Автор выражает благодарность стажеру-исследователю лаборатории региональных политических исследований НИУ-ВШЭ Гайворонскому Ю.О. за помощь в подготовке данного материала. 

Эти трудности, в конечном счете, обусловлены отсутствием какой-либо синтетической модели, которая позволяла бы увязать отдельные аспекты эффективности в некоторую целостную конструкцию и уйти от ситуации, когда «за деревьями не видно леса», за «аспектами» эффективности государства – самой эффективности. Дальнейшее изложение мы посвятим авторскому взгляду на то, каким образом такая комплексная модель быть разработана. В ее основу необходимо положить некоторое интуитивно понятное представление об эффективности как таковой, пусть даже поначалу оно будет содержательно бедным и слабо учитывающим специфику собственно государства. И начнем мы с обращения к еще одной группе подходов, которые можно объединить под условным названием «инструментальные». 

Рвр = (Чвр — Чсвр× Кс)×(ЗПрвр×[1+ ЕСН <*>]×12 мес.), (1) 

где: 

КС– коэффициент сетевых нормативов, призванный учитывать различия регионов в транспортной доступности и дисперсности расселения. 

Суть замечательной формулы (1) в том, что «излишек» врачей по сравнению со среднероссийским показателем (Чвр — Чсвр× Кс) умножается на годовую зарплату врача с учетом ЕСН, что и составляет в итоге объем неэффективно затраченных средств. Остается при этом неясным, почему и для кого «эффективно» тратить на зарплату врачей столько средств, сколько тратится в среднем по России (а лучше еще меньше). По большому счету, основные проблемы подобного рода методик сходны с проблемами подхода «цели – результат». Если нормативный показатель устанавливается внутри самой государственной организации, очень высоки риски, что его установят таким образом, чтобы его можно было а) легко посчитать, б) сравнительно несложно достичь.

Обобщенная модель оценки эффективности, основанная на отношении «результаты/ресурсы», опирается на довольно компактный набор ключевых понятий:

Входы (Inputs), представляющие сбой множество ограниченных ресурсов, используемых для получения определенных результатов. В работах по оценке эффективности органов власти, использующих данный подход , ресурсы рассматриваются в двух основных измерениях. Это денежное измерение — государственные и муниципальные расходы в той или иной сфере и «физическое» измерение, связанное с людскими ресурсами, зданиями и оборудованием. Например, в сфере образования в качестве «физических» входов могут фигурировать количество учителей (приходящихся на определенное число учеников), обеспеченность помещениями, учебно-методической литературой, компьютерами с выходом в Интернет и т.д. В экономических исследованиях ресурсы на входе зачастую совпадают с факторами производства товаров и услуг – трудовыми, капитальными и природными. 

Выходы (Outputs), связанные с достигнутыми результатами деятельности. В задачах оценки эффективности власти измерение результирующих показателей представляет особую трудность: в большинстве случаев исследователю приходится иметь дело с операционализацией эмпирически ненаблюдаемых признаков, таких, как «качество образования» или «состояние здоровья населения». Общественные блага практически не поддаются рыночной оценке и, соответственно, их трудно зафиксировать в стоимостном выражении. Впрочем, и такие подходы существуют, среди них – т.н. Cost-Benefit Analysis (CBA, Neumann, 2005). Например, в оценке программ в области здравоохранения CBA предполагает перевод всех результатов в денежное выражение посредством подсчета издержек от временной нетрудоспособности и т.п. (см. Meltzer, 1997). В более общем случае выходные показатели фиксируются в неденежной форме: для здравоохранения это может быть средняя ожидаемая продолжительность жизни и уровень детской смертности, для среднего образования – оценки, получаемые выпускниками школ на государственных экзаменах, для правоохранительной системы – число раскрытых преступлений. 

Decision-Making Unit (DMU) – «центр принятия решений», «единица с правом принятия решений» или даже «группа власти»; общепринятого перевода на русский не существует, поэтому мы будем далее пользоваться английской аббревиатурой. DMU могут быть представлены любыми организациями, преобразующими ресурсные «входы» в результирующие «выходы». Причем это могут быть не только организации в узком смысле (школы, больницы, полицейские департаменты), но и национальные и региональные системы образования, здравоохранения и охраны правопорядка. Важный признак DMU – определенная степень автономии в том смысле, что характер внутренней организации, принятая система правил (формальных и неформальных) и другие внутренние свойства DMU влияют на преобразование ресурсов в результаты; в противном случае их эффективность будет функционально определяться эффективностью вышестоящей иерархической структуры. С другой стороны, при сопоставлении нескольких DMU требуется некоторая степень однородности; так, нельзя сравнивать региональные системы здравоохранения с национальными системами. 

В этой работе мы покажем ключевые принципы такого подхода на примере метода Data Envelopment Analysis (DEA). 

Рисунок 1 

А – Граница производственных возможностей; Б – Расстояние до границы производственных возможностей как мера эффективности. 

Несмотря на кажущуюся абстрактность этого критерия, он сразу дает ключ к оценке уровня (степени) эффективности. Для DMU, лежащих на кривой производственных возможностей, уровень эффективности по определению равен 1 или 100%. Для DMU под ГПВ эффективность определяется расстоянием до этой границы (рис. 1Б). 

Векторное определение x и y подчеркивает тот факт, что DMU может преобразовывать набор различных ресурсов в набор различных результатов (рис. 3). Если мы имеем дело с более чем одним входом и/или более чем одним выходом, ГПВ уже не может быть отображена кривой на плоскости. Корректно будет говорить об этой границе как о поверхности в трехмерном пространстве или гиперповерхности в многомерном пространстве. 

Рисунок 3

Преобразование вектора ресурсов в вектор результатов 

Важное упрощение, заложенное в модели (2), заключается в предположении, что получаемые результаты зависят только от вложенных ресурсов и степени эффективности DMU. Здесь мы пока не принимаем во внимание тот факт, что даже сравнительно однородные DMU оперируют в различных условиях, которые могут способствовать или противодействовать достижению ГПВ. Например, в регионе с большой территорией и низкой плотностью населения оказание медицинской помощи всегда будет сопряжено с большими затратами ресурсов, в частности с высокими транспортными издержками. 

Рисунок 4 

Границы производственных возможностей для CRS (пунктирная линия)  и VRS (сплошная линия). 

Граница CRS представляет собой луч, выходящий из начала системы координат и проходящий через DMU с максимальной производительностью (точка А). Предположение о CRS означает, что объемы «производства» можно наращивать до бесконечности: при использовании большего количества ресурсов: выход в эффективном DMU увеличится пропорционально увеличению входа. Граница VRS представляет собой выпуклую ломаную, соединяющую точки с самой высокой производительностью (A и D) и «охватывающую» все множество точек (отсюда название метода). Это реализация идеи предельной убывающей отдачи: с какого-то момента эффект каждой добавленной единицы ресурсов будет уменьшаться. В принципе, VRS может предполагать и возрастающий эффект масштаба (экспоненциальную кривую), однако применительно к государственному сектору такое представить сложно. 

Подчеркнем, что выбор между постоянными и переменными эффектами масштаба играет отнюдь не «техническую» роль. В некоторых случаях оценки одних и тех же объектов по CRS и по VRS будут не просто отличаться; они могут даже не коррелировать. 

Если для коммерческой фирмы мы можем «по умолчанию» постулировать зависимость ресурсов в следующий отрезок времени от результатов в предыдущий отрезок (фирме просто нечего будет инвестировать после нескольких лет неэффективного производства продукта), то для государственных структур это в общем случае не так. Увеличение объема ресурсов в следующем году может являться результатом не эффективной работы, а, к примеру, успешного лоббирования. В этом случае неэффективность «компенсируется» перераспределением средств на более высоких уровнях бюджетной системы. Впрочем, такая стратегия нереализуема на общегосударственном уровне; поскольку в этом случае более высокого бюджетного уровня попросту нет. В таких системах динамическая петля обратной связи между выходом и входом возникает, но ее действие опосредовано значительным временным лагом. 

Кроме того, для государственных DMU имеется ряд специфических – политических – ограничений на управление ресурсными входами. Так, сравнительно легко реализуемые в рамках коммерческой фирмы меры по сокращению затрат очень часто не могут быть осуществлены в рамках государственной политики (допустим, путем снижения зарплат или массовых увольнений в здравоохранении). Эти ограничения обусловлены требованиями по сохранению определенного уровня текущей поддержки политической системы – прежде всего, электоральной. 

Подчеркнем этот момент особо. До сих пор, начиная с классической работы Д.Истона (Easton 1953), поддержка в политической системе рассматривается как нечто внутренне однородное. В терминах системной динамики (Ахременко 2009) это может быть либо «уровень» или «запас» (S), либо «поток» – скорость изменения запаса, производная ∂S/∂t . Но в любом случае это одна скалярная величина. Такой подход, возможно, оправдан применительно к странам развитой демократии, где уровень доверия к властным институтам, во-первых, высок и, во-вторых, представляет собой величину постоянную. Меняется только степень поддержки конкретных правящих групп, – то есть уровень текущей поддержки. Однако в условиях автократических систем или «демократий с прилагательными» эти условия, в общем случае, не выполняются. Поэтому требуется явным образом выделять поддержку базовых «правил игры» в политической системе (базовая поддержка) и отличать ее от поддержки текущей. 

Указанные проблемы, на наш взгляд, не являются непреодолимыми в рамках подхода «ресурсы – результаты»; требуется лишь определенное усложнение модели, насыщение ее политологическим содержанием. 

Во-первых, необходим более дифференцированный подход к выходам модели: 

• «Технические» выходы – результаты непосредственной реализации функций DMU: сделанные операции, принятые пациенты, вынесенные судебные решения, арестованные преступники, окончившие школу подростки и т.д. С математической точки зрения этот выход представляет собой скорее не скаляр, а вектор, и мы видим три его основных компоненты: 

a) Количество (пойманных преступников или сделанных операций); 

b) Качество (правосудные решения, хорошо сделанные операции, арестованные преступники вместо случайных прохожих). 

c) Издержки получения публичной услуги для членов общества – количество ресурсов (временных, денежных и т.п.), которые потребитель должен затратить на получение услуги. Это, на наш взгляд, крайне важная самостоятельная характеристика, от которой напрямую зависит показатель базовой поддержки политической системы. Существует два основных источника издержек. Во-первых, это недостаточная ресурсная обеспеченность DMU: например, нехватка врачей, мест в детских садах и т.д. Второй источник издержек – это установленная DMU (на формальном и/или неформальном уровне) система правил предоставления услуг. Она может быть устроена, например, таким образом, чтобы искусственно повышать издержки потребителя, стимулируя различные формы коррупционного поведения. 

Эффективность преобразования затраченных ресурсов в технические выходы мы определим как техническую эффективность. 

• Социальные «выходы» – показатели, характеризующие общее состояние той сферы, в рамках которой функционирует государственная организация. Это может быть продолжительность жизни или уровень заболеваемости, уровень образованности, безопасности, защищенности определенных прав и свобод. Трудность с такими показателями состоит в том, что они, как правило, лишь частично связаны с действиями государства. Например, по регионам России средняя ожидаемая продолжительность жизни зависит в гораздо большей мере не от состояния здравоохранения, а от так наз. «внешних причин смертности» (отравлений, травм, убийств и самоубийств), в целом – от стандартов образа жизни. Кроме того, интегральные социальные эффекты проявляются только в значительной временной перспективе. В то же время, и теоретически, и технически сложности, связанные с учетом влияния государства на динамику таких показателей, разрешимы, и учитывать их необходимо. Особая роль таких показателей проявляется, в частности, в том, что они влияют – пусть с задержкой – на ресурсный вход системы, ее способность поддерживать себя в будущем. Так, увеличение продолжительности здоровой жизни работает на увеличение экономической активности населения, снижает нагрузку на социальное обеспечение и здравоохранение; высокий уровень защищенности прав собственности повышает горизонт планирования в экономике, способствует привлечению инвестиций и препятствует оттоку капиталов из страны. Подобных примеров можно было бы привести множество. 

Эффективность преобразования затраченных ресурсов в социальные выходы мы определим как социальную эффективность. 

Спецификация выходов модели в указанном духе имеет смысл, прежде всего, для динамической системы, в которой процессы должны рассматриваться как функции времени. В ином случае большинство принципиальных эффектов попросту невозможно обнаружить; это справедливо хотя бы потому, что влияние одних параметров на другие опосредуется временными лагами, зачастую – значительными. 

Соответственно, эффективность мы также будем понимать как структурное свойство (набор свойств) динамической системы. Эффективность проявляется в характере связей между параметрами модели во времени. Наиболее значимыми представляются динамические связи между: 

1) Оценкой эффективности как отношения выходов к входам и институциональными реформами, если таковые проводятся. Вообще говоря, многие институциональные реформы как раз и представляют собой попытки перенастроить «государственный ящик» таким образом, чтобы увеличить отдачу на единицу вложенных ресурсов. Например, уже упоминавшееся Министерство регионального развития РФ использует целый набор параметров, фиксирующих ход институциональных реформ в здравоохранении (Методика… 2010). Например, учитывается количество государственных и муниципальных учреждений здравоохранения переведенных преимущественно на одноканальное финансирование через систему обязательного медицинского страхования. Такой показатель представляет собой ежегодно измеряемый числовой параметр, другими словами – функцию времени. 

Обратим внимание на кардинальное отличие такого подхода от используемого самим Министерством, когда рассматривается только динамика реформ безотносительно к конечному результату и затраченным ресурсам. Принцип Минрегионразвития целиком укладывается в русло понимания эффективности как соответствия характеристик деятельности организации установленным формальным нормативам (см. выше). Динамика внедрение новых систем оплаты труда, стандартов медицинской помощи, одноканального финансирования и проч. рассматривается как самодостаточный показатель эффективности. Однако в реальности положительный эффект установления новых формальных правил может полностью нивелироваться их неформальной институциализацией. Предлагаемый нами динамический подход позволяет отследить не только «внедрение» формального правила, но – главное – превращение его в работающее правило. 

2). Связь между «техническим» и «социальными» выходами системы. Вопрос здесь ставится следующим образом: приводит ли изменение в «техническом» выходе к изменению в соответствующих социальных показателях? Например, приводит ли увеличение раскрываемости преступлений к снижению уровня преступности? Мы полагаем, что отсутствие такой связи может свидетельствовать либо о низком качестве предоставляемых услуг, либо о существенных искажениях в отчетности соответствующих государственных организаций. Аналогично можно интерпретировать и связи между технической и социальной эффективностью; именно таким образом построено эмпирическое исследование, результаты которого приводятся ниже. 

3). Связь между показателями социальной эффективности и поддержки политической системы (как текущей, так и базовой). Как и в предыдущем случае, отсутствие такой связи может свидетельствовать о серьезных проблемах в «генеральных настройках» системы. В частности, это возможное свидетельство высоких издержек оказания государственных услуг. 

4). Связь между выходом и входом модели. Выше отмечалось, что в нерыночной среде, в которой функционируют государственные структуры, обратная связь (зависимость входа от выхода) не возникает автоматически. Однако в долгосрочной перспективе без такой связи система в целом (государство) может функционировать лишь за счет притока внешних ресурсов, от самой системы не зависящих (например, за счет благоприятной мировой конъюнктуры цен на сырьевые ресурсы). 

5). Связь между текущей и базовой поддержкой. Рассмотрение динамической структуры взаимосвязи этих двух параметров представляет собой предмет отдельного исследования и требует разработки отдельной математической модели. В самых общих чертах, мы предполагаем, что разрыв между текущей и базовой поддержкой ведет к эффектам накопления скрытого протеста, чреватого социальным взрывом. 

Рассмотрение названных выше динамических связей позволяет перейти от важной, но все-таки частной задачи оценки технической и социальной эффективности (efficiency) отдельных DMU к задаче оценки «генеральной», системной эффективности (effectiveness) и устойчивого развития социально-политической системы в целом. Если техническая и социальная эффективность представляют собой переменные, то системная эффективность является структурой. 

Далее мы представим результаты эмпирического исследования, выстроенного в рамках обрисованного выше подхода. Исследование затрагивает две сферы, в которых государство играет в России доминирующую роль: здравоохранение и жилищно-коммунальное хозяйство. Исследование носит пилотный характер и в большей мере ориентировано на тестирование методического инструментария, нежели на получение «окончательных» оценок эффективности власти в секторе публичных услуг. 

Отметим сразу, что далеко не все аспекты методологии удалось использовать в силу ограниченности информационной базы. Мы сосредоточились на а) оценке эффективности с использованием DEA; б) анализе влияния институциональных реформ на эффективность; в) анализе связи между техническими и социальными выходами системы. Дополнительно привлекается г) рассмотрение корреляций между показателями эффективности и уровнем удовлетворенности населения. 

Все используемые в исследовании данные представляют собой результаты государственного статистического учета, проведенного на уровне субъектов Российской Федерации. Авторы вполне отдают себе отчет в том, что официальная статистика в России в целом и в отдельных группах регионов в особенности может содержать существенные смещения в оценках показателей. В то же время, все фиксируемые органами государственной статистики индикаторы характеризуются доступностью и однозначно определенной процедурой измерения. Эти характеристики дают им, в рамках задач данного исследования, преимущество перед экспертными оценками. 

Исследование носит сплошной характер: оценивались все субъекты Российской Федерации. Имеющиеся данные позволили сделать оценки по всей совокупности за 2008 – 2010 гг. включительно. Для отдельных переменных, а также для некоторых технических расчетов использовались данные 2007 года. 

Согласно разработанной модели эффективности, в качестве входов взяты расходы консолидированных бюджетов субъектов федерации на здравоохранение на душу населения (MEXP) и индекс кадрового обеспеченности системы здравоохранения (PROV). Для получения переменной MEXP 1) расходы консолидированных бюджетов субъектов РФ на здравоохранение (данные Минрегиона) разделены на соответствующие показатели численности населения (данные ФСГС); 2) рассчитанная величина скорректирована в соответствии с инфляцией для получения динамически сопоставимых наблюдений. В качестве базового взят 2007 г.; в качестве дефлятора использован индекс потребительских цен (данные ФСГС).

Индекс кадровой обеспеченности системы здравоохранения рассчитывается следующим образом: 

В качестве основного социального выхода был рассмотрен показатель младенческой смертности (IMR) – число умерших детей до 1 года на 1000 родившихся живыми. Однако он требует преобразования, так как, очевидно, смертность не может быть «результатом» работы системы здравоохранения. Вслед за А.Афонсо и М.Аубином (Afonso and Aubyn 2004) представляется возможным расчет «индекса выживаемости детей» (Infant Survival Rate, ISR) по формуле: 

Второй социальный выход базируется на показателе заболеваемости населения активным туберкулезом на 100 тыс. населения (TR), а соответствующий индекс «не-заболеваемости» туберкулезом (TNR) можно рассчитать аналогично «индексу выживаемости»: 

Техническим выходом модели стал индекс объема оказанной медицинской помощи (TOUT). Он рассчитан как сумма четырех показателей: 

TOUT= HHR+ACR+EMR+DHR

где: HHR (Hospital Help Rate) — объем оказанной стационарной медицинской помощи в расчете на 1 жителя; 

ACR (Ambulatory Care Rate) — объем оказанной амбулаторной медицинской помощи в расчете на 1 жителя; 

EMR (Emergency Rate) — объем оказанной скорой медицинской помощи в расчете на 1 жителя; 

DHR — объем оказанной медицинской помощи в дневных стационарах всех типов в расчете на 1 жителя (все данные – Минрегион). 

Для оценки факторов, влияющих на эффективность, использованы индексы, рассчитанные на основе переменных, отражающих институциональные реформы в здравоохранении: 

• Индекс перехода на одноканальное финансирование (PODN) — процент учреждений, переведенных преимущественно на одноканальное финансирование через систему обязательного медицинского страхования: 

где ODN — количество государственных (муниципальных) учреждений здравоохранения, переведенных преимущественно на одноканальное финансирование через систему обязательного медицинского страхования, 

HCA (Health Care Agency) – общее количество государственных и муниципальных учреждений здравоохранения; 

• Индекс внедрения единых информационных технологий (PINF) — процент учреждений, использующих единые информационные технологии для учета объемов и стоимости оказанной медицинской помощи: 

  

где INF– количество государственных (муниципальных) учреждений здравоохранения, использующих единые информационные технологии для учета объемов и стоимости оказанной медицинской помощи; 

где RES — количество государственных (муниципальных) учреждений здравоохранения, переведенных на отраслевую систему оплаты труда, ориентированную на результат;

• Индекс использования стандартов медицинской помощи (STAND), соответствующей проценту доля учреждений здравоохранения, применяющих стандарты оказания медицинской помощи. 

Все индексы, кроме STAND, рассчитаны на основе данных Минрегиона; последний индекс содержится в базе Минрегиона в готовом виде. 

Несомненный интерес для исследования представляют также такие показатели, как: 

• количество государственных (муниципальных) амбулаторно-поликлинических учреждений, финансирование которых осуществляется по результатам деятельности на основании подушевого норматива на прикрепленное население (Минрегион); 

• количество больничных учреждений, финансирование которых осуществляется по результатам деятельности по законченному случаю (Минрегион). 

Однако при расчете процентных показателей (корректировке на количество государственных и муниципальных амбулаторно-поликлинических учреждений и количество государственных и муниципальных больничных учреждений соответственно) полученные результаты поставили под сомнение адекватность этих данных. Так, для многих регионов были получены числа, существенно превышающие единицу (100%). В результате мы ограничились четырьмя индексами, выделенными выше полужирным шрифтом. 

Переменная «удовлетворенность населения медицинской помощью» (MSAT), основанная на социологических опросах Федеральной службы охраны, взята из базы Минрегиона. 

Таблица 1 

Участвующие в анализе переменные сведены в таблицу 1.

Таблица 1

В модели единственный монетарный вход — расходы консолидированных бюджетов субъектов федерации на финансирование ЖКХ на душу населения в ценах 2007 года (НEXP). Корректировка на численность населения и уровень инфляции осуществляется точно таким же образом, как и в случае со здравоохранением (см. выше). 

Социальных выхода в модели два. Первый отражает состояние жилищного фонда, в его основе – процент населения, проживающего в многоквартирных домах, признанных в установленном порядке аварийными (CLPS). Как и в случае с детской смертностью, эта переменная требует преобразования. Рассчитан индекса состояния жилищного фонда (FUND) по следующей формуле:

Вторым социальным выходом является индекс обеспеченности питьевой водой (WTR) – процент населения, обеспеченного питьевой водой, отвечающей требованиям безопасности, в общей численности населения субъекта Российской Федерации. 

В данном блоке мы также рассчитываем два технических выхода, представляющих собой разные оценки состояния коммунальной инфраструктуры. Во-первых, индекс отсутствия потерь тепла и воды (HSI1): 

где: 

WLR — процент утечек и неучтенного расхода воды в суммарном объеме воды, поданной в сеть; 

TLR – процент потерь тепловой энергии в суммарном объеме отпуска тепловой энергии. 

Во-вторых, индекс отсутствия износа коммунальной инфраструктуры (HSI2): 

где WRR — уровень износа коммунальной инфраструктуры (%). 

Показатели, отражающие ход реформ в секторе ЖКХ, связаны с перекрестным субсидированием (точнее, попытками его ликвидации). В базе данных Минрегиона используются переменные следующего типа: доли муниципальных образований, в которых тарифы на: 

— холодное (COLD) и горячее (HOT) водоснабжение; 

— водоотведение и очистку воды (OUT); 

— тепловую энергию (HEAT) 

для различных групп потребителей коммунальных услуг установлены без учета необходимости покрытия затрат на предоставление соответствующего вида коммунальных услуг одной группе потребителей за счет тарифов, установленных для другой группы потребителей, в общем количестве затрат. На основе таких переменных рассчитывается индекс отсутствия перекрестного субсидирования (CROSS): 

В процессе разработки модели оценки мы также рассматривали возможность включения переменных, отражающих использование новых форм управления жилищным хозяйством. В базе Минрегиона имеются такие перемененные, как: «доля многоквартирных домов в целом по субъекту Российской Федерации, в которых собственники помещений выбрали и реализуют непосредственное управление собственниками помещений в многоквартирном доме»; «… посредством товариществ собственников жилья либо жилищных кооперативов или иного специализированного потребительского кооператива»; «… посредством управляющей организации». Однако, переход на такие формы управления отражает не только активность государства по реформированию ЖКХ, но и готовность общества принять и использовать эти формы. Поэтому в итоге мы оставили единственный индекс CROSS как показатель хода реформ в этом секторе. 

Наконец, в анализ была включена переменная «удовлетворенность населения жилищно-коммунальными услугами» (HSAT). 

Сетевые нормативы 

Для оценки влияния внешних факторов оценки эффективности, связанных с неоднородностью субъектов федерации, использован коэффициент сетевых нормативов, рассчитанный Министерством регионального развития (Методика… 2010): 

КС = Крн × Ктн, (10) 

где: 

Крн – преобразованный коэффициент расселения ; 

Ктн – преобразованный коэффициент транспортной доступности. 

Коэффициенты расселения и транспортной доступности определяются в соответствии с методикой распределения дотаций на выравнивание бюджетной обеспеченности регионов, утвержденной правительством РФ . Чем выше значение сетевого коэффициента, тем ниже уровень транспортной доступности и тем выше дисперсность расселения (в терминах нашего аналитического подхода, тем большие ресурсы требуется затратить для получения того же результата). 

Сетевые нормативы используются в анализе показателей эффективности как в сфере здравоохранения, так и в сфере ЖКХ. Для обозначения коэффициентов сетевых нормативов мы будем пользоваться аббревиатурой NC. 

Во-вторых, это эффекты масштаба – постоянные и переменные. Самые общие соображения, как отмечалось выше, подсказывают выбор в пользу переменных эффектов масштаба. С увеличением затрат ресурсов на входе скорость приращения результатов на выходе должна снижаться. И детская «выживаемость», и доля питьевой воды надлежащего качества имеют естественный «потолок», по мере приближения к которому отдача на каждую вложенную единицу ресурсов должна сокращаться. В то же время мы не располагаем аналитической функцией преобразования входов в выходы, — задача построения такой модели фундаментальна и пока что очень далека от своего решения. Поэтому в каждом случае рассчитывались оценки на основе как постоянных (CRS), так и переменных (VRS) эффектов. Кроме того, сопоставление оценок этих двух типов, а также результатов их регрессионного анализа дает дополнительную информацию и делает более обоснованными некоторые выводы исследования. Так, мы будем обращать особое внимание на те закономерности, которые выявляются на основе CRS- и VRS-оценок одновременно. 

Во-вторых, мы рассмотрели возможность включения временной динамики в оценочную модель эффективности. Полноценный анализ временных рядов при такой малой их длине (три-четыре года) невозможен, поэтому была сделана попытка «встроить» динамику в расчет самих коэффициентов эффективности. Наряду с «классической» для DEA моделью (в самом общем виде) 

Эффективность= Ф (вход, выход)

мы использовали также модель 

Эффективность= Ф (вход, выход, выход, вход)

Разница между (11) и (12) состоит в том, что в «классическом» случае эффективность рассчитывается на основе «объема» затраченных ресурсов и полученных результатов, тогда как в модели (12) – на основе различий в затратах ресурсов в текущем году по сравнению с предыдущим и различий в полученных результатах в текущем году по сравнению с предыдущим. Оценка эффективности во втором подходе фиксирует изменения в затратах на «входе» и отдаче на «выходе». Самый простой способ реализации такого подхода состоит в вычислении разностей: Δвход = вход(t) – вход(t-1) и Δвыход = выход(t) – выход (t-1), однако здесь мы неизбежно получали бы отрицательные числа, что неприемлемо с точки зрения вычислительного аппарата DEA. Поэтому мы пошли по пути расчета процентных индексов: вход(t)/вход(t-1)×100% и выход(t)/выход(t-1)×100%. Таким образом, были дополнительно сконструированы следующие переменные: 

• Индекс динамики выживаемости детей (DISR): 

• Индекс динамики «незаболеваемости» туберкулезом (DTNR). Здесь и далее все индексы динамики строятся по модели (13), и с целью экономии места мы не будем каждый раз приводить однотипные формулы; 

• Индекс динамики объема оказанной медицинской помощи (DTOUT); 

• Индекс динамики расходов на здравоохранение (DMEXP); 

• Индекс динамики кадровой обеспеченности системы здравоохранения (DPROV); 

• Индекс динамики обеспеченности питьевой водой (DWTR); 

• Индекс динамики состояния жилищного фонда (DFUND); 

• Индекс динамики потерь тепла и воды (DHSI1); 

• Индекс отсутствия износа коммунальной инфраструктуры (DHSI2); 

• Индекс динамики расходов на ЖКХ (DHEXP). 

Одним из важнейших стимулов для создания оценок данного типа является их значительно меньшая чувствительность к систематическим различиям между регионами, которые не связанны с эффективностью публичного сектора и при этом влияют на ее измерение. Речь идет, прежде всего, о межрегиональных дифференциациях по показателям расселения и транспортной доступности. Очевидно, что в регионах с худшими показателями транспортной доступности и большей дисперсностью расселения стоимость оказания публичных услуг в среднем выше. Соответственно, оценка их эффективности, произведенная по объемам затраченных ресурсов и полученных результатов (11), будет занижена. Но оценка, произведенная по изменениям в затраченных ресурсах и полученных результатах, не должна (по крайней мере, в теории) находиться в зависимости от таких различий. Это – первая из двух стратегий решения проблемы неоднородности DMU, которые будут предложены в данной работе. 

В результате для каждой исследуемой сферы (здравоохранение и ЖКХ) были получены восемь типов оценки эффективности: 

• CRS_SOC — оценка социальной эффективности по модели (11) в предположении постоянных эффектов масштаба; 

• VRS_SOC – оценка социальной эффективности по модели (11) в предположении переменных эффектов масштаба. Для наглядности мы будем использовать схематичные представления моделей с указанием используемых переменных. 

• CRS_TEC — оценка технической эффективности по модели (11) в предположении постоянных эффектов масштаба; 

• VRS_TEC – оценка социальной эффективности по модели (11) в предположении переменных эффектов масштаба. 

• CRS_DSOC — оценка социальной эффективности по модели (12) в предположении постоянных эффектов масштаба; 

• VRS_DSOC – оценка социальной эффективности по модели (12) в предположении переменных эффектов масштаба. 

• CRS_DTEC — оценка технической эффективности по модели (12) в предположении постоянных эффектов масштаба; 

• VRS_DTEC – оценка социальной эффективности по модели (12) в предположении переменных эффектов масштаба. 

Во все модели заложена ориентация на «выход» (output-oriented DEA), что обусловлено общим акцентом на социальную эффективность политической системы. 

Все расчеты сделаны в программе MaxDEA 5.2 ., работающей на базе MS Access. Основные настройки показаны на рис. 9 

Полученные результаты приведены в таблицах А – H Приложения. Обратите внимание, что для здравоохранения посчитаны динамические оценки (модель (12) для трех моментов времени: 2007- 2008, 2008-2009, 2009-2010, тогда как для ЖКХ – только для двух: 2008-2009, 2009-2010. Это связано с отсутствием данных по качеству питьевой воды за 2007 год, что делает невозможным определить ключевой «выходной» показатель. 

Подчеркнем еще раз, что оценки, полученные на моделях вида (11), — то есть где на входах и выходах мы имеем уровни («объемы») затраченных ресурсов и полученных результатов, а не их изменения, — подвержены влиянию со стороны систематической неоднородности регионов. К их «очистке» от этого влияния мы приступим несколько позже. 

Прежде всего, необходимо оценить устойчивость полученных оценок во времени. Если оценки эффективности регионов претерпевают радикальные изменения на таком сравнительно коротком отрезке времени, как три года, это может свидетельствовать об их несоответствии измеряемому показателю. Логично предположить, что «по своей природе» эффективность государственной власти в публичном секторе – величина достаточно инертная, тем более что никаких революционных изменений в рассматриваемый период не наблюдалось. В то же время, именно на этот период приходится экономический кризис, повлекший за собой существенное сокращение бюджетных расходов в ЖКХ и, особенно, в здравоохранении. Причем это сокращение происходило очень неравномерно по территориям. Особенно важен этот фактор для моделей вида (12), ориентированных на оценку изменений. 

Для тех данных, которые мы имеем, вполне приемлем самый простой тест на устойчивость: расчет парных корреляций между эффективностью здравоохранения в регионах в момент t и в момент t+1. Временные ряды здесь являются стационарными по построению, поэтому нет опасности, что корреляция станет эффектом наличия тренда. 

В таблицах 3,4 приведены корреляционные матрицы для оценок эффективности здравоохранения и ЖКХ соответственно. Здесь и далее использованы непараметрические коэффициенты корреляции Спирмана как более устойчивые к проблемам с распределениями по сравнению со стандартной корреляцией Пирсона. 

Все это многообразие чисел сводится, по большому счету, к одному простому выводу. Оценки статичных моделей вида (11) обладают «преемственностью» во времени, тогда как оценки динамических моделей вида (12) – нет. Более того, те немногие статистически значимые коэффициенты, которые получены для оценок второго типа – отрицательные. Если бы не резкие изменения во внешних условиях, связанных с кризисом, это свидетельствовало бы в пользу полного отказа от моделей «динамического» типа в принципе. Тем не менее, мы все же будем использовать их в дальнейшем анализе, ориентируясь на те результаты, которые корреспондируют с явно более надежными оценками классической модели DEA. 

Эти более надежные оценки, в то же время, по-прежнему содержат в себе одну принципиальную проблему: зависимость от неоднородности регионов. В следующей части нашей работы мы попытаемся ее решить. 

Коррекция оценок эффективности с учетом фактора неоднородности 

Итак, на оценки эффективности в более надежной модели (11) систематически влияют различия во внешних условиях функционирования систем ЖКХ и здравоохранения в разных регионах России. В качестве операционального измерения этих различий выступает коэффициент сетевых нормативов (NC), охарактеризованный нами выше. Влияние данного фактора на оценку эффективности можно формально записать в виде простой линейной модели: 

Результаты оценки параметров регрессионного уравнения (16) для разных моделей «статичной» оценки приведены в таблицах 5, 6. 

Таблица 5. Здравоохранение  

Обратите внимание, что влияние фактора неоднородности очень устойчиво во времени в каждой модели: например, параметры и для CRS_SOC08, 09, 10 очень близки. Это также свидетельство, пусть косвенное, валидности оценок эффективности. 

Все оценки параметров статистически значимы, за исключением угловых коэффициентов в моделях VRS_TEC (причем и в здравоохранении, и в ЖКХ). Для последних скорректированные оценки эффективности рассчитываться не будут, так как ошибка будет слишком значительна. 

Теперь у нас имеется вся информация для выполнения преобразования (15) – собственно «чистке» оценок от систематического влияния региональных дифференциаций по показателям расселения и транспортной доступности. Результаты приводятся в таблицах I — K Приложения. Обратите внимание, что теперь оценки эффективности колеблются вокруг нуля, воспроизводя свойства вариации стохастического члена регрессионной модели. При желании ее можно привести к стандартному виду [0, 1] с помощью линейного масштабирования. 

Рассмотрим корреляции между базовыми и скорректированными оценками эффективности (таблицы 7, 8); в столбцах скорректированные оценки, в строках — базовые). 

Мы наблюдаем сильную корреляцию между исходными и скорректированными переменными, но при этом и различия между ними достаточно существенны. Это именно та картина, которая является ожидаемой для осуществленных операций. 

Впрочем, описанный выше метод при всей своей простоте имеет недостатки. Во-первых, переход к регрессионной модели (16) представляет собой переход от детерминированных величин к случайным. DEA сам по себе не является статистическим методом, в нем не учитывается стохастическая составляющая оценки. Оценки параметров по результатам регрессионного анализа в таблицах 5, 6 представляют собой как раз случайные величины, обладающие собственной вариацией. Фактически, мы имеем дело не с «жестко определенными» числами, а с некоторыми интервалами, в которые с определенной вероятностью попадает искомое значение. Соответственно, выполняя вычитание систематической компоненты из оценки эффективности, мы тем самым переводим эту оценку в разряд случайных величин. Теперь она обладает (неизвестной нам!) вариацией и должна описываться с использованием таких статистических инструментов, как стандартная ошибка и доверительные интервалы. 

Перейдем к оценке влияния институциональных реформ на показатели эффективности. Принципиально, такую оценку следовало бы осуществлять с использованием авторегрессионных моделей (Yt = δ + θYt-1 + φXt-1 + εt ), или моделей распределенных лагов (Yt = δ + θYt-1 + φ1Xt + φ2Xt-1 + εt ). Однако мы располагаем лишь тремя уровнями временного ряда, что делает невозможным использование обширного инструментария динамической статистики. Поэтому в данном случае нам придется ограничиться обычной множественной регрессией . 

Важная проблема здесь связана с отсутствием информации о лаговой структуре влияния процесса реформирования на эффективность. Обоснованным выглядит предположение, что эффект реформирования должен проявляться с некоторой задержкой, причем эта задержка может и даже должна быть разной для разных реформ. Так, например, переход на одноканальное финансирование, напрямую затрагивающий монетарный вход оценочной модели, должен привести к определенным изменениям в эффективности сравнительно быстро по сравнению с внедрением единых стандартов оказания медицинской помощи – реформы с «дальним прицелом». Но с какой именно задержкой во времени должен проявиться эффект той или иной реформы? Не располагая такой информацией, мы предприняли своего рода поисковое исследование, проанализировав большое количество регрессионных моделей (в результате более 80-ти) с разными лагами. Количественными данными о реформах в сфере здравоохранения мы располагаем с 2007 г. (кроме одноканального финансирования — с 2008 г.). Последняя оценка эффективности сделана за 2010 г. Следовательно, имеется четыре возможных лага: от нуля (влияние реформ в 2010 на эффективность в 2010) до трех (влияние реформ в 2007 г. на эффективность в 2010 г.). Формально говоря, базовой моделью стала: 

В таблице 9 в компактной форме приводятся только наиболее существенные результаты регрессионного анализа. Таблица устроена следующим образом. В строках даны независимые переменные – индексы реформирования. В столбцах – модели оценок эффективности, причем вторая строка содержит номера соответствующих лагов. В ячейках даны бета-коэффициенты – стандартные коэффициенты регрессии, показывающие силу и направление связи. В скобках указаны коэффициенты для оценки VRS, без скобок – для CRS. Полужирным шрифтом выделены бета-коэффициенты, значимые на уровне 0,05; обычным — значимые на уровне 0,1. Пометка «н/д» показывает отсутствие данных за указанный период. 

