И. А. Долматов1, В.В. Дворкин2, И.В. Маскаев3 Мониторинг
реклама
И. А. Долматов1, В.В. Дворкин2, И.В. Маскаев3 Мониторинг эффективности деятельности (бенчмаркинг) компаний водоснабжения и водоотведения в России 1. Введение Мониторинг распространение эффективности деятельности компаний получил широкое в области регулирования отрасли ВКХ во многих развитых и развивающихся странах. Множество работ посвящены мониторингу эффективности деятельности как внутри отдельных стран, так и международному сопоставлению. Применение бенчмаркинга эффективности затрат компаний позволяет решить проблемы отрасли, которые в первую очередь выражаются в необходимости найти баланс между интересами потребителей (устойчивая и благоприятная тарифная политика) и задачами компании по ее нормальному функционированию и развитию (привлечение инвестиций). На данный момент в России преимущественно используются затратные методы регулирования, основывающиеся на обосновании тарифа в зависимости от объема издержек компаний. При таком регулировании, компании не заинтересованы инвестировать в повышение собственной эффективности, поскольку снижение расходов приведет к последующему снижению установленного для компаний тарифа. Тем не менее, в настоящий момент в России наблюдается поэтапный переход от затратных к стимулирующим методам на основе долгосрочных параметров регулирования тарифов. Опыт ведущих мировых регуляторов показывает, что применение мониторинга эффективности затрат компаний (бенчмаркинг), позволяет определить справедливый уровень тарифа в соответствии с эффективностью подконтрольных расходов. А тарифы, установленные с учетом результатов эффективности затрат, стимулируют повышение эффективности деятельности компаний и позволяