O Analiza Microeconomica a Insolventelor Imm Urilor din Romania

CUPRINS

Introducere

Această lucrare de cercetare este împărțită în două capitole: primul capitol abordează impactul politicii monetare și fiscale asupra demografiei firmelor și performanței IMM-urilor în statele membre ale Uniunii Europene, inclusiv România, în perioada pre și post crizei economice, în timp ce al doilea capitol tratează impactul deciziilor guvernului României asupra demografiei și rezultatelor IMM-urilor în perioada înainte de, în timpul și după criza economică din 2008. Ca metodologii am folosit: analiza seriilor de timp (Autoregressive Distributed Lags Model) și analiza datelor panel (Fixed Effects și Generalized Method of Moments – GMM).

Unul dintre obiectivele fundamentale ale lucrării era introducerea de variabile socio-economice în cadrul cercetării și am folosit: PIB/cap de locuitor, IPC, rata șomajului, educația precum și analiza pe categorii de mărime ale firmelor, asigurându-se îndeplinirea obiectivelor proiectului de imprimare a caracterului interdisciplinar.

Ca elemente de originalitate putem menționa: realizarea de modele econometrice avansate la nivelul a 26 state membre ale UE cu date recente pentru fiecare categorie de mărime a IMM-urilor (micro, mică și mijlocie) pentru a previziona valoarea adăugată a acestora folosind variabile macroeconomice.

Scopul subcapitolului 1.1. este de a analiza relația între factorii macroeconomici și înmatriculările de noi firme pentru 24 de state membre ale Uniunii Europene prin Analiza Datelor de Tip Panel. Am efectuat un model al Efectelor Fixe (Fixed Effects) și un model al Efectelor Aleatorii (Random Effects) folosind date anuale pentru perioada 2004 – 2012, pentru a stabili impactul politicii monetare și fiscale adoptate de guvernele statelor membre U.E., înainte și după criza financiară asupra start-up-urilor. Estonia și Liechtenstein au fost scoase din studiul nostru datorită lipsei de date. Datele au fost luate de pe site-ul oficial al Băncii Mondiale (WorldDataBank) și de pe site-ul Eurostat, iar modelul econometric a fost realizat în software-ul Gretl. Densitatea start-up-urilor (înregistrări noi la 1,000 de persoane cu vârsta cuprinsă între 15-64) este variabila dependentă în modelul datelor de tip panel cu cinci variabile independente macroeconomice precum: veniturile fiscale (% din PIB), inflația, creșterea PIB/cap de locuitor (% anual), șomajul pe termen lung (% din șomajul total) și creditul intern către sectorul privat acordat de bănci (% din PIB). Principalul rezultat este că există o corelație pozitivă între înmatriculările de noi firme și inflație, rata creditelor și rata șomajului.

Subcapitolul 1.2. evaluează impactul politicii monetare și fiscale din statele membre ale Uniunii Europene asupra performanței Întreprinderilor Mici și Mijlocii din perioada 2005-2012 prin estimarea Metodei Generalizate a Momentelor (GMM). Am efectuat analiza pentru statele membre ale Uniunii Europene cu excepția Croației și Maltei din cauza lipsei datelor. Politica monetară a fost cuantificată prin creditul intern acordat sectorul privat și rata inflației, în timp ce politica fiscală a fost evaluată prin cheltuielile guvernamentale, cheltuielile pentru educație și cheltuielile pentru cercetare-dezvoltare. În cercetarea noastră am folosit variabilele: investițiile străine directe, numărul de abonați la serviciile fixe broadband de acces la Internet, exporturile de tehnologie de vârf și șomajul pe termen lung pentru a explica variația dezvoltării Întreprinderilor Mici și Mijlocii, având în vedere lucrările de referință anterioare din domeniu. Baza de date a fost creată în Excel, iar analiza cantitativă și modelele econometrice au fost realizate în STATA. Principalele constatări sunt următoarele: există o relație pozitivă între tehnologie, credite acordate, cheltuieli guvernamentale și valoarea adăugată a micro-întreprinderilor, și o corelare negativă între cheltuielile pentru educație și performanța micro-întreprinderilor; rata creditelor, rata inflației, cheltuielile cu cercetarea-dezvoltarea, exporturile de tehnologie de vârf și rata șomajului sunt corelate pozitiv cu valoarea adăugată a firmelor mici; există o legătură pozitivă între valoarea adăugată a întreprinderilor medii și investițiile străine directe, cheltuieli guvernamentale, rata inflației, cheltuielile cu cercetarea- dezvoltarea și rata șomajului.

Subcapitolul 2.1. investighează relația între factorii macroeconomici și insolvențele înregistrate ale IMM-urilor pentru economia românească prin Modelul Autoregresiv în care decalarea este distribuită (ADL). Am efectuat o analiză cronologică care folosește datele lunare din perioada ianuarie 2008 – decembrie 2013 pentru a stabili impactul politicii fiscale și monetare adoptate de guvernul român în perioada crizei economice cu privire la sectorul Întreprinderilor Mici și Mijlocii. Rata de eșec a firmelor este variabila endogenă în modelul de funcție liniară, cu două variabile exogene macroeconomice, cum ar fi indicele prețurilor de consum (IPC) și rata creditelor raportată la PIB și decalajele variabilei dependente. Constatarea principală este că variația variabilei ratei de insolvență a firmelor este corelată pozitiv cu variația IPC în urmă cu două luni și variațiile ratei creditelor în urmă cu o lună, două luni și patru luni, fiind corelată negativ cu variația ratei creditelor stabilită în urmă cu trei luni.

În subcapitolul 2.2. am studiat relația între factorii macroeconomici și înmatriculările de noi firme din economia românească prin Modelul Autoregresiv cu decalare distribuită (ADL). Am efectuat o analiză cronologică în care folosim date lunare din perioada ianuarie 2008 – decembrie 2013 pentru a stabili impactul politicii fiscale și monetare adoptate de guvernul român în timpul crizei economice asupra demografiei firmelor. Rata de noi înmatriculări de firme este variabila endogenă în modelul de funcție liniară, cu cinci variabile exogene macroeconomice, cum ar fi indicele prețurilor de consum, rata creditelor în PIB, investițiile străine directe, rata dobânzii pe termen lung, rata fiscalității în PIB și decalările variabilei dependente. Constatarea principală este că fluctuația variabilei rata de înființare de noi firme este corelată negativ cu fluctuațiile IPC din luna curentă și rata dobânzii decalată două luni. Am constatat că fluctuația variabilei dependente a fost corelată pozitiv cu fluctuațiile ratei creditelor decalate două luni, rata fiscalității în urmă cu patru luni și ISD decalate două luni și ISD din perioada curentă.

În subcapitolul 2.3. am studiat relația între factorii macroeconomici și performanța Întreprinderilor Mici și Mijlocii pentru economia românească prin Modelul Autoregresiv cu decalare distribuită (ADL). A fost efectuată o analiză cronologică care folosește date trimestriale pentru perioada ianuarie 2005 – decembrie 2013, pentru a determina efectul politicii fiscale și monetare adoptată de guvernul român înainte de, în timpul și după criza economică din 2008 asupra productivității Întreprinderilor Mici și Mijlocii. Valoarea adăugată deflaționată pe numărul de micro-întreprinderi, firme mici și întreprinderi mijlocii este variabila endogenă în trei modele econometrice liniare, cu șase variabile exogene macroeconomice, cum ar fi indicele prețurilor de consum, rata șomajului, rata investițiilor străine directe, rata fiscalității și rata cheltuielilor guvernamentale raportată la PIB și decalările variabilei dependente. Constatarea principală este că variația ratei cheltuielilor guvernamentale are impactul negativ cel mai semnificativ asupra variației valorii adăugate a micro-întreprinderilor, comparativ cu celelalte variabile explicative, având totuși un efect pozitiv asupra variației valorii adăugate a Întreprinderilor Mici și Mijlocii.

În subcapitolul 3.1. studiem relația între factorii microeconomici și insolvențele observate ale Întreprinderilor Mici și Mijlocii pentru economia României folosind analiza exploratorie a datelor. În cercetarea noastră este folosită acest tip de analiză pentru a cunoaște mai bine caracteristicile Întreprinderilor Mici și Mijlocii în stare de insolvență din anul 2010 și o analiză comparativă pentru a descoperi principalele diferențe între categoriile de IMM-uri. Am folosit testul Chi-pătrat pentru a determina relația între variabilele categoriale vârsta Întreprinderilor Mici și Mijlocii, regiunea în care funcționează și mărimea IMM-urilor. Principalele constatări sunt că caracteristicile microîntreprinderilor în stare de insolvență, a firmelor mici și a întreprinderilor mijlocii diferă în funcție de regiunea în care funcționează și vârsta pe care o aveau în momentul în care au devenit insolvente în 2010. După efectuarea tabelului de contingență cu testul Chi-pătrat pentru variabilele vârsta și mărimea Întreprinderilor Mici și Mijlocii, vârsta și regiunea și regiunea și mărimea IMM-urilor am concluzionat că acestea sunt dependente. Această concluzie nu este valabilă pentru întreprinderile mijlocii.

În subcapitolul 3.2. studiem relația între factorii microeconomici (ratele financiare) și insolvențele IMM-urilor din România folosind modelul de regresie logistică pentru a estima probabilitatea de faliment a IMM-urilor în perioada de după criza economică și financiară. Am realizat un model econometric logit pentru fiecare categorie de mărime a IMM-urilor în parte (micro, mică și medie). Principalele constatări sunt următoarele: principalii indicatori semnificativi din punct de vedere statistic ai insolvențelor IMM-urilor sunt: returul asupra activelor (ROA) și rata datoriei totale (TDR) de-a lungul celor trei categorii de mărime ale IMM-urilor. Modelul logistic cel mai bun este cel pentru firmele mici deoarece numărul cazurilor estimate corect reprezintă 80.6%.

Impactul Politicii Fiscale și Monetare asupra Activității Sectorului IMM în context European

Analiza datelor de tip panel a factorilor macroeconomici ai start-up-urilor în statele membre ale Uniunii Europene în perioada 2004-2012

Introducere

Principalul scop al acestui subcapitol este de a oferi mai multe dovezi empirice măsurării determinanților înmatriculărilor de noi firme, cu referire specială la țările din U.E.

Crearea de noi întreprinderi este foarte importantă pentru o economie solidă deoarece acestea sunt implicate în inovații, asigură noi locuri de muncă și aduc creștere economică. Noile companii creează un mediu competitiv în care costurile de producție sunt diminuate.

Start-up-urile joacă un rol important în generarea de noi locuri de muncă, noi idei și încurajează antreprenoriatul, aducând o contribuție importantă la prosperitatea națiunilor. (Salman și alții 2013)

Braunerhjelm (2007) a arătat că promovarea noilor firme poate să creeze beneficii pe termen lung pentru economie și societate. (Braunerhjelm 2007)

În țările din U.E., efectele pozitive ale înființării de noi firme au fost evaluate ca fiind benefice în criza economică recentă din 2009. Politica de promovare a noilor firme este în vigoare în țările din U.E. din 1980. Modificările legislative au caracterizat înființarea de noi firme pozitiv, ca fiind un izvor de vigoare economică și locuri de muncă, și au confirmat că era responsabilitatea guvernelor de a sprijini înființarea de start-up-uri.

Scopul acestei lucrări este de a stabili relația între variabilele macroeconomice, cum ar fi veniturile fiscale (% din PIB), inflație, șomaj pe termen lung (% din șomajul total), creditul intern acordat sectorului privat de către bănci (% din PIB) și PIB-ul pe cap de locuitor (anual %) pe de o parte, și densitatea start-up-urilor pe de altă parte, prin analiza datelor de tip panel din Uniunea Europeană.

Lucrarea este structurată după cum urmează: a doua parte prezintă lucrările de referință anterioare cu privire la start-up-uri la nivel macroeconomic, a treia parte se referă la metodologia și datele folosite și la designul de cercetare, a patra parte prezintă modelul de date de tip panel; a cincea secțiune analizează principalele rezultate, iar ultima secțiune prezintă concluziile principale.

Literatura de specialitate

Au fost selectate variabilele și modelul conform literaturii de specialitate. Un element important al relației între șomaj și auto-angajare este capturat de ipoteza recesiune-împingere care precizează că în perioadele cu șomaj ridicat oamenii sunt împinși către auto-angajare datorită diminuării surselor alternative de venit cum ar fi angajarea plătită. Autorii folosesc un model de vector cu corecție de erori (VECM). (Congregado și alții 2012)

Șomajul era considerat principalul motor al creării firmelor în anii 1980, dar astăzi motorul este considerat a fi noua tehnologie. Variațiile în ratele de creare a firmelor sunt explicate prin diferențe regionale în intensitatea industriei, creșterea venitului și creșterea populației. Autorii au găsit foarte puține argumente pentru impactul pozitiv al șomajului asupra ratelor de înființare de firme noi. (Armington & Acs 2002)

Conform lui Salman 2013, înființările de firme sunt corelate pozitiv cu creșterea PIB, inflație și deschidere, și sunt corelate negativ cu șomajul. Autorii folosesc modelul de regresie binomială negativă cu efecte aleatorii (RENBM) pentru a testa relația între factorii macroeconomici și înființarea de noi firme. (Salman și alții 2013).

Mathur 2009 folosește tehnicile econometriei spațiale pentru a estima impactul legislației falimentului asupra înființării de firme mici. Autorul descoperă că probabilitatea estimată de a iniția o afacere este cu 25% mai mare în țările cu exonerări mai mari în caz de faliment decât ale vecinilor, în comparație cu țările în care exonerările în caz de faliment sunt mai mici decât cele ale vecinilor. (Mathur 2009)

Conform lui Atawodi & Ojeka 2012 firmelor ar trebui să li se perceapă impozite mai mici pentru a avea destui bani pentru alte activități care vor duce la creșterea afacerii, iar guvernul ar trebui să mărească stimulentele fiscale și exonerările deoarece ar atrage investitori care sunt potențiali contribuabili. (Atawodi & Ojeka 2012)

Djankov și alții (2010) demonstrează că ratele ridicate de impozit determină o activitate scăzută a afacerilor. Ratele marginale de impozitare cele mai ridicate sunt de obicei relevante pentru firmele cele mai mari care ar putea crea oportunitatea pentru companiile mici ce operează la o rată de impozit mai mică, aducându-le un cost redus al capitalului după impozitare. Autorii folosesc o abordare a datelor panel. (Djankov, Ganser, McLiesh, Ramalho, & Shleifer, 2010)

Aghion, Fally și Scarpetta (2007) descoperă că un credit privat (reprezentant pentru gradul de dezvoltare financiară) este important pentru promovarea înființării de noi firme. Ei folosesc o abordare diferență – în – diferență. (Aghion și alții 2007)

Friedman & Hall, 2014 consideră că disponibilitatea capitalului, ratele favorabile ale dobânzii și atragerea de investiții străine intensifică activitatea sectorului privat. (Friedman & Hall 2014)

Vliamos & Tzeremes 2012 stabilesc trei factori diferiți care par să aibă o influență dominantă asupra procesului antreprenorial prin folosirea tehnicilor neparametrice. Primul determinant este legat de abilitățile antreprenoriale, educație și experiență anterioară, în timp ce al doilea factor se referă la probleme care privesc dorința de independență și poziția controlului. Al treilea determinant, care influențează activitatea antreprenorială, este legat de aspectele sociale, accesul la capital și mediul instituțional regional. (Vliamos & Tzeremes 2012)

Metodologie și date

Colectarea datelor

Pentru analiza noastră am folosit seriile anuale cronologice ale 24 de state membre UE, cu excepția Estoniei, Liechtenstein, Cipru și Malta iar variabila dependentă a fost densitatea start-up-urilor (noile înmatriculări la 1.000 de persoane cu vârsta cuprinsă între 15-64) din perioada 2004-2012. A fost creată o bază de date cu ajutorul datelor de pe site-ul WorldDataBank (Banca Mondială 2015) și de pe site-ul oficial al Eurostat (Eurostat 2015). Au fost selectate variabile macroeconomic pe baza literaturii de specialitate avându-se în vedere mediul economic global.

Am identificat transformări de efectuat asupra datelor brute pe baza specificației modelului, cum ar fi codificarea țărilor cu numere de la 1 la 24 în ordine alfabetică (vezi Anexa 1).

A fost cuantificată politica fiscală prin rata fiscalității, a fost evaluată politica monetară prin creditul intern acordat sectorului privat de către bănci (% din PIB) și inflația, deflatorul PIB-ului (% anual) și am folosit variabila sociometrică, șomajul pe termen lung (% din șomajul total).

Variabila dependentă selectată pentru analiza noastră este densitatea start-up-urilor care este exprimată prin noile înregistrări de firme la 1.000 de persoane cu vârsta cuprinsă între 15-64 (WorldDataBank) în perioada 2004-2012 pentru 24 state membre UE.

Variabilele explicative folosite în analiza noastră sunt următoarele: veniturile fiscale (% din PIB), inflație, PIB/cap de locuitor (% anual), șomajul pe termen lung (% din șomajul total) și creditul intern acordat sectorului privat de către bănci (% din PIB).

Metodologie

Scopul acestui subcapitol este de a analiza relația între determinanții macroeconomici și înregistrările de noi afaceri analizate pentru 24 de state membre din Uniunea Europeană prin Analiza Datelor de tip Panel. Am folosit modelul Efectelor Fixe (Fixed Effects) și modelul Efectelor aleatorii (Random Effects) care utilizează date anuale din perioada 2004 – 2012 pentru a stabili impactul politicii fiscale și monetare adoptate de guvernele statelor membre UE după și înainte de criza financiară asupra start-up-urilor. Estonia și Liechtenstein au fost scoase din studiul nostru din cauza lipsei de date iar Cipru și Malta au fost îndepărtate deoarece au fost considerate valori extreme.

Datele au fost preluate de pe site-urile oficiale ale Băncii Mondiale și Eurostat, realizând modelul econometric în software-ul Gretl. Densitatea noilor afaceri (noile înmatriculări la 1,000 de persoane cu vârsta cuprinsă între 15-64) este variabila dependentă în modelul de date de tip panel cu cinci variabile independente macroeconomice precum: veniturile fiscale (% din PIB ), inflația, PIB/cap de locuitor (anual %), șomajul pe termen lung (% din șomajul total) și creditul intern acordat sectorului privat de către bănci (% din PIB).

Statistici descriptive și analiza exploratorie a datelor

Din statisticile descriptive ale datelor brute observăm că media pentru variabila densității noilor afaceri pentru toate cele 24 de țări în perioada 2004-2012 este de 3,93, pentru rata fiscalității este de 19,68%, pentru rata inflației 2,86%, pentru rata creditelor 106,34%, rata șomajului 39,10% și pentru PIB/cap de locuitor 1,5%.

Referitor la Deviația Standard Internă, aceasta este mai mare decât Deviația Standard Externă pentru variabilele rata inflației și PIB/cap de locuitor, adică variația între țări este mai mare decât variația în timp pentru aceste variabile. Pentru variabilele densitatea noilor afaceri, rata fiscalității, rata creditului și rata șomajului, variația este mai mare în timp decât între țări.

Statistici descriptive folosind observațiile 1:1 – 24:9

Tabelul 1. Statistica analitică a datelor brute

Sursa: Propriile calcule în Gretl

Din matricea de corelație pentru datele brute observăm că variabila densitatea noilor afaceri este corelată pozitiv cu rata fiscalității, rata inflației, rata creditelor și PIB/cap de locuitor, și este corelată negativ cu rata șomajului.

Coeficientul de corelație între densitatea noilor afaceri și rata fiscalității este 32%, între variabila dependentă și rata inflației 30%, între rata șomajului și densitatea noilor afaceri -16%.

Tabelul 2. Matricea de corelație pentru datele brute

Coeficienții de corelație, folosind observațiile 1:1 – 24:9

5% valoarea critică (two-tailed) = 0.1335 pentru n = 216

Sursa: Propriile calcule în Gretl

Diagrama de dispersie de mai jos ilustrează relația între rata fiscalității și densitatea noilor afaceri pentru 24 de state membre UE. Legătura este semnificativă având în vedere faptul că coeficientul de corelație este 32%.

Figura 1. Relația între rata fiscalității și densitatea noilor afaceri factorizată pe țări

Sursa: Propriile calcule în Gretl

Din diagrama de tip boxplot factorizată a densității noilor afaceri în funcție de codul țărilor în perioada 2004-2012 observăm că se atinge cea mai mare medie a densității noilor afaceri în Regatul Unit al Marii Britanii și cea mai mare variație în Letonia. Media cea mai scăzută a densității noilor afaceri este atinsă în Polonia și variația cea mai mică în Austria.

Figura 2. Distribuția densității noilor afaceri în funcție de codul țărilor

Sursa: Propriile calcule în Gretl

Diagrama de tip boxplot factorizată pentru rata fiscalității în funcție de codul țărilor în perioada 2004-2012 ilustrează că cea mai mare medie a ratei fiscalității este întâlnită în Danemarca și cea mai mare variație în România. Media cea mai scăzută a ratei fiscalității este întâlnită în Spania și variația cea mai mică în Germania.

Din diagrama de tip boxplot factorizată a ratei creditelor în funcție de codul țării în perioada 2004-2012 observăm că cea mai mare medie a ratei creditelor este întâlnită în Danemarca și cea mai mare variație în Luxemburg. Media cea mai scăzută a ratei creditelor este întâlnită în România și variația cea mai mică în Germania.

Diagrama de tip boxplot factorizată pentru rata inflației în funcție de codul țării în perioada 2004-2012 arată că cea mai mare medie a ratei inflației este întâlnită în România și cea mai mare variație în Letonia. Media cea mai scăzută a ratei inflației este întâlnită în Irlanda și variația cea mai mică în Belgia.

Din diagrama de tip boxplot factorizată a ratei șomajului în funcție de codul țării în perioada 2004-2012, observăm că cea mai mare medie a ratei șomajului este întâlnită în Croația și cea mai mare variație în Irlanda. Media cea mai scăzută a ratei șomajului este întâlnită în Suedia și variația cea mai mică în Austria.

