2.2. Практика применения антидемпинговых мер в США на примере отрасли черной металлургии
США традиционно проводят активную антидемпинговую политику, что выражается в колоссальном количестве расследований. Наибольшее количество расследований инициируется отраслями в кризисные периоды. Как показывает динамика на рисунке 1 Приложения II, в кризисные периоды наблюдается наибольший разрыв между количеством введенных мер и проводимыми расследованиями. Тем не менее, если рассмотреть подробнее тенденции 2008-2009гг., то количество вводимых мер заметно возрастает в связи с завершением расследований. Наибольшее количество расследований пришлось на кризисный период с 2001 года. В 2001 году в США было инициировано 77 расследований, что составляет 21% от количества расследований, проводимых в странах ВТО, а также 16% расследований, проводимых в США за период с 1995 по 2012гг. 40
Рисунок 2 Приложения II демонстрирует секторальное распределение антидемпинговых мер в США за период с момента образования ВТО до конца 2012 года. Таким образом, наибольшее количество мер, равное 163, было введено по отношению к товарам из Раздела XV Гармонизированной системы, в который входят недрагоценные металлы и изделия из них. На рисунке 3 представлена информация о действующих антидемпинговых мерах в США по секторам экономики. Одним из самых масштабных секторов, который пользуется защитой в форме антидемпинговых пошлин, является черная металлургия и те отрасли, которые связаны с изготовлением товаров из стали. В целом, на долю черной металлургии приходится около половины антидемпинговых и компенсационных мер и 42% действующих антидемпинговых мер, что говорит о концентрации мер в США именно на этом секторе.
Данное распределение антидемпинговых мер по секторам повторяет мировые тенденции, поскольку, как показывает круговая диаграмма на рисунке 4 Приложения II, за тот же период наибольшая доля в 28% пришлась именно на металлы и изделия из них. Примечательно, что из всего объема антидемпинговых мер, которые вводятся применительно к сектору металлургии, на долю США приходится 21% (рисунок 5 Приложения II).
Особое внимание в данном разделе будет уделено именно сталелитейной промышленности. Если рассмотреть географическую структуру импорта стали в США, то основной импорт идет из партнеров по НАФТА, а также Бразилии, России и Японии. Канада и Мексика, занимающие доминирующие позиции на рынке США, не являются ведущими экспортерами стали, в отличие от других стран, присутствующих на рынке (рисунок 7 Приложения II). Что касается темпов роста импорта, то самое заметное падение наблюдается со стороны Китая, Тайваня и Украины (рисунок 6 Приложения II).
В частности весь дальнейший статистический и экономический анализ будет касаться именно сортового проката.
Чтобы разобраться в массиве действующих антидемпинговых мер на продукцию отрасли черной металлургии, полезно прибегнуть к процедуре построения кластеров для того, чтобы сгруппировать страны, против которых действует мера. Источником данных о действующих мерах являются материалы Комиссии по международной торговле, содержащие актуальный перечень действующий мер на момент до начала мая 2013 года, данные по количеству расследований были взяты из авторской базы Чада Боуна Temporary Trade Barriers Database, источник данных по торговле сталью – International Trade Center, которые в свою очередь базируются на статистической информации UNComtrade. На начало мая 2013 года в США действует 21 мера по отношению к сортовому прокату.
Прежде чем перейти к группировке стран по кластерам, следует проверить признаки на наличие корреляции и по возможности снизить размерность путем проведения факторного анализа. Предварительно все данные были центрированы и нормированы в Excel, а затем перенесены в SPSS для дальнейших операций.
В приложении III в таблице 1 представлены данные о коэффициентах корреляции между выбранными признаками. На основе этих данных можно сделать следующие выводы. Во-первых, выявлена отрицательная значимая корреляция между длительностью меры и темпами роста импорта из указанной страны, что теоретически свидетельствует о том, что антидемпинговая мера имеет важное значение как барьер доступа на рынок, который препятствует наращиванию экспорта странами, против которых действует мера. Во-вторых, темпы роста экспорта взаимосвязаны с темпами роста экспорта в США, что является достаточно очевидным. Поскольку взаимосвязи между признаками достаточно значимы, следует провести дополнительный факторный анализ для того, чтобы снизить размерность.
В результате факторного анализа методом главных компонент были выявлены три главные компоненты, которые объясняют 78% накопленной дисперсии (таблица 2 приложения III). Данное значение дисперсии позволяет остановиться на трех компонентах. Для более детального анализа, связанного с выбором количества компонент, можно обратиться к графику «каменистых осыпей», изображенном на рисунке 1 приложения III. Таким образом, в соответствии с критерием Кайзера, пороговое значение главных компонент определяется при ɑ >1, что на графике отражено в компоненте под номером три.
