Федеральное государственное автономное образовательное
учреждение высшего профессионального образования
«Национальный исследовательский университет
"Высшая школа экономики"»
Санкт-Петербургский филиал федерального государственного
автономного образовательного учреждения высшего профессионального
образования
«Национальный исследовательский университет "Высшая школа экономики"»
Факультет экономики
Кафедра экономической теории
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
На тему “Роль институциональных факторов в развитии НИОКР в сфере
сельского хозяйства”
Направление «Экономика» 080100.68
Программа «Экономика»
Студент группы № 1121
Крылов Александр Сергеевич
Научный руководитель
д. ф.-м. н. Матвеенко Владимир
Дмитриевич
Санкт-Петербург
2013
Оглавление
Введение…………………………………………………………………………3
Глава 1. Модели экономики развития с учётом институтов…………………6
1.1. Институты, влияющие на НИОКР………………………………………...6
1.2. Функция производительности труда……………………………………...8
1.3. Инвестиционная активность в долгосрочном периоде…………………13
1.4. Институт права на интеллектуальную собственность как детерминант инвестиционной активности………………………………………………….17
Глава 2. Эмпирическая оценка роли институтов в инвестициях в НИОКР в сельском хозяйстве…………………………………………………………….23
2.1. Влияние конкурентной среды на инвестиционную активность………..23
2.2. Переменные, использованные для эмпирического анализа, и источники данных…………………………………………………………………………...26
2.3. Эконометрический анализ инвестиционной деятельности в регионе….29
Глава 3. Анализ инвестиций в R&D в сельском хозяйстве с помощью дерева решений и тест на наличие “стадного” эффекта……………………………...34
3.1. Анализ инвестиций в R&D в сельском хозяйстве с помощью дерева решений………………………………………………………………………….34
3.2. Информационные каскады в инвестиционной среде…………………….37
Заключение………………………………………………………………………41
Список литературы
Приложения
Введение
При обсуждении роли сельского хозяйства в экономическом развитии современных государств на первый план, как правило, выходит вопрос о его важности для роста экономики. Особенно, в отношении неразвитых и развивающихся стран. Поэтому актуальными являются темы увеличения продуктивности сельского хозяйства в этих регионах, инвестиционных вливаний в эту сферу.
Развитие НИОКР в сфере сельского хозяйства является одним из ключевых вопросов. Ежегодно декларируется и осуществляется активная политика инвестирования в бедные страны со стороны развитых государств. Тем не менее, существуют как экономические факторы, так и различные институты в различных государствах, которые не всегда способствуют эффективности инвестиций.
Таким образом, объектом исследования является инвестиционная деятельность в сфере НИОКР в сельском хозяйстве в центральноафриканском регионе. Непосредственным предметом является качество институтов, влияющих на развитие сельского хозяйства и региона в целом.
Целью данной работы является исследование роли институциональных факторов в развитии НИОКР в сфере сельского хозяйства стран Центральной Африки. Эта географическая зона вызывает интерес в виду своей уникальной природной и культурной специфики, а также открывающимися для инвесторов перспективами.
Исходя из поставленной цели, сформулируем ряд задач, которые необходимо выполнить для её достижения:
- изучение известных тематических наработок и анализ моделей развития НИОКР в сфере сельского хозяйства;
- спецификация моделей развития НИОКР в сфере сельского хозяйства с учётом институциональных факторов. В то числе с использованием институтов рассматриваемых стран;
- поиск статистических данных, необходимых для исследования и оценки используемых моделей;
- оценка успешности инвестиционных вложений в африканские государства за исторический период, включающий в себя последние доступные на данный момент статистические материалы World Bank и UNESCO (с 2002 по 2010 гг.);
- оценка влияния государственной нестабильности в проблемных странах на инвестиционную деятельность с помощью дерева решений и теории информационных каскадов.
Работа состоит из 3-х глав. В первой главе уделяется внимание институтам, их важности для становления как НИОКР, так и многих других инициатив. Также рассматриваются различные модели повышения продуктивности сельского хозяйства с помощью НИОКР и специфицируются модели с учётом институтов.
Вторая глава затрагивает аспекты эконометрических оценок и выводы, полученные в ходе исследования. Также приводится эмпирическое обоснование влияния конкурентной среды в рассматриваемых странах на инвестиционную активность. Используется эконометрическая модель на базе панельных данных. Кроме того, применяется теория информационных каскадов для объяснения поведения инвестиционных агентов, работающих на рынке.
Третья глава включает в себя оценку влияния на инвестиционную активность государственной нестабильности. Ряд исследуемых государств (Замбия, ДР Конго и др.) подвергались конфликтам различного рода за исследуемый период. Используются качественные данные об инвестиционных изменениях и приводится описание метода построений дерева решений.
Глава 1. Модели экономики развития с учётом институтов
- Институты, влияющие на НИОКР
Сельскохозяйственные исследования и технологические усовершенствования были и остаются предпосылками для роста продуктивности сельскохозяйственного сектора и формирования дохода фермеров и сельской рабочей силы. Это, в свою очередь, будет способствовать сокращению процента нищеты, которая прежде всего является сельским явлением. 75 процентов бедных людей в Африке и Азии живут в сельских районах.
Рассмотрим институциональные факторы, которые могут тем или иным образом оказывать влияние на инвестиции в НИОКР в сфере сельского хозяйства. Среди наиболее важных можно отметить степень защиты интеллектуальной собственности, качество образования (и, как следствие, человеческого капитала), стабильность государства, уровень конкуренции и бюрократизации.
На фоне достаточно слабых институтов в развивающихся странах существуют высокие транзакционные издержки и небольшой уровень эффективного спроса на инвестиции. С этим сталкиваются политические силы, декларирующие о необходимости устойчивого и быстрого развития этих государств.
Существует ряд интересных исследований, посвящённых данным проблемам. В частности, Канвар и Эвенсон (Kanwar, Evenson, 2003) рассматривали причины инновационной активности и технологических изменений на примере выборки из развитых и развивающихся стран. Они наблюдали следующие результаты: защита интеллектуальной собственности, доступность кредитования, открытость для торговли и человеческий капитал оказывают позитивный эффект на инновационную активность, тогда как политическая нестабильность в некоторых регионах подрывала экономические инициативы. Схожие результаты получены в работах Варсакелиса (Varsakelis, 2001) и Лежер (Leger, 2007).