Например, нас интересует влияние результатов реформы оплаты труда, достигнутых в 2007 году, на показатели социальной эффективности в 2009 г. Находим строку PRES, затем столбец CRS (VRS)_SOC09, лаг 2. Бета-коэффициент для CRS-оценки составляет 0,22, он значим на уровне 0,05. Значимого влияния этой реформы на VRS-оценки с данным лагом не зафиксировано. 

Таблица 9 

Некоторое, хотя и менее однозначное и менее значительное влияние на эффективность оказывает переход на систему оплаты труда, ориентированную на результат. Причем, как правило, влияние этой реформы отсрочено во времени (особенно для CRS-оценок). Это также вполне отвечает нашим ожиданиям: система оплаты труда нацелена на повышение мотивации работников, ее эффект и не должен быть мгновенным. 

Внедрение единых информационных технологий для учета объемов и стоимости оказанной медицинской помощи не оказывает никакого влияния на оценки эффективности (более того, в одном случае получены отрицательные коэффициенты, но их статистическая значимость низкая). Это, вообще говоря, странно, так как данная реформа направлена на повышение финансовой дисциплины, наведение порядка в расходах и оптимизацию процедур мониторинга и контроля. 

Внедрение стандартов оказания медицинской помощи также никак не влияет на оценки эффективности. Если бы мы выступали «адвокатами реформ», можно было бы сделать акцент на том, что эта реформа как раз ориентирована на повышение качества медицинских услуг и долгосрочные последствия социального плана. В то же время, четыре года представляется достаточным сроком для того, чтобы хоть как-то ощутить влияние реформы (желательно, с положительным знаком, а не с отрицательным, как это имеет место в данном случае для оценки эффективности 2010 года). 

ЖКХ 

Отчет о результатах регрессионного анализа влияния реформ в сфере жилищно-коммунального хозяйства на оценки эффективности будет очень кратким, и не только потому, что здесь мы имеем дело только с ликвидацией перекрестного субсидирования. Просто практически никаких заметных следов этой реформы за прошедшие четыре года обнаружить не удалось. Получено всего два положительных бета-коэфффициента, причем их статистическая значимость низкая (таблица 10). 

*коэффициенты значимы на уровне 0,1 

Следующая стадия исследования заключается в анализе связи между оценками технической и социальной эффективности. В силу тех же причин, что и ранее, мы вынуждены были ограничиться расчетом обычных парных корреляций. 

Для CRS-моделей у нас имеются «очищенные» от влияния территориальной неоднородности оценки и для технической, и для социальной эффективности. 

Мы воспользуемся ими (таблица 11): 

Таблица 11 

И для ЖКХ, и для здравоохранения имеются значимые положительные корреляции, причем для ЖКХ они однозначно сильные (более 0,9 по главной диагонали). Коэффициенты для здравоохранения несколько больше 0,5. Такую связь среди политологов почему-то принято считать «сильной», хотя мы охарактеризовали бы ее как средне-слабую. Напомним, что содержательная интерпретация коэффициента корреляции в терминах влияния требует возведения его в квадрат – расчета т.н. коэффициента детерминации . Для здравоохранения он в среднем колеблется в районе 0,25 – 0,35. Это вообще говоря, совсем немного. Тем не менее, сам факт наличия значимой статистической связи между технической и социальной эффективностью является, бесспорно, положительной характеристикой с точки зрения системной эффективности. 

Для VRS-моделей мы вынуждены воспользоваться «сырыми» оценками эффективности, включающими в себя систематический компонент влияния территориальной неоднородности. Тем не менее, качественно полученная картина должна соответствовать действительности (таблица 12). 

Таблица 12 

**Коэффициенты значимы на уровне 0,01 (двусторонняя проверка) 

* Коэффициенты значимы на уровне 0,05 (двусторонняя проверка) 

С переменными эффектами масштаба все гораздо менее радужно: для здравоохранения связи практически отсутствуют, а для ЖКХ составляют не более 0,3. Причем очевидно, что никакая коррекция на внешнюю неоднородность не сделает из коэффициента 0,29 коэффициент 0,96. В этой связи напомним, что с теоретической точки зрения именно VRS-модели являются базовыми для оценки эффективности власти в публичном секторе. 

Таблица 13 

Таким образом, анализ связей показателей социальной и технической эффективности с «внешними» переменными дает достаточно противоречивую и, в целом, не слишком оптимистичную картину системной эффективности государства в публичном секторе. Влияние институциональных реформ либо не проявляется вообще (ЖКХ), либо проявляется фрагментарно (здравоохранение). Взаимосвязь социальной и технической эффективности неоднозначна и целиком зависит от выбора эффектов масштаба. Наконец, тревожным симптомом является полное отсутствие связи между удовлетворенностью населения оказываемыми услугами и показателями социальной эффективности. 

Литература 

Ахременко А.С. 2010. Закономерности и связи в политической науке: проблема «неоднородности» и ее количественное выражение. — Общественные науки и современность, №1. 

Ахременко А.С. 2009. Динамический подход к математическому моделированию политической стабильности. – Полис, № 3. 

Всемирный Банк б.г. Доступ: www.worldbank.org/wbi/governance 

Гаман-Голутвина О.В. 2007. Меняющаяся роль государства в контексте реформ государственного управления: отечественный и зарубежный опыт. – Полис,  

Глаголева Т.Н. 2007. Качественные и количественные подходы к анализу взаимодействия экономического роста и конкурентоспособности региона. – ИнВестРегион, № 2. Доступ: http://elibrary.ru/item.asp?id=11617032 

Методика оценки эффективности деятельности органов исполнительной власти субъектов Российской Федерации (в ред. Постановления Правительства РФ от 01.04.2010 № 212). Доступ: http://www.minregion.ru/activities/monitor/exec_evaluation 

МРР б.г.а. Доступ: http://www.minregion.ru/activities/monitor/exec_evaluation/ 

МРР б.г.б. Доступ: http://www.minregion.ru/upload/02_dtp/100830_t.xls 

Регионы России. Социально-экономические показатели. 2010. М. 

Самуэльсон П., Нордхаус В. 2008. Микроэкономика. М., С-Пб., Киев: «Вильямс». 

Центральная база статистических данных Росстата. Доступ: http://www.gks.ru/dbscripts/Cbsd/DBInet.cgi 

Adsera A., Boix C., Payne M. 2003. Are You Being Served? Political Accountability and Quality of Government. – The Journal of Law, Economics and Organization, vol. 19, № 

Andrews M. 2008. The Good Governance Agenda: Beyond Indicators without Theory. – Oxford Development Studies, № 36 (4). 

Andrews, M. 2010. Good Government Means Different Things in Different Countries. – An International Journal of Policy, Administration, and Institutions, vol. 23, № 1, January. 

Afonso A., Aubyn M. 2005. Non-parametric Approaches to Education and Health Efficiency in OECD Countries. – Journal of Applied Economics, vol. 8(2). November. 

Afonso A., Aubyn M. 2006. Relative Efficiency of Health Provision: a DEA Approach with Non-discretionary Inputs. – Working Papers 2006/33, Department of Economics, ISEG, Technical University of Lisbon. 

Aubyn M. 2008. Law and Order Efficiency Measurement – A Literature Review. Technical University of Lisbon, Working Paper №19. Доступ: http://ssrn.com/abstract=1162120 

Carrigan C., Coglianese C. 2011. The Politics of Regulation: From New Institutionalism to New Governance. – The Annual Review of Political Science. № 14. 

Charnes A., Cooper W., Rhodes E. 1978. Measuring the Efficiency of Decision Making Units // European Journal of Operational Research, Vol. 2 (6). — P. 429–444. 

Charron N. 2009. Government Quality and Vertical Power-Sharing in Fractionalized States. – The Journal of Federalism, vol. 39, № 4. 

Cho Ch., Kelleher A., Wright D. and Yackee S. 2005. Translating National Policy Objectives into Local Achievements across Planes of Governance and among Multiple Actors: Second-Order Devolution and Welfare Reform Implementation. – Journal of Public Administration Research and Theory, vol. 15, № 1. 

Coelli T. 2005. An Introduction to Efficiency and Productivity Analysis. Springer. 

Delhey J., Newton K. 2005. Predicting Cross-National Levels of Social Trust: Global Pattern or Nordic Exceptionalism? – European Sociological Review, № 21. 

Easterly W., Woolcock R.M. 2006. Social cohesion, institutions, and growth. – Working Paper 94, Centre for Global Development. Washington DC. 

Easton D. 1953. The Political System. N.Y.: Knopf. 

Fare R., Grosskopf Sh. and Roos P. 1997. Malmquist Productivity Indexes: A Survey of Theory and Practice. Springer. 

Farrell M. 1957. The Measurement of Productive Efficiency. — Journal of the Royal Statistical Society. Series A (General), Vol. 120, No. 3. 

Giordano R., Tommasino P. 2011. Public Sector Efficiency and Political Culture. – Working Papers of Italian Bank, № 786 (January). Доступ: http://ssrn.com/abstract=1829965

Grosse S., Teutsch S., Haddix A. Lessons from Cost-Effectiveness Research for United States Public Health Policy. — Annual Review of Public Health, Vol. 28. 

Huther J., Shah A. 2005. A Simple Measure of Good Governance. – Public Services Delivery, ed. Anwar Shah. Washington, DC: The World Bank. 

Kaufmann D., Kraay A., Mastruzzi M. 2010. The Worldwide Governance Indicators Methodology and Analytical Issues. The World Bank Development Research Group Macroeconomics and Growth Team. Policy Research Working Paper 5430. – Доступ: http://info.worldbank.org/governance/wgi/pdf/WGI.pdf 

Kenis K. and Provan K. 2007. Modes of Network Governance: Structure, Management, and Effectiveness. – Journal of Public Administration Research and Theory, № 18. 

Kus B. 2010. Regulatory governance and the informal economy: cross-national comparisons. – Socio-Economic Review, № 8. 

La Porta R., Lopez-de-Silanes F., Shleifer A. and Vishny R. 1999. The Quality of Government. – Journal of Law, Economics and Organization, №15 (1). 

Levitsky S., Murillo M.V. 2009. Variation in Institutional Strength. – Annual Review of Political Science, № 12. 

Meltzer D. 1977. Accounting for future costs in medical cost-effectiveness analysis. — Journal of Health Economics, Vol. 16. 

Neumann P. 2005. Using Cost-Effectiveness Analysis to Improve Health Care. New York: Oxford Univ. Press. 

Persson T. and Tabellini G. 2000. Political Economics. Cambridge, MA: MIT Press. 

Putnam R. 1993. Making Democracy Work: Civic Traditions in Modern Italy. Princeton, N.J.: Princeton University Press. 

Raiser M., Rousso A., Steves F., Teksoz U. 2007. Trust in Transition: Cross-Country and Firm Evidence. – The Journal of Law, Economics, & Organization, vol. 24, № 2. 

Rostein, B. and Teorell, J. 2008. What Is Quality of Government? A Theory of Impartial Government Institutions. – Governance: An International Journal of Policy, Administration, and Institutions, vol. 21, №. 2 (April). 

Rogowski R. 1987. Trade and the Variety of Democratic Institutions. – International Organization, № 41. 

The Quality of Government Institute. б.г. Доступ: http://www.qog.pol.gu.se/ 

Thomas M.A. 2007. What Do the Worldwide Governance Indicators Measure? – John Hopkins University–Paul H. Nitze School of Advanced International Studies (SAIS) Working Paper. Available at SSRN: http://ssrn.com/abstract=1007527 

Unlocking the Human Potential for Public Sector Performance. 2005. United Nations – World Public Sector Report. N.Y. Доступ: http://unpan1.un.org/intradoc/groups/public/documents/un/unpan021616.pdf 

Wolfowitz P. 2005. A Regime Changes. – The Economist. June 2. Доступ: http://www.economist.com/node/4032601 

Приложения 

Таблица А. Оценки социальной эффективности здравоохранения без коррекции на неоднородность регионов, постоянные эффекты масштаба (CRS). 

Таблица B. Оценки технической эффективности здравоохранения без коррекции на неоднородность регионов, постоянные эффекты масштаба (CRS) 

Таблица С. Оценки социальной эффективности здравоохранения без коррекции на неоднородность регионов, переменные эффекты масштаба (VRS)

Таблица D. Оценки технической эффективности здравоохранения без коррекции на неоднородность регионов, переменные эффекты масштаба (VRS) 

Таблица E. Оценки социальной эффективности ЖКХ без коррекции на неоднородность регионов, постоянные эффекты масштаба (CRS)