазоне [0, 1] полное распределение Y(X) может быть определено с помощью КР. Приведенная ниже минимизация соответствует оценке для β_θ.

$min\sum _{it:{\epsilon }_{\theta }it>0}\theta X\left|{\epsilon }_{\theta it}\right|+\sum _{it:{\epsilon }_{\theta }it<0}\left(1-\theta \right)X\overline{){\epsilon }_{\theta it}=\sum _{it{Y}_{it}-X{\text{'}}_{it}\beta >0}\theta X\left|Y_{it}-X{\text{'}}_{it}\beta \right|+\sum _{it{Y}_{it}-X{\text{'}}_{it}\beta <0}\left(1-\theta \right)X}\overline{)Y_{it}-X{\text{'}}_{it}\beta }$ (7)

Уравнение (7) характеризует выражение для модели КР, которое может быть использовано для выполнения θ-й оценки КР ((β_θ) ̂). Осуществляется минимизация абсолютной взвешенной суммы ошибок между наблюдаемыми и подобранными значениями, представленными Y_it и X_it^' β_θ.

Здесь (1–θ) и θ обозначают веса, присвоенные наблюдениям с отрицательными и положительными остатками, представленными первым и вторым членами уравнения (7). Примечательно, что оценки β_θ варьируют в зависимости от изменения значения θ, что позволяет идентифицировать динамику влияния экзогенных переменных на создание ликвидности в разных квантилях.

Данные, выборка образцов и переменные

В исследовании использовались данные из выборки по 368 американским компаниям, входящим в список Fortune WMAC, за 2016–2022 г. Выбор периода наблюдений обусловлен наиболее актуальной на момент проведения исследования доступной статистикой, к тому же на рассматриваемый временной промежуток пришлись две кампании по выбору президента США (2016 и 2020 гг.) как ключевые политические события. Обращение к списку WMAC позволило сформировать однородный набор акторов, инвестирующих в КПА (CRP, 2018). Критерием гомогенности служило предполагаемое восприятие ими друг друга как равных политических игроков, что являлось необходимым условием нашего эмпирического анализа. Кроме того, большинство компаний Fortune WMAC и почти половина всех средних предприятий в США осуществляют программы по совершенствованию КПА, данные о которых можно получить в Федеральной избирательной комиссии (Federal Election Commission). Первоначальный анализ проводился по 384 наиболее успешным предприятиям из рейтинга WMAC за 2016–2022 гг. Во избежание возможных искажений результатов, в нашем исследовании применялась несбалансированная выборка (число исследуемых компаний с каждым годом менялось). Ставилась задача обеспечить максимально возможный охват по числу наблюдений. Кроме того, чтобы учесть динамический аспект, например, ввести значение зависимой переменной с лагом, мы наблюдали за компаниями, предоставившими полную информацию, на протяжении как минимум трех лет. Таким образом, наша панельная выборка включала 2576 наблюдений за 2016–2022 гг. (в среднем охватывалось 368 компаний в год). Бухгалтерские данные, соответствующие контрольным переменным и корпоративным инвестициям, получены из Thomson Reuters Datastream.

Политическая активность корпораций. Для измерения КПА мы использовали определение, описанное в работе (Hadani et al., 2017), характеризующее эту деятельность одним или несколькими из перечисленных признаков:

• лоббизм, осуществляемый штатными или внештатными сотрудниками;
• передача взносов в агитационные комитеты избирательных кампаний;
• коммуникация между компанией и лицами, влияющими на разработку политики;
• любые сообщения об участии в лоббизме или взаимодействии с регулирующими органами посредством петиций, свидетельских показаний или других средств;
• политическая деятельность, проводимая торговой ассоциацией или зонтичной организацией, членом которой является данная компания.