В работе последней также показаны различия между инновационными инвестициями в индустриализированных и развивающихся странах. В частности, в развивающихся странах нет эффекта перманентных инвестиций, т.е. вложения в НИОКР в настоящем периоде не зависят от предыдущих периодов, как в развитых государствах.
Кроме того, выявлен негативный эффект от открытости торговли, которую Лежер рассматривает как спецификацию уровня конкуренции. Действительно, при открытости государства для торговых отношений возрастает уровень конкуренции с домашним бизнесом, что, в свою очередь, оказывает влияние на производительность труда.
- Функция производительности труда
Институт конкуренции играет особую роль в инвестиционной среде государств. Ранее отмечалось, что в ряде предыдущих исследований, включая (Leger, 2007), использовалась статистика открытости торговли для оценки влияния данного института. Государство часто вмешивается в деятельность рынка, чтобы регулировать поведение компаний. Для такого вмешательства могут быть веские экономические основания, такие как предотвращение провалов рынка, вызванных внешними факторами, надзор за общими публичными ресурсами и товарами, ограничение рыночной власти и уменьшение неэффективности, вызванной недостаточной или асимметричной информацией.
Это, однако, не даёт полного представления о влиянии уровня конкуренции на производительность труда и, как следствие, эффективность инвестиционной политики в НИОКР в сфере сельского хозяйства.
Как отмечалось ранее, при увеличении степени открытости торговли в государстве вероятно увеличении конкуренции внутри страны между внутренними и внешними производителями ( в том числе и НИОКР в сельском хозяйстве). Если фирмы из домашней страны имеют доступ к технологиям и НИОКР других государств, то это может служить преимуществом для них. Наиболее уместно допустить структуру рынка в виде монополистической конкуренции.
Для оценивания моделей, основанных на R&D-активности, важно рассмотреть вопросы, связанные с производительностью труда. В частности, в работе (Thirtle, Lin, Piesse, 2003) эмпирически показана зависимость между ростом продуктивности труда, основанном на вложениях в сельскохозяйственные НИОКР, и снижением уровня бедности в странах с наиболее низким уровнем развития. Этим продиктован вывод о том, что экономический рост в беднейших странах Африки должен быть ориентирован на продуктивность сельскохозяйственной отрасли для достижения оптимальных результатов.
Необходимо отметить, что в моделях производительности труда, как правило, вклады в научные разработки эквиваленты потокам рабочей силы, вовлечённой в исследовательский процесс. Это обуславливает тот факт, что функция производительности труда задаётся так же, как и функция производства знаний.
В ранних моделях, использованных в работах (Romer, 1990), (Grossman, Helpman, 1991), (Aghion, Howitt, 1992), функция производства знаний выглядит следующим образом:
(1)
где X – вклад в научные разработки. В силу указанных ранее причин эта функция эквивалентна выражению производительности труда.
Обратим внимание, что в отличие от X, имеющего отдачу, равную величине, величина А имеет единичную степень, что подразумевает постоянную отдачу от ранее имевшихся научных результатов в производстве новых знаний. Однако такая спецификация предполагает, что при положительных темпах роста вкладов в исследовательскую деятельность производительность также должна возрастать в длительном периоде.
Согласно историческим наблюдениям (Ha, Howitt, 2006), тем не менее, наблюдался рост инвестиций в R&D, но не наблюдалась такая отдача.
Эту проблему пытался решить Джонс (Jones, 1995), предложив убывающую отдачу от величины А:
(0< 
< 1) (2)
где 
- темп роста А.
Прологарифмируя и продифференцируя (2), получим следующее выражение:
где 
; 
– темп роста вложений в исследовательскую деятельность.
Видно, что в такой спецификации модели учитывается убывающая отдача от знаний, если они до этого росли с высоким темпом. Это в долгосрочном периоде при неизменном темпе роста населения n>0 (темпе роста Х) сводится к тому, что:
.
В ряде моделей (Howitt, 1999) вводится величина, обозначающая степень разнообразия продукции:
(3)
где 
- степень разнообразия предлагаемой продукции.
t
Рис. 1. Траектория 
при неизменном 
.
Поскольку в таких моделях величина Q пропорциональна численности населения L, из выражения (3) следует, что увеличение численности населения ведёт к большему количеству горизонтальных инноваций 
, так как вовлечённая в исследовательский процесс рабочая сила распределяется на большее число проектов. Т.е. величину X/Q можно рассматривать как темп горизонтальной дифференциации продукции.
Это противоречит предположениям Буччи, сформулированным в (Bucci, 2009), из которого темп расширения продукции можно выразить следующим образом:
(4)
Предпочтительнее выглядит спецификация Буччи, так как она направлена на подавление эффекта масштаба. В выражении (3) величина Q пропорциональна L и, следовательно, растёт с тем же темпом, что и L, что может негативно сказаться на адекватности полученных результатов.
Подставим правую часть выражения (4) вместо X/Q в выражение (8). Тогда:
(5)
И численность рабочей силы, занятой в исследовательской деятельности, и численность совокупной квалифицированной рабочей силы растут с одинаковым темпом n>0. Тогда логарифмируя и дифференцируя обе части уравнения (5), получаем:
(6)
В стационарном состоянии правая часть выражения (6) должна быть равна 0. Тогда получим:
. (7)
Можно видеть, что рост производительности будет наблюдаться при 
<1. Это означает, что для увеличения производительности труда и, как следствие, дохода на душу населения необходим некоторый скачок в темпах горизонтальной дифференциации.
Проецируя результаты, полученные из этой модели, на НИОКР в сфере сельского хозяйства, отметим, что инновационная активность в различных составляющих сферы приводит к общему повышению дохода на душу населения, т.е. к прогрессу в борьбе с бедностью. В практической части работы этот аспект будет затронут на эмпирической основе.
С этой точки зрения проблемы роста в развивающихся странах можно рассматривать как проблемы потребности рынка в инновационной активности, что ведёт к актуализации ещё более комплексных вопросов развития экономики.
1.3. Инвестиционная активность в долгосрочном периоде
Рассуждая об институтах, влияющих на инвестиционную активность, нельзя не упомянуть о политических факторах. Страны Центральной Африки зачастую сталкиваются с гражданскими войнами, различными терактами, конфликтами на почве вероисповедания и т.д. Политическая нестабильность и военные конфликты различного рода ведут к:
- утечке “мозгов” и рабочей силы разной степени квалификации;
- уничтожению физической инфраструктуры (научно-исследовательских лабораторий и институтов, дорог, мостов и т.д.)
- потере знаний местных методик по ведению сельского хозяйства, развалу систем ценностей;
- высоким премиям за риск из-за отсутствия безопасности;
- провалу долгосрочных инвестиций (в частности – в сельское хозяйство).
Логично предположить, что стабильная институциональная основа инвестиционной активности как в сфере сельского хозяйства, так и в НИОКР в целом способствует долгосрочным постоянным вложениям. Поэтому институты можно рассматривать как своего рода сигналы для инвесторов, которые, разумеется могут быть представлены математически.
Многие агенты, действующие в экономике, не используют полученную информацию наилучшим рациональным образом. Это провоцирует так называемые информационные каскады. Они возникают, когда для того или иного агента оптимальной стратегией становится повторение действий ряда предыдущих агентов. При этом полученная лично им информация перестаёт играть роль в его решении.
Для математического представления этих заключений используем модель из (Bikhchandani, Hirshleifer, Welck, 1992) и её модификаций. При принятии решения относительно вложения в рискованный проект в периоде t агенты руководствуются вероятностью благоприятной инвестиционной обстановки p, сигналы о которой они получают лично. При этом для каждого агента число p может различаться. Агенты могут либо вложить средства xє[0,1] в течение t, либо подождать до периода t+1.
Выручка агента от вложения в рискованный проект при p будет описываться уравнением:
V(p)=max((pf(x)-(1-x)),
где f(x) – продисконтированное значение выручки от вложения x в рискованный проект.
Помимо получаемых сигналов о p агенты могут наблюдать инвестиционную историю за периоды, предшествовавшие t: 
= (
,,
). Тогда для каждого конкретного агента:
Инвестиционная история также даёт агентам ряд сигналов о том, какие действия совершали предшествующие агенты. Таким образом, формируются вероятности 
. При k > 0 это вероятность благоприятной инвестиционной обстановки при k полученных сигналов о благоприятной обстановке. При k < 0 это вероятность благоприятной инвестиционной обстановки при k полученных сигналов о неблагоприятной обстановке.
При отрицательных значениях k агент не станет инвестировать в рискованный проект (x=0), так как вероятность неблагоприятной обстановки велика:
Так как агент выбирает между инвестированием в периоде t и ожиданием, то, чтобы он принял решение об инвестировании, его прибыль не должна быть ниже выгоды от ожидания (
.
где 
– условное распределение инвестиционных историй агентов в периоде t+1 при известных инвестиционных историях в периоде t; r – норма дисконта.
Ожидание агентов сопряжено с дисконтирующими потерями по некоторой норме дисконта r. Тем не менее, ожидание информации до следующего периода даёт им представление о том, как распределяются инвестиции предшествующих агентов в периоде t.
Стоит принять во внимание то, что получаемая информация относительно инвестиционной среды доходит до агентов в разные промежутки времени Таким образом, можно выделить: 1) агентов, которые получили информацию в некоторый период, предшествующий t, что предполагает то, что инвестиционная среда могла измениться по достижении t; 2) агентов, получивших информацию в период t; 3) неинформированных агентов.
Очевидно, что агенты, получившие информацию о благоприятной инвестиционной среде в период t будут инвестировать (x>0) в рискованный проект при любых неотрицательных k. При k=0 они принимают решение только на основе личной информации. Неинформированные и информированные в одном из предыдущих периодов агенты будут инвестировать только при k > 0.
В динамике это означает появление информационных каскадов. Как только достигается величина k = 1 в одном из периодов, ожидающим агентам больше не имеет смысла воздерживаться от инвестирования. Как только достигается величина k = -1, неинформированные агенты будут ждать, а информированные в период t сделают свой выбор в зависимости от инвестиционной среды. Если она оказывается негативной, то в следующем периоде достигается величина k = -2, при которой ни один агент не станет инвестировать в рискованный проект.
В качестве сигналов можно рассматривать различные вариации институциональных факторов. Инвестиционная история, изобилующая разрывами в инвестиционной активности, разумеется, не будет способствовать развитию сельского хозяйства и усовершенствованию используемых в нём технологий. В данной работе на основе теории информационных каскадов будет исследовано влияние политической нестабильности и степени защищённости прав на интеллектуальную собственность, речь о которой пойдёт в разделе 1.4.
- Институт права на интеллектуальную собственность как детерминант инвестиционной активности
В разделе 1.1 упоминалось влияние института права на интеллектуальную собственность на инвестиционную активность ( в т.ч. и в сфере сельского хозяйства). Действительно, логично предположить, что защита прав человека положительно сказывается на инвестициях и экономическом росте как в краткосрочной, так и в долгосрочной перспективе.
Это всегда верно для развитых регионов с устоявшимися научными и технологическими базами и ресурсами. Однако в случае развивающихся стран ситуация может быть несколько иной. Многие исследователи (в частности, Хелпман (Helpman, 1993) отмечают, что при экзогенной структуре инвестиций (т.е. инвестиционных средств, преимущественно получаемых из развитых государств) бедные страны теряют от усиления контроля за интеллектуальными правами вследствие невыгодных условий торговли и эффективности.
Причиной подобного хода событий является то, что инновации в развивающихся странах, как правило, являются так называемой “имитацией” уже существующих в развитых государствах технологий. Ранее уже упоминалось о том, что неразвитая рыночная система не всегда предъявляет реальный спрос на инновации собственного производства.
Модели, исследующие подобные проблемы, обычно именуются моделями “Севера и Юга”, где под “Севером” подразумеваются развитые страны с продвинутыми технологиями и научными знаниями, а под “Югом” – развивающиеся. Для упрощения вводится то, что система защиты интеллектуальных прав является совершенной в северных странах и несовершенной – в южных. Соответственно, имитация инноваций возможна только в экономике Юга.
Лай (Lai, 1998) отмечает, что инновационная активность в развивающихся странах может быть как имитационной, так и мультинациональной, т.е. использующей прямые иностранные инвестиции на территории южных государств при участии местной рабочей силы. В своём исследовании он находит, что эти программы (фактически являющиеся самостоятельными институциональными факторами) обеспечивают в корне различное влияние на эффективность инвестиционной политики в развивающихся странах.
Можно предположить, что в сфере сельского хозяйства беднейших стран Африки присутствуют обе модели инновационной активности. Это значит, что их эффективность можно эмпирически оценить на основе имеющихся данных.
Рассмотрим модель Лая подробнее. В долгосрочный период t каждый репрезентативный агент из обоих регионов максимизирует полезность:
, (8)
где 0<<1 и – межвременная эластичность замещения между благами; 
– степень предпочтения в периоде; 
- полезность агента в период 
.
Исходя из этого, можно сформулировать бюджетное ограничение для агентов:
,
где 
- расходы агента в период 
; 
– доходы агента в период 
; 
- текущая стоимость активов в период t.
В каждом краткосрочном периоде максимизируется следующая функция полезности:
,
где 0<<1; x(z) – количество потреблённого блага z; n(t) – количество наиболее развитых (с инновационной точки зрения) товаров в мире на сегодняшний день.
Лай приходит к решению указанной оптимизационной проблемы, выводя уравнение:
. (9)
Учитывая, что 
отображает темп роста расходов на блага, можно сделать стандартный для макроэкономических моделей роста вывод о том, что чем меньше люди ценят своё будущее, тем выше должны быть процентные ставки для поддержания стабильного темпа роста расходов и сбережений в долгосрочной перспективе. Отметим, что темпы роста n и E допускаются одинаковыми:
В каждый конкретный период t существует n благ в мире. При этом некоторые из них произведены на Севере, а некоторые на Юге:
.
Как отмечалось ранее, Лай исследует вопрос о структуре инноваций в развивающихся странах. Поэтому товары, производимые на Юге, разделяются также на имитирующие и произведённые мультинациональными фирмами. В силу симметрии каждая из величин растёт с темпом g:
.
Вводя функции 
и 
, обозначающие прибыли и, соответственно, требующие максимизации, можно вывести политику ценообразования для фирм в этой задаче, которая будет выражаться следующим образом:
Отметим, что рыночная власть фирм из развитых государств (Севера) и их подразделений в развивающихся странах может достигаться только при защите авторских прав. Если тот или иной продукт был сымитирован, ни одна фирма, продающая данное благо, не будет иметь рыночной власти, а его цена будет снижена до предельных издержек, что повлечёт нулевую прибыль всех производителей. Соответственно, наличие института монополистической конкуренции с дифференцированным продуктом и какой-либо рыночной властью каждой i-й фирмы будет преимуществом для государства в случае, если мультинациональные фирмы также выгодны для него.
Для учёта эффектов от имитации и мультинациональных фирм Лай вводит величины и w, определённые на отрезке от 0 до 1, которые выражают вероятности имитации и мультинационализации в следующем периоде соответственно. При этом w можно рассматривать как аналог заработной плате, т.к. при росте количества иностранных фирм и укреплении института защиты интеллектуальных прав логично увеличение средней заработной платы для рабочей силы.
Сравнивая функции прибыли для фирм из развитых стран и и мультинациональных фирм в развивающихся странах, можно вывести, что из-за риска имитации прибыль последних в равновесном состоянии должна быть выше:
Основные выводы работы Лая можно получить из следующего выведенного выражения:
, (10)
где 
.
Фирмы из развитых стран предоставляют зарплаты, меньшие, чем в южных своих предприятиях, в связи с риском потери монопольной власти в регионе вследствие возможности имитации. Соответственно, при усилении прав интеллектуальной собственности в развивающихся странах, во-первых, усиливается власть фирм в монополистической конкуренции, во-вторых, поскольку отдача от мультинациональных фирм ожидается большей, то и в целом приток инвестиций в южные страны будет возрастать. Т.е. темпы инновационной активности будут возрастать. Понижение ведёт к росту темпов g, что приводит к повышению относительной заработной платы в развивающихся государствах.
Обратную ситуацию можно вывести, если допустить, что производство в южных странах обеспечивается только лишь путём имитации. Тогда формула (10) принимает следующий вид:
,
где 
- предложение труда в развивающихся государствах; 
- предложение труда в развитых государствах. Здесь выстраивается обратная ситуация: чем сильнее обеспечивается защита интеллектуальных прав в южных государствах, тем меньше количество инновационных продуктов здешнего производства, что также снижает спрос на рабочую силу и, следовательно, относительную заработную плату.
Отметим, что здесь институт защиты прав интеллектуальной собственности можно рассматривать как индикатор для т.н. “ловушки бедности” в африканских странах.
Глава 2. Эмпирическая оценка роли институтов в инвестициях в НИОКР в сельском хозяйстве
- Влияние конкурентной среды на инвестиционную активность
Так как в формуле (7) видна зависимость темпов прироста производительности от величины параметра, следует оценить её, исходя из эмпирических данных. Как уже упоминалось ранее, использоваться будет выборка, составленная из данных стран Центральной Африки. В неё вошли Мавритания, Мозамбик, Зимбабве, Ботсвана, Гана, Намибия, Замбия, Ангола, Демократическая Республика Конго, Конго, Эфиопия, Камерун, Буркина-Фасо, Кот-Д’Ивуар, Гвинея и Сенегал. В виду ограниченности данных по указанным государствам был взят сравнительно небольшой временной промежуток для анализа - годовые данные с 2002 по 2009 гг.
Чтобы оценить параметр, можно воспользоваться формулой (4). Темп горизонтальной дифференциации промежуточных товаров выведен с помощью индекса Феенстра (Feenstra, 1994) и данных об экспорте из стран Центральной Африки, полученных на сайте ООH www.comtrade.un.org.
Исследование Феенстра предполагает, что в каждом периоде tЄT существуют множества благ I, изменяющиеся между каждыми t-1 и t, но имеющие s общих благ в пересечении, т.е.:
.
Индекс Феенстра, показывающий изменение в разнообразии продукции, выглядит следующим образом:
где p - цена j-го блага; q – количество j-го блага; n – количество благ в 
; m – количество благ в 
.
Рассматривались данные об экспорте следующих промежуточных товаров сельского хозяйства: кофе, какао, арахиса, кукурузы, риса, пшеницы. Полученные значения индекса приведены в Приложении 1. Данные о количестве рабочей силы занятой в НИОКР в указанных отраслях взяты из статистических материалов UNESCO. Таким образом, опираясь на формулу (4), можно составить регрессию:
(11)
где 
- константа; 
- коэффициент при регрессоре 
; 
– остатки регрессии.
Таблица 1
| (1) | |
| Feenstra Index | |
| Hscientists/Hindustry | 2.438 |
| (1.003) | |
| Constant | -0.899 |
| (0.671) | |
| Observations | 8 |
| R2 | 0.311 |
Standard errors in parentheses
* p < 0.05, ** p < 0.01, *** p < 0.001
Результаты оценивания регрессии (11) представлены в Таблице 1. Коэффициент при регрессоре, равный 2.438, получился значимым на 5%-м уровне. Вычислим оценённое в (11) значение параметра :
=1/2.438=0,410
Параметр <1, что, в соответствии с формулой (7), свидетельствует о том, что темпы расширения продукции в регионе существенно ускоряют рост производительности.
Если принимать во внимание шумпетерианский тезис о том, что большая монополизированность рынка ведёт к большей горизонтальной дифференциации, то можно сделать вывод о том, что для экономического роста в исследуемом регионе выгодна большая монополизированность, т.е. 
- Переменные, использованные для эмпирического анализа, и источники данных
Для эконометрического исследования влияния институциональных факторов на R&D-исследования в регионе необходимо задать ряд переменных. Используется анализ панельных данных за период с 2002 по 2010 гг. по государствам, указанным в разделе 2.1. За исключением информации о государственной нестабильности, данные получены с сайта World Bank и баз данных организации UNESCO (UNESCO Statistical yearbook).
В качестве зависимой переменной сгенерирован показатель (RnDst), равный скользящей средней за последние пять лет совокупных затрат на R&D в сельском хозяйстве по отношению к ВВП исследуемых стран. В виду отсутствия данных, непосредственно касающихся сельского хозяйства, была сделана поправка на долю в ВВП каждой из стран этого сектора экономики. Совокупная средняя используется для выявления среднесрочного эффекта тех или иных показателей на инвестиционную деятельность.
Регрессор Valad показывает рост добавленной стоимости продукта, производимого в сельском хозяйстве каждого государства, в каждом следующем периоде. Этот показатель может служить своего рода историей сигналов, необходимой для формирования информационных каскадов (см. раздел 1.3).
Предполагается, что последовательное повышение добавленной стоимости продукта сельского хозяйства будет способствовать благоприятному настрою инвесторов. Кроме того, эта величина характеризует потребность рынка в инновационной активности, которая во многом может говорить и о качестве институтов в целом, и о будущем региона в относительно долгосрочной перспективе.
Немаловажным фактором для инвестиционной среды может быть сельское население в регионе. Уже отмечалось, что в исследуемых странах большая часть населения живёт именно в негородской среде. Поэтому может быть интересно влияние прироста населения на RnDst. Однако достаточно разумно предположить убывающую отдачу от масштаба, что диктует использования возведённой в квадрат величины.
Непосредственно институциональные факторы представлены в исследовании полученным образованием (Educ), конфликтными ситуациями в государствах (Instab) и уровнем защищённости прав собственности. Эти институты характеризуют потенциал ведения бизнеса в регионе и безопасность.
Уровень образования характеризует человеческий капитал и его потенциал в развивающемся обществе. Человеческий капитал достаточно расхоже формулируется в различных исследовательских трудах. В данной работе переменная задана как количество проведённых на обучении лет после достижения 15-летнего возраста. Такая спецификация позволяет судить о количестве наиболее квалифицированных специалистов в регионе, а также об эффективности и производительности их труда.
Говоря о производительности и учитывая результаты, полученные в разделе 2.1, рассмотрим показатель защиты интеллектуальных прав. Большая монополизированность была бы выгодна для экономики исследуемого региона. Это значит, что защита интеллектуальных прав (см. раздел 1.4), уменьшающая эффект “имитации” и способствующая продвижению мультинациональных корпораций на территории стран, могла бы способствовать инвестиционной активности частных владельцев иностранного капитала.
Индекс защиты интеллектуальных прав изменяется от 1 до 6. При его формировании учитываются такие факторы, как степень охвата патентов, качество защитных механизмов, членство государства в международных соглашениях и т.д.
Последним рассматриваемым регрессором является политическая нестабильность в регионе. Переменная Instab является дамми, т.е. принимает значения 0 или 1. Единица возникает в те годы, когда наблюдается гражданская война и/или насильственная смена режимов в государстве. Переменная сконструирована с помощью данных State failure task force.
- Эконометрический анализ инвестиционной деятельности в регионе
Использование в оценивании панельных данных предполагает учёт различных индивидуальных эффектов как во времени, так и по каждому конкретному государству. Были проанализированы спецификации со случайными и с фиксированными эффектами.
В Таблице 1 приведены полученные оценки для регрессии со случайными эффектами. Обратим внимание, что все коэффициенты значимы на 10%-м уровне, а показатели при институциональных факторах не менее, чем на 1%-м. Коэффициенты при исконной переменной сельского населения и возведённой в квадрат имеют различные знаки и равны соответственно 0,003 и (-0,001).
Это свидетельствует о подтверждении логичного предположения о некоторой U-образной зависимости между ростом численности потенциальной рабочей силы в сельском хозяйстве региона и выделяемыми средствами. При увеличении же количества лет обучения этого населения инвестиции в R&D становятся наиболее обоснованы, что подтверждает коэффициент при переменной Educ.
Однако эти результаты могут быть несколько обманчивы на фоне отрицательного значения коэффициента при переменной Valad, который, кроме того, не является значимым на 5%-м уровне. Это может свидетельствовать о том, что инвестиционная деятельность в процессы R&D в сельском хозяйстве ориентирована скорее на политические инициативы развитых стран, чем на реальные потребности рынка, которые можно наблюдать из экономического роста.
Можно также отметить, что крайне значимо показали себя данные о нестабильности институтов государства в регионе. В среднем конфликты уменьшали вклады в исследования более, чем на 13%. Отметим, что за исследуемый период среди стран выборки конфликты наблюдались в
Таблица 1
Регрессия со случайными эффектами
| (1) | |
| RnDst | |
| Valad | -0.008 |
| (0.005) | |
| Ln Rural population | 0.003 |
| (0.002) | |
| SQ Ln Rural population | -0.001* |
| (0.000) | |
| Educ | 0.181*** |
| (0.029) | |
| Instab | -0.134*** |
| (0.014) | |
| IP Protection Index | 0.024** |
| (0.009) | |
| Constant | 0.124*** |
| (0.031) | |
| Observations | 144 |
| R2 | 0.411 |
| Adjusted R2 | 0.372 |
Standard errors in parentheses
- p < 0.05, ** p < 0.01, *** p < 0.001
Источник: World Bank, UNESCO, авторские вычисления
Мавритании, Эфиопии, Демократической республики Конго, Замбии и Гвинее. Одна из этих стран будет рассмотрена несколько подробнее в разделе 3.1.
В Таблице 2 приведены полученные оценки для регрессии с фиксированными индивидуальными эффектами. Обращает на себя внимание то, что на 1%-м уровне осталась значима только переменная, отвечающая за отображения нестабильности политических институтов.
Продолжительность образования значима на 5%-м уровне, однако снижение ее роли в модели с фиксированными индивидуальными эффектами по объектам (государствам в отдельности) может указывать на то, что многие страны региона испытывают проблемы с институтом образования, выливающиеся в “утечку мозгов” или непрофильное использование образованной рабочей силы, необходимой для R&D. Также отметим утрату значимости коэффициента, показывающего роль защищённости интеллектуальной собственности.
Чтобы выбрать между моделями с фиксированными и со случайными эффектами лучшую, был проведён тест Хаусмана, показавший значение Chi-square, равное (-0,7631). Это значит, что дисперсия ошибок в модели с фиксированными эффектами меньше, чем в модели со случайными. Т.е. модель с фиксированными эффектами лучше отражает реальную взаимосвязь исследуемых процессов.
Поскольку спецификация, включающая фиксированные индивидуальные эффекты, зарекомендовала себя более качественной, рассмотрим поподробнее непосредственно величины этих колебаний. Эта информация представлена в Приложении 2. Наиболее сильные отрицательные индивидуальные эффекты по объектам наблюдаются в странах, подверженных/подвергающихся различным внутриполитическим конфликтам. Это Эфиопия, Замбия и Мавритания. Значения эффектов равны
Таблица 2
Регрессия с фиксированными эффектами
| (1) | |
| RnDst | |
| Valad | -0.005 |
| (0.005) | |
| Ln Rural population | 0.022 |
| (0.020) | |
| SQ Ln Rural population | -0.009 |
| (0.008) | |
| Educ | 0.072* |
| (0.035) | |
| Instab | 0.033*** |
| (0.004) | |
| IP Protection Index | -0.006 |
| (0.003) | |
| Constant | -0.172 |
| (0.320) | |
| Observations | 144 |
| R2 | 0.325 |
| Adjusted R2 | 0.222 |
Standard errors in parentheses
- p < 0.05, ** p < 0.01, *** p < 0.001
Источник: World Bank, UNESCO, авторские вычисления.
соответственно (-0,436), (-0,373) и (-0,567).
.
Глава 3. Анализ инвестиций в R&D в сельском хозяйстве с помощью дерева решений и тест на наличие “стадного” эффекта
3.1. Анализ инвестиций в R&D в сельском хозяйстве с помощью дерева решений
В предыдущей главе работы было выявлено серьёзное влияние государственных проблем на состояние инвестиционной среды в сфере сельского хозяйства центральноафриканских государств. При этом в государствах, которые подвергались переворотам войнам, в исследуемом периоде существуют отрицательные фиксированные эффекты. Рассмотрим на примере одного из них (Мавритании), насколько сильно сказывается нестабильность политических институтов на инвестиционной среде.
Для достижения этой цели и предоставления наглядных результатов используем метод построения дерева решений. Для построения дерева решений используем программу “DTREG”. Она предлагает весьма показательные методы моделирования и прогнозирования. Программа доступна на сайте www.dtreg.com.
Дерево решений представляет собой сеть “узлов” (англ. – “node”), содержащих характеристики целевой переменной. Метод подразумевает последовательное разделение данных на две подгруппы согласно минимальным значениям для “узла”. Этот раскол повторяется либо до того момента, как каждое подмножество больше не сможет делиться с изменением полученного результата, либо когда число наблюдений в ячейке становится меньше заданного количества строк. В “узлах” указывается, помимо прочего, вероятность неверной интерпретации того или иного значения.
Дерево решений может быть двух типов: дерево регрессии или дерево классификации. Выбор его структуры зависит от вида целевой переменной. Она может быть числовой или категорической.
Если в качестве целевой используется непрерывная числовая переменная, то генерируются дерево регрессии. При использовании дерева регрессии для прогнозирования значения целевой переменной её ожидаемое значение будет отображено в верхнем “узле”.
Если в качестве целевой используется категорическая переменная, то генерируются дерево классификации. Чтобы предсказать значение (категорию) целевой переменной, необходимо двигаться по дереву снизу вверх по значениям объясняющих переменных.
Рисунок 2. Дерево решений для Мавритании.
На Рисунке 2 указано дерево решений для Мавритании (3 зафиксированных года политической нестабильности за выбранный период), сгенерированное программой “DTREG”. В качестве рассматриваемой зависимой переменной на этот раз взята абсолютная величина добавленной стоимости на продукцию сельского хозяйства. Оно состоит из 4-х уровней. Можно видеть, что различия в вариации зависимой переменной значительно увеличиваются как раз в те периоды, когда на территории государства проходили конфликты.
Первое разделение на 2 подгруппы касается переменной Instab, уже использовавшейся ранее. Согласно данным, продиктованным дереву решений, 3 года конфликтов имели место, когда эта переменная приобретала значения. Значение добавленной стоимости продуктов сельского хозяйства упало в среднем чуть менее, чем на 2 млн. $ (с 6,681 до 4,892 млн. $). Разумеется, недоинвестирование в R&D также имело место быть, в чём можно было убедиться в прошлой главе.
Можно видеть, что “узел” 2 также имеет разделение, что свидетельствует о весе в формировании значения целевой переменной количества сельского населения в исследуемом государстве. Помимо роста абсолютной величины этого показателя наблюдается также увеличение доли сельского населения в регионе. Разумеется, видимое усугубление кризиса производительности последних лет крайне негативно отражается на среднем уровне жизни каждого отдельного домохозяйства. Вес каждой переменной для Мексики указан в Приложении 3.
3.2. Информационные каскады в инвестиционной среде
В разделе 2.3 было выявлено сильное влияние нестабильности политических институтов в государствах на инвестирование в R&D в сельском хозяйстве. Кроме того, была обнаружена незначимость влияния увеличения добавленной стоимости продукта сельского хозяйства на склонность к инвестициям.