Diagrama de tip boxplot factorizată pentru PIB/cap de locuitor în funcție de codul țării în perioada 2004-2012 ilustrează că cea mai mare medie a PIB/cap de locuitor este întâlnită în Lituania și cea mai mare variație în Letonia. Media cea mai scăzută este întâlnită în Grecia și variația cea mai mică în Franța.

Figura 3. Distribuția densității noilor afaceri pe ani

Sursa: Propriile calcule în Gretl

Din diagrama de tip boxplot factorizată a densității noilor afaceri în funcție de ani în perioada 2004-2012 pentru toate cele 24 de state membre UE observăm că cea mai mare medie a densității noilor afaceri este atinsă în 2007 și cea mai mare variație în 2012. Media cea mai scăzută a densității noilor afaceri este atinsă în 2004 și variația cea mai mică în 2009.

Diagrama de tip boxplot factorizată a ratei fiscalității pe ani în perioada 2004-2012 pentru toate cele 24 de state membre UE ilustrează că cea mai mare medie a ratei fiscalității este atinsă în 2007 și cea mai mare variație în 2012. Media cea mai scăzută a ratei fiscalității este atinsă în 2010 și variația cea mai mică în 2004.

Din diagrama de tip boxplot factorizată a ratei inflației pe ani în perioada 2004-2012 pentru toate cele 24 de state membre UE observăm că cea mai mare medie a ratei inflației și cea mai mare variație este atinsă în 2007. Media cea mai scăzută a ratei inflației este atinsă în 2010 și variația cea mai mică în 2012.

Diagrama de tip boxplot factorizată a ratei creditelor pe ani în perioada 2004-2012 pentru toate cele 24 de state membre UE, arată că cea mai mare medie a ratei creditelor este atinsă în 2009 și cea mai mare variație în 2009. Media cea mai scăzută a ratei creditelor este atinsă în 2004 și variația cea mai mică în 2004.

Din diagrama de tip boxplot factorizată a ratei șomajului pe ani în perioada 2004-2012 pentru toate cele 24 de state membre UE observăm că cea mai mare medie a ratei șomajului este atinsă în 2012 și cea mai mare variație este atinsă în 2007. Media cea mai scăzută a ratei șomajului este atinsă în 2009 și variația cea mai mică în 2010.

Diagrama de tip boxplot factorizată a PIB/cap de locuitor pe ani în perioada 2004-2012 arată că cea mai mare medie a PIB/cap de locuitor este atinsă în 2006 și cea mai mare variație în 2009. Media cea mai scăzută a PIB/cap de locuitor este atinsă în 2009 și variația cea mai mică în 2010.

Modelele Econometrice și principalele rezultate

Există trei modele pentru datele de tip panel – modelul regresiei prin metoda celor mai mici pătrate grupată (Pooled OLS), modelul de regresie cu efecte fixe (Fixed Effects) și modelul de regresie cu efecte aleatorii (Random Effects). Dorim să explicăm densitatea noilor afaceri (Newbs) referitor la rata inflației (Infl), rata creditelor (Credit) și rata șomajului (Unempl) și să estimăm astfel următoarea ecuație:

Ecuația 1. Ecuația datelor generale de tip panel

i=1,…,24; t=2004,…,2012

În modelul Efectelor Fixe (FE) descompunem termenul de eroare uit într-o componentă a unității specifice (și invariant în timp) αi și eroarea de observare specifică εit:

Ecuația 2. Ecuația Efectelor Fixe

i=1,…,24; t=1,…,9

αis sunt interpretați ca parametri ficși care trebuie estimați. αis poate fi interpretat ca media erorii la unitatea i. Totuși, aceste ordonate individuale nu prezintă în mod specific un interes inerent iar valorile acestora estimate sunt dificil de interpretat deoarece există puține date pentru a le estima (seriile cronologice sunt de obicei scurte, doar 9 instanțe). În schimb, ne interesează mai mult coeficienții pantei. (Lapinskas 2013).

Modelul 1: Efecte Fixe, folosind 216 observații

Au fost incluse 24 unități ale secțiunii transversale

Durata seriei cronologice = 9

Variabila Dependentă: Noile înființări (Newbs)

Tabelul 3. Modelul efectelor fixe pentru datele brute de tip panel

Sursa: Propriile calcule în Gretl

Tabelul 4 Rezultatele modelului Efectelor Fixe (FE)

Sursa: Propriile calcule în Gretl

Test comun asupra regresorilor –

Test statistic: F(3, 189) = 4.54473

Cu valoarea p = P(F(3, 189) > 4.54473) = 0.00422465

Test pentru diferențierea segmentelor de grup –

Ipoteza nulă: Grupurile au un element comun

Test statistic: F(23, 189) = 32.5388

Cu valoarea p = P(F(23, 189) > 32.5388) = 1.57863e-053

Testul pentru diferențierea ordonatelor grupurilor ne indică faptul că ipoteza tuturor αis egale trebuie respinsă, în concluzie fiecare grup are ordonata diferită.

Pentru modelul Efectelor aleatorii (RE), avem uit = υi + εit, astfel încât modelul devine

Ecuația 3. Ecuația Efectelor Aleatorii

i=1,…,24; t=1,…,9

În opoziție cu modelul FE, acum υis sunt tratați nu ca parametrii ficși, ci ca extrageri aleatorii dintr-o distribuție probabilistică dată.

Modelul 2: Efecte aleatorii (GLS), folosind 216 observații

Au fost incluse 24 de unități ale secțiunii transversale

Durata seriei cronologice = 9

Variabila Dependentă: Noile înmatriculări (Newbs)

Tabelul 5. Modelul Efectelor aleatorii (GLS)

Sursa: Propriile calcule în Gretl

Tabelul 6 Rezultatele modelului efectelor aleatorii (RE)

Sursa: Propriile calcule în Gretl

Variația 'Within' = 0.985391

Variația 'Between' = 2.91188

theta folosit pentru cvasi-degradare = 0.806092

Testul Breusch-Pagan –

Ipoteza nulă: Variația erorii specifice unității = 0

Testul de statistică asimptotic: Chi-square (1) = 379.359

Cu valoarea p = 1.71637e-084

Testul Hausman –

Ipoteza nulă: estimările GLS sunt consistente

Testul de statistică asimptotic: Chi-square (3) = 15.4304

Cu valoarea p = 0.00148341

În testul Breusch–Pagan, ipoteza nulă este că variația υi în Ecuația 3 este egală cu zero. Această ipoteză este respinsă, așa că am concluzionat că modelul simplu grupat este neadecvat.

Dacă valoarea theta este 1, atunci estimatorul FE este optim; dacă este 0, atunci modelul grupat este optim. Astfel, în cazul nostru, am ales modelul FE (theta=0.8).

Testul Hausman examinează ipoteza nulă că modelul RE este preferabil celui al efectelor fixe (observăm că în cazul nostru putem renunța la modelul RE).

Criteriul Akaike în cazul RE îl depășește pe cel al FE. De asemenea, am efectuat graficele valorilor ajustate și reziduale ale modelului RE, și par a fi inferioare celor ale modelului FE. Astfel, modelul Efectelor Fixe este mai bun decât modelul Efectelor Aleatorii iar forma finală a modelului econometric va fi:

Ecuația 4. Modelul Econometric – modelul Efectelor Fixe

i=1,…,24; t=2004,…,2012

Din modelul Efectelor Fixe observăm că variabilele rata inflației, rata creditelor și rata șomajului au impact semnificativ din punct de vedere statistic asupra densității noilor afaceri pentru 24 de state membre UE în perioada 2004-2012 la un nivel de 1% și 5% al pragului de semnificație.

Modelul econometric ne arată că atunci când rata inflației crește cu un procent, densitatea noilor afaceri crește cu 0.09 unități; când creditul intern acordat sectorului privat de către bănci (% din PIB ) crește cu 1%, variabila dependentă crește cu 0.01 unități, iar atunci când șomajul pe termen lung (% din șomajul total) crește cu 1%, densitatea noilor afaceri crește cu 0.02 unități.

Impactul Factorilor Macroeconomici asupra Performanței IMM-urilor din Statele Membre ale Uniunii Europene în Perioada 2005-2012

Introducere

Conform Eurostat, Întreprinderile Mici și Mijlocii au contribuit considerabil la creșterea economică între 2004 și 2006. “IMM-urile reprezintă întreprinderile mici și mijlocii – conform definiției din legea UE: recomandarea UE 2003/361. Principalii factori care determină dacă o companie este Întreprindere Mică sau Mijlocie sunt: numărul de angajați și fie cifra de afaceri fie totalul bilanțului”.(Comisia Europeană 2015). În funcție de numărul de angajați, cifra de afaceri sau activele totale putem împărți Întreprinderile Mici și Mijlocii în trei categorii: micro-întreprinderi, întreprinderi mici și întreprinderi mijlocii.

Tabelul 7. Definiția Întreprinderilor Mici și Mijlocii

Sursa: Comisia Europeană, 2015

Întreprinderile Mici și Mijlocii din Uniunea Europeană sunt stâlpii economiilor statelor membre ale Uniunii Europene având în vedere contribuția acestora la valoarea adăugată a bogăției și la crearea de locuri de muncă. Criza economică și financiară a afectat în mod serios sectorul Întreprinderilor Mici și Mijlocii din Uniunea Europeană; problemele fundamentale cu care se confruntă în majoritatea cazurilor sunt: lipsa garanțiilor colaterale pentru obținerea împrumuturilor bancare de care au nevoie pentru investiții, și colectarea întârziată a creanțelor.

Am folosit în cercetarea noastră ca variabile dependente valoarea adăugată anuală deflaționată pe numărul de micro-întreprinderi sau întreprinderi mici sau mijlocii pentru perioada 2005-2012. Această lucrare are ca scop stabilirea legăturii între determinanții macroeconomici, cum ar fi: numărul de abonați la serviciile fixe broadband de acces la Internet, creditul intern acordat sectorului privat, cheltuielile pentru educație, investițiile străine directe, cheltuielile guvernamentale, rata inflației, cheltuielile pentru cercetare-dezvoltare, exporturile de tehnologie de vârf și șomajul pe termen lung, pe de o parte, și valoarea adăugată deflaționată a Întreprinderilor Mici și Mijlocii/numărul total al acestora pe de altă parte, folosind estimarea Metodei Generalizate a Momentelor (GMM).

Studiul are următoarea structură: a doua parte prezintă principalele lucrări de referință cu privire la performanța Întreprinderilor Mici și Mijlocii la nivel macroeconomic sau cu privire la creșterea economică, a treia parte se referă la metodologia utilizată, a patra parte prezintă datele folosite și definițiile variabilelor, a cincea secțiune se referă la modelele econometrice, a șasea parte rezumă principalele rezultate empirice, iar ultima secțiune scoate în evidență concluziile și recomandările fundamentale.

Analiza lucrărilor de referință

Există o listă lungă de lucrări de referință cu privire la principalii determinanți macroeconomici ai creșterii economice. De exemplu, impactul cheltuielilor guvernamentale asupra creșterii economice a fost studiat de Fölster & Henrekson 2001, care au descoperit că există o relație semnificativ negativă între cheltuielile guvernamentale și dezvoltare în țările bogate. Rezultatele lui Usman și alții 2011 sugerează că există o relație pe termen lung între cheltuielile guvernamentale și creșterea economică. Nijkamp & Poot 2004 au descoperit următoarele: cheltuielile generale ale guvernului pot promova creșterea economică și cheltuielile publice prezintă importanță pentru creșterea economică. Devarajan și alții 1996 au descoperit că “cheltuielile aparent productive, atunci când sunt folosite în exces, ar putea deveni neproductive” (Devarajan și alții 1996). Glomm & Ravikumar 1997 descoperă că cheltuielile productive au impact asupra creșterii pe termen lung.

În ceea ce privește cheltuielile pentru educație, Nijkamp și Poot 2004, consideră că acestea pot promova creșterea economică. Devarajan și alții 1996 consideră că aceste cheltuieli pentru educație au avut impact negativ sau o relație neimportantă cu creșterea economică. Conform lui Martins & Veiga 2014, ponderea cheltuielilor pentru educație în totalul cheltuielilor guvernamentale au o relație în formă de U inversată cu dezvoltarea.

Hecht 2014 descoperă că există o relație pozitivă între cheltuielile pentru cercetare-dezvoltare și produsul intern brut real. Conform lui López-Acevedo & Tinajero-Bravo 2013 programele de sprijin pentru cercetare-dezvoltare sunt asociate unei valori adăugate mai mari pe muncitor. Rezultatele găsite de Pop Silaghi și alții 2014 sugerează că “o creștere de 1% în intensitatea cheltuielilor de cercetare-dezvoltare în cadrul firmelor sprijină creșterea economică cu 0,05 (0,213) % în aceste țări pe termen scurt (lung). Cheltuielile publice pentru cercetare-dezvoltare sunt nesemnificative din punct de vedere statistic” (Pop Silaghi et al. 2014).

Conform lui Andini 2009, “componentele exogene ale dezvoltării financiare intermediare sunt asociate pozitiv cu creșterea economică” (Andini 2009). Beck și alții 2000 consideră că intermediarii financiari exercită un efect pozitiv asupra factorului total de creștere a productivității, care intensifică creșterea globală a produsului intern brut. Conform lui Klein 2014 “un șoc negativ al furnizării de credite aplicat unei Întreprinderi Mici sau Mijlocii are un efect advers asupra activității economice”. (Klein 2014)

Arico 2003 găsește o legătură între creșterea economică și șomajul pe termen lung. Conform lui Abaidoo 2012, creșterea produsului intern brut este importantă în consolidarea potențialului pentru o rată a șomajului mai mică. Dixon & Shepherd 2000 descoperă că legătura între creșterea economică și șomaj este foarte variabilă. Rezultatele lui Zagler 2007 arată că creșterea economică și șomajul sunt asociate pe termen lung.

Conform lui Borensztein și alții 1998, “investițiile străine directe interne promovează creșterea economică într-o țară gazdă mai puțin dezvoltată doar atunci când țara gazdă obține un plafon al nivelului de învățământ liceal” (Borensztein și alții 1998). Wang & Wong 2011 descoperă că “anii de școlarizare necesari sunt de 0,58 ani pentru ca investițiile străine directe să aibă un impact pozitiv asupra creșterii” (Wang & Wong 2011). Conform lui Neycheva 2014, curba ascendentă a producției reale este atribuită investițiilor străine directe.

Kotha & Nair 1995 arată că modificările tehnologice au un efect pozitiv asupra creșterii întreprinderilor. Abdullah și alții 2011 descoperă că progresul tehnologic are o influență puternică asupra productivității. Conform lui Colpan & Hikino 2005 “doar angajamentul față de tehnologie, și nu față de marketing sau finanțe au asigurat rentabilitatea pe termen lung” (Colpan & Hikino 2005).

Martins & Veiga 2014 consideră că “investițiile în comunicații sunt privite ca și cheltuieli productive care conduc la creștere” (Martins & Veiga 2014). Conform lui Vu 2011 și Whitacre și alții 2014 telecomunicațiile au un impact pozitiv asupra creșterii economice.

Rezultatele descoperite de Abaidoo & Kwenin 2013 arată că “inflația așteptată tinde să aibă un impact pozitiv asupra performanței și rentabilității” (Abaidoo & Kwenin 2013). Benos & Zotou 2014 consideră că prin includerea inflației în analiză, efectul asupra educației și creșterii devine pozitiv.

Modelul panel dinamic folosind Metodele Generalizate ale Momentelor (GMM) ale lui Arellano–Bond, pe care le-am folosit în analiza noastră, a fost folosit și de Pop Silaghi 2014, Martins & Veiga 2014, Hecht 2014, Andini 2009 și Beck 2000.

Metodologie

Scopul modelelor din acest subcapitol este de a estima parametrii pe baza datelor economice analizate. Metodele Generalizate ale Momentelor reprezintă o metodă statistică, combinând datele economice cu informațiile din condițiile de moment ale populației pentru a produce estimări ale parametrilor necunoscuți. Lucrările de referință de actualitate afirmă că estimarea Metodelor Generalizate ale Momentelor (GMM) a modelelor datelor panel dinamice furnizează estimări mai cuprinzătoare și mai eficiente decât metoda celor mai mici pătrate (OLS) sau modelele de regresie grupată.

Pentru a valorifica dimensiunea cronologică și transversală, estimăm următoarea ecuație a datelor panel dinamice:

în care y este variabila dependentă, X este setul de variabile explicative, η este un efect specific fiecărei țări, neobservat, ε este termenul de eroare.

Estimatorii GMM, spre deosebire de estimatorii probabilității maxime, pleacă de la ipotezele parametrice către estimatori care sunt robuști pentru anumite variații. Sistemul Metodelor Generalizate ale Momentelor este o metodă dezvoltată de Arellano și Bover (1995) și de Blundell și Bond (1998) care este capabil de a corecta eterogenitatea neobservată a țării, erorile determinate de variabilele omise, eroarea de măsurare și endogeneitatea potențială care afectează în mod frecvent estimarea creșterii.

Tehnica Metodelor Generalizate ale Momentelor este o extensie a tehnicii metodei momentelor și diferența constă în faptul că există mai multe ecuații ale momentelor decât parametri.

Descriere

Presupunem că avem observațiile T, {Yt } t = 1,…,T iar scopul problemei de estimare este descoperirea valorii “reale” a parametrului,  prin înlocuirea valorii teoretice estimate E[] cu analogul empiric al acesteia, media eșantionului.

Ideea este de a minimaliza norma expresiei de mai sus referitor la θ. În plus, autorii sugerează că ar fi benefică folosirea criteriului de ponderi în care ponderile sunt invers proporționale cu variațiile momentelor, iar Metoda Generalizată a Momentelor propune minimalizarea sumei ponderate a pătratelor. Estimatorul GMM poate fi scris sub forma:

Motivul alegerii datelor panel dinamice este legat de faptul că oferă anumite avantaje în comparație cu metoda celor mai mici pătrate. Mai întâi, folosind datele panel ne permite analizarea naturii cronologice a relației între toate variabilele incluse. În al doilea rând, efectele neobservate specifice fiecărei țări nu apar în termenul de eroare iar coeficienții nu sunt deviați.

Datele și definițiile variabilelor

Eșantionul de țări din acest capitol este ales pentru a include statele membre UE pentru care sunt disponibile datele. Astfel, am selectat țările europene în ceea ce privește numărul de abonați la serviciile de fixe broadband acces la Internet, creditul intern acordat sectorului privat, cheltuieli pentru educație, investițiile străine directe, cheltuielile guvernamentale, rata inflației, cheltuielile cu cercetarea-dezvoltarea, exporturile de tehnologie de vârf și șomajul pe termen lung.

Datele au fost luate din următoarele surse: Uniunea Internațională de Telecomunicații, Telecomunicațiile Mondiale/Raportul de Dezvoltare și baza de date a Telecomunicațiilor Internaționale și estimările Băncii Mondiale pentru abonații la serviciile fixe broadband de acces la Internet, Fondul Monetar Internațional, Statisticile Financiare Internaționale, Banca Mondială și estimările produsului intern brut ale Organizației pentru Cooperare și Dezvoltare Economică (OECD) pentru creditul intern acordat sectorului privat și Eurostat pentru valoarea adăugată.

DVA_micro se referă la valoarea adăugată deflaționată la costul factorilor împărțită la numărul de micro-întreprinderi și este măsurată în milioane de euro. (Eurostat 2015)

DVA_small reprezintă valoarea adăugată deflaționată la costul factorilor împărțită la numărul de întreprinderi mici și este măsurată în milioane de euro.

DVA_medium se referă la valoarea adăugată deflaționată la costul factorilor împărțită la numărul de întreprinderi medii și este măsurată în milioane de euro.

reprezintă numărul de abonați la serviciile broadband fixe de acces la Internet cu linie digitală pentru abonați sau alte forme de tehnologie de mare viteză. (OECD 2015)

reprezintă creditul intern către sectorul privat (% din PIB) și “se referă la resursele financiare furnizate către sectorul privat prin corporații financiare, ca și prin împrumuturi, cumpărări de titluri imobilizate, precum și credite comerciale și alte creanțe. Pentru anumite țări, aceste acțiuni includ creditul către întreprinderile publice”. (Banca Mondială 2015)

reprezintă economii ajustate: cheltuielile pentru educație (% din venitul național brut) și “se referă la cheltuielile de exploatare curente din educație, inclusiv salariile, și excluzând investițiile de capital în clădiri și echipamente”. (Index Mundi 2015)

reprezintă investiția străină directă, influxurile nete (% din PIB) și se referă la “influxurile nete ale investiției pentru a atinge interesul pentru un management durabil într-o întreprindere care funcționează într-o economie diferită de cea a investitorului. Este suma capitalului propriu, reinvestiției câștigurilor, altor forme de capital pe termen lung și capital pe termen scurt prezentate în balanța de plăți.” (Banca Mondială 2015)

reprezintă cheltuielile guvernamentale pentru consumul final (anterior cheltuieli generale guvernamentale pentru consum) și “includ toate cheltuielile curente ale guvernului pentru achiziționarea bunurilor și serviciilor (inclusiv compensații pentru angajați).”(Index Mundi 2015)

este rata inflației “măsurată prin rata creșterii anuale a deflatorului implicit al PIB și arată rata modificării prețului în economie luat în ansamblu.” (Banca Mondială 2015)

sunt cheltuielile de cercetare-dezvoltare (% din PIB). reprezintă “cheltuielile pentru cercetare-dezvoltare care sunt cheltuieli curente și de capital (atât publice cât și private) pentru lucrările creative efectuate sistematic pentru a crește volumul de cunoștințe, inclusiv cunoștințe despre umanitate, cultură și folosirea cunoștințelor pentru noi aplicații.” (Index Mundi 2015)

se referă la exporturile de tehnologie de vârf și produse cu intensități ridicate în domeniul cercetării și dezvoltării, cum ar fi domeniul aerospațial, calculatoare, instrumente farmaceutice și științifice.

este șomajul pe termen lung și “se referă la numărul de persoane cu perioade continue de șomaj care depășesc un an sau mai mult de un an, exprimat ca procentaj al numărului total al șomerilor”. (Banca Mondială 2015)

Perioada de timp analizată este 2005-2012 iar țările europene sunt următoarele: Austria, Belgia, Bulgaria, Cipru, Republica Cehă, Danemarca, Estonia, Finlanda, Franța, Germania, Grecia, Ungaria, Irlanda, Italia, Letonia, Lituania, Luxemburg, Olanda, Polonia, Portugalia, România, Slovenia, Slovacia, Spania, Suedia, Marea Britanie.

Analiza exploratorie a datelor

Primul pas în analiza datelor este de a interpreta rezultatele statisticilor descriptive.

Figura 4. Statistica descriptivă pentru datele brute

Sursa: Calculele autorilor în STATA

Scopul statisticilor descriptive este de a calcula media și abaterea standard și divizarea acesteia în variație interioară și exterioară. În tabelul de mai sus avem valoarea adăugată minimă și maximă, media și abaterea standard pe mărimi de întreprinderi (micro-întreprindere, întreprindere mică și mijlocie). Dacă aruncăm o privire la valorile exterioare pentru aceasta statistică, aceasta este reprezentată de media indivizilor de-a lungul timpului. Pe de altă parte, valorile interioare semnifică cât de mult diferă fiecare observație dacă se scade media globală.

Media variabilei dependente valoarea adăugată pentru micro-întreprinderi este de 5,87 K Euro, deviația standard globală este de 4,61 K Euro, variația externă este de 4,1 K Euro iar variația interioară este de 2,24 K Euro, ceea ce înseamnă că avem variație externă mai mare de la un individ la altul decât variație interioară. Acest lucru este legat de faptul că țările incluse în analiză sunt atât țări dezvoltate cât și țări în curs de dezvoltare.

Media valorii adăugate pentru întreprinderile mici este de 604,24 K Euro, deviația standard de 345,58 K Euro. Variația externă este de 340,45 K Euro, mai mare decât variația interioară, în cazul micro-întreprinderilor.

Pe de altă parte, media valorii adăugate pentru întreprinderile mici este de 3535,63 K Euro, și variația globală este de 2105.04 K Euro. Din nou, variația între țări este mai mare decât variația de la un an la altul.

În continuare, deviațiile standard pentru abonații la serviciile fixe broadband de acces la Internet, creditele interne, cheltuielile pentru educație, inflația, cheltuielile cu cercetarea-dezvoltarea, exporturile de tehnologie de vârf și șomajul între indivizi sunt mai mari decât variațiile în timp.

Există o deviație standard mai mare pentru investițiile străine directe și inflație de-a lungul timpului decât între țări. Aceasta înseamnă ca valorile investițiilor și ratei inflației din țările analizate sunt mai apropiate una de alta decât variația în timp.

Matricea corelației de mai jos conține valorile coeficienților de corelație între valoarea adăugată a micro-întreprinderilor și ceilalți coeficienți incluși în analiză. Există o legătură directă strânsă între cheltuielile pentru cercetare-dezvoltare și valoarea adăugată și o corelație inversă între inflație și rata șomajului care confirmă teoria. Necompatibilă cu teoria economică este relația între investițiile străine directe și valoarea adăugată, care este inversă. O altă corelație directă ridicată poate fi observată între numărul de abonați la serviciile de acces la Internet și cheltuielile pentru cercetare-dezvoltare.

Figura 5. Matricea corelației pentru DVA_micro

Sursa: Calculele autorilor în STATA

Pentru valoarea adăugată a întreprinderilor mici, se poate observa în matricea de corelație că există o corelație strânsă cu numărul de abonați la serviciile de acces la Internet, și similar cu micro-întreprinderile, cu cheltuielile pentru cercetare-dezvoltare. Compatibile cu teoria economică, singurele corelații negative sunt între valoarea adăugată și inflație sau șomaj.

Figura 6. Matricea corelației pentru DVA_small

Sursa: Calculele autorilor în STATA

În final, următoarea matrice de corelație conține coeficienții între valoarea adăugată pentru întreprinderile mijlocii și alte zece variabile incluse în model. La fel ca în cazurile precedente, la micile întreprinderi și micro-întreprinderi, cea mai mare corelație este reprezentată de cea cu cheltuielile pentru cercetare-dezvoltare.

Figura 7. Matricea corelației pentru DVA_medium

Sursa: Calculele autorilor în STATA

Din rezultatele de mai sus care conțin coeficienții corelației între toate variabilele incluse în model, putem concluziona că nu există aproape nicio diferență între corelația mai puternică sau mai slabă atunci când valoarea adăugată este împărțită pe mărimi de întreprinderi. Aceasta înseamnă că respectiva corelație între variabilele analizate au același tipar, indiferent de mărimea companiei.

Modelele econometrice

O variabilă instrumentală trebuie să fie corelată cu variabila de interes, valoarea adăugată, dar nu și cu termenul de eroare. Instrumentele luate în considerare sunt valorile decalate în timp ale variabilei dependente.

Estimăm următoarele trei modele care au valoarea adăugată ca variabilă dependentă, în funcție de mărimea întreprinderii (mijlocie, mică și micro-întreprindere) folosind metodologia Metodei Generalizate a Momentelor.

în care , și sunt valorile adăugate divizate la deflatorul PIB pentru micro-întreprinderi, întreprinderi mici și mijlocii.

Rezultatele estimărilor

Am aplicat tehnica Metodei Generalizate a Momentelor pentru a studia relația între valoarea adăugată pe micro-întreprinderi, întreprinderi mici și mijlocii și zece alte variabile care ar putea să o influențeze. Determinanții au fost aleși conform lucrărilor de referință economice și acoperă domenii cum ar fi: educația, tehnologia, investițiile, capitalul uman și inflația.

Variabilele care nu sunt semnificative din punct de vedere statistic au fost excluse din model. Rezultatele primului model estimat, având valoarea adăugată pentru micro-întreprinderi ca variabilă dependentă, sunt prezentate mai jos.

Estimarea GMM a coeficienților implică faptul că la o creștere de 1K Euro a valorii adăugate în perioadele precedente duce la o descreștere de aproximativ 0,22K Euro a valorii adăugate curente în țările europene analizate. Așa cum se poate observa în tabelul de mai jos, pentru fiecare modificare de 1K în PIB, numărul de abonați la serviciile fixe broadband de acces la Internet ar crește cu 0,1 la 100 de persoane. Acest rezultat este compatibil cu lucrările de referință economice care susțin că există o relație pozitivă între tehnologie și valoarea adăugată a întreprinderilor.

Figura 8. Modelul econometric pentru DVA_micro

Sursa: Calculele autorilor în STATA

Cea mai mare influență asupra valorii adăugate au exercitat-o creditele acordate sectorul privat, prin împrumuturi, cumpărări de titluri imobilizate, credite comerciale și alte creanțe care stabilesc o cerere pentru replată. În cazul în care creditele se măresc cu 1%, valoarea adăugată pentru micro-întreprinderi crește cu 1,87K euro. Legătura între condițiile financiare și dependența de bănci a fost studiată îndelung în literatura de specialitate. Argumentul esențial este că “condiții financiare severe, care sunt reflectate în costuri de împrumut mai mari și standarde de împrumut mai aspre, par să aibă un efect advers mai mare la firmele care se bazează pe finanțare externă pentru operațiunile zilnice și planurile de investiții”. (Klein 2014)

Rezultatele arată că valorile mai mari ale cheltuielilor pentru educație sunt asociate cu valorile mai scăzute ale valorii adăugate. Modul în care putem interpreta rezultatele este că un punct suplimentar al cheltuielilor cu educația vor duce la 1,66K euro de valoare adăugată pentru micro-întreprinderi.

Valoarea adăugată este influențată pozitiv de cheltuielile guvernamentale, iar rezultatele arată că cheltuielile administrației centrale au indus o creștere de mai puțin de 0,5K euro.

Al doilea model estimat cu metoda GMM și care are valoarea adăugată pentru întreprinderile mici ca variabilă dependentă este prezentat mai jos:

În acest caz, coeficienții creditelor acordate sectorului privat, rata inflației, cheltuielile pentru cercetare-dezvoltare, exporturile de tehnologie de vârf și rata șomajului sunt semnificative din punct de vedere statistic pentru a explica variația valorii adăugate a întreprinderilor mici.

Importanța creditelor este așteptată și semnul pozitiv este corespunzător teoriei care arată o relație pozitivă între creditele acordate sectorului privat și creșterea valorii adăugate. Relația între împrumuturi și valoarea adăugată arată că la o mărire cu 1% a creditelor, valoarea adăugată va crește cu 2,37K euro. Coeficientul valorii adăugate decalate este semnificativ la un nivel de 5% indicând ipoteza naturii dinamice a valorii adăugate.

Figura 9. Modelul econometric pentru DVA_small

Sursa: Calculele autorilor în STATA

Există o relație pozitivă între valoarea adăugată și rata inflației și poate fi interpretată în felul următor: la o modificare de 1% a inflației, valoarea adăugată va crește cu 7,58K euro. Legătura dintre inflație și valoarea adăugată rezultată din acest model nu este compatibilă cu literatura de specialitate deoarece este argumentat faptul că, pe termen lung, inflația scăzută poate contribui la o valoare adăugată mai mare. Explicația se bazează pe faptul că inflația scăzută ajută la promovarea unui mediu sigur și stabil, încurajând astfel investițiile și ducând la o creștere a valorii adăugate a întreprinderilor.

De-a lungul timpului, mai mulți economiști au considerat cheltuielile pentru cercetare-dezvoltare ca un motor pentru creșterea economică. Rezultatele noastre sunt compatibile cu constatările lor deoarece cea mai mare influență asupra valorii adăugate a întreprinderilor mici este exercitată de cheltuielile pentru cercetare-dezvoltare. Există, de asemenea, o legătură pozitivă între valoarea adăugată și exporturile de tehnologie de vârf care includ produse cu o intensitate ridicată de cercetare-dezvoltare, cum ar fi cele din domeniul aerospațial, calculatoare, produse farmaceutice, instrumente științifice și dispozitive electrice. În cazul în care exporturile de tehnologie de vârf ar crește cu 1%, valoarea adăugată ar crește cu 8,62K euro.

Coeficientul ratei șomajului nu este compatibil cu lucrările de referință deoarece relația între valoarea adăugată și șomaj ar trebui să fie inversă. Conform legii lui Okun, atunci când șomajul scade cu 1%, produsul național brut crește cu 3%. În mod contrar, rezultatele noastre arată că există o relație pozitivă între valoarea adăugată și rata șomajului.

Ultimul model din acest subcapitol estimat cu Metoda Generalizată a Momentelor are valoarea adăugată pentru întreprinderile mijlocii ca variabilă dependentă, iar rezultatele estimării sunt următoarele:

În acest model, coeficienții care sunt semnificativi din punct de vedere statistic sunt coeficienții pentru investițiile străine directe, cheltuieli guvernamentale, rata inflației, cheltuielile pentru cercetare-dezvoltare și șomaj. Asemănător cu ultimele două modele pentru întreprinderile mici și micro-întreprinderi, influența valorii adăugate din perioada precedentă este negativă.

În cazul întreprinderilor mijlocii, putem observa că valoarea adăugată este afectată în mod pozitiv de investițiile străine directe. ISD care intră în modelul dinamic de date panel sunt semnificative și pozitive, în timp ce pentru modelele întreprinderilor mici și micro-întreprinderi, acestea devin nesemnificative. Investițiile străine directe nu sunt niciodată semnificative în modelul GMM pentru modelele întreprinderilor mici și micro-întreprinderi. Aceasta înseamnă că valoarea adăugată a firmelor este influențată de investiții doar când întreprinderile sunt de mărime mijlocie.

Coeficientul estimat al ratei inflației implică faptul că o creștere de 1% a ratei inflației duce la o creștere de aproximativ 163,6K euro a valorii adăugate. Așa cum putem observa în tabelul de mai sus, pentru fiecare modificare cu 1% a cheltuielilor de cercetare-dezvoltare, valoarea adăugată a întreprinderilor mijlocii crește cu 1862,47K euro. Se pare că în cazul întreprinderilor mici și micro-întreprinderilor, influența cheltuielilor pentru cercetare-dezvoltare este pozitivă și semnificativă.

Relația dintre șomaj și valoarea adăugată arată că la o creștere cu 1% a ratei șomajului, valoarea adăugată va crește cu 574,1K euro. Din nou, rezultatul nu este compatibil cu literatura economică.

Figura 10. Modelul econometric pentru DVA_medium

Sursa: Calculele autorilor în STATA

În continuare, folosim testul de specificație Sargan/Hansen de supra-determinare a restricțiilor care testează validitatea globală a instrumentelor, iar ipoteza nulă este că toate instrumentele ca și grup sunt exogene. Deși tehnicile variabilelor instrumentale sunt puternice, dacă este întâlnită o respingere consistentă a ipotezei nule a testului Sargan–Hansen, ar trebui să avem dubii referitor la validitatea rezultatelor estimării. Rezultatele testului Sargan confirmă faptul că setul nostru de instrumente (primele diferențe decalate ale variabilelor) este valid.

Figura 11. Rezultatele testului Sargan

Sursa: Calculele autorilor în STATA

Impactul Politicii Fiscale și Monetare asupra Activității Sectorului IMM în România

Analiză cronologică a factorilor macroeconomici ai insolvenței IMM-urilor din România în perioada 2008-2013

Introducere

Întreprinderile Mici și Mijlocii joacă un rol cheie în dezvoltarea economică a țării datorită contribuției pe care o aduc la crearea valorii adăugate, locurilor de muncă și inovației. Totuși, importanța acestora nu este reflectată corespunzător în economie prin sprijinul și deschiderea instituțiilor financiare, deoarece există o respingere constantă a băncilor față de sectorul IMM, mai ales din cauza motivelor de asimetrie informațională, lipsa garanțiilor și regulamentelor nefavorabile. Instituțiile financiare ignoră adesea așteptările firmelor față de bănci pentru încredere și parteneriat.

„Categoria Întreprinderilor Mici și Mijlocii constă din firme care angajează mai puțin de 250 de persoane și care au o cifră de afaceri anuală de maxim 50 de milioane de euro și/sau dețin active totale până la 43 de milioane de euro” (AIPPIMM, 2014). IMM-urile se încadrează în trei categorii: microîntreprinderi, întreprinderi mici și întreprinderi mijlocii în funcție de numărul de angajați și cifra de afaceri sau de activele totale.

Sectorul IMM creează 65% din locurile de muncă din România și 54% din valoarea adăugată a venitului național. Având în vedere aceste aspecte, putem să spunem că IMM-urile reprezintă coloana vertebrală a economiei României, stâlpul renașterii activității economice în perioadele de recesiune. Criza economică a lovit foarte puternic sectorul IMM din România, principalele probleme cu care se confruntă fiind lipsa garanțiilor suplimentare pentru obținerea împrumuturilor pentru investiții și pentru desfășurarea normală a afacerilor, colectarea cu întârziere a creanțelor și birocrația în accesarea fondurilor europene.

Legea insolvenței este legea nr. 85/2006 asupra procedurilor de insolvență care a fost modificată în 2014. Trebuie să facem o distincție între termenii de insolvență și faliment. „Insolvența este definită ca starea patrimonială caracterizată de imposibilitatea debitorului de a obține fonduri disponibile pentru plata obligațiilor scadente referitoare la o sumă de bani, cele cu alt obiect reglementat de dreptul comun. Falimentul este o procedură pentru încheierea existenței companiei, încetare aplicată către comercianții (debitorii) care nu pot să-și plătească datoriile afacerilor acestora” (Dreptonline, 2014). Din nefericire, în România majoritatea companiilor care intră în procedura de insolvență ajung la faliment într-un final, și nu există un cadru legal care să conducă la planuri de reorganizare de succes. Pentru a efectua analiza noastră, am folosit numărul lunar de insolvențe ale IMM-urilor pentru perioada 2008-2013.

Scopul acestei lucrări este de a stabili legătura între variabilele macroeconomice, cum ar fi rata dobânzii, creditele acordate sectorului privat, rata inflației, pe de o parte, și rata falimentelor IMM-urilor pe de altă parte, prin analiza cronologică. Este folosit un Model Autoregresiv cu decalare distribuită (ADL) în investigația noastră pentru a ne atinge scopul.

Subcapitolul este structurat după cum urmează: a doua parte prezintă principalele lucrări de referință cu privire la falimentul firmelor la nivel macroeconomic, a treia parte se referă la metodologia și datele folosite, proiectul de cercetare, a patra parte se referă la proiectul modelului econometric; a cincea secțiune analizează rezultatele empirice și ultima parte prezintă principalele concluzii.

Literatura de specialitate

De-a lungul anilor, mulți cercetători au fost interesați în a cunoaște cauzele reale ale falimentelor firmelor. Unii autori au studiat fenomenul conform analizei la micro-scară, canalizându-se asupra ratelor economice și financiare, împărțind companiile în două categorii: sub faliment și cele prospere din punct de vedere economic și financiar; alții s-au concentrat pe studiul variabilelor macroeconomice care ar putea prevede eșecurile firmelor pe termen scurt sau lung.

A fost studiată la nivel macroeconomic relația pe termen scurt între variabilele analizate și relația pe termen lung între acestea (Vlieghe, 2001); (Liu, Factori determinanți macroeconomici ai eșecului entităților corporative: Dovezi din Regatul Unit al Marii Britanii, 2004). De-a lungul timpului au fost folosite următoarele variabile independente pentru efectuarea previziunilor evoluției eșecurilor corporațiilor: rata dobânzii (Desai & Montes, 1982); (Altman, 1983); (Hudson, 1986); (Wadhwani, 1986); (Turner, Cotts, & Bowden, 1992); (Cuthbertson & Hudson, 1996); (Vlieghe, 2001); (Liu & Wilson, 2002); (Virolainen, 2004); (Liu, Factori determinanți macroeconomici ai eșecului entităților corporative: Dovezi din Regatul Unit al Marii Britanii, 2004), mărirea stocului de bani (Desai & Montes, 1982), piața monetară (Altman, 1983), datorii private/PIB (Vlieghe, 2001); (Jakubik, 2007)), datoria totală (Virolainen, 2004), inflația (Wadhwani, 1986); (Jakubik, 2007)), rata de schimb valutar (Goudie & Meeks, 1991), profit (Hudson, 1986); (Turner, Cotts, & Bowden, 1992); (Cuthbertson & Hudson, 1996)), PIB (Virolainen, 2004); (Jakubik, 2007)), PIN (Altman, 1983), variabila fluxurilor de venit (Cuthbertson & Hudson, 1996), indicele prețului proprietății (Vlieghe, 2001)), costul materiei prime (Wadhwani, 1986), salariul real (Wadhwani, 1986); (Platt & Platt, 1994); (Vlieghe, 2001), cerere totală (Wadhwani, 1986), noile înmatriculări (Platt & Platt, 1994); (Vlieghe, 2001)), legislația (Liu & Wilson, 2002).

Printre metodele folosite pentru a prevedea relația între falimentul firmelor și indicatorii macroeconomici putem include: augmented distributed lags (Altman, 1983); (Hudson, 1986); (Wadhwani, 1986); (Cuthbertson & Hudson, 1996), (Pesaran, Shin, & Smith, 2001), (Vlieghe, 2001)), polynomial distributed lags (Turner, Cotts, & Bowden, 1992), modelul autoregresiv corelat (Platt & Platt, 1994), co-integrarea seriilor de timp și Modelul de Corectare a Erorii (Vlieghe, 2001); (Liu, Factori determinanți macroeconomici ai eșecului entităților corporative: Dovezi din Regatul Unit al Marii Britanii, 2004)), Modelul Option Price (Jakubik, 2007).

Vlieghe (2001) a concluzionat că rata reală a dobânzii și datorii/PIB sunt factori pe termen lung care afectează rata falimentului în timp ce rata înființării de companii, indicele prețului proprietății și rata dobânzii nominale au efect pe termen scurt. (Vlieghe, 2001)

Liu & Wilson (2002) au arătat că rata dobânzii și legislația referitoare la procedurile de insolvență sunt variabile care prevăd eșecurile pe termen lung ale companiilor. (Liu & Wilson, 2002)

Liu (2004) a examinat relația pe termen lung între rata falimentului pentru companii și variabilele macroeconomice analizate, care implică de asemenea efecte pe termen scurt. Rezultatele au arătat că ratele falimentului pentru companii sunt influențate de rata dobânzii nominale, nivelul de preț (IPC), creditul real și înmatriculările de noi afaceri în perioada analizată. (Liu, Factori determinanți macroeconomici ai eșecului entităților corporative: Dovezi din Regatul Unit al Marii Britanii, 2004)

Metodologie și date

Colectarea datelor și definițiile variabilelor

Pentru analiza noastră am folosit seriile cronologice lunare ale numărului de IMM care au intrat în insolvență din ianuarie 2008 până în decembrie 2013. A fost creată o bază de date cu ajutorul datelor afișate pe site-urile oficiale ale Institutului Național de Statistică, Banca Națională a României, Oficiul Registrului Comerțului și Ministerul de Finanțe Publice din România. Variabilele macroeconomice au fost selectate conform analizei lucrărilor de referință recente din domeniu, având în vedere mediul economic global și caracteristicile economiei din România.

Am identificat transformări care se pot efectua pe datele brute pe baza graficelor, legislației și specificației modelului. Pentru a obține numărul de IMM active, am aplicat procentul de 99.7 (conform definiției IMM determinată de Comisia Europeană) din numărul total de firme active, iar pentru a obține numărul de insolvențe ale IMM am aplicat procentul de 99.5 (pe baza datelor Coface) din numărul total de insolvențe ale firmelor (micro – 82%, mici – 15%, mijlocii – 3%). Datele trimestriale pentru PIB au fost transformate în date lunare prin împărțirea la trei. Investițiile străine directe au fost măsurate în milioane de euro, iar noi le-am transformat în milioane de RON înmulțindu-le cu rata de schimb lunară. A fost inclusă în model o variabilă dummy pentru criza globală economică din 2008 pentru a surprinde perioada nesigură. Pentru anul 2008, variabilele dummy au valoarea 0 iar pentru restul perioadei analizate variabilele dummy au valoarea 1.