Корпоративные инвестиции. В нашей работе под корпоративными инвестициями понимаются любые расходы или покупка активов для получения высокого дохода или увеличения стоимости для потребителей и акционеров. Мотиватором для подобных вложений являются ожидания, что отдача превзойдет затраты. Для описания инвестиционной активности применялись три показателя:

• расходы на капиталовложения (Capex), которые рассчитываются как израсходованный капитал, умноженный на сумму активов за предыдущий год;
• pост активов (Asset growth), показывающий темпы роста совокупных активов;
• интенсивность ИиР (R&D intensity), как определяющий фактор корпоративных инвестиций (Hill, Snell, 1988; Hoskisson et al., 1993) и показатель мер, направленных на ИиР.

Интенсивность ИиР измерялась путем расчета расходов на них в процентах от общего объема произведенной продукции. Данные получены из базы DataStream. Использовались следующие уравнения:

$Capex=(Capital expenditure of firm)/(Total Assets)$ (8)

$Assets growth rate=(Total Asset{s}_t–Total Asset{s}_{t–1})/Total Asset{s}_{t–1}$ (9)        

$R\&D Intensity=(Total R\&D Expendture)/(Total Sales)$ (10)

Управляющие переменные. Мы использовали множество контрольных переменных на уровне отрасли, компании и времени для учета наименьшего влияния КПА на зависимые переменные.

Различия прибыльности по отдельным рынкам внутри конкретного сектора контролировались с применением четырехзначного кода SIC. В отношении собственно компании контрольные переменные включали масштабы бизнеса, объем основных средств, ликвидность, страну происхождения и интенсивность рекламы. Размер предприятия характеризовался общим объемом активов, прибыльность — их рентабельностью, основные средства — данными бухгалтерского баланса, ликвидность — по коэффициенту текущей ликвидности. Свободный денежный поток определял сумму доступных для компании финансовых средств.

Результаты и обсуждение

Описательный статистический анализ

Общее число наблюдений по каждой переменной в отношении выбранных 368 компаний составило 2119. Распределение компаний по секторам отражено в табл. 1. Описательная статистика выборки и матрица коэффициентов корреляции содержатся в табл. 2 и 3. По объемам выручки и активов разница между предприятиями выборки оказалась относительно небольшой. Корреляции между переменными находились в диапазоне от 0.2655 до –0.0011, что дает основание считать их низкими. В исследовании использовался фактор инфляции дисперсии (VIF) для определения мультиколлинеарности. Его значения варьировали от 1.06 до 6.29, что является приемлемым диапазоном при допустимом максимуме 10. Толерантность составляла от 0.1588 до 0.9977, а среднее значение VIF для исследуемых параметров — 2.69, что исключило проблемы с мультиколлинеарностью.

 

Таблица 1. Отраслевое распределение компаний в выборке

Сектор	Число компаний
Энергетика	24
Хранение и перевозки	53
Услуги контрагентов	35
Транспорт	33
Средства массовой информации и досуг	45
Производство средств защиты оборудования	41
Природные ресурсы	34
Прецизионная обработка	35
Потребительские товары	33
Компьютеры и связь	35
Итого	368

Источник: составлено авторами.

 

Таблица 2. Описательная статистика

Переменная	Метод измерений	Значение			Стандартное отклонение
		ave	min	max
Capex	Отношение расходов на капиталовложения к общему объема активов	0.0947	0.3552	1.3243	0.1835
Asset Growth	Соотношение различных изменений в активах за определенный период	0.1949	0.2818	2.1235	0.4889
ln CPA	Логарифмическое значение КПА компании i в году t	8.3706	0.2451	12.4798	1.8334
Profitability	Доходность от активов	8.3895	4.2271	12.4521	1.8176
ln Total Asset	Логарифм общей суммы активов компании i в году t	8.7292	8.2271	13.5217	1.8956
R&D Intensity	Отношение расходов на ИиР к общему объему активов компании i в году t	0.0486	0.0245	1.5148	0.1014
Leverage	Сумма долговых обязательств, разделенная на общую сумму активов, для измерения i в году t	1.1966	0.1133	6.8989	0.6941
Free Cash Flow	Логарифм свободного денежного потока компании i в году t	0.0360	-5.7142	0.89491	0.1929
Advertising Intensity	Отношение расходов на рекламу к совокупным активам компании i в году t	0.1486	0.2245	0.51428	0.0914

Примечания: Вся статистика основана на исходных значениях данных. Число наблюдений – 2576.
Ave – среднее значение, min – минимальное, max – максимальное.

Источник: составлено авторами.

 

Таблица 3. Матрица коэффициентов корреляции

Переменная	Capex	Asset Growth	ln CPA	Profitability	ln Total Asset	R&D Intensity	Free Cash Flow	Advertising Intensity	Leverage
Capex	1
Asset Growth	0.0775	1
ln CPA	0.1623	0.0333	1
Profitability	0.1198	0.0138	0.0463	1
ln Total Asset	-0.0109	-0.0021	-0.0025	-0.0201	1
R&D Intensity	0.1510	0.0865	0.0602	0.2874	-0.073	1
Free Cash Flow	0.0118	-0.0011	0.0011	0.0484	-0.0013	0.0998	1
Advertising Intensity	0.0892	0.0194	0.0082	0.0375	-0.0038	0.2665	-0.0033	1
Leverage	0.0754	0.0462	-0.0239	0.0355	-0.0235	0.2189	-0.0375	-0.0169	1

Источник: составлено авторами.

 

Результаты ОММ

Для понимания соотношения корпоративных инвестиций и КПА использовались динамические панельные данные и двухэтапный ОММ. При этом, если учитывать первую разность для каждого параметра, можно легко устранить неочевидные, специфические для той или иной компании неизменные факторы. Данный метод позволяет управлять корреляциями между регрессорами и остаточными членами. Учет лагов в дифференциальных уравнениях и вариаций уровня, составляющих разности первого порядка, дает возможность исключить влияние эндогенности. Динамика корпоративных инвестиций моделировалась посредством измерения значений роста активов (Asset growth), расходов на капиталовложения (Capex) и интенсивности ИиР (R&D intensity). В свою очередь, индикатор CPA служил для характеристики влияния динамики КПА на корреляцию и многообразие направлений инвестиций. Устойчивость модели тестировалась на «ошибку спецификации» (misspecification test) путем расчета серийной корреляции второго порядка AR (1) и AR (2). Высокие значения p, выявленные по результатам теста Хансена на наличие ограничений, свидетельствуют об отсутствии остаточной корреляции, что подтверждает правильность метода и оценок ОММ. Кроме того, подтвердилась релевантность «аутентификационной» версии модели ОММ. Наличие положительных коэффициентов и статистической значимости у запаздывающих зависимых переменных позволяет предположить, что прошлые финансовые показатели существенно влияют на текущие. Данные из табл. 4 подтверждают положительную взаимосвязь между КПА и объемом корпоративных инвестиций. Модели 1, 2 и 3 демонстрируют, что все три переменные (Asset growth, R&D intensity и Capex) имеют значимые и положительные коэффициенты в отношении подобных вложений. Следовательно, по мере увеличения средней заработной платы возрастает и ее влияние на инвестиции, что подтверждает гипотезу 1. Положительная корреляция между рассматриваемыми ключевыми переменными согласуется с результатами предшествующих исследований (Czarnitzki, Toole, 2007; Hyytinen, Toivanen, 2005). Правительства субсидируют корпоративные проекты через фонды основного капитала, тем самым помогая продвигать на рынки инновации. Крупные компании с ограниченными возможностями роста, как правило, принимают участие в КПА, чтобы добиться в дальнейшем повышения вложений в ИиР и нарастить ресурсную базу в целом. Это позволяет им опережать по инвестиционной активности те предприятия, которые не вовлекаются в КПА. Полученные выводы согласуются с результатами предшествующих исследований взаимосвязей между КПА и эффективностью бизнеса. Выявилось также, что компании с изначально низкой инвестиционной активностью способны в перспективе повысить свою эффективность, если будут выделять дополнительные материальные стимулы своим сотрудникам, выполняющим функции «политических делегатов».

 

Таблица 4. Влияние КПА на корпоративные инвестиции

Переменная	Системный ОММ
	Asset Growth	R&D Intensity	Capex
Asset Growtht-1	0.197*** (-0.03)	-	-
R&D Intensityt-1		0.122*** (-0.00529)	-
CAPEXt-1	-	-	0.0712* (-0.0381)
ln CPA	0.1106*** (-0.0209)	0.00227* (-0.00126)	0.0917*** (-0.0234)
ln Total Assets	-0.00685 (-0.0402)	-0.00279*** (-0.00103)	-0.0630*** (-0.0221)
Leverage	0.285*** (-0.0168)	0.00743 (-0.00895)	-0.000422 (-0.000465)
Advertising Intensity	1.774*** (-0.521)	-6.13E-05 (-6.05E-05)	-0.0439 (-0.1340)
Free Cash Flow	1.799* (-1.014)	-7.44E-05 (-5.20E-05)	0.0204 (-0.0810)
Profitability	1.2300 (-1.909)	0.000689 (-0.0015)	0.00215*** (-0.000762)
Constant	-0.0958 (-0.309)	0.0123* (-0.00638)	-0.129*** (-0.0479)
Observations	2576	2576	2576
Number of groups	368	368	368
Number of Instruments	23	23	23
R-squared	-	-	-
AR(1)	-1.39(0.029)	-1.07(0.028)	-2.35(0.019)
AR(2)	-2.45(0.707)	-1.05(0.293)	1.61(0.107)
Hansen Test	19.75(0.182)	8.72(0.892)	24.32(0.090)
Difference in Hansen Test	3.82(0.575)	3.492(0.900)	15.01(0.710)

Примечание: Статистическая значимость основана на кластеризации стандартных ошибок на уровне фирмы. ***, ** и * обозначают статистическую значимость в 1%, 5% и 10%, соответственно. Стандартные ошибки указаны в круглых скобках.

Источник: составлено авторами.

 

Панельная квантильная регрессия

Установлено, что влияние КПА на инвестиции варьирует по квантилям независимых и зависимых переменных. В частности, в нижних квантилях (с 0.10 до 0.40) оно характеризуется как положительное, а в более высоких (с 0.50 до 0.90) — как отрицательное. Подробная информация о результатах квантильной оценки отображена в табл. 5–7.

Нижние квантили (0.10–0.40). Согласно расчетам, представленным в табл. 5–7, связь между КПА и инвестициями меняется в зависимости от квантилей переменных. Так, для компаний с изначально низким уровнем инвестиций (расположенным в 10–40-м квантилях) обращение к КПА может стать «бустером» для их увеличения. В свою очередь, предприятия с устойчивым капиталом (находящиеся в 50–90-м квантилях) столкнутся с обратным эффектом КПА. Другими словами, игрокам из нижних квантилей следует уделять особое внимание развитию партнерства с государством, что позволит снизить рыночные риски и укрепить конкурентоспособность и устойчивость. Результаты согласуются с предшествующими исследованиями, подчеркивающими ценность КПА для повышения производительности бизнеса (Houston et al., 2014; Tee, 2018) и облегчения доступа к масштабным государственным проектам (Gomez et al., 2017).

Высокие квантили (0.50–0.90). Данные в табл. 5–7 показывают, что после выхода на средний уровень инвестиционной активности КПА начинает негативно влиять на ее развитие. Таким образом, компаниям, входящим в эти квантили, не следует полагаться на государственные ресурсы для дальнейшего роста. После достижения определенного порога инвестиций оптимальной стратегией становится отказ от КПА в пользу расширения рынков как источников большей доходности. Таким образом, подтверждается гипотеза 3.

 

Таблица 5. Результаты применения квантильной динамической модели на панельных данных с расходами на капиталовложения (Capex)

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
Переменная	τ = 0.10	τ = 0.20	τ = 0.30	τ = 0.40	τ = 0.50	τ = 0.60	τ = 0.70	τ = 0.80	τ = 0.90
Capext-1	0.381*** (0.00428)	0.388*** (0.00463)	0.465*** (0.0131)	0.427*** (0.000845)	0.403*** (0.00566)	0.373*** (0.00849)	0.379*** (0.00275)	0.345*** (0.00333)	0.321*** (0.0157)
ln CPA	0.00293*** (9.77e-05)	0.000608*** (0.000120)	0.000641*** (0.000124)	-0.00194*** (1.69e-05)	-0.00191*** (0.000118)	-0.00448*** (0.000132)	-0.00359*** (6.74e-05)	-0.00493*** (8.34e-05)	-0.00552*** (0.000299)
ln total Assets	6.14е-09 (5.75e-09)	2.35е-08*** (1.91e-09)	3.55е-08*** (2.48e-09)	5.16е-08*** (3.04e-10)	3.52е-08*** (1.90e-09)	6.86е-08*** (2.39e-09)	4.24е-08*** (9.87е-10)	5.21е-08*** (2.19e-09)	2.07е-08*** (3.27e-09)
Leverage	-2.05e-05 (5.89e-05)	8.17е-05 (9.17e-05)	-0.000374*** (7.12e-05)	-0.000220*** (1.28e-05)	-0.000222** (9.72e-05)	-3.25е-05 (9.12e-05)	-0.000163*** (1.75e-05)	-0.000221*** (2.19e-05)	-0.000212*** (6.22e-05)
Advertising Intensity	-0.109*** (0.00290)	-0.0595*** (0.00551)	-0.0317*** (0.00304)	-0.0267*** (0.000450)	-0.0165*** (0.00183)	0.00268 (0.00238)	0.0216*** (0.00155)	0.0488*** (0.000782)	0.0342*** (0.00670)
Free Cash Flow	0.0491*** (0.00216)	0.0307*** (0.00255)	0.0229*** (0.00608)	0.0533*** (0.000271)	0.0595*** (0.00343)	0.0564*** (0.00282)	0.0560*** (0.000830)	0.0528*** (0.00189)	0.0261*** (0.00317)
Profitability	0.288*** (0.00368)	0.317*** (0.00193)	0.292*** (0.00734)	0.313*** (0.000339)	0.322*** (0.00384)	0.354*** (0.00418)	0.359*** (0.00195)	0.385*** (0.00167)	0.400*** (0.00833)
Observations	2576	2576	2576	2576	2576	2576	2576	2576	2576
Number of groups	368	368	368	368	368	368	368	368	368

*, **, *** обозначают статистическую значимость в 10%, 5% и 1%, соответственно. CPA = политическая активность корпораций.

Источник: составлено авторами.

 

Таблица 6. Результаты применения квантильной динамической модели на панельных данных с ростом активов (Asset Growth)

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
Переменные	τ = 0.10	τ = 0.20	τ = 0.30	τ = 0.40	τ = 0.50	τ = 0.60	τ = 0.70	τ = 0.80	τ = 0.90
Asset Growtht-1	0.0585*** (0.000377)	0.0497*** (0.000227)	0.0439*** (0.000892)	0.0369*** (0.000233)	0.0348*** (0.00236)	0.0649*** (0.000104)	0.0383*** (0.000531)	0.0330*** (0.000653)	0.0677*** (0.00310)
ln CPA	0.00391*** (0.000190)	0.00198*** (0.000234)	0.000566** (0.000236)	0.00120*** (0.000148)	-0.00183*** (0.000432)	-0.00282*** (0.000204)	-0.00493*** (9.31e-05)	-0.00626*** (0.000146)	-0.0151*** (0.00101)
ln total Assets	-6.04e-09 (4.54e-09)	-1.47е-07*** (1.09e-08)	-2.26е-07*** (5.82e-09)	-3.94е-07*** (8.01e-09)	-3.30e-07*** (7.71e-09)	-2.52е-07*** (3.64e-09)	-2.81е-07*** (3.83e-09)	-3.77е-07*** (2.60e-09)	-2.78е-07*** (7.50e-09)
Leverage	0.0878*** (0.000190)	0.136*** (0.000106)	0.158*** (0.000370)	0.196*** (8.55e-05)	0.238*** (0.000618)	0.237*** (6.36e-05)	0.268*** (0.000226)	0.317*** (0.000242)	0.318*** (0.000524)
Advertising Intensity	-0.0234** (0.0110)	-0.0155*** (0.00511)	-0.0220*** (0.00436)	-0.0236*** (0.00160)	0.00984 (0.0142)	-0.0267*** (0.00263)	-0.0387*** (0.00208)	0.0529*** (0.00451)	0.163*** (0.0185)
Free Cash Flow	0.0207*** (0.00379)	0.0902*** (0.00988)	0.0468*** (0.00792)	0.0699*** (0.00382)	0.0588* (0.0340)	0.128*** (0.00327)	0.211*** (0.00259)	0.318*** (0.00944)	0.515*** (0.0416)
Profitability	1.017*** (0.00367)	1.071*** (0.00295)	1.118*** (0.0113)	1.200*** (0.00297)	1.244*** (0.00663)	1.169*** (0.00264)	1.155*** (0.00256)	1.068*** (0.00420)	1.017*** (0.0136)
Observations	2576	2576	2576	2576	2576	2576	2576	2576	2576
Number of groups	368	368	368	368	368	368	368	368	368