Подобные результаты могут свидетельствовать, прежде всего, о критической роли непосредственно самого института государства для доверия как внутренних, так и международных инвесторов на территории каждой отдельной страны. Вероятно, как частные, так и государственные инвестиции могут руководствоваться сигналами непосредственно идущими от государственных деятелей.
Для оценивания подобной гипотезы используем метод максимального правдоподобия (множественные логит-модели) и теорию информационных каскадов, описанную в разделе 1.3. Это даст возможность оценить влияние на вероятность вложений в каждом конкретном периоде предыдущих инвестиционных операций в R&D как со стороны частного капитала, так и со стороны непосредственно государства.
Разумеется, данные, непосредственно касающиеся сельского хозяйства, не представляется возможным найти. Поэтому из материалов UNESCO была взята информация о вкладах в R&D в целом. Поскольку более 70% экономики региона держится на продуктах сельского хозяйства, то была выделена соответствующая доля, которая, как представляется, максимально приближенно отражает необходимые для тестов данные.
В Таблице 3 приведены результаты оценивания множественной зависимой переменной, отражающей изменения во вложениях частного капитала. Она принимает следующие значения: 1 – уменьшение инвестиционного потока частного капитала по сравнению с прошлым периодом; 2 – увеличение инвестиционного потока частного капитала менее,
Таблица 3
Логит-модель для частных инвестиций
| Current Private | Conflict | Past Private | Past State |
| 1 | base | base | base |
| 2 | -0.837 (0.026) | 0.033 (0.046) | 1.706 (0.002) |
| 3 | -1.057 (0.016) | 0.010 (0.886) | 0.143 (0.025) |
| Log likelihood | -284.67801 | ||
| Pseudo R2 | 0.0698 |
Источник: World Bank, UNESCO, авторские вычисления.
чем на 5%; 3 – увеличение инвестиционного потока частного капитала более, чем на 5%. Пятипроцентная вариация продиктована тем, что потоки в целом не увеличивались более, чем на 10% за выборочный период. Поэтому значение “2” можно рассматривать как умеренное увеличение, а “3” – как сильное.
В соответствии с теорией информационных каскадов сформированы переменные Past Private и Past State, которые также принимают указанные 3 значения, но за предыдущий период. Соответственно, можно отследить каскады сигналов как частных инвесторов, так и государства.
Таблица 4
Логит-модель для государственных инвестиций
| Current State | Conflict | Past Private | Past State |
| 1 | base | base | base |
| 2 | 0.175 (0.019) | -0.059 (0.167) | 0.112 (0.056) |
| 3 | -0.316 (0.002) | -0.011 (0.210) | 0.087 (0.033) |
| Log likelihood | -396.10875 | ||
| Pseudo R2 | 0.1064 |
Источник: World Bank, UNESCO, авторские вычисления.
Из результатов оценивания, представленных в Таблице 3, главным образом можно сделать вывод о том, что факт осуществления государством инвестиционной деятельности в растущих масштабах в предыдущих периодах является положительным сигналом для частных инвесторов в нынешнем периоде, формируя информационный каскад. Для второй категории зависимой переменной вероятность увеличивается крайне значительно. Отметим также, что изменения в частных инвестициях предыдущих периодов не показали себя значимыми характеристиками, что позволяет сделать вывод о том, что инвесторы ориентируются на данные о качестве института государства как на первичный фактор.
В Таблице 4 представлены результаты оценивания с зависимой переменной, показывающей изменения в потоке государственных инвестиций в R&D. Переменная построена по такому же принципу.
Заключение
Вопросы, связанные с базовыми и прикладными R&D-исследованиями, технологиями и производительностью труда были, есть и будут важны во всём мире. Особенно это касается развивающихся стран, где значительную долю производимого продукта предоставляет сельское хозяйство.
В данной работе предпринята попытка проанализировать роль институтов в государствах одного из наиболее проблемных мировых регионов – под-Сахарной Африке – и их влияние на инвестиционную активность в секторе R&D в сельском хозяйстве. Не секрет, что развитие предполагает увеличение продуктивности труда и, как следствие, благосостояния. Это, в свою очередь, будет способствовать сокращению процента нищеты, которая прежде всего является сельским явлением. 75 процентов бедных людей в Африке и Азии живут в сельских районах.
В процессе работы был проанализирован ряд методологических и теоретических статей и отчётов различных организаций. Кроме того, в теоретической части работы производилась попытка адаптации к теме ряда теорий. В частности, рассматривалась конкурентная среда как один из основных институциональных факторов, влияющих на инвестиции в НИОКР.
Часто рассматриваемая в современных исследованиях проблема роли защищённости института интеллектуальной собственности в инвестиционной среде государств исследовалась в контексте конкуренции на рынке инноваций. Это дало возможность сделать выводы, представленные в разделе 2.1, о том, что большая монополизированность на рынке ведёт к большему количеству инновационных продуктов, т.е. способствует развитию R&D-исследований в сельском хозяйстве исследуемого региона.
В третьей главе работы с помощью теории информационных каскадов и метода максимального правдоподобия был сделан вывод о критической роли непосредственно самого института государства для доверия как внутренних, так и международных инвесторов на территории каждой отдельной страны, потому что как частные, так и государственные инвестиции могут руководствоваться сигналами непосредственно идущими от государственных деятелей.
Наиболее существенно влияющим на инвестиционную активность фактором является устойчивость политических институтов. Было выявлено серьёзное влияние государственных проблем на состояние инвестиционной среды в сфере сельского хозяйства центральноафриканских государств. При этом в государствах, которые подвергались переворотам войнам, в исследуемом периоде существуют отрицательные фиксированные эффекты.
Литература
- Adams S. Intellectual property rights, innovation, and economic growth in Sub-Saharan Africa//ACCRA Working paper.- 2004
- Aghion P., Bloom N., Blundell R., Griffith R., Howitt P. Competition and innovation: an inverted-U relationship//The quarterly journal of economics.-2005.-c.701-728
- Aghion P., Howitt P. Research and development in the growth process//Journal of economic growth.-1996. №1. –c.49-73
- Alene A., Yigezu Y., Ndjeunga J. Measuring the effectiveness of agricultural R&D in Sub-Saharan Africa from the perspectives of varietal output and adoption//ASTI Conference working paper. -2011
- Alfranco O., Huffman W. Private R&D investments in agriculture: the role of incentives and institutions//STAFF Working paper. - 1999
- Alston J., Chan-Kang C., Marra M., Pardey P., Wyatt T. A meta-analysis of rates of return to agricultural R&D//IFPRI Working paper. - 2000
- Anandajayasekeram P. The role of agricultural R&D within the agricultural innovation systems framework//ASTI Conference working paper.- 2011
- Azariadis C., Drazen A. Threshold externalities in economic development// The quarterly journal of economics.-1990.№105.-c.501-526
- Beintema N., Stads G. African agricultural R&D in the new millenium//IFPRI Working paper. – 2011
- Bianco D. Competition and growth in an endogenous growth model with expanding product variety without scale effects//CNRS working paper.-2007
- Bikhchandani S., Hirshleifer D., Welck I. A theory of fads, fashion, custom, and cultural change as informational cascades//Journal of political economy.-1992.- №100.- с.992-1026
- Bucci A. Product-variety, population, competition, and growth//Working paper.-2009
- Cai D. Nonparametric statistics: theory and applications//UNCC Working paper. - 2012
- Dinopoulos E. Agricultural R&D and economic growth//MSU Working paper.-1996
- Dutta A., Sharma S. Intellectual property rights and innovation in developing countries: Еvidence from India//JEL Working paper. -2008
- Falvey R., Foster N., Greenaway D. Intellectual property rights and economic growth//Review of development economics. -2006. -№10. –с.700-719
- Feenstra R. New product varieties and the measurement of international prices//American economic review.-1994.№84.-c.157-177
- Feenstra R., Kee H. On the measurement of product variety in trade// American economic review.-2004.№94. –c.145-149
- Fink C., Maskus K. Intellectual property and development//A copublication of World Bank and Oxford University Press. - 2005
- Grossman G., Helpman E. Innovation and growth in the global economy//Cambridge: MIT Press.-1991
- Ha J., Howitt P. Accounting for trends in productivity and R&D: a Schumpeterian critique of semi-endogenous growth theory//Brown University Working paper.-2006
- Helpman E. Innovation, Imitation and Intellectual Property//Econometrica.-1993.-№66.-с.1247-1280
- James C. agricultural research and development: the need for public-private sector partnerships//CGIAR Working paper. - 1996
- James J., Pardey P., Alston J. Agricultural R&D policy: a tragedy of the international commons//Staff paper series. - 2008
- Jones C. Time series tests of endogenous growth models//Quarterly journal of economics.-1995.№105.-c.495-525
- Kanwar S., Evenson R. Does intellectual property protection spur technological change?//Oxford economic papers.-2003.- №55.-с.235-264
- Kearney D. Agricultural science and politics: the dynamics of politically motivated funding for agricultural R&D in Sub-Saharan Africa//SIMT Working paper. - 2004
- Lai E. International intellectual property rights protection and the rate of product innovation//Journal of development economics.-1998. -№55. –с. 155-165
- Leger A. Intellectual property rights and innovation around the world: Evidence from panel data//DIW Berlin. - 2007
- Naseem A., Omamo S., Spielman D. The private sector in agricultural R&D: Policies and institutions to foster its growth in developing countries//ISNAR Discussion paper.-2006
- Nieuwoudt W. Privatising agricultural R&D, an example from the South African sugar industry//Agrekon. – 2004. -№43.-с. 228-243
- Nin-Pratt A. Agricultural R&D investment, poverty and economic growth in Sub-Saharan Africa: Prospects and needs to 2050//CGIAR Working paper.- 2012
- Palmedo M. The economic effect of the intellectual property obligations in free trade agreements//DRAFT Working paper. -2012
- Romer P. Endogenous technological change//Journal of political economy.-1990.№98.-c.71-102
- Roseboom J. A new perspective on underinvestment in agricultural R&D//CGIAR Working paper.- 2002
- Sheng Y., Mullen J., Zhao S. A turning point in agricultural productivity: consideration of the causes.-ABARES research report.-2011
- Spielman D., Hartwich F., von Grebmer K. Public-private partnerships and developing-country agriculture: Evidence from the International Agricultural Research System//CGIAR Working paper.-2008
- Thirtle C., Lin L., Piesse J. The impact of research led agricultural productivity growth on poverty reduction in Africa, Asia and Latin America//IAAE Working paper. -2003
- Tokgoz S. Private agricultural R&D in the United States//Journal of agricultural and resource economics.-2006.-№31.-с. 212-238
- Tokgoz S. R&D spillovers in agriculture: results from a north-south trade model//AAEAAM Working paper.-2008
- Varsakelis N. The impact of patent protection, economy openness and national culture on R&D investment: a cross-country empirical investigation//Research policy. -2001.-№ 30. -1059-1068
Приложение 1
Feenstra Index
| 2002 | 0.042154 |
| 2003 | -0.14617 |
| 2004 | -0.13003 |
| 2005 | 0.0887 |
| 2006 | 0.056793 |
| 2007 | 0.180713 |
| 2008 | -0.00765 |
| 2009 | 0.094681 |
Источник: Comtrade.un.org и авторские вычисления
Приложение 2
Значения фиксированных эффектов в модели
| Mauritania-C | -0,567 (0,178) |
| Мозамбик-С | -0,016 (0,052) |
| Зимбабве-С | -0,096 (0,074) |
| Ботсвана-С | 0,245 (0,141) |
| Гана-С | -0,056 (0,013) |
| Намибия-С | 0,063 (0,047) |
| Замбия-С | -0,373 (0,101) |
| Ангола-С | -0,245 (0,066) |
| ДР Конго-С | -0,012 (0,011) |
| Конго-С | 0,103 (0,029) |
| Эфиопия-С | -0,436 (0,253) |
| Камерун-С | 0,344 (0,011) |
| БФ-С | 0,112 (0,043) |
| Кот-Д’Ивуар-С | 0,143 (0,009) |
| Гвинея-С | 0,123 (0,071) |
| Сенегал-С | 0,116 (0,041) |
Приложение 3
Вес переменных в дереве решений
| Переменная | Важность |
| Instab | 100.000 |
| Rural | 67.670 |
| Sec | 57.460 |
Рассчитано по данным World Bank, UNESCO.
Type of model: Single tree
Maximum splitting levels: 10
Type of analysis:>
Splitting algorithm: Gini
Category weights (priors): Data file distribution
Misclassification costs: Equal (unitary)
Variable weights: Equal
Minimum size node to split: 10
Tree pruning and validation method: Cross validation
Number of cross-validation folds: 10
Tree pruning criterion: Minimum cost complexity (0.00 S.E.)