Politica fiscală a fost evaluată prin intermediul ratei fiscalității și politica monetară a fost cuantificată prin rata dobânzii la termen lung, IPC și rata creditelor raportată la PIB.

Variabila endogenă selectată pentru analiză este rata insolvențelor firmelor care reprezintă procentul numărului de insolvențe ale IMM-urilor împărțit la numărul de IMM active. (SME_Insolv)

Variabilele exogene folosite în analiza noastră sunt următoarele:

Rata înființării de noi întreprinderi este exprimată ca procent al numărului de IMM active din România conform datelor de la Registrul Național al Comerțului (SME_New) (Oficiul Registrului Național al Comerțului)

Rata dobânzii pe termen lung pentru noile împrumuturi acordate în RON de către băncile și instituțiile financiare care măsoară costul împrumutului pentru afaceri (Banca Națională a României) (Interest_rate)

Rata fiscalității reprezintă procentul veniturilor fiscale în PIB care estimează cheltuielile fiscale suportate de firme (Ministerul Finanțelor Publice) (Tax_Rate)

Indicele prețului de consum (IPC) în perioada curentă decembrie 2013 măsoară dinamica prețurilor în economia României (Institutul Național de Statistică)

Rata investițiilor străine directe ca procent din PIB care reprezintă introducerea în economia României a fluxurilor de capital străin; am selectat date de pe site-ul BNR – Balanța de plăți – Net – Contul de Capital și Financiar – Contul Financiar – Investiții Directe în România. (Banca Națională a României)

Rata creditelor ca procent din PIB; Creditele acordate de instituțiile financiare către sectorul privat măsoară importanța sectorului bancar în finanțarea acestuia. (Banca Națională a României) (Loans)

Rata șomajului ca procent al populației active (Institutul Național de Statistică) (Unempl_rate)

Criza economică din 2008 este reprezentată de o variabilă dummy care are valoarea 0 pentru perioada înainte și după criza economică și valoarea 1 pentru perioada instabilă

Proiectul de cercetare

În acest subcapitol am efectuat o analiză cronologică conform datelor lunare din perioada ianuarie 2008 – decembrie 2013, adică 72 de instanțe, pentru a stabili relația între factorii macroeconomici și insolvențele IMM-urilor. Pentru cercetarea noastră am analizat statisticile descriptive ale datelor și am calculat matricea de corelație pentru a stabili gradul de corelare care există între variabila dependentă și cele explicative.

Având în vedere faptul că variabila dependentă a ratei insolvențelor IMM este staționară după prima diferență, iar rata șomajului nu este staționară, am decis să renunțăm la această variabilă. Coeficienții variabilelor rata fiscalității (Tax_rate), investițiile străine directe (FDI), noile înmatriculări de IMM (SME_New) și rata dobânzii (Interest_rate) nu au fost semnificativi din punct de vedere statistic și nu au îmbunătățit modelul, așa că am decis să renunțăm la acestea. Astfel am creat un model folosind două variabile independente, adică rata creditelor (Loans), IPC (CPI) și decalajele variabilei dependente insolvențele IMM-urilor.

Statistica descriptivă

Au fost calculate următoarele statistici descriptive pentru opt variabile brute pe care am decis să le folosim în analiza noastră: rata insolvențelor IMM-urilor, rata noilor IMM, rata creditelor, rata dobânzii, IPC, ISD și rata șomajului.

Figura 12. Statistica descriptivă pentru datele brute

Sursa: Propriile calcule în Gretl

Analiza exploratorie a datelor

Am efectuat o analiză exploratorie a datelor brute prin examinarea tabelelor, și corelogramelor datelor analizate pentru a determina dacă variabilele au un trend și un tipar sezonier sau valori extreme. Am decis să alegem prima diferență a variabilelor pentru a transforma datele în serii de timp staționare. Variabilele selectate au avut același grad de integrare I(0).

Figura 13. Matricea de corelație pentru variabilele diferențiate

Sursa: Propriile calcule în Gretl

Din imaginea de mai sus am observat că prima diferență a variabilei dependente SME_Insolv (insolvențele IMM-urilor) este corelată negativ cu ISD, rata creditelor ca procent din PIB și IPC, și este corelată pozitiv cu prima diferență a variabilelor rata fiscalității, rata dobânzii, rata noilor IMM și rata șomajului.

Figura 14. Grafice cronologice pentru prima diferență a variabilelor

Sursa: Propriile calcule în Gretl

Pentru analiza noastră am efectuat teste pentru testarea prezenței rădăcinii unitare (testul Augmented Dickey-Fuller), teste de cointegrare (testul Engle-Granger), teste de autocorelare pentru variabilele selectate pentru a construi Modelul Autoregresiv în care decalarea este distribuită (ADL) care include efectele pe termen scurt ale politicii monetare și fiscale. Am decis să renunțăm la rata șomajului deoarece nu a avut același nivel de integrare ca restul variabilelor. Variabila dummy pentru criza economică a fost îndepărtată deoarece nu a fost semnificativă din punct de vedere statistic și a înrăutățit calitatea modelului. Am efectuat testul Chow pentru diferențele structurale, și a fost confirmat faptul că variabila dummy pentru criza economică nu a detectat diferențe structurale.

Modelul Econometric

Pentru a asocia rata insolvențelor IMM-urilor cu variabilele macroeconomice specifice am folosit Modelul Autoregresiv cu decalare distribuită (ADL) pe baza de date pe care am creat-o cu datele de la INS, BNR și Oficiul Național al Registrului Comerțului. Au fost estimați coeficienții prin metoda celor mai mici pătrate, iar erorile standard au fost calculate folosind aproximările standard asimptotice. Toate variabilele sunt exprimate ca rate iar PIB, ISD și creditele acordate sectorului privat au fost măsurate în milioane de RON. Am folosit o variabilă dummy ca reprezentant pentru criza economică. Transformările datelor, testele și modelul econometric au fost efectuate în software-ul de econometrie și statistică Gretl.

După efectuarea testului Engle-Granger pentru cointegrare, am concluzionat că variabile exogene nu sunt cointegrate cu variabila dependentă. Am descoperit durata decalării pentru fiecare dintre variabilele care sunt folosite în model prin corelograma PACF & ACF și apoi am selectat patru decalaje ale variabilei independente Loans pentru a le introduce în model, decalajul 2 al IPC și primele cinci decalaje ale variabilei dependente SME_Insolv pentru a obține Criteriul de Informații Akaike (AIC) minim.

Am proiectat un Model Autoregresiv cu decalare distribuită (ADL) pentru a analiza efectele pe termen scurt ale variabilelor macroeconomice asupra falimentului IMM-urilor din România. Am ales prima diferență a tuturor variabilelor, exceptând variabila dummy. ADL are următoarea formă:

Δ(SME_Insolvt) = a0 + a1Δ(Loanst-1) + a2Δ(Loanst-2) + a3Δ(Loanst-3) + a4Δ(Loanst-4) + a5Δ(CPIt-2) + Ɵ1Δ(SME_Insolvt-1) + Ɵ2Δ(SME_Insolvt-2) + Ɵ3Δ(SME_Insolvt-3) + Ɵ4Δ(SME_Insolvt-4) + Ɵ5Δ(SME_Insolvt-5) + εt

în care:

Δ = prima diferență a variabilelor selectate

SME_Insolv = rata insolvențelor IMM-urilor din România

Loans = rata noilor împrumuturi ca procent din PIB

CPI = indicele prețului de consum

SME_Insolvt-i = rata decalată a insolvențelor IMM-urilor din România

ai = parametrii variabilelor independente

Ɵi = parametrii variabilei dependente decalate

εt = termeni de eroare (ut~N(0,σ2))

t = perioada curentă, trimestrul curent

Figura 15. Modelul econometric

Sursa: Propriile calcule în Gretl

Pe baza cerințelor de a obține AIC minim, forma finală a modelului econometric, cu toți coeficienții semnificativi din punct de vedere statistic, este următoarea:

Δ(SME_Insolvt) = 0.14 Δ(Loanst-1) + 0.08 Δ(Loanst-2) – 0.07 Δ(Loanst-3) + 0.10 Δ(Loanst-4) – 0.03Δ(CPIt-2) – 0.26 Δ(SME_Insolvt-1) – 0.74 Δ(SME_Insolvt-2) – 0.70 Δ(SME_Insolvt-3) – 0.68 Δ(SME_Insolvt-4) – 0.50 Δ(SME_Insolvt-5)

Din modelul de mai sus observăm că variația insolvențelor IMM-urilor din luna curentă (t) este corelată negativ cu variația din ultimele cinci luni ale aceleiași variabile. Variația variabilei dependente este corelată negativ cu variațiile IPC în urmă cu două luni, adică creșterea cu 0.03% a IPC în urmă cu două luni determină o creștere cu 1% a variației insolvențelor IMM-urilor din luna curentă.

Variația variabilei dependente a fost corelată pozitiv cu variațiile ratei creditelor în urmă cu o lună, două luni și patru luni în urmă, și corelată negativ cu variația ratei creditelor în urmă cu trei luni. La o creștere de 0.14% a ratei creditelor în urmă cu o lună, va fi o intensificare cu 1% a ratei insolvențelor IMM-urilor din perioada curentă. O scădere de 0.07% a variației ratei creditelor în urmă cu trei luni cauzează o creștere cu 1 a variației variabilei dependente.

Acest model explică 57.74% din variația variabilei dependente, rata insolvențelor IMM-urilor (SME_Insolv). Toți coeficienții sunt semnificativi din punct de vedere statistic la valoarea p de 1% sau 5%.

Figura 16. Teste pentru verificarea ipotezelor modelului liniar

Sursa: Propriile calcule în Gretl

Am efectuat câteva teste pentru a verifica ipotezele modelului liniar și toate au fost adeverite. Conform testului Chow, variabila dummy ca reprezentant al crizei economice nu a detectat o diferență structurală.

Principalele rezultate

Rezultatele noastre sugerează că prima diferență a variabilei dependente rata insolvențelor IMM-urilor (SME_Insolv) este corelată negativ cu investițiile străine directe, rata creditelor ca procent din PIB și IPC și este corelată pozitiv cu prima diferență a variațiilor ratei fiscalității, ratei dobânzii, ratei noilor IMM și ratei șomajului.

După ce am efectuat testul Engle-Granger de cointegrare am concluzionat că variabilele explicative nu sunt cointegrate cu variabila dependentă iar modelul VECM nu poate fi folosit, așa că am folosit Modelul Autoregresiv cu decalare distribuită (ADL).

Am observat de asemenea că variabila dummy pentru criza economică a fost îndepărtată din model deoarece coeficienții nu au fost semnificativi din punct de vedere statistic și au înrăutățit calitatea modelului. Am folosit testul Chow pentru diferențe structurale și s-a confirmat că variabila dummy pentru criza economică nu a detectat diferențe structurale.

Analiza cronologică a factorilor macroeconomici ai înmatriculărilor de noi firme în România în perioada 2008-2013

Introducere

Înmatriculările de noi firme creează un mediu competitiv în care costurile de producție sunt minimalizate. Firmele noi consolidează posibilitatea inovării de produse și de procese (Love, 1996). Start-up-urile constituie un mijloc de realocare a resurselor pentru utilizarea lor cea mai productivă, având în vedere că condițiile economice se modifică în timp. O rată eficientă a înființărilor de firme este de obicei privită ca un indicator pozitiv de creștere în economia spațială (Love, 1996).

Înființarea de noi companii este foarte importantă pentru o economie sănătoasă deoarece acestea asigură locuri noi de muncă, sunt implicate în inovații și aduc creștere economică. În anumite țări, guvernele întocmesc legi și politici de constrângere pentru a proteja întreprinderile, iar în alte țări, prioritatea se îndreaptă către protecția angajaților și sindicatele de muncă. Politicile care blochează competitivitatea firmelor mari oferă protecție înființărilor de noi firme pe când cele care oferă firmelor mari avantaje par să îngreuneze înființarea companiilor. Standardele ridicate de contabilitate încurajează abilitatea de specializare a firmelor mari și diminuează demararea noilor companii.

Scopul acestui subcapitol este de a stabili relația între variabilele macroeconomice, cum ar fi rata dobânzii, rata fiscalității, creditele acordate sectorului privat, rata inflației și investițiile străine directe (ISD), pe de o parte, și rata înmatriculărilor de noi firme pe de altă parte printr-o analiză cronologică. Modelul Autoregresiv decalat distribuit (ADL) este folosit în cercetarea noastră pentru a ne atinge scopul.

Subcapitolul este structurat după cum urmează: a doua parte prezintă principalele lucrări de referință cu privire la înființări de noi firme la nivel macroeconomic, a treia parte se referă la metodologia și datele folosite, design-ul de cercetare, a patra parte se referă la design-ul modelului econometric; a cincea secțiune analizează rezultatele empirice, iar ultima secțiune prezintă principalele concluzii.

Cadrul teoretic și cercetări anterioare

Numărul de noi firme este corelat pozitiv cu creșterea PIB, deschiderea economiei și inflația și este corelat negativ cu șomajul. Cheltuielile pentru cercetare-dezvoltare au un efect pozitiv important asupra înființării de noi firme. (Salman, Zampatti, & Shukur, 2013)

”Întreprinderilor Mici și Mijlocii ar trebui să li se perceapă impozite mai mici pentru a avea fonduri suficiente pentru alte activități care vor duce la dezvoltarea afacerii. În plus, le-ar fi de folos Întreprinderilor Mici și Mijlocii să se doteze mai eficient pentru a supraviețui pe piața concurențială. Guvernul ar trebui să ia în considerare creșterea stimulentelor și scutirilor de impozit deoarece nu ar atrage doar investitori care sunt potențiali contribuabili, dar ar încuraja și conformitatea voluntară” (Atawodi & Ojeka, 2012).

Djankov și alții (2010) demonstrează că ratele ridicate de impozit determină o activitate scăzută a afacerilor. Ratele marginale de impozitare cele mai ridicate sunt de obicei relevante pentru firmele cele mai mari care ar putea crea oportunitatea pentru companiile mici ce operează la o rată de impozit mai mică, aducându-le un cost redus al capitalului după impozitare. (Djankov, Ganser, McLiesh, Ramalho, & Shleifer, 2010)

Aghion, Fally și Scarpetta (2007) au concluzionat că un credit privat (reprezentant pentru gradul de dezvoltare financiară) este important pentru promovarea înființării de noi întreprinderi. Urmărindu-i pe Aghion și alții, 2007, am inclus o variabilă rata creditului luată din baza de date a BNR, care reprezintă creditele acordate de instituțiile financiare pentru sectorul privat și care măsoară importanța sectorului bancar în finanțare. Băncile de depozit și alte instituții financiare sunt mai mic în țările mai sărace decât în cele bogate. (Aghion, Fally, & Scarpetta, 2007)

”Națiunile ar trebui să facă eforturi pentru a formula regulamente care să încurajeze persoanele să se transfere în economia formală. Exemple de eforturi similare care promovează dezvoltarea sectorului privat includ disponibilitatea capitalului, rate ale dobânzii favorabile și atragerea de investiții străine” (Friedman & Hall, 2014).

Rraci consideră că IMM-urile sunt predispuse să raporteze obstacole financiare mai mari decât firmele dezvoltate, indiferent de tipul de proprietate al băncii, iar firmele mari beneficiază mai mult decât IMM-urile privind accesul la finanțare și costul finanțării. (Rraci, 2010)

Rezultatele contabile ale creșterii indică faptul că contribuția ISD a fost relativ scăzută atât pentru țările dezvoltate cât și pentru cele în curs de dezvoltare. Un efect pozitiv și semnificativ a fost descoperit pentru ISD în întregul panel de țări, ca și în grupul țărilor dezvoltate. Totuși, importanța efectului de creștere al ISD nu a putut fi stabilit în grupul țărilor în curs de dezvoltare. (Dimelis & Papaioannou, 2010)

Metodologie și date

Colectarea datelor și descrierea acestora

Pentru analiza noastră am folosit seria lunară cronologică a numărului de înființări de firme din România din ianuarie 2008 până în decembrie 2013. A fost creată o bază de date cu ajutorul datelor postate pe site-urile oficiale ale Institutului Național de Statistică, Banca Națională a României, Oficiul Național al Registrului Comerțului și Ministerul de Finanțe Publice din România. Variabilele macroeconomice au fost selectate pe baza studiilor recente din domeniu, avându-se în vedere mediul economic global și caracteristicile economiei României.

Am identificat transformări de efectuat a datelor brute pe baza graficelor, legislației și specificației modelului. Datele trimestriale pentru PIB au fost transformate în date lunare prin împărțirea la trei. Investițiile străine directe au fost măsurate în milioane de euro, iar noi le-am transformat în milioane de RON înmulțindu-le cu rata de schimb lunară.

Politica fiscală a fost evaluată prin intermediul ratei fiscalității și politica monetară a fost cuantificată prin rata dobânzii pe termen lung, IPC și rata creditelor ca procent din PIB.

Variabila endogenă selectată pentru analiză este rata înmatriculărilor de noi întreprinderi și este exprimată ca procent al numărului de firme active din România folosind datele de la Oficiul Național al Registrului Comerțului (Firm_New).

Variabilele exogene folosite în analiza noastră sunt următoarele:

Rata dobânzii pe termen lung pentru noile împrumuturi acordate în RON de către băncile și instituțiile financiare care măsoară costul împrumutului pentru afaceri (Banca Națională a României) (Interest_rate)

Rata fiscalității reprezintă procentul veniturilor fiscale din PIB care estimează cheltuielile fiscale suportate de firme (Ministerul de Finanțe Publice) (Tax_rate)

Indicele prețului de consum (IPC) cu perioada curentă decembrie 2013 măsoară dinamica prețurilor în economia României (Institutul Național de Statistică)

Rata investițiilor străine directe ca procent din PIB reprezintă injectarea în economia României a fluxurilor de capital străin; am selectat date de pe site-ul BNR – Balanța de plăți – Net – Contul de Capital și Financiar – Contul Financiar – Investiții Directe în România. (Banca Națională a României)

Rata creditelor ca procent din PIB; Creditele acordate de instituțiile financiare sectorului privat măsoară importanța sectorului bancar în finanțarea acestuia. (Banca Națională a României) (Loans)

Metodologia

În acest subcapitol am realizat o serie de analize cronologice construite pe baza datelor lunare din perioada ianuarie 2008 – decembrie 2013, adică 72 de instanțe, pentru a stabili relația între factorii macroeconomici și înființările de firme. Pentru cercetarea noastră am analizat statisticile descriptive ale datelor și am calculat matricea de corelație pentru a stabili gradul de corelare care există între variabila dependentă și cele explicative.

Tabelul 8. Examinarea antetului de date brute

Firm_New Loans Interest_rate CPI Tax_Rate FDI
1 0.98 2.45 12.14 131.0 2.2 0.60
2 1.40 2.50 12.52 130.1 1.3 4.10
3 1.32 2.60 13.09 129.2 1.7 8.21
4 1.14 2.13 13.62 128.6 2.1 22.77
5 1.07 2.16 13.78 127.9 1.7 3.07
6 1.08 2.22 13.94 127.6 1.5 6.61

Sursa: Propriile calcule în R

Variabila dependentă a ratei înființărilor de firme este staționară după prima diferențiere, și același lucru este valabil pentru variabilele explicative. Doar coeficienții primei diferențieri ai variabilelor IPC și investițiilor străine directe din perioada curentă au fost semnificativi din punct de vedere statistic, iar pentru celelalte variabile explicative, anumite decalări ale acestora au fost semnificative. Am creat modelul econometric folosind toate variabilele independente sau decalările acestora și decalările variabilei dependente, înmatriculările de noi firme.

Statistici descriptive și analiza exploratorie a datelor

Următoarele statistici descriptive sunt calculate pentru șase variabile brute pe care am decis să le folosim în analiza noastră: rata înființării de firme, rata creditelor, rata dobânzii, IPC, rata fiscalității și ISD. Constatăm că media variabilei dependente a înființării de firme (New_Firms) este 0,77% din totalul de firme active în perioada ianuarie 2008 – decembrie 2013.

Tabelul 9. Statistici descriptive pentru datele brute

Firm_New Loans Interest_rate CPI
Min. :0.070 Min. :1.73 Min. : 7.55 Min. : 99.5
1st Qu.:0.627 1st Qu.:2.04 1st Qu.:10.26 1st Qu.:104.7
Median :0.740 Median :2.22 Median :10.87 Median :109.5
Mean :0.778 Mean :2.34 Mean :12.45 Mean :112.2
3rd Qu.:0.938 3rd Qu.:2.56 3rd Qu.:14.15 3rd Qu.:120.6
Max. :1.400 Max. :3.21 Max. :20.91 Max. :131.0
Tax_Rate FDI
Min. :0.60 Min. :-3.810
1st Qu.:1.40 1st Qu.: 0.442
Median :1.50 Median : 2.535
Mean :1.55 Mean : 2.811
3rd Qu.:1.70 3rd Qu.: 4.105
Max. :2.30 Max. :22.770

Sursa: Propriile calcule în R

Am realizat de asemenea o analiză exploratorie a datelor brute prin examinarea tabelelor, graficelor și corelogramelor a datelor observate pentru a determina dacă variabilele au un trend și un tipar sezonier sau valori extreme. Am decis să luăm în considerare prima diferență a variabilelor pentru a transforma datele în serii cronologice staționare. Variabilele selectate au același grad de integrare I(0).

Tabelul 10. Matricea de corelație pentru variabilele diferențiate

df_Firm_New_ts df_Loans_ts df_Interest_rate_ts
df_Firm_New_ts 1.00 0.12 0.24
df_Loans_ts 0.12 1.00 0.12
df_Interest_rate_ts 0.24 0.12 1.00
df_CPI_ts -0.26 -0.28 -0.29
df_Tax_Rate_ts -0.10 -0.21 0.07
df_FDI_ts 0.05 0.09 0.13
df_CPI_ts df_Tax_Rate_ts df_FDI_ts
df_Firm_New_ts -0.26 -0.10 0.05
df_Loans_ts -0.28 -0.21 0.09
df_Interest_rate_ts -0.29 0.07 0.13
df_CPI_ts 1.00 -0.23 -0.05
df_Tax_Rate_ts -0.23 1.00 0.25
df_FDI_ts -0.05 0.25 1.00

Sursa: Propriile calcule în R

Din imaginea de mai sus am observat că prima diferență a variabilei dependente Firm_New este corelată negativ cu prima diferență a IPC și rata fiscalității, și este corelată pozitiv cu prima diferență a variabilelor rata dobânzii, rata creditelor și rata ISD.

Figura 17. Grafice cronologice pentru prima diferență a variabilelor

Sursa: Propriile calcule în R

Pentru analiza noastră am efectuat teste pentru testarea prezenței rădăcinii unitare (testul Augmented Dickey-Fuller), teste de cointegrare (testul Engle-Granger), teste de autocorelare pentru variabilele selectate pentru a construi Modelul Autoregresiv decalat distribuit (ADL) care include efectele pe termen scurt ale politicii monetare și fiscale.

Modelul Econometric

Pentru a asocia rata înființărilor de firme la variabilele macroeconomice specifice am folosit Modelul Autoregresiv în care decalarea este distribuită (ADL) asupra bazei de date pe care am creat-o cu datele de la INS, BNR, MFP și ONRC. Coeficienții au fost estimați cu ajutorul metodei celor mai mici pătrate iar erorile standard au fost calculate folosind aproximările standard asimptotice. Toate variabilele sunt exprimate ca rate iar PIB, ISD și creditele acordate sectorului privat au fost măsurate în milioane de RON. Transformările datelor, testele și modelul econometric au fost efectuate în limbajul de programare R.

După efectuarea testului Engle-Granger pentru cointegrare, am concluzionat că variabilele exogene nu sunt cointegrate cu variabilele dependente. Am descoperit durata decalării pentru fiecare dintre variabilele care sunt folosite în model prin corelograma PACF & ACF și apoi am selectat decalarea 2 a variabilelor independente rata creditelor și rata dobânzii pentru a fi introduse în model, decalarea 2 a ISD, decalarea 4 pentru variabila rata fiscalității și primele două decalări ale variabilei dependente Firm_New pentru a obține AIC minim, adică -24,29.

Am proiectat Modelul ADL pentru a analiza efectele pe termen scurt ale variabilelor macroeconomice asupra înființărilor de firme din România. Am ales prima diferență a tuturor variabilelor. ADL are următoarea configurație:

Δ(Firm_Newt) = a0 + a1Δ(CPIt) + a2Δ(Loanst-2) + a3Δ(Interest_Rate t-2) + a4Δ(Tax_Ratet-4) + a5Δ(FDIt) + a6Δ(FDIt-2) + Ɵ1Δ(Firm_Newt-1) + Ɵ2Δ(Firm_Newt-2) + εt

în care:

Δ = prima diferență a variabilelor selectate

Firm_New = rata înființărilor de firme în România

Loans = rata noilor împrumuturi ca procent din PIB

CPI = indicele prețurilor de consum

Interest_Rate = rata dobânzii pe termen lung

Tax_Rate = procentul veniturilor fiscale în PIB

FDI = investiții străine directe în România ca procent din PIB

Firm_Newt-i = decalarea ratei înmatriculărilor de noi firme în România

ai = parametrii variabilelor independente

Ɵi = parametrii decalărilor variabilei dependente

εt = termeni de eroare (ut~N(0,σ2))

t = perioada curentă, luna curentă

Tabelul 11. Modelul econometric

Call:
lm(formula = df_Firm_New_ts ~ df_CPI_ts + df_Loans_ts_2 + df_Loans_ts_2 +
df_Interest_rate_ts_2 + df_Tax_rate_ts_4 + df_FDI_ts + df_FDI_ts_2 +
+df_Firm_New_ts_1 + df_Firm_New_ts_2, data = db, na.action = na.omit)

Residuals:
Min 1Q Median 3Q Max
-0.3853 -0.1110 -0.0281 0.0705 0.4497

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.07407 0.02937 -2.52 0.01444 *
df_CPI_ts -0.14096 0.04312 -3.27 0.00182 **
df_Loans_ts_2 0.22428 0.06753 3.32 0.00156 **
df_Interest_rate_ts_2 -0.08184 0.03186 -2.57 0.01281 *
df_Tax_rate_ts_4 0.23512 0.05687 4.13 0.00012 ***
df_FDI_ts 0.01286 0.00614 2.10 0.04045 *
df_FDI_ts_2 0.01169 0.00483 2.42 0.01864 *
df_Firm_New_ts_1 -0.52774 0.09072 -5.82 2.7e-07 ***
df_Firm_New_ts_2 -0.44994 0.09200 -4.89 8.3e-06 ***
–
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.187 on 58 degrees of freedom

Multiple R-squared: 0.647, Adjusted R-squared: 0.598
F-statistic: 13.3 on 8 and 58 DF, p-value: 1.12e-10

AIC -24.29

Sursa: Propriile calcule în R

Pe baza cerințelor de a obține AIC minim, forma finală a modelului econometric, cu toți coeficienții semnificativi statistic la 5%, 1% sau sub aceste valori, este următoarea:

Δ(Firm_Newt) = -0.07 – 0.14 Δ(CPIt) + 0.22 Δ(Loanst-2) – 0.08 Δ(Interest_Ratet-2) + 0.235 Δ(Tax_Ratet-4) + 0.01 Δ(FDIt) + 0.01 Δ(FDIt-2) – 0.528 Δ(Firm_Newt-1) – 0.45 Δ(Firm_Newt-2) + εt

Din modelul de mai sus observăm că variația înființărilor de firme din luna curentă (t) este corelată negativ cu variația din ultimele două luni ale aceleiași variabile. Variația variabilei dependente este corelată negativ cu variațiile IPC din luna curentă și rata dobânzii decalată cu două luni.

Variația variabilei dependente a fost corelată pozitiv cu variațiile ratei creditelor decalate cu două luni, rata fiscalității în urmă cu patru luni, ISD decalate cu două luni și ISD din perioada curentă.

Observăm că cel mai semnificativ coeficient din punct de vedere statistic este cel al primei diferențe a variabilei explicative rata fiscalității decalată cu patru luni. Creșterea cu 0,235% a variației în procentul veniturilor fiscale în PIB în urmă cu patru luni determină o creștere cu 1% a ratei înființărilor de firme.

Acest model explică 59,80% din variația variabilei dependente a ratei înființărilor de firme (Firm_New). Toți coeficienții sunt semnificativi din punct de vedere statistic la valoarea p de 5%, 1% sau mai mică.

Tabelul 12. Teste pentru verificarea ipotezelor modelului liniar

studentized Breusch-Pagan test

data: ls4

BP = 12.31, df = 8, p-value = 0.1377

lag Autocorrelation D-W Statistic p-value
1 -0.1424 2.283 0.214
Alternative hypothesis: rho != 0

Shapiro-Wilk normality test
data: db

Sursa: Propriile calcule în R

Am efectuat testul Breusch-Pagan pentru heteroscedasticitate, testul Shapiro-Wilk pentru normalitatea reziduurilor și testul Durbin-Watson pentru autocorelare pentru verificarea ipotezelor modelului liniar și putem afirma că toate acestea au fost îndeplinite.

Rezultate Empirice

După ce am efectuat testul Engle-Granger de cointegrare am concluzionat că variabilele explicative nu sunt cointegrate cu variabila dependentă și că modelul VECM nu poate fi folosit, în consecință am folosit Modelul Autoregresiv în care decalarea este distribuită (ADL).

Rezultatele noastre sugerează că variația variabilei dependente este corelată negativ cu variațiile IPC din luna curentă și rata dobânzii decalată cu două luni, și este corelată pozitiv cu variațiile ratei creditelor decalată cu două luni, ratei fiscalității în urmă cu patru luni, ISD decalate cu două luni și ISD din perioada curentă.

ISD au un impact pozitiv asupra înființărilor de firme, dar influența acestora asupra înmatriculărilor de noi întreprinderi este destul de scăzută, de doar 0,01%, iar valoarea p este semnificativă statistic la 5%.

Coeficientul cel mai semnificativ statistic este cel al primei diferențe a variabilei explicative rata fiscalității decalată cu patru luni. Creșterea cu 0,235% a variației în procentul veniturilor fiscale în PIB în urmă cu patru luni determină o creștere cu 1% a ratei înființărilor de firme.

Factorii Macroeconomici ai Performanței Întreprinderilor Mici și Mijlocii din România în perioada 2005-2013. O abordare cronologică

Introducere

Întreprinderile Mici și Mijlocii reprezintă coloana vertebrală a economiei României deoarece creează 54% din valoarea adăugată a venitului național și 65% din locurile de muncă din România. Criza economică a lovit foarte puternic sectorul Întreprinderilor Mici și Mijlocii din România, principalele probleme cu care se confruntă fiind colectarea cu întârziere a creanțelor, lipsa garanțiilor suplimentare pentru obținerea împrumuturilor pentru investiții și birocrația la accesarea fondurilor europene. ”Categoria Întreprinderilor Mici și Mijlocii constă în firme care angajează mai puțin de 250 de persoane și care au o cifră de afaceri anuală de maxim 50 de milioane de euro și/sau dețin active totale până la 43 de milioane de euro.” (AIPPIMM 2013) Există trei categorii de Întreprinderi Mici și Mijlocii: micro-întreprinderi, întreprinderi mici și întreprinderi mijlocii în funcție de cifra de afaceri sau activele totale și numărul de angajați.

Pentru a efectua analiza noastră, am folosit ca variabile dependente valoarea adăugată deflaționată trimestrială pentru numărul de micro-întreprinderi, firme mici și întreprinderi mijlocii din perioada 2005-2013. Scopul acestei lucrări este de a stabili relația între factorii macroeconomici, cum ar fi rata dobânzii, indicele prețurilor de consum, rata fiscalității, rata șomajului, rata investițiilor străine directe și rata cheltuielilor guvernamentale, pe de o parte, și valoarea adăugată deflaționată a Întreprinderilor Mici și Mijlocii, pe de altă parte, folosind o abordare cronologică. Este folosit Modelul Autoregresiv cu decalare distribuită (ADL) în investigația noastră pentru a ne atinge scopul.

Studiul este structurat după cum urmează: a doua parte prezintă principalele lucrări de referință cu privire la creșterea economică sau performanța firmelor la nivel macroeconomic, a treia parte se referă la metodologia și datele folosite, precum și la proiectul de cercetare, a patra parte se canalizează pe ecuațiile modelelor econometrice și rezultatele acestora și ultima parte prezintă principalele concluzii și recomandări.

Analiza lucrărilor de referință

Usman (2011) demonstrează că există o relație pe termen lung între cheltuielile publice și creștere folosind cointegrarea și rezultatele vectorului de corecție a erorii (VEC).(Usman et al. 2011). Nijkamp (2004) descoperă faptul că structura cheltuielilor publice contează pentru creștere. Guvernele ar trebui să fie conștiente de faptul că cheltuielile pentru educație, infrastructura transportului și cheltuielile generale guvernamentale pot promova creșterea economică. (Nijkamp și Poot, 2004). Rezultatele lui Fölster duc la concluzia că atât cheltuielile guvernamentale cât și impozitarea sunt asociate negativ cu creșterea economică. (Fölster & Henrekson 2001)

Devarajan (1996) arată că o creștere în ponderea de cheltuieli curente are efecte de creștere pozitive și semnificative din punct de vedere statistic. Prin contrast, relația dintre componenta de capital a cheltuielilor publice și creșterea pe cap de locuitor este negativă (Devarajan et al. 1996). Astfel, cheltuielile aparent productive, folosite în exces, pot deveni neproductive (Devarajan et al. 1996).

Kneller consideră faptul că cheltuielile guvernamentale intensifică creșterea, în timp ce cheltuielile neproductive nu o intensifică. Atunci când este finanțată prin anumite combinații de impozitare ne-distorsionară și cheltuieli neproductive, majorarea cheltuielilor productive intensifică semnificativ creșterea, și o creștere în taxarea distorsionară reduce semnificativ creșterea. (Kneller et al. 1999).

Folosind modelul VAR, Mutașcu consideră că un șoc pozitiv în rata nivelului dinamic de impozitare generează o intensificare în nivelul creșterii economice pe termen lung în cazul României.(Mutașcu & Dănulețiu 2011). Investițiile interne au avut un impact semnificativ asupra performanței economiilor gazdă, deși efectele benefice asupra companiilor autohtone apar cu întârziere. (Dawn & Pain 1998).

Metodologie și date

Colectarea datelor și definițiile variabilelor

Pentru a efectua cercetarea noastră am folosit seria cronologică trimestrială deflaționată a valorii adăugate a Întreprinderilor Mici și Mijlocii din România din perioada ianuarie 2005 până în decembrie 2013. A fost creată o bază de date cu ajutorul informațiilor afișate pe site-urile oficiale ale Băncii Mondiale, Institutul Național de Statistică, Banca Națională a României și Ministerul de Finanțe Publice din România. Variabilele macroeconomice au fost selectate conform lucrărilor de referință recente din domeniu, având în vedere trăsăturile specifice ale economiei României și mediul economic global. Modelele econometrice și analiza datelor au fost efectuate în soft-ul de econometrie și statistică Gretl.

Politica fiscală a fost evaluată prin rata cheltuielilor guvernamentale și rata fiscalității, iar politica monetară a fost cuantificată prin rata dobânzii și indicele prețurilor de consum.

Variabila dependentă selectată pentru analiză este rata valorii adăugate deflaționate a Întreprinderilor Mici și Mijlocii (valoarea adăugată brută la costul factorilor este suma salariilor și altor factori de cost cu privire la muncă, profit, subvenții de exploatare, amortizarea capitalului fix, valoarea netă a impozitelor cu privire la producție) împărțite la numărul de Întreprinderi Mici și Mijlocii (micro-întreprinderi, companii mici sau întreprinderi mijlocii). (VA_micro, VA_small, VA_medium).

Variabilele independente folosite în analiza noastră sunt următoarele:

Rata dobânzii politicii monetare (Banca Națională a României) (Int_rate)

Rata fiscalității reprezintă procentul veniturilor fiscale în PIB care estimează sarcina fiscală suportată de întreprinderile din România (Ministerul de Finanțe Publice) (Tax_Rate)

Indicele prețurilor de consum (IPC) în perioada curentă (decembrie 2013) măsoară dinamica prețurilor în economia României (Institutul Național de Statistică)

Rata investițiilor străine directe ca procent din PIB care reprezintă injectarea de fluxuri de capital străin în economia românească (Banca Națională a României)

Rata șomajului ca procent al populației active (Institutul Național de Statistică) (Unempl_rate)

Rata cheltuielilor guvernamentale ca procent din PIB (Institutul Național de Statistică) Gov_Rate

Proiectul de cercetare

În această lucrare am efectuat o analiză cronologică bazată pe datele trimestriale din perioada ianuarie 2005 – decembrie 2013, adică 36 de instanțe, pentru a determina relația între factorii macroeconomici și performanța Întreprinderilor Mici și Mijlocii. Pentru cercetarea noastră am analizat statistica descriptivă a datelor, am calculat matricea de corelație pentru a stabili gradul de corelare care există între variabilele exogene și cele endogene, am efectuat analize exploratorii, și înainte de a crea modelul, am efectuat câteva teste, cum ar fi: testul ADF și testul de cointegrare EG asupra variabilelor. După proiectarea modelului econometric am efectuat următoarele teste: Teste ale rădăcinii unitare (Testul Augmented Dickey-Fuller), teste de cointegrare (Testul Engle-Granger), teste de autocorelare pe variabilele selectate pentru a construi Modelul Autoregresiv cu decalare distribuită (ADL) care captează efectele pe termen scurt ale politicii monetare și fiscale.

Statistici descriptive

Am calculat în software-ul Gretl statisticile descriptive pentru nouă variabile pe care am decis să le folosim în analiza noastră, trei variabile dependente și șase variabile independente. Observăm că valoarea adăugată a micro-întreprinderilor (0,02) este de zece ori mai mică decât cea a întreprinderilor mici (0,2) și de 63 de ori mai mică decât rata valorii adăugate a întreprinderilor mijlocii (1,26).

Tabelul 13 Statistici descriptive, folosind observațiile 2005:1 – 2013:4

Sursa: Calculele autorului în Gretl

Analiza exploratorie a datelor

Am efectuat o analiză exploratorie a datelor brute prin examinarea histogramelor, graficelor și corelogramelor datelor pentru a determina dacă variabilele au o tendință și un tipar sezonier sau valori extreme. Am decis să diferențiem odată variabilele pentru a transforma datele în serii cronologice staționare. După ce am creat prima diferență a variabilelor am observat că rata șomajului nu este staționară, și că indicele prețurilor de consum are un trend, astfel încât le-am scos din modelul econometric. Variabilele selectate au avut același grad de integrare I(0).

Din matricea de corelație observăm că prima diferență a variabilelor VA_micro, VA_small, VA_medium sunt corelate negativ cu rata dobânzii, rata șomajului și cheltuielile guvernamentale, fiind corelate pozitiv cu prima diferență a variabilelor IPC, investițiile străine directe și rata fiscalității. După efectuarea testului de cointegrare Engle-Granger, am concluzionat că variabilele nu sunt cointegrate, astfel încât nu poate fi folosit VECM.

Figura 18. Graficele seriilor de timp ale principalelor variabile

Sursa: Calculele autorilor în Gretl

Modele Econometrice și principalele rezultate empirice

Pentru a explica rata valorii adăugate a Întreprinderilor Mici și Mijlocii față de anumite variabile macroeconomice, am folosit Modelul Autoregresiv cu decalare distribuită (ADL) pe baza de date pe care am creat-o cu datele de la INS, BNR și MF. Coeficienții au fost estimați prin metoda celor mai mici pătrate, iar erorile standard au fost calculate folosind aproximările standard asimptotice. Analiza exploratorie, testele și modelul econometric au fost realizate în software-ul statistic Gretl.

După efectuarea testului Engle-Granger pentru cointegrare, am concluzionat că variabilele independente nu sunt cointegrate cu variabilele dependente. Am descoperit lungimea decalării pentru fiecare dintre variabilele care sunt folosite în model și apoi nu am folosit decalările variabilei dependente datorită problemelor de colinearitate. Am selectat decalările variabilelor exogene ținând cont de Criteriul de Informații Akaike (AIC) minim.

Am proiectat un Model Autoregresiv cu decalare distribuită (ADL) pentru a analiza efectele pe termen scurt ale variabilelor macroeconomice asupra valorii adăugate a Întreprinderilor Mici și Mijlocii din România. Am ales prima diferență a tuturor variabilelor. Pe baza cerințelor de a obține AIC minim, forma finală a modelului econometric pentru valoarea adăugată a micro-întreprinderilor, cu toți coeficienții semnificativi din punct de vedere statistic, este următoarea:

Δ(VA_microt) = -0.001*Δ(Int_Ratet-2) -0.002*Δ(Tax_Ratet-1) + 0.002*Δ(Tax_Ratet-4) – 0.08*Δ(Gov_Ratet) -0.16*Δ(Gov_Ratet-1) -0.05Δ(Gov_Ratet-4)

în care:

Δ = prima diferență a variabilelor selectate

VA_micro = valoarea adăugată deflaționată pe numărul de micro-întreprinderi din România

VA_microt-i = valoarea adăugată deflaționată decalată pe numărul de micro-întreprinderi din România

Int_Ratet = rata dobânzii în trimestrul curent

Tax_Ratet = rata fiscalității ca procent din PIB

Gov_Ratet = rata cheltuielilor guvernamentale ca procent din PIB

ai = parametrii variabilelor independente

t = perioada curentă, trimestrul curent

Observăm că variația ratei cheltuielilor guvernamentale are impactul negativ cel mai semnificativ asupra variației valorii adăugate a micro-întreprinderilor. Acest model explică 79% din variația variabilei dependente VA_micro. Toți coeficienții sunt semnificativi din punct de vedere statistic la valoarea p de 1%, 5% sau 10%.

Forma finală a modelului econometric pentru valoarea adăugată a firmelor mici, cu toți coeficienții semnificativi din punct de vedere statistic, este următoarea:

Δ(VA_smallt) = -0.024*Δ(Int_Ratet-3) -0.035*Δ(Tax_Ratet-1) – 0.023*Δ(Tax_Ratet-2) + 0.017*Δ(Tax_Ratet-4) + 1.54*Δ(Gov_Ratet-2) + 1.59*Δ(Gov_Ratet-3) + 0.78*Δ(Gov_Ratet-4) +0.013*Δ(FDIt) + 0.011*Δ(FDIt-1) -0.019*Δ(FDIt-3)

Observăm că variația ratei cheltuielilor guvernamentale are impactul pozitiv cel mai semnificativ asupra variației valorii adăugate a firmelor mici. Acest model explică 82,58% din variația variabilei dependente VA_small. Toți coeficienții sunt semnificativi din punct de vedere statistic la valoarea 1% sau 5%.

Forma finală a modelului econometric pentru valoarea adăugată a firmelor mijlocii, cu toți coeficienții semnificativi din punct de vedere statistic, este următoarea:

Δ(VA_mediumt) = -0.14*Δ(Int_Ratet-3) -0.22*Δ(Tax_Ratet-1) – 0.16*Δ(Tax_Ratet-2) + 0.11*Δ(Tax_Ratet-4) + 8.56*Δ(Gov_Ratet-2) + 8.60*Δ(Gov_Ratet-3) + 4.40*Δ(Gov_Ratet-4) +0.08*Δ(FDIt) + 0.07*Δ(FDIt-1) -0.13*Δ(FDIt-3)

Observăm că variația ratei cheltuielilor guvernamentale are impactul pozitiv cel mai semnificativ asupra variației valorii adăugate a firmelor mijlocii. Acest model explică 83,60% din variația variabilei dependente VA_medium. Toți coeficienții sunt semnificativi din punct de vedere statistic la valoarea p de 1% sau 5%.

Am efectuat câteva teste pentru a verifica ipotezele unui model liniar și toate s-au adeverit, testul White și testul Breusch-Pagan pentru heteroscedasticitate, testul pentru normalitatea reziduurilor, testul de colinearitate, testul Breusch-Godfrey pentru autocorelare.

O analiză microeconomică a insolvențelor IMM-urilor din România

O analiză exploratorie a factorilor determinanți microeconomici cu privire la insolvența Întreprinderilor Mici și Mijlocii din România

Introducere

Principalul scop al acestei lucrări este de a stabili corelările și asocierile între variabilele microeconomice folosite în analiza noastră. Este folosită o analiză exploratorie a datelor în cercetarea noastră pentru a cunoaște mai bine caracteristicile Întreprinderilor Mici și Mijlocii în stare de insolvență în 2010 și analiza comparativă pentru a detecta principalele diferențe între categoriile de IMM-uri.

Articolul este structurat după cum urmează: a doua secțiune prezintă o analiză a lucrarilor de referință anterioare cu privire la insolvența IMM-urilor la nivel microeconomic, a treia parte se referă la datele folosite și metodologia de cercetare iar a patra secțiune prezintă principalele rezultate, în timp ce ultima secțiune prezintă concluzii și recomandări.

Literatura de specialitate

Majoritatea studiilor recente din România cu privire la factorii care determină falimentele companiilor au fost efectuate la nivel microeconomic (Bărbuță-Mișu, 2010); (Moscalu, 2012); (Brîndescu – Olariu & Goleț, 2013); (Mironiuc, Robu, & Robu, 2012)) iar întreprinderile analizate au fost cele listate la Bursa de Valori din București deoarece datele sunt ușor de obținut (Mihalca, 2011); (Mironiuc, Robu, & Robu, 2012)), astfel încât am decis să efectuăm o analiză cantitativă asupra Întreprinderilor Mici și Mijlocii în stare de insolvență din România, având în vedere lipsa studiilor similare.

Mișu 2010 evaluează performanța financiară a Întreprinderilor Mici și Mijlocii din sectorul de construcții din România, folosind un model dezvoltat în special pentru trăsăturile mediului de afaceri din România în sectorul de construcții. Concluziile arată relevanța modelului în estimarea performanței financiare și clasificarea IMM-urilor în funcție de performanța lor.(Mișu, 2010)

Baciu 2014, prin analiza de regresie liniară, studiază impactul pe care îl au anumite rate de structură, mărimea și vârsta firmelor asupra nivelului datoriei pentru companiile aflate în insolvență din România. “Rezultatele studiului arată că nivelul de îndatorare (datoria totală, datoria pe termen scurt și datoria pe termen lung) este influențat de factorii financiari cum ar fi ratele de structură, cifra de afaceri a activelor totale sau mărimea companiei și factori non-financiari cum ar fi vârsta companiei. De asemenea, studiul prezent demonstrează că influențele analizate diferă în funcție de exigibilitatea datoriei”. Datoriile firmelor aflate în insolvență sunt influențate în mod direct de cifra de afaceri iar creșterea acestora arată că ele își finanțează veniturile insuficiente mai mult din obligațiile curente decât din cele pe termen lung. Relația între mijloacele fixe și gradul de îndatorare este una pozitivă” (Baciu 2014).

Daniela-Rodica Popescu (2013) a analizat contribuția sectorului IMM pe categorii de mărime în România și alte state membre UE referitor la asigurarea creșterii economice. Ea a folosit variabile macroeconomice cum ar fi creșterea economică, extinderea sectorului IMM, mediul de afaceri, împrumuturile acordate, importurile, exporturile, cheltuielile guvernamentale din PIB, procentul populației înregistrat în instituțiile de învățământ superior, deflatorul PIB, rata șomajului pentru a construi modele econometrice de date tip panel pentru fiecare categorie de mărime IMM în perioada 2005-2011 pentru 25 de state membre UE. Principala constatare a fost că prevalența sectorului IMM prin valoarea brută adăugată (GAV) a creat un impact pozitiv asupra creșterii economice. Doar întreprinderile mijlocii și mici au determinat creșteri importante ale PIB-ului în perioada analizată; microîntreprinderile nu au reușit acest lucru datorită lipsei de investiții în echipamente și tehnologii moderne. (Popescu (Silivestru), 2013)

Metodologie și date

Colectarea datelor și definițiile variabilelor

Pentru a efectua analiza noastră am folosit o bază de date transversală cu 7,861 IMM-uri din România aflate în insolvență în anul 2010. Baza de date a fost asigurată de Coface România. Avantajul studiului nostru este mărimea bazei de date.

Baza de date conține 17 variabile, printre care: vârsta întreprinderii în anul în care a intrat în insolvență, zona în care funcționează, mărimea categoriei (micro, mică, mijlocie), active totale, active fixe totale, active circulante, stocurile, capitalul total, datorii totale, cifra de afaceri netă, venituri totale, cheltuieli totale, rezultatul brut și net, numărul mediu de angajați, total furnizori cu un an înainte de anul intrării în insolvență.

Principalele transformări pe care le-am efectuat asupra datele brute au fost realizate în Excel iar analiza exploratorie a datelor a fost făcută în Gretl, un software statistic și econometric gratuit.

Am efectuat următoarele transformări asupra datelor brute: am calculat vârsta Întreprinderilor Mici și Mijlocii în stare de insolvență în 2010 și le-am clasat în patru categorii (0 – care include firmele cu o vârstă cuprinsă între 0 până la 5 ani, 1 – care include întreprinderile cu o vârstă cuprinsă între 6 până la 10 ani, 2 – care include companii cu o vârstă cuprinsă între 11 până la 15 ani și 3 – care include întreprinderile cu o vârstă cuprinsă între 16 până la 20 ani). Am codat opt regiuni din România (a se vedea anexa) și am codat cele trei categorii de mărime ale întreprinderilor (1- microîntreprinderi, 2 – firme mici și 3 – companii mijlocii) conform definiției Comisiei Europene referitoare la IMM-uri.

Variabilele folosite în analiza noastră sunt următoarele:

Vârsta IMM-urilor care au intrat în insolvență în 2009 – variabila ordinală (Age)

Regiunea din România în care funcționează IMM-urile – variabila ordinală (Region)

mărimea întreprinderilor care au intrat în insolvență: microîntreprinderi, firme mici sau întreprinderi mijlocii – variabila ordinală (Size)

numărul de angajați ai IMM-urilor care au intrat în insolvență în 2009– variabila numerică (No employ)

activele totale ale IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (TA)

mijloacele fixe ale IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (FA)

activele circulante ale IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (CA)

stocurile IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (Inv)

capitalul IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (K)

datorii totale ale IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (TD)

cifra de afaceri netă a IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (NT)

venitul total al IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (TI)

cheltuieli totale ale IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (TE)

rezultatul brut al IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (GR)

rezultatul net al IMM-urilor care au intrat în insolvență în 2009 în milioane RON – variabila numerică (NR)

soldul creanțelor IMM-urilor care au intrat în insolvență în 2009 în milioane RON– variabila numerică (AR)

Metodologia de cercetare

În acest articol am efectuat o analiză cantitativă a caracteristicilor IMM-urilor din România care au intrat în insolvență în anul 2010. Pentru cercetarea noastră am analizat statisticile descriptive ale datelor, am calculat matricea de corelație pentru a stabili gradul de corelare care există între variabilele analizate și am efectuat analiza exploratorie a firmelor aflate în insolvență și a variabilelor folosite în studiu în anul 2010. Am efectuat o analiza comparativă referitoare la mărimea întreprinderilor mici și mijlocii.

Statistici descriptive

Din numărul total de IMM-uri care au intrat în insolvență, adică 7861, 78% reprezintă microîntreprinderile, 18% firmele mici și 4% întreprinderile mijlocii. După ce am calculat statisticile descriptive pentru microîntreprinderile aflate în insolvență am observat că numărul mediu al angajatilor este de 2.5, capitalul mediu este negativ -79.62 milioane RON, rezultatul mediu net este de -90.11 milioane RON și cifra de afaceri netă este de 369.48 milioane RON.

Statisticile descriptive pentru întreprinderile mici aflate în insolvență arată că numărul mediu de angajați este 18.5, capitalul mediu este negativ -132.19 milioane RON, rezultatul mediu net este de -633.22 milioane RON și cifra de afaceri netă este de 3582.2 milioane RON.

După ce am calculat statisticile descriptive pentru companiile mijlocii aflate în insolvență am observat că numărul mediu al angajaților este de 95, capitalul mediu este negativ -301.95 milioane RON, rezultatul mediu net este de -1525.5 milioane RON și cifra de afaceri netă este de 11,522 milioane RON.

Analiza exploratorie a datelor

Din matricea de corelație observăm că rezultatul net este corelat pozitiv cu capitalul (coeficientul de corelație este de 70%) și este corelat negativ cu datoria totală (-51%) și cheltuielile totale (-50%).

Figura 19. Diagrama de dispersie între Venitul net și Capital pentru microîntreprinderi

Sursa: Calculele autorilor în Gretl

Tabelul de frecvență arată că majoritatea microîntreprinderilor au intrat în insolvență în regiunea 4 (Nord-Vest) și cele mai puține în regiunea 7 (Sud-Vest). Din tabelul de frecvență factorizat pe categorii de vârstă observăm că majoritatea microîntreprinderilor care au intrat în insolvență sunt din categoria 1 (care include întreprinderi cu vârsta cuprinsă între 6 până la 10 ani).

Figura 20. Tabelul de frecvență pentru variabila regiune pentru microîntreprinderi

Sursa: Propriile calcule în Gretl

Pentru a determina relația între variabilele categoriale vârstă și regiune folosim testul Chi-pătrat de independență și metoda folosită va fi cea teoretică, deoarece calculele estimate pentru fiecare celulă sunt cel puțin 5. Metoda de inferență va fi testarea ipotezelor deoarece avem două variabile categoriale (ambele cu mai mult de 2 nivele, 4 nivele pentru variabila vârstă și 8 nivele pentru variabila regiune). Având în vedere faptul că valoarea p este foarte mică, putem respinge ipoteza nulă și putem concluziona că cele două variabile sunt dependente. După efectuarea tabelului de contingență pentru variabilele vârstă și număr de angajați am ajuns la concluzia că ele sunt dependente și putem concluziona același lucru pentru variabilele categoriale regiune și număr de angajați.

Din matricea de corelație pentru firmele mici aflate în insolvență, observăm că rezultatul net este corelat pozitiv cu capitalul (coeficientul de corelare este de 61%) și este corelat negativ cu cheltuielile totale (-48%) și datoria totală (-35%).

Tabelul de frecvență arată că majoritatea firmelor mici au intrat în insolvență din regiunea 4 (Nord-Vest) și cele mai puține în regiunea 7 (Sud-Vest). Din tabelul de frecvență factorizat pe categorii de vârstă observăm că majoritatea firmelor mici care au intrat în insolvență sunt din categoria 1 (care include întreprinderi cu vârsta cuprinsă între 6 până la 10 ani) dar și firme din categoria 3 (care include firme cu vârsta cuprinsă între 16 până la 20 ani).

Tabelul 14 Tabelul încrucișat al Vârstei (rânduri) fata de Regiune (coloane)

Testul Pearson chi-pătrat = 43.2229 (21 df, valoarea p = 0.00294383)

Din testul chi-patrat concluzionăm că cele două variabile, vârsta și regiunea, sunt dependente pentru firmele mici aflate în insolvență.

Din matricea de corelație observăm că rezultatul net este corelat pozitiv cu capitalul (coeficientul de corelație este de 72.66%) și este corelat negativ cu datoria totală (-71.73%) și activele fixe (-67.49%).

Figura 21. Diagrama de dispersie între rezultatul net și datoria totală pentru firme mijlocii

Sursa: Propriile calcule în Gretl

Tabelul de frecvență arată că majoritatea firmelor mijlocii au intrat în insolvență în regiunea 5 (Sud) și cele mai puține în regiunea 7 (Sud-Vest). Din tabelul de frecvență factorizat pe categorii de vârstă observăm că majoritatea firmelor mijlocii care au intrat în insolvență sunt din categoria 3 (care include întreprinderi cu vârsta cuprinsă între 16 până la 20 ani).

După efectuarea testului chi-patrat am concluzionat că cele două variabile, vârsta și regiunea, sunt independente pentru firmele mijlocii aflate în insolvență.

Din diagrama boxplot de mai jos între vârsta și mărimea unei întreprinderi observăm că vârsta firmei aflate în insolvență crește în funcție de mărimea acesteia.

Figura 22. Diagrama boxplot între variabilele vârsta și mărimea firmelor

Sursa: Propriile calcule în Gretl

Diagrama boxplot a cifrei de afaceri nete sau rezultatul net versus mărimea întreprinderii arată că variația primelor variabile menționate crește în funcție de mărimea firmei aflate în insolvență.

După efectuarea tabelului de contingență cu testul Chi-pătrat pentru variabilele vârsta și mărimea IMM-urilor, vârsta și regiunea și regiunea și mărimea IMM-urilor, concluzionăm că acestea sunt dependente.

Concluzii

Analiza noastră sugerează faptul că caracteristicile microîntreprinderilor, firmele mici și întreprinderile mijlocii aflate în insolvență diferă în funcție de regiunea în care funcționează și vârsta pe care au avut-o când au intrat în insolvență în 2010. După efectuarea tabelului de contingență cu testul chi-pătrat pentru variabilele vârsta și mărimea IMM-urilor, vârsta și regiunea și regiunea și mărimea IMM-urilor, concluzionăm că acestea sunt dependente. Această concluzie nu este valabilă pentru întreprinderile mijlocii.

Analiza noastră ar putea interesa sectorul bancar atunci când acordă credite IMM-urilor, managerii și acționarii din România pentru a se pregăti mai eficient pentru o posibilă insolvență și pentru a dezvolta o strategie pentru a îmbunătăți administrarea IMM-urilor.

Pentru cercetări viitoare, baza de date poate fi îmbunătățită prin colectarea informațiilor financiare cu privire la IMM-urile solvente din aceeași perioadă pentru a efectua o analiză a datelor multidimensionale, regresie de tip Logit sau analiza survival pentru a estima falimentul IMM-urilor.

Analiza insolvențelor IMM-urilor din România în 2010. O abordare logistică

Introducere

Principalul scop al acestui subcapitol este de a stabili relația între factorii microeconomici (ratele financiare) și insolvențele IMM-urilor din România folosind modelul de regresie logistică pentru a estima probabilitatea de faliment a IMM-urilor în perioada de după criza economică și financiară. Este folosit un model econometric logit pentru fiecare categorie de mărime a IMM-urilor în parte (micro, mică și medie)..

Articolul este structurat după cum urmează: a doua secțiune prezintă o analiză a lucrarilor de referință anterioare cu privire la insolvența IMM-urilor la nivel microeconomic, a treia parte se referă la datele folosite și metodologia de cercetare iar a patra secțiune prezintă principalele rezultate, în timp ce ultima secțiune prezintă concluzii și recomandări.

Cadrul teoretic și cercetări anterioare

Moscalu 2012 folosește un eșantion al Întreprinderilor Mici și Mijlocii din România și aplică analiza multiplă discriminantă pentru a investiga utilitatea ratelor financiare și a altor variabile non-financiare pentru a estima eșecul IMM-urilor. Rezultatele au arătat că falimentul poate fi estimat corect cel puțin cu trei ani în avans. “Printre cele mai bune variabile independente au fost cele cu privire la acoperirea dobânzii (cheltuieli cu dobânda raportate la EBIT), lichiditatea (ratele imediate și rapide), plățile întârziate (plățile întârziate totale și ale furnizorilor față de vânzările nete), rentabilitatea (rezultate raportate față de activele totale, marja netă și valoarea adăugată față de activele totale), cifra de afaceri (stocurile raportate la vânzările nete și soldul creanțelor față de vânzările nete), creștere (rata de creștere a vânzărilor nete) și rata de impozitare (impozitele totale față de valoarea adăugată)”.(Moscalu, 2012)

Bărbuță-Mișu & Codreanu, 2014, folosind aceleași metode de scoring ca cele ale autorilor Conan & Holder, și Altman, clasifică întreprinderile în funcție de performanța lor financiară în companii de succes și companii în faliment. Pe baza datelor financiare pentru perioada 2008–2012, au efectuat o analiză comparativă a riscului de faliment și au concluzionat că modelul lui Conan & Holder este mai relevant pentru determinarea riscului de faliment. “Acest model a fost mai relevant decât modelul lui Altman, importanța lor fiind scoasă în evidență de o raportare corectă a evoluției în industria de construcții”. Un model mai restrictiv, cum ar fi cel al lui Conan & Holder furnizează o marjă de siguranța mai mare împotriva riscului de faliment iar bonitatea clienților băncilor poate fi determinată corespunzător. (Bărbuță-Mișu & Codreanu, 2014)

Autorii Brindescu-Olariu & Goleț, 2013 testează dacă datele din declarațiile financiare publice din România pot fi folosite într-un model de regresie logistică pentru a estima corect probabilitatea de faliment a entităților corporative în timpul perioadei de criză economică și financiară. “Modelul propus oferă o acuratețe globală în interiorul eșantionului de 70.3% în estimarea evenimentului de faliment pentru o perioadă de 5 ani, cu o acuratețe globală în afara eșantionului de 67.6%. Modelul este considerat a fi de o utilitate practică imediată, deoarece poate reprezenta un instrument pentru efectuarea unei estimări rapide a probabilității falimentului unei companii care se încadrează în profilul populației vizate. Cercetarea dovedește faptul că acele companii care au înregistrat faliment în timpul perioadei de criză au prezentat semne de slăbiciune înainte de începerea crizei”.(Brindescu-Olariu & Goleț, 2013)

Metodologia și datele

Colectarea datelor și definițiile variabilelor

Am folosit în analiza noastră mai mult de 15.000 de firme (50% insolvente și 50% solvente) însă după ce am eliminat valorile lipsă au rămas doar 14.244 de firme. Pentru a realiza analiza noastră am folosit o bază de date transversală cu 7,770 de IMM-uri insolvente din România din 2010 și 6474 firme solvente. Baza de date a IMM-urilor insolvente ne-a fost furnizată de Coface România.

Principalele transformări pe care le-am realizat asupra datelor brute au fost făcute în Excel iar analiza exploratorie a datelor a fost realizată în Gretl care este un soft gratuit de econometrie și statistică. Variabilele utilizate în analiză au fost calculate pe baza indicatorilor din anul 2009.

ROE  (Return on Equity), returul asupra capitalului. arată dacă managementul determină o creștere a valorii companiei la o rată acceptabilă. ROE este calculat în următorul mod (Investopedia, 2015d):

ROA (Return on Assets), returul asupra activelor – reveals how much profit a company earns for every dollar of its assets (Investopedia, 2015c).

Total Debt Ratio, rata datoriilor totale are următoarea formulă (Investopedia, 2015a):

Financial Leverage Ratio, rata levierului financiar, are următoarea formulă (Investopedia, 2015b):

Status este variabila dummy care ia următoarele două valori: 1 – firmă solvabilă și 0 – companie insolventă

SIZE este variabila categorială care ia următoarele trei valori: 1- micro-întreprinderi, 2- firme mici și 3 – companii medii

Micro – variabila dummy pentru micro-întreprinderi

Small – variabila dummy pentru firmele mici

Medium – variabila dummy pentru companiile medii

Din tabelul de contingență a mărimii (Size) versus status (Status) obervăm că baza de date cuprinde 55,8% micro-întreprinderi insolvente și 44,2% micro-întreprinderi solvent din numărul total de micro-firme pe care le-am folosit în analiza noastră (10.796). Baza de date conține 50,6% firme mici insolvente și 49,4% firme mici solvente din numărul total de companii mici analizate (2852). Am studiat de asemenea un număr de 596 întreprinderi medii (50,3% insolvente și 49,7% solvente).

Baza de date globală, care conține 14.244 firme, este împărțită în felul următor: 54.5% firme insolvente și 45.5% companii solvente.

Baza de date cuprinde 7770 firme insolvente (77,6% micro-întreprinderi, 18,6% firme mici și 3,9% companii medii) și 6474 firme solvente (73,7% micro-firme, 21,8% companii mici și 4,6% firme medii). Baza de date globală de 14.244 firme este structurată în felul următor: 75,8% micro-întreprinderi, 20% firme mici și 4,2% companii medii.

Metodologia de cercetare

În acest subcapitol am realizat o analiză cantitativă a caracteristicilor IMM-urilor din România care au intrat în insolvență în anul 2010 și a IMM-urilor solvente din același an și apoi am realizat patru modele econometrice pentru fiecare mărime de IMM și pentru întregul sector IMM. Pentru a realiza cercetarea noastră am analizat statisticile descriptive, am calculat matricea de corelație pentru a stabili gradul de corelație care există între variabilele analizate, tabelul de contingență între variablele calitative și am făcut o analiză exploratorie a IMM-urilor insolvente și solvente din anul 2010 folosite în acest studiu.

Atunci când variabila dependentă y este binară există anumite distribuții cumulative care au fost folosite pentru a realiza un model pentru media lui y având x – E(y/x), 0≤E(y/x)≤1.

Funcția logistică P(x) este definită în felul următor:

P(x) reprezintă probabilitatea variabilei dependente y care este un "succes".

Inversa funcției logistice, g(x), logit-ul sau log odds, este definită după cum urmează:

în care:

g(P(x)) se referă la funcția logit (log-odds)

ln reprezintă logaritmul natural

β0 este ordonata la origine de la ecuația regresiei lineare

βixi sunt coeficienții regresiei înmulțiți cu anumite valori ale variabilelor explicative

baza e reprezintă funcția exponențială.