*, **, *** обозначают статистическую значимость в 10%, 5% и 1%, соответственно. CPA = политическая активность корпораций.

Источник: составлено авторами.

 

Таблица 7. Результаты применения квантильной динамической модели на панельных данных с интенсивностью ИиР (R&D intensity)

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
Переменная	τ = 0.10	τ = 0.20	τ = 0.30	τ = 0.40	τ = 0.50	τ = 0.60	τ = 0.70	τ = 0.80	τ = 0.90
R&D Intensity t-1	0.610*** (0.0212)	0.651*** (0.000440)	0.776*** (0.000504)	0.823*** (0.00168)	0.816*** (0.000261)	0.837*** (0.00487)	0.846*** (0.00248)	0.839*** (0.0136)	0.816*** (0.00210)
ln CPA	38.71** (17.70)	36.05*** (0.347)	22.98*** (0.279)	24.96*** (0.983)	-41.06*** (0.295)	-32.06*** (1.196)	-27.39*** (2.277)	-27.86*** (7.312)	-30.91*** (1.140)
ln total Assets	0.0148*** (0.00167)	0.0205*** (2.74e-05)	0.0190*** (2.79e-05)	0.0187*** (0.000128)	0.0202*** (1.10e-05)	0.0228*** (0.000437)	0.0260*** (0.000202)	0.0313*** (0.000781)	0.0391*** (0.000162)
Leverage	-4.730 (5.234)	-0.386*** (0.00833)	-1.247*** (0.101)	0.464 (0.466)	0.275*** (0.0181)	-1.459 (1.698)	-0.487 (0.462)	0.367 (2.024)	-0.336 (0.751)
Advertising Intensity	-160.9 (328.2)	13.72*** (2.994)	43.64*** (2.244)	-37.12*** (6.591)	-41.68*** (0.687)	-53.09 (61.95)	-96.76** (43.96)	-70.34** (34.28)	-28.11 (43.53)
Free Cash Flow	-568.3 (578.8)	84.83*** (3.547)	125.3*** (3.540)	138.7*** (22.10)	121.1*** (2.066)	-73.84 (138.9)	123.6* (71.38)	-37.44 (124.7)	-16.75 (38.05)
Profitability	-153.4 (348.2)	220.5*** (1.320)	167.9*** (4.124)	176.0*** (5.060)	156.3*** (1.148)	340.3*** (131.0)	238.2*** (59.30)	238.2*** (66.42)	96.74*** (22.97)
Observations	2576	2576	2576	2576	2576	2576	2576	2576	2576
Number of groups	368	368	368	368	368	368	368	368	368

*, **, *** обозначают статистическую значимость в 10%, 5% и 1%, соответственно. CPA = политическая активность корпораций.

Источник: составлено авторами.

 

Заключение

В работе изучаются взаимосвязи между КПА и корпоративными инвестициями на примере институциональной среды США. Материалом послужили данные из различных баз, включая DataStream, CRP и Fortune WMAC, за 2016–2022 гг. Для моделирования социально-экономических и политических аспектов использовался подробный набор переменных.

Выявилось, что предприятия, вовлеченные в КПА, обладают более высоким уровнем корпоративных инвестиций по сравнению с теми, которые не прибегают к подобной стратегии. Этот положительный эффект статистически значим для игроков из среднего квантиля, которые, скорее всего, получат государственную поддержку посредством участия в КПА. Прослеживается тесная связь между объемом корпоративных инвестиций и степенью вовлеченности в КПА, зависящая от изначального капитала компании, ее финансовой самодостаточности. Наши наблюдения подтверждают теории ресурсной зависимости и политического патронажа, согласно которым КПА и корпоративные инвестиции дополняют друг друга. Между двумя рассматриваемыми факторами существует обратная V-образная зависимость. КПА в меньшей степени влияет на результативность компаний, нарастивших весомый экономический и технологический потенциал.

Полученные нами выводы демонстрируют неоднозначную картину в отношении компаний с разной капиталоемкостью, тогда как предыдущие исследования, посвященные связи между КПА и объемом инвестиций, аргументировали в пользу неизменности влияния первого показателя на прирост второго.

Наконец, наше исследование выявило динамические изменения в уровнях КПА и их влиянии на корпоративные инвестиции в США, где политический патронаж является важным системным фактором (Danaei et al., 2013). Основываясь на анализе 2576 наблюдений, мы пришли к выводу о существовании тесной взаимосвязи между КПА и корпоративными инвестициями, несмотря на сопутствующие риски. Интенсивность капиталшовложений варьирует по разным шкалам КПА, а более высокая активность игроков может привести к лучшим инвестиционным достижениям.

В целом КПА представляется действенным инструментом для большинства предприятий, позволяющим нарастить инвестиционную активность и обрести долгосрочные конкурентные преимущества. Самые ощутимые выгоды от его применения извлекает в основном малый и средний бизнес, который нуждается в сторонней ресурсной поддержке. Расходы на политические «проекты» осуществляются с расчетом на отсроченные позитивные эффекты в виде расширения масштабов бизнеса и повышения конкурентоспособности.  

Ограничения представленного исследования заключаются в следующем. Ввиду сложности сбора релевантных данных для анализа были отобраны только американские компании, зарегистрированные на бирже. Размер самой выборки оказался ограниченным, однако длительность анализируемого периода (7 лет) компенсирует связанный с этим возможный недостаток данных. На результаты также могла повлиять недостаточная репрезентативность выборки. В будущем следует изучить различные варианты стратегий КПА, их легитимность и возможные этические риски.

¹ http://www.opensecrets.org, дата обращения 12.02.2024.

² https://www.cbsnews.com/news/epipen-price-hikes-add-millions-to-pentagon-costs /, дата обращения 18.02.2024.

Об авторах

Лин Вун Леонг

Университет Тейлора

Автор, ответственный за переписку.
Email: linwoonleong@gmail.com

профессор, Школа менеджмента и маркетинга

Малайзия, Субанг-Джая

Келвин Ли Ен Мин

Университет Тейлора

Email: kelvinyongming.lee@taylors.edu.my

старший преподаватель, Школа бухгалтерского учета и финансов

Малайзия, Субанг-Джая

Пек Чуэн Хи

Университет Тейлора

Email: eugene.pek@taylors.edu.my

доцент, Школа менеджмента и маркетинга

Россия, Субанг-Джая

Ирфа Наджиха Бинти Басир Малан

Технологический университет MARA

Email: irfah@uitm.edu.my

старший преподаватель, Факультет бизнеса и менеджмента

Малайзия, Шах-Алам

Хо Ри Тян

Технологический университет MARA

Email: reechan.ho@taylors.edu.my

доцент, Школа менеджмента и маркетинга

Малайзия, Шах-Алам

Список литературы

Дополнительные файлы