Далее рассмотрим, какие из признаков попали в одну компоненту на основе таблицы 3 приложения III. Таким образом, первая главная компонента состоит из пяти признаков: количество действующих мер в отрасли, длительность меры, общее количество расследований в отрасли, доля в мировом экспорте стали, доля на рынке США. Эти признаки характеризуют степень вовлечения данных стран в антидемпинговую политику США. Чем больше их значение, тем с большим количеством барьеров сталкивается экспортер. Вторая компонента объединила два показателя темпов роста, между которыми была выявлена значимая корреляция. В третью компоненту вошел фактор проведения аналогичного компенсационного расследования.
На следующем этапе из главных компонент были созданы отдельные независимые переменные, на основе которых будет произведено разделение на кластеры. Методом кластерного анализа был выбран метод K-средних, поскольку он позволяет разбить наблюдения на кластеры, внутри которых значение дисперсии низкое, однако между самими кластерами оно велико, что позволяет объединить наиболее однородные наблюдения.
По итогам проведенной операции было выявлено 4 кластера, распределение которых по соответствующим группам изображено в таблице 4 приложения III. Таким образом, в первую группу попали следующие страны: Беларусь, Бельгия, Италия, Латвия, Мексика, Молдова, Польша, Россия, ЮАР, Испания, Тринидад и Тобаго, Украина, Тайвань. Второй кластер состоит исключительно из Вьетнама. В третью группу попали Индия, Индонезия и Таиланд. Последняя группа, по-видимому, является наиболее показательной с точки зрения конкуренции с США: в нее вошли Япония, Южная Корея, Бразилия и Китай.
Распределение стран нельзя назвать случайным. Вьетнам попал в отдельный кластер как аномальное наблюдение, поскольку антидемпинговая мера была введена совсем недавно, а именно 2 мая 2013 года, до этого момента сталелитейная продукция из Вьетнама не была объектом американских антидемпинговых расследований. Эта характеристика заметно отличает Вьетнам от других стран из выборки, история антидемпинговых расследований которых включает огромное количество кейсов.
Индия, Индонезия и Южная Корея определились в одну группу по нескольким причинам. Во-первых, это те страны, в отношении которых наряду с антидемпинговой пошлиной устанавливается компенсационная пошлина, что в значительной степени усложняет как процедуру проведения расследования, так и доступ на рынок экспортеров из этих стран. Во-вторых, именно по отношению к этим странам действует по несколько мер, что свидетельствует о диверсификации экспорта в рамках металлургической отрасли. Последний кластер кажется немного разнородным, однако, вероятно, основным значимым фактором стало большое количество расследований и достаточно длительная продолжительность действующих мер.
Многие эксперты утверждают, что антидемпинговая политика США не служит цели выравнивания конкуренции, к тому же, ее использование сопровождается заметными злоупотреблениями. Для того чтобы определить, существует ли в действительности склонность органа по проведению расследований к введению меры, которая базируется на злоупотреблении правилами применения антидемпинговых мер, была предложена следующая модель в виде бинарной логистической регрессии. Аналог модели был представлен в одной из работ Рейнолдс. В модели была применены пробит-регрессии, в которых в качестве зависимых переменных были выбраны бинарные исходы антидемпингового расследования, проводимого странами-членами ВТО. В качестве независимых переменных выступали факторы, которые теоретически могут оказывать воздействие на исход расследования. Выбранные факторы характеризуют склонность страны к введению меры на основании доли экспортера на рынке товара, а также темпов роста импорта расследуемых товаров. В модели также проверяется, насколько увеличивается вероятность введения меры, если страна, против которой ведется расследование, является нерыночной или развивающейся. Далее представлена попытка провести похожий анализ выборки из 64 расследований США в отношении сталелитейной продукции. Однако, в отличие от модели Рейнолдс, в данном случае за основу берется логистическая, а не пробит-регрессия. В целом, два упомянутых метода являются взаимозаменяемыми.
В представленной ниже модели в качестве зависимой переменной выступает исход расследования: 1 - для введения меры, 0 – для негативного вынесения решения. При этом учитывается итог расследования, а не отдельные решения Министерства торговли и Комиссии по международной торговле, касающиеся установления демпинга или материального ущерба соответственно.
Среди независимых переменных необходимо выделить следующие показатели.
Exp_share - доля экспортера на рынке продукции, попавшей под антидемпинговое расследование, которая была рассчитана как средняя из долей за три года, предшествующие дате начала расследования. Если разброс значений не был велик, то за основу выбиралось среднее арифметическое. В противном случае были выбраны данные за ближайший год до начала расследования. Доли на рынке считались на основе базы данных UNComtrade. Значения по каждому из товаров, попавших под расследование, суммировались либо на уровне 6 знаков, либо на уровне 4 знаков в зависимости от списка кодов товарной номенклатуры, который был опубликован в уведомлениях Federal Register о начале расследования.
Imp_growth – средний темп роста импорта товаров, в отношении которых велось расследование. Период для расчета соответствует периоду расследования для определения ущерба и равен трем годам до начала расследования.
Каждый из упомянутых показателей считался для отдельной страны, которая попала под антидемпинговое расследование. Предполагается, что чем выше данные показатели, тем выше вероятность введения антидемпинговой меры.
GDP_per_capita – ВВП на душу населения, рассчитанный по международному паритету покупательной способности. Значимость данного показателя может свидетельствовать о том, что орган по проведению расследования способен с большей вероятностью вынести утвердительное решение против развивающейся страны, поскольку, возможно, у нее не хватит ресурсов для того, чтобы обжаловать данное решение в Суде США по вопросам международной торговли или в Органе по разрешению споров в рамках ВТО. Источником данных для этого показателя стала база World Development Indicators Всемирного банка.
В логит-регрессию было добавлено несколько фиктивных переменных, которые могут отражать склонность органа по проведению расследований к вынесению решений в зависимости от следующих факторов: статус нерыночной экономики (nonmarket), практика сложения импорта из нескольких стран для определения ущерба отрасли (cumulation), проведение аналогичного компенсационного расследования (cvd).
Поскольку разброс значений оказался значительным для показателей уровня развития стран, а также темпов роста импорта, то данные предварительно прошли через операцию центрирования и нормирования. Поскольку значимой корреляции между независимыми переменными выявлено не было, то их можно добавить в одну модель и избежать проблемы мультиколлинеарности. Далее результаты бинарной логистической регрессии были получены в статистическом пакете SPSS.
На первом шаге с учетом добавления константы модель прогнозировала с точностью до 60,9% исходов. На втором шаге значение было улучшено до 62,5% (таблица 1 приложения IV), что, однако, говорит о заметной ограниченности применения регрессии в описанном виде. Чем больше значение верно прогнозируемых исходов, тем лучше спецификация модели.
Далее рассмотрим значимость независимых переменных и то, насколько они могут влиять на исход расследования. Поскольку нерыночность экономики, фактор сложения импорта и проведения компенсационного расследования являются фиктивными переменными, то для них было предусмотрено, что за основу для последующего сравнения берется последнее значение. Значимость переменных зависит от выбранного ранее значения, которое мы будем считать равным 0,15. Таким образом, из значимых факторов можно выделить фактор одновременного проведения компенсационного расследования, а также долю страны на рынке импортера. Однако, выбранный порог для уровня значимости, безусловно, слишком высокий.
С другой стороны, результаты, которые содержатся в таблице 2 приложения IV, подсказывают, что наличие аналогичного компенсационного расследования увеличивает вероятность введения антидемпинговой меры. На практике, огромное количество расследований в США ведется одновременно в отношении субсидий и демпинга как недобросовестной практики государства и компаний. Возможно, проведение расследования, касающегося субсидии, увеличивает вероятность введения меры, поскольку субсидия несет дополнительный ущерб производителям. Что касается доли на рынке, то очевидно, больший ущерб наносится демпинговым импортом производителей, которые обладают большей долей на рынке. В свою очередь те экспортеры, которые стремительно наращивали экспорт за период расследования, чаще обладали меньшей долей на рынке, которая в большинстве случаев не приводила к материальному ущербу от демпингового импорта.
Данная модель отвергает предположение, что орган по проведению расследований в США всегда выносит решения против развивающихся стран, а также стран, не обладающих рыночным статусом. В целом, высокая вероятность ошибки в модели объясняется тем, что, во-первых, выборка может не являться репрезентативной для выявления такого рода закономерностей, во-вторых, не учтены факторы, которые в действительности влияют на исход. Однако, несмотря на ограниченную выборку наблюдений, результаты практически совпали с результатами Рейнолдс для стран-членов ВТО, в пробит-регрессии которой не оказалось статистически значимых факторов, которые влияют на исход расследования и демонстрируют вероятность злоупотребления.
|