Șansa variabile dependente y ce reprezintă un succes (având în vedere o combinație lineară a variabilelor explicative) este egală cu funcția exponențială a regresiei liniare.

Rata șanselor (OR) poate fi definită în felul următor:

OR=eβi

Statistici descriptive

Din analiza statisticilor descriptive am observant că principala diferență între companiile solvente și cele insolvente provine de la ratele ROA și FLR. Mediana ROA și FLR pentru firmele insolvente este negativă pe când cea pentru firmele solvente este pozitivă, cu excepția medianei companiilor medii insolvente. Pentru statistici descriptive detaliate vezi Anexa 1.

Analiza exploratorie a datelor

Din matricea de corelație a IMM-urilor insolvente observăm că variabilele TDR și ROA sunt puternic correlate negativ (coeficientul de corelație Pearson este -63,88%) și variabilele FLR și ROE sunt slab corelate negativ (r =-15,83%).

Variabilele ROA și TDR sunt corelate negativ pentru micro firmele insolvente (-61,5%), întreprinderile mici (-82,19%) și companiile medii (-99.87%). Variabilele FLR și ROE sunt corelate negativ pentru fimele mici (-41,56%) și companiile medii (-85,10%).

Din matricea de corelație pentru IMM-urile solvente observăm că variabilele TDR și ROA sunt puternic corelate pozitiv (coeficientul de corelație este 81,74%) și variabilele FLR și ROE sunt de asemenea corelate pozitiv (37,79%).

Din studiul matricei de corelație observăm o puternică relație pozitivă între ROA și TDR (coeficientul de corelație este 67,77%) pentru întreaga bază de date (firme insolvente și solvente) și o relație pozitivă între variabilele FLR și ROE (10,33%).

Modelele econometrice și rezultatele empirice

Primul model logit cuprinde variabile semnificative statistic precum: ROA, TDR, FLR și variabilele dummy pentru firme mici și medii a întregii baze de date, adică toate cele 14244 de firme. Variabila ROE a fost înlăturată din model deoarece nu era semnificativă statistic. Variabila FLR este semnificativă statistic la un prag de semnificație de 10% și restul variabilelor sunt semnificative la un prag de 1%.

Am calculat erorile standard robuste pentru a reduce efectul pe care ar putea să-l aibă valorile extreme asupra preciziei modelului.

Model 1: Logit, using observations 1-14244

Dependent variable: Status

QML standard errors

Number of cases 'correctly predicted' = 9112 (64.0%)

f(beta'x) at mean of independent vars = 0.498

Likelihood ratio test: Chi-square(5) = 1584.74 [0.0000]

Logit-ul are următoarea formă pentru acest model:

Funcția logistică este următoarea:

Numărul cazurilor prezise corect de acest model reprezintă 64%.

Raportul probabilității chi-pătrat de 1584.74 cu un prag de semnificație de 0.0000 ne spune că modelul nostru ca un întreg este semnificativ mai bun decât un model gol (adică un model cu nicio variabilă explicativă).

ROA, TDR și FLR sunt semnificativi statistic, precum și cele două variabile pentru mărime. Coeficienții regresiei logistice dau variația variabilei dependente în log șansă pentru creșterea cu o unitate a variabilei explicative.

Pentru fiecare variație cu o unitate în ROA log șansa solvenței (versus insolvenței) crește cu 0.08.

Pentru o creștere cu o unitate în TDR, log șansa de a fi o firmă solventă crește cu 0.004

Fiind o firmă mică, versus o micro-întreprindere, crește log șansa de solvență cu 0.27

Fiind o firmă medie, versus a micro firmă, crește log șansa de solvență cu 0.29

O creștere cu o unitate a ROA, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.08

O creștere cu o unitate a TDR, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.004

Fiind o firmă mică, versus o micro firmă, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.31.

Fiind o firmă medie, versus o micro firmă, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.34.

Al doilea model logit cuprinde variabile semnificative statistic precum: ROA, TDR și FLR numai pentru micro-întreprinderi. Variabila ROE a fost înlăturată din model deoarece nu era semnificativă statistic. Variabila FLR este semnificativă statistic la un prag de semnificație de 10% iar restul variabilelor sunt semnificative la o valoare p de 1%.

Model 2: Logit, using observations 1-10796 MICRO

Dependent variable: Status

QML standard errors

Number of cases 'correctly predicted' = 6964 (64.5%)

f(beta'x) at mean of independent vars = 0.497

Likelihood ratio test: Chi-square(3) = 1377.99 [0.0000]

Logit-ul are următoarea formă pentru acest model:

Funcția logistică este reprezentată după cum urmează:

Numărul cazurilor prezise corect de acest model reprezintă 64.5%.

Raportul probabilității chi-pătrat de 1377.99 cu un prag de semnificație de 0.0000 ne spune că modelul nostru ca un întreg este semnificativ mai bun decât un model gol (adică un model cu nicio variabilă explicativă).

Pentru fiecare variație cu o unitate a ROA log șansa solvenței (versus insolvenței) crește cu 0.08

Pentru fiecare variație cu o unitate a TDR, log șansa solvenței crește cu 0.003

Cu fiecare creștere cu o unitate a ROA, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.085

Cu fiecare creștere cu o unitate a  TDR, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.003

Al treilea model logit cuprinde variabilele semnificative statistic precum: ROA și TDR numai pentru firmele mici. Variabilele ROE și FLR au fost înlăturate din model deoarece nu erau semnificative statistic. Variabilele ROA și TDR sunt semnificative la o valoare p de 1%.

Model 3: Logit, using observations 1-2852 SMALL

Dependent variable: Status

QML standard errors

Number of cases 'correctly predicted' = 2300 (80.6%)

f(beta'x) at mean of independent vars = 0.500

Likelihood ratio test: Chi-square(2) = 1441.38 [0.0000]

Logit-ul are următoarea formă pentru acest model:

Funcția logistică este reprezentată după cum urmează:

Numărul cazurilor prezise corect de acest model reprezintă 80.6%.

Raportul probabilității chi-pătrat de 1441.38 cu un prag de semnificație de 0.0000 ne spune că modelul nostru ca un întreg este semnificativ mai bun decât un model gol (adică un model cu nicio variabilă explicativă).

Pentru fiecare variație cu o unitate a ROA log șansa solvenței (versus insolvenței) crește cu 2.27

Pentru fiecare variație cu o unitate a TDR, log șansa solvenței crește cu 0.23.

Cu fiecare creștere cu o unitate a ROA, șansa de a fi solvent (versus insolvent) crește cu un factor de 9.68

Cu fiecare creștere cu o unitate a  TDR, șansa de a fi solvent (versus insolvent) crește cu un factor de 1.26

Cel de-al patrulea model logit cuprinde variabilele semnificative statistic precum: ROA, TDR și FLR numai pentru întreprinderile medii. Variabila ROE a fost înlăturată din model deoarece nu era semnificativă statistic. Variabila FLR este semnificativă statistic la un prag de semnificație de 10% iar restul variabilelor sunt semnificative la o valoare p de 1%.

Model 4: Logit, using observations 1-596 MEDIUM

Dependent variable: Status

QML standard errors

Number of cases 'correctly predicted' = 451 (75.7%)

f(beta'x) at mean of independent vars = 0.500

Likelihood ratio test: Chi-square(3) = 176.773 [0.0000]

Logit-ul are următoarea formă pentru acest model:

Funcția logistică este reprezentată după cum urmează:

Numărul cazurilor prezise corect de acest model reprezintă 75.7%.

Raportul probabilității chi-pătrat de 176.773 cu un prag de semnificație de 0.0000 ne spune că modelul nostru ca un întreg este semnificativ mai bun decât un model gol (adică un model cu nicio variabilă explicativă).

Pentru fiecare variație cu o unitate a ROA log șansa solvenței (versus insolvenței) crește cu 1.37

Pentru fiecare variație cu o unitate a TDR, log șansa solvenței crește cu 0.93

Cu fiecare creștere cu o unitate a ROA, șansa de a fi solvent (versus insolvent) crește cu un factor de 3.93

Cu fiecare creștere cu o unitate a  TDR, șansa de a fi solvent (versus insolvent) crește cu un factor de 2.53

Concluzii

Din cercetarea noastră rezultă că principalii indicatori semnificativi din punct de vedere statistic ai insolvențelor IMM-urilor sunt: returul asupra activelor (ROA) și rata datoriei totale (TDR) de-a lungul celor trei categorii de mărime ale IMM-urilor. Modelul logistic cel mai bun este cel pentru firmele mici deoarece numărul cazurilor estimate corect reprezintă 80.6%.

Rezultatele noastre sugerează că șansa de a fi solvent (versus insolvent) cresc cu un factor de 1.31 pentru o firmă mică versus o micro-întreprindere și șansa de a fi solvent (versus insolvent) crește cu un factor de 1.34 pentru o companie medie versus o micro firmă.

Analiza noastră poate fi de interes managerilor și/sau acționarilor IMM-urilor, practicienilor în insolvență sau instituțiilor financiare care doresc să dea credite firmelor sau părților terțe care sunt interesate în sănătatea companiei. Pentru cercetări ulterioare am putea folosi în analiza noastră trei ani de date anterioare insolvenței și să realizăm o analiză multidimensională a datelor sau analiza survival.

Concluzii și Recomandări

Analiza din subcapitolul 1.1. sugerează că modelul Efectelor Fixe este cel mai bun pentru a explica variabila dependentă densitatea noilor afaceri din cele trei modele pentru datele de tip panel – metoda celor mai mici pătrate grupate (pooled OLS), metoda efectelor fixe și metoda efectelor aleatorii. Deși am folosit în analiza noastră cinci variabile explicative, creșterea PIB-ului și veniturile fiscale ca procent din PIB au fost înlăturate din model din cauza coeficienților nesemnificativi din punct de vedere statistic.

Din matricea de corelație pentru datele brute observăm că variabila densitatea noilor afaceri este corelată pozitiv cu rata fiscalității, rata inflației, rata creditelor și PIB/cap de locuitor, și este corelată negativ cu rata șomajului. Deviația Standard Internă este mai mare decât Deviația Standard Externă pentru variabilele rata inflației și PIB/cap de locuitor, adică variația între țări este mai mare decât variația în timp pentru aceste variabile. Pentru variabilele densitatea noilor afaceri, rata fiscalității, rata creditului și rata șomajului, variația este mai mare în timp decât între țări.

Din modelul Efectelor Fixe observăm că variabilele rata inflației, rata creditelor și rata șomajului au un impact statistic semnificativ asupra densității noilor afaceri pentru 24 de state membre UE în perioada 2004-2012 la un prag semnificativ de 1% și 5%.

Analiza noastră este compatibilă cu literatura de specialitate a start-up-urilor, adică o corelare pozitivă între înmatriculările de noi firme și rata inflației, rata creditelor și rata șomajului (Congregado și alții 2012).

Pentru cercetări viitoare, înființarea de noi firme ar putea fi explicată prin variabile precum: numărul de insolvențe, alte surse de finanțare, cheltuielile guvernamentale, rata dobânzii și variabile ale educației. Variabile binare de timp ar putea fi introduse în Modelul Efectelor Fixe pentru a-l îmbunătăți. Considerăm de asemenea că relația neliniară între variabilele analizate ar trebui luată în considerare spentru cercetări viitoare.

Rezultatele din subcapitolul 1.2. arată că există o relație pozitivă între tehnologie, rata creditelor, cheltuieli guvernamentale și valoarea adăugată a micro-întreprinderilor, și o asociere negativă între cheltuielile pentru educație și performanța micro-întreprinderilor. Am descoperit că rata creditelor, rata inflației, cheltuielile pentru cercetare-dezvoltare, exporturile de tehnologie de vârf și rata șomajului sunt corelate pozitiv cu valoarea adăugată a firmelor mici. Referitor la valoarea adăugată a întreprinderilor mijlocii, rezultatele noastre arată că există o legătura pozitivă între aceasta și investițiile străine directe, cheltuielile guvernamentale, rata inflației, cheltuielile pentru cercetare-dezvoltare și rata șomajului.

Relația dintre rata șomajului și valoarea adăugată a Întreprinderilor Mici și Mijlocii poate fi explicată prin lucrarea lui Dixon 2000, care descoperă că “legătura între creșterea economică și șomaj este foarte variabilă și reprezintă rezultatul interconexiunilor între ratele de creștere a capacității de producție, angajare, productivitatea muncii și participarea forței de muncă”.

Efectul cheltuielilor pentru educație asupra micro-întreprinderilor este compatibil cu lucrarea lui Devarajan și alții 1996 care descoperă că investițiile în educație au avut o relație dăunătoare sau neimportantă cu creșterea economică, dar nu conform lucrării lui Nijkamp și Poot, 2004. În plus, Martins & Veiga, 2014 consideră că ponderea cheltuielilor pentru educație în totalul cheltuielilor guvernamentale au o relație în formă de U inversată cu dezvoltarea. Restul relațiilor între variabilele macroeconomice și valoarea adăugată a Întreprinderilor Mici și Mijlocii sunt compatibile cu literatura de specialitate.

Pentru cercetări viitoare, luând în considerare faptul că literatura de specialitate menționează că rata fiscalității, comerțul deschis, tehnologiile de împrumut (leasing) și/sau creditul comercial au un impact semnificativ asupra creșterii economice a unei țări, aceste variabile ar putea fi folosite într-o analiză anuală cronologică cu ani mai recenți pentru a evalua efectul acestora asupra performanței Întreprinderilor Mici și Mijlocii.

Analiza din subcapitolul 2.1. sugerează că variația ratei insolvențelor IMM-urilor este corelată pozitiv cu variația IPC în urmă cu două luni și cu variațiile ratei creditelor în urmă cu o lună, două luni și patru luni, fiind corelată negativ cu variația ratei creditelor în urmă cu trei luni.

Pentru cercetări viitoare, variabila explicativă, înființarea de noi întreprinderi ar putea fi folosită ca variabilă dependentă într-un Modelul Autoregresiv cu decalare distribuită (ADL) sau Modelul Vectorului de Autoregresie (VAR) pentru a explica impactul politicii fiscale și monetare referitor asupra activității firmelor din România.

Pe de altă parte, ar putea fi folosite cheltuielile guvernamentale și/sau rata de consum ca procent din PIB-ul României într-o analiză cronologică trimestrială pentru aceeași perioadă, pentru a măsura rezultatele deciziilor Guvernului României și Băncii Naționale în timpul și după criza financiară asupra sectorului IMM românesc.

Analiza din subcapitolul 2.2. sugerează că prima diferență a variabilei dependente înmatriculările de noi firme este corelată negativ cu variațiile IPC din luna curentă și rata dobânzii decalată cu două luni și este corelată pozitiv cu variațiile ratei creditelor decalată cu două luni, ratei fiscalității în urmă cu patru luni, ISD decalate cu două luni și ISD din perioada curentă.

Analiza noastră este compatibilă cu rezultatele lucrărilor de referință importante care se referă la ISD, rata creditelor și rata dobânzii și este în contradicție cu rezultatele descoperite de Djankov și alții (2010) și constatările făcute de Salman 2013 cu privire la rata fiscalității și impactul inflației asupra ratei înmatriculărilor de noi firme.

Pentru cercetări viitoare, variabila înființarea de noi întreprinderi, ar putea fi folosită ca variabilă dependentă într-un Model VAR pentru a explica impactul politicii fiscale și monetare asupra activității firmelor din România dintr-o perspectivă demografică. Considerăm că o relație neliniară între variabilele analizate ar trebui să fie luată în considerare în cercetările viitoare.

Pe de altă parte, ar putea fi folosite cheltuielile guvernului și/sau rata de consum ca procent din PIB-ul României într-o analiză cronologică trimestrială pentru aceeași perioadă, pentru a măsura rezultatele deciziilor Guvernului României și Băncii Naționale în timpul și după criza financiară asupra activității firmelor.

Analiza din subcapitolul 2.3. sugerează că primele diferențe ale variabilelor dependente VA_micro, VA_small, VA_medium sunt corelate negativ cu rata dobânzii, rata șomajului și cheltuielile guvernamentale, și sunt corelate pozitiv cu prima diferență a variabilelor indicele prețului de consum, investițiile străine directe și rata fiscalității. Analiza noastră ne arată că valoarea adăugată medie a micro-întreprinderilor este de zece ori mai mică decât cea a întreprinderilor mici și de 63 de ori mai mică decât a valorii adăugate a întreprinderilor mijlocii.

Rezultatele noastre sugerează că variația ratei cheltuielilor guvernamentale are impactul negativ cel mai semnificativ asupra variației valorii adăugate a micro-întreprinderilor față de celelalte variabile explicative, dar are un efect pozitiv asupra variației valorii adăugate pentru întreprinderile mici și mijlocii.

Pentru cercetări viitoare, având în vedere faptul că analiza lucrărilor de referință precizează că cheltuieli pentru educație și/sau cheltuieli pentru cercetare-dezvoltare ca procent din cheltuielile guvernamentale au un impact semnificativ asupra creșterii economice a unei țări, aceste variabile ar putea fi folosite în analize cronologice trimestriale pentru aceeași perioadă pentru a măsura impactul acestora asupra performanței firmelor.

Considerăm că descoperirile noastre ar putea interesa factorii de decizie din statele membre ale Uniunii Europene, managerii Întreprinderilor Mici și Mijlocii, acționarii și investitorii, instituțiile financiare și băncile, cercetătorii și academicienii.

Anexa 1

Definițiile Datelor

Numele indicatorilor, definiția completă și sursa:

Veniturile fiscale (% din PIB) – Veniturile fiscale se referă la transferurile obligatorii către guvernul central în scopuri publice. Anumite transferuri obligatorii cum ar fi amenzi, penalități și majoritatea contribuțiilor de asigurări sociale sunt excluse. Rambursările și corectările veniturilor fiscale calculate eronat sunt caracterizate ca venit negativ. Sursa: Fondul Monetar Internațional, Publicația anuală de Statistică Financiară guvernamentală și fișierele de date, și estimările Băncii Mondiale și ale OECD ale PIB.

Inflația, deflatorul PIB (anual %) – Inflația, măsurată prin rata de creștere anuală a deflatorului implicit al PIB-ului arată rata modificării prețului în economie în ansamblu. Deflatorul implicit al PIB-ului este raportul între PIB-ul în moneda locală curentă și PIB-ul în moneda locală constantă. Sursa: datele conturilor naționale ale Băncii Mondiale și fișierele de date ale OECD.

Creditul intern acordat sectorului privat de către bănci (% din PIB) –se referă la resursele financiare furnizate către sectorul privat de alte corporații depozitare (corporații care acceptă depozite cu excepția băncilor centrale), cum ar fi împrumuturi, achiziționări de titluri imobilizate, precum și credite comerciale și alte creanțe, care stabilesc o revendicare pentru replată. Pentru anumite țări, aceste revendicări includ creditul către întreprinderile publice. Sursa: Fondul Monetar Internațional, Statistica Internațională Financiară și fișierele de date și estimările Băncii Mondiale și ale OECD ale PIB.

Șomajul pe termen lung (% din șomajul total) – Șomajul pe termen lung se referă la numărul de persoane cu perioade continue de șomaj care depășesc un an sau mai mult, exprimate ca procentaj al numărului total de șomeri. Sursa: Organizația Internațională de Muncă, Indicatori cheie ai bazei de date ai Pieței Muncii.

Creșterea PIB/cap de locuitor (anual %) – Rata creșterii procentului anual al PIB/cap de locuitor pe baza monedei locale constante. Totalurile se bazează pe o constantă a dolarilor americani din 2005. PIB/cap de locuitor reprezintă PIB împărțit la media populației. PIB la prețurile cumpărătorului este suma valorii brute adăugate a tuturor producătorilor rezidenți din economie la care se adaugă orice impozite pe produse excluzând orice subvenții care nu sunt incluse în valoarea produselor. Este calculat fără efectuarea deducerilor pentru deprecierea bunurilor fabricate sau deteriorare și degradare a resurselor naturale. Sursa: datele conturilor naționale ale Băncii Mondiale și fișierele de date ale OECD.

Densitatea noilor afaceri (noi înregistrări la 1,000 persoane cu vârsta cuprinsă între 15-64) – Noile afaceri înregistrate reprezintă numărul noilor corporații cu răspundere limitată înregistrate în anul calendaristic. Sursa: Sondajul asupra antreprenoriatului și baza de date ale Băncii Mondiale

(http://econ.worldbank.org/research/entrepreneurship).

Codificarea datelor

Am definit variabilele după cum urmează:

Tabelul 15. Variabilele folosite în modelul econometric

Sursa: WorldDataBank

Am codat statele membre U.E. după cum urmează:

Tabelul 16. Țările folosite în modelul datelor de tip panel și codurile acestora

Sursa: Propria codificare în Gretl

Anexa 2

Tabel 17 Codificarea regiunilor României

Sursa: Codificarea autorilor

Anexa 3

Cross-tabulation of Size (rows) against Status (columns)

[ 0][ 1] TOT.

[ 1] 55.8% 44.2% 10796

[ 2] 50.6% 49.4% 2852

[ 3] 50.3% 49.7% 596

TOTAL 54.5% 45.5% 14244

Pearson chi-square test = 29.3457 (2 df, p-value = 4.24296e-007)

Cross-tabulation of Size (rows) against Status (columns)

[ 0][ 1] TOT.

[ 1] 77.6% 73.7% 75.8%

[ 2] 18.6% 21.8% 20.0%

[ 3] 3.9% 4.6% 4.2%

TOTAL 7770 6474 14244

Pearson chi-square test = 29.3457 (2 df, p-value = 4.24296e-007)

Summary Statistics, using the observations 1 – 7770

Descriptive statistics for the insolvent companies

Summary Statistics, using the observations 7771 – 14244

Descriptive statistics for the solvent companies

Summary Statistics, using the observations 1 – 14244

Summary statistics for the overall database

Correlation coefficients, using the observations 1 – 7770

5% critical value (two-tailed) = 0.0222 for n = 7770

Correlation matrix for the insolvent companies

Correlation coefficients, using the observations 7771 – 14244

5% critical value (two-tailed) = 0.0244 for n = 6474

Correlation matrix for the solvent companies

Correlation coefficients, using the observations 1 – 14244

5% critical value (two-tailed) = 0.0164 for n = 14244

Correlation matrix for the overall enterprises

Bibliografie

Abaidoo, R., 2012. Corporate Profit Growth and Variability in US Unemployment Rate. International Journal of Economics and Finance, 4(7), pp.3–15.

Abaidoo, R. & Kwenin, D.O., 2013. Corporate Profit Growth, Macroeconomic Expectations and Fiscal Policy Volatility. International Journal of Economics and Finance, 5(8), pp.25–39. Disponibil la: http://www.ccsenet.org/journal/index.php/ijef/article/view/28400.

Abdullah, N., Abu Naim, Z. & Long, Y., 2011. Employment and Macroeconomic Variables: Evidence from Malaysia, Philippines and Singapore. International Journal of Economics and Finance, 3(3), pp.139–149.

Aghion, P., Fally, T. & Scarpetta, S., 2007. Credit constraints as a barrier to the entry and post-entry growth of firms. Economic Policy, 22, pp.731–779.

AIPPIMM, 2013. Agentia pentru Implementarea Proiectelor și Programelor pentru IMM-uri. AIPPIMM web site. Disponibil la: http://www.aippimm.ro/articol/imm/legislatie-imm/definitie-imm [Accesat Martie 16, 2015].

Altman, E. I. (1983). Corporate Financial Distress. New York: John Wiley and Son .

Andini, C., 2009. Financial intermediation and growth: Causality and causes without outliers. Portuguese Economic Journal, 8(1), pp.15–22.

Arico, F., 2003. Growth and Unemployment: Towards a Theoretical Integration. Journal of Economic Surveys, 17(3), pp.419–455. Disponibil la: http://doi.wiley.com/10.1111/1467-6419.00200.

Armington, C. & Acs, Z.J., 2002. The Determinants of Regional Variation in New Firm Formation. Regional Studies, 36(ianuarie), pp.33–45.

Atawodi, O.W. & Ojeka, S.A., 2012. Factors That Affect Tax Compliance among Small and Medium Enterprises (SMEs) in North Central Nigeria. International Journal of Business and Management, 7(12), pp.87–97.

Banca Națională a României. (2014). Disponibil la: http://www.bnr.ro/Raport-statistic-606.aspx [Accesat iulie 20, 2014].

Banca Națională a României, 2015. Raport Analiza Statistica. National Bank of Romania web site. Disponibil la: http://bnr.ro/Raport-statistic-606.aspx [Accesat Martie 10, 2015].

Beck, T., Levine, R. & Loayza, N., 2000. Finance and the sources of growth. Journal of Financial Economics, 58(1-2), pp.261–300.

Benos, N. & Zotou, S., 2014. Education and Economic Growth: A Meta-Regression Analysis. World Development, 64, pp.669–689. Disponibil la: http://dx.doi.org/10.1016/j.worlddev.2014.06.034.

Borensztein, E., De Gregorio, J. & Lee, J.-W., 1998. How does foreign direct investment affect economic growth? Journal of International Economics, 45(1), pp.115–135. Disponibil la: http://www.sciencedirect.com/science/article/pii/S0022199697000330 [Accesat ianuarie 22, 2015].

Braunerhjelm, P., 2007. Entrepreneurship, Knowledge and Economic Growth. International Business, (August), pp.1–78.

Colpan, A.M. & Hikino, T., 2005. Changing economic environments, evolving diversification strategies, and differing financial performance: Japan’s largest textile firms, 1970-2001. Industrial and Corporate Change, 14(6), pp.897–940.

Comisia Europeană. (2014). Disponibil la: http://ec.europa.eu/enterprise/policies/sme/facts-figures-analysis/sme-definition/index_en.htm [Accesat iunie 15, 2014].

Comisia Europeană, 2015. What is an SME? European Commission Web Page – Enterprise and Industry. Disponibil la: http://ec.europa.eu/enterprise/policies/sme/facts-figures-analysis/sme-definition/index_en.htm [Accesat Martie 29, 2015].

Congregado, E., Golpe, A. & van Stel, A., 2012. The “recession-push” hypothesis reconsidered. International Entrepreneurship and Management Journal, 8, pp.325–342.

Cuthbertson, K., & Hudson, J. (1996). The determinants of compulsory liquidations in the UK. The Manchester School of Economic and Social Studies , 64 (3), 298-308.

Dawn, H. & Pain, N., 1998. The Determinants and Impact of Foreign Direct Investment in the Transition Economies: A Panel Data Analysis, Disponibil la: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=258070.

Desai, M., & Montes, A. (1982). A macroeconomic model of bankruptcies in the British economy. British Review of Economic Issues , 1-14.

Devarajan, S., Swaroop, V. & Zou, H., 1996. The composition of public expenditure and economic growth. Journal of Monetary Economics, 37, pp.313–344.

Dixon, R. & Shepherd, D., 2000. Economic growth and unemployment in Europe. European Business Journal, 12(4), pp.185–198.

Dimelis, S. P., & Papaioannou, S. K. (2010). FDI and ICT Effects on Productivity Growth: A Comparative Analysis of Developing and Developed Countries. European Journal of Development Research, 22(1), 79–96. doi:10.1057/ejdr.2009.45

Djankov, S., Ganser, T., McLiesh, C., Ramalho, R., & Shleifer, A. (2010). The effect of corporate taxes on investment and entrepreneurship. American Economic Journal: Macroeconomics, American Economic Association, 2, 31-64.

Dreptonline. (2011, September 23). Disponibil la: http://www.dreptonline.ro/articole/articol.php?id_articol=58 [Accesat iunie 15, 2014].

Eurostat, 2015. Database – Eurostat. Disponibil la: http://ec.europa.eu/eurostat/data/database [Accesat Februarie 27, 2015].

Eurostat, 2015. Small and medium-sized enterprises (SMEs) – Eurostat. Eurostat web site. Disponibil la: http://ec.europa.eu/eurostat/web/structural-business-statistics/structural-business-statistics/sme [Accesat Martie 29, 2015].

Fölster, S. & Henrekson, M., 2001. Growth effects of government expenditure and taxation in rich countries. European Economic Review, 45, pp.1501–1520.

Friedman, B.A. & Hall, R., 2014. The Relationship between Effective Governance and the Informal Economy. , 5(9), pp.51–59.

Glomm, G. & Ravikumar, B., 1997. Productive government expenditures and long-run growth. Journal of Economic Dynamics and Control, 21, pp.183–204.

Goudie, D. F., & Meeks, G. (1991). The exchange rate and company failure in a macro-micro model of the UK company sector. The Economic Journal , 101, 444-457.

Hecht, J., 2014. Is Equity Finance, Macroeconomic Growth and Capital Intensity Relevant to Firm-Level R&D Expenditures? International Journal of Economics and Finance, 6(9), pp.11–28. Disponibil la: http://www.ccsenet.org/journal/index.php/ijef/article/view/37796.

Hudson, J. (1986). An analysis of company liquidations. Applied Economics , 18 (2), 219-235.

Index Mundi, 2015. Index Mundi – Europe – Country Profiles. Index Mundi web page. Disponibil la: http://www.indexmundi.com/europe.html [Accesat Martie 29, 2015].

INSSE – Baze de date statistice – TEMPO-Online serii de timp. Disponibil la: http://statistici.insse.ro/shop/ [Accesat Martie 10, 2015].

Institutul Național de Statistică. (2014).Disponibil la: http://www.insse.ro/cms/files/publicatii/Statistica%20teritoriala/Forta%20de%20munca_ind_JudLoc.htm [Accesat iulie 20, 2014].

Institutul Național de Statistică. (2014). Disponibil la: https://statistici.insse.ro/shop/?page=ipc1&lang=ro [Accesat Iulie 21, 2014].

Jakubik, P. (2007). Execution, bankruptcy and their macroeconomic determinants. Working Papers IES 2007/29 .

Klein, N., 2014. Small and Medium Size Enterprises, Credit Supply Shocks, and Economic Recovery in Europe. IMF Working Paper. Disponibil la: http://www.imf.org/external/pubs/ft/wp/2014/wp1498.pdf [Accesat Martie 29, 2015].

Kneller, R., Bleaney, M.F. & Gemmell, N., 1999. Fiscal policy and growth: evidence from OECD countries. Journal of Public Economics, 74, pp.171–190.

Kotha, S. & Nair, a, 1995. Strategy and Environment As Determinants of Performance – Evidence From the Japanese Machine-Tool Industry. Strategic Management Journal, 16(7), pp.497–518. Disponibil la: <Go to ISI>://WOS:A1995RX81100001.

Lapinskas, R., 2013. Practical Econometrics. Time series analysis. Disponibil la: http://www.mif.vu.lt/~rlapinskas/2012-2013/Erasmus/VeryShortStatWithGretl/PE.II – 2013 LectNotes.pdf [Accesat February 27, 2015].

Liu, J. (2004). Macroeconomic determinants of Corporate Failure: Evidence from the UK. Applied Economics , 36, 939-945.

Liu, J., & Wilson, N. (2002). Corporate failure rates and the impact of the 1986 Insolvency Act: An econometric analysis. Managerial Finance , 28 (6), 61-71.

López-Acevedo, G. & Tinajero-Bravo, M., 2013. Evaluating Different Types of Enterprise Support Programs Using Panel Firm Data: Evidence from the Mexican Manufacturing Sector/Comment. Economia, 14(1), pp.14–17.

Love, J. H. (1996). Entry and Exit: A County-Level Analysis. Applied Economics, 28, 441-51

Martins, S. & Veiga, F.J., 2014. Government size, composition of public expenditure, and economic development. International Tax and Public Finance, 21, pp.578–597. Disponibil la: http://link.springer.com/10.1007/s10797-014-9313-4.

Mathur, A., 2009. A Spatial Model of the Impact of Bankruptcy Law on Entrepreneurship. Spatial Economic Analysis, 4(February), pp.25–51.

Ministerul Finanțelor Publice, 2015. Executia Bugetului General Consolidat. Ministry of Public Finance web site. Disponibil la: http://discutii.mfinante.ro/static/10/Mfp/trezorerie/Rap_trimI2011_anexa.pdf [Accesat April 12, 2015].

Ministerul Finanțelor Publice. (2014). Disponibil la: http://discutii.mfinante.ro/static/10/Mfp/trezorerie/Rap_trimI2011_anexa.pdf [Accesat iulie 20, 2014].

Mutașcu, M.I. & Dănulețiu, D.C., 2011. Taxes and Economic Growth in Romania . Annales Universitatis Apulensis Series Oeconomica, 13(1), pp.94–105.

Neycheva, M., 2014. THE ROLE OF EDUCATION FOR THE ECONOMIC GROWTH OF BULGARIA. Economics, Management, and Financial Markets, 9(1), pp.182–190.

Nijkamp, P. & Poot, J., 2004. Meta-analysis of the effect of fiscal policies on long-run growth. European Journal of Political Economy, 20(1), pp.91–124. Disponibil la: http://www.sciencedirect.com/science/article/pii/S0176268003000661 [Accesat Martie 24, 2015].

OECD, 2015. Key ICT Indicators. OECD web page. Disponibil la: http://www.oecd.org/internet/broadband/oecdkeyictindicators.htm [Accesat Martie 29, 2015].

Oficiul Național al Registrului Comerțului (2014). Disponibil la: http://www.onrc.ro/index.php/ro/statistici?id=252 [Accesat iulie 20, 2014].

Oficiul Național al Registrului Comerțului. (2014). Disponibil la: http://www.onrc.ro/index.php/ro/statistici. [Accesat iulie 21, 2014].

Pesaran, M. H., Shin, Y., & Smith, R. (2001). Bound Testing Approaches to the Analysis of Level Relationships. Journal of Applied Econometrics , 16, 289-326.

Platt, H. D., & Platt, M. B. (1994). Business cycle effects on state corporate failure rates. Journal of Economics and Business , 46, 113-127.

Pop Silaghi, M.I. et al., 2014. Do business and public sector research and development expenditures contribute to economic growth in Central and Eastern European Countries? A dynamic panel estimation. Economic Modelling, 36, pp.108–119. Disponibil la: http://dx.doi.org/10.1016/j.econmod.2013.08.035.

Rraci, O. (2010). The Effect of Foreign Banks in Financing Firms, Especially Small Firms, in Transition Economies. Eastern European Economics, 48(4), 5–35. doi:10.2753/EEE0012-8775480401

Salman, K., Zampatti, D. & Shukur, G., 2013. Macroeconomic Determinants, Innovation and the Birth of New Firms: Negative Binomial Regression Approach. International Journal of Economics and Finance, 5(11), pp.72–81. Disponibil la: http://www.ccsenet.org/journal/index.php/ijef/article/view/31456.

The World Bank, 2015. World Development Indicators | Data | The World Bank DataBank – Create Widgets or Advanced Reports and Share. Disponibil la: http://databank.worldbank.org/data/views/variableselection/selectvariables.aspx?source=world-development-indicators#s_i [Accesat February 27, 2015].

Turner, P., Cotts, A., & Bowden, S. (1992). The Effect of the Thatcher Government on Company Liquidation: Reassessment from the Bound Test. Applied Economics Letter , 9, 935-943.

Usman, A. et al., 2011. Public expenditure and economic growth in Nigeria. Asian Economic and Financial Review, 1(3), pp.104–113.

Virolainen, K. (2004, October). Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland. Bank of Finland Discussion Paper No. 18/2004 .

Vliamos, S.J. & Tzeremes, N.G., 2012. Factors Influencing Entrepreneurial Process and Firm Start-Ups: Evidence from Central Greece. Journal of the Knowledge Economy, 3, pp.250–264.

Vlieghe, G. W. (2001, December). Indicators of fragility in the UK corporate sector. Bank of England Working Paper .

Vu, K.M., 2011. ICT as a source of economic growth in the information age: Empirical evidence from the 19962005 period. Telecommunications Policy, 35(4), pp.357–372. Disponibil la: http://dx.doi.org/10.1016/j.telpol.2011.02.008.

Wadhwani, S. B. (1986). Inflation, bankruptcy, default premia and the stock market. The Economic Journal , 381, 120-138.

Wang, M. & Wong, M.C.S., 2011. FDI, Education, and Economic Growth: Quality Matters. Atlantic Economic Journal, 39(2), pp.103–115.

Whitacre, B., Gallardo, R. & Strover, S., 2014. Broadband’s contribution to economic growth in rural areas: Moving towards a causal relationship. Telecommunications Policy, 38(11), pp.1011–1023. Disponibil la: http://dx.doi.org/10.1016/j.telpol.2014.05.005.

Zagler, M., 2007. Growth and Unemployment : Theory , Evidence and Policy. International Journal of Economic Perspectives, 1(4), pp.228–242

Referințe

Bărbuță-Mișu, N., & Codreanu, E. (2014). ANALYSIS AND PREDICTION OF THE BANKRUPTCY. Ekonomika, 93(2), 131–146.

Brindescu-Olariu, D., & Goleț, I. (2013). PREDICTION OF CORPORATE BANKRUPTCY IN ROMANIA THROUGH THE USE OF LOGISTIC REGRESSION. Annals of Faculty of Economics, 1(1), 976–986. Retrieved from http://econpapers.repec.org/RePEc:ora:journl:v:1:y:2013:i:1:p:976-986

Investopedia. (2015a). Debt Ratio Definition | Investopedia. Retrieved June 18, 2015, from http://www.investopedia.com/terms/d/debtratio.asp

Investopedia. (2015b). Leverage Ratio Definition | Investopedia. Retrieved June 18, 2015, from http://www.investopedia.com/terms/l/leverageratio.asp

Investopedia. (2015c). Return On Assets (ROA) Definition | Investopedia. Retrieved June 18, 2015, from http://www.investopedia.com/terms/r/returnonassets.asp

Investopedia. (2015d). Return On Equity (ROE) Definition | Investopedia. Retrieved June 18, 2015, from http://www.investopedia.com/terms/r/returnonequity.asp

Moscalu, M. (2012). Business Failure Prediction for Romanian SMEs Using Multivariate Discriminant Analysis. Revista Economica, Supplement(4), 457–466. Retrieved from http://economice.ulbsibiu.ro/revista.economica/archive/RE 4-5-63-2012.pdf

Bibliografia

Baciu, E, Georgescu, I., The Analysis of the Factors that Influence Indebtedness for the Insolvent Companies in Romania, PROCEEDINGS OF THE 9TH INTERNATIONAL CONFERENCE ACCOUNTING AND MANAGEMENT INFORMATION SYSTEMS (AMIS 2014)

Bărbuță-Mișu, N., & Codreanu, E. (2014). ANALYSIS AND PREDICTION OF THE BANKRUPTCY. Ekonomika, 93(2), 131–146.

Brindescu-Olariu, D., & Goleț, I. (2013). PREDICTION OF CORPORATE BANKRUPTCY IN ROMANIA THROUGH THE USE OF LOGISTIC REGRESSION. Annals of Faculty of Economics, 1(1), 976–986. Retrieved from http://econpapers.repec.org/RePEc:ora:journl:v:1:y:2013:i:1:p:976-986

Mișu, N. B. (2010). Assessing of the SME‘s Financial Competitiveness. Global Journal of Management and Business Research, 10(1), 140–147.

Moscalu, M. (2012). Business Failure Prediction for Romanian SMEs Using Multivariate Discriminant Analysis. Revista Economica, Supplement(4), 457–466. Retrieved from http://economice.ulbsibiu.ro/revista.economica/archive/RE 4-5-63-2012.pdf

Bărbuță-Mișu, N. (2010). Assessing of the SME's Financial Competitiveness. Global Jornal of Management and Business Research , 10, 140-147.

Brîndescu – Olariu, D., & Goleț, I. (2013). Prediction of corporate bankruptcy in Romania through the use of logistic regresion. The Anals of the University of Oradea. Economic Sciences , 22, 976-986.

Dreptonline.ro. (2011, September 23). Dreptonline. Preluat pe June 15, 2014, de pe Dreptonline.ro Web Site: http://www.dreptonline.ro/articole/articol.php?id_articol=58

European Commission. (fără an). Preluat pe June 15, 2014, de pe European Commission Web Site: http://ec.europa.eu/enterprise/policies/sme/facts-figures-analysis/sme-definition/index_en.htm

Ministry of Public Finance. (fără an). Preluat pe July 20, 2014, de pe Ministry of Public Finance Web Site: http://discutii.mfinante.ro/static/10/Mfp/trezorerie/Rap_trimI2011_anexa.pdf

Mihalca, G. (2011). Efectele condițiilor de piață asupra structurii capitalului entităților economice.

Mironiuc, M., Robu, M.-A., & Robu, I.-B. (2012). THE ANALYSIS OF THE INFLUENCE OF FINANCIAL AND NON-FINANCIAL FACTORS OF THE BANKRUPTCY RISK. OBTAINING A DETERMINISTIC MODEL FOR THE FIRMS LISTED AT BUCHAREST STOCK EXCHANGE. PROCEEDINGS OF THE 7TH INTERNATIONAL CONFERENCE ACCOUNTING AND MANAGEMENT INFORMATION SYSTEMS (AMIS 2012) Book Series: Accounting and Management Information Systems (pg. 1061-1078). Bucharest: Proceedings of the International Conference Accounting and Management Information Systems.

Popescu (Silivestru), D.-R. (2013). Finantarea IMM-urilor din Romania in context european. În D.-R. Popescu (Silivestru), Finantarea IMM-urilor din Romania in context european (pg. 41-50). Cluj-Napoca: Casa Cartii de Stiinta.

Lista tabelelor

Tabelul 1. Statistica analitică a datelor brute 10

Tabelul 2. Matricea de corelație pentru datele brute 11

Tabelul 3. Modelul efectelor fixe pentru datele brute de tip panel 16

Tabelul 4 Rezultatele modelului Efectelor Fixe (FE) 16

Tabelul 5. Modelul Efectelor aleatorii (GLS) 17

Tabelul 6 Rezultatele modelului efectelor aleatorii (RE) 17

Tabelul 7. Definiția Întreprinderilor Mici și Mijlocii 19

Tabelul 8. Examinarea antetului de date brute 48

Tabelul 9. Statistici descriptive pentru datele brute 48

Tabelul 10. Matricea de corelație pentru variabilele diferențiate 49

Tabelul 11. Modelul econometric 51

Tabelul 12. Teste pentru verificarea ipotezelor modelului liniar 53

Tabelul 13 Statistici descriptive, folosind observațiile 2005:1 – 2013:4 57

Tabelul 14. Variabilele folosite în modelul econometric 65

Tabelul 15. Țările folosite în modelul datelor de tip panel și codurile acestora 65

Lista figurilor

Figura 1. Relația între rata fiscalității și densitatea noilor afaceri factorizată pe țări 12

Figura 2. Distribuția densității noilor afaceri în funcție de codul țărilor 13

Figura 3. Distribuția densității noilor afaceri pe ani 14

Figura 4. Statistica descriptivă pentru datele brute 25

Figura 5. Matricea corelației pentru DVA_micro 26

Figura 6. Matricea corelației pentru DVA_small 27

Figura 7. Matricea corelației pentru DVA_medium 27

Figura 8. Modelul econometric pentru DVA_micro 29

Figura 9. Modelul econometric pentru DVA_small 30

Figura 10. Modelul econometric pentru DVA_medium 32

Figura 11. Rezultatele testului Sargan 33

Figura 12. Statistica descriptivă pentru datele brute 39

Figura 13. Matricea de corelație pentru variabilele diferențiate 40

Figura 14. Grafice cronologice pentru prima diferență a variabilelor 41

Figura 15. Modelul econometric 43

Figura 16. Teste pentru verificarea ipotezelor modelului liniar 44

Figura 17. Grafice cronologice pentru prima diferență a variabilelor 50

Figura 18. Graficele seriilor de timp ale principalelor variabile 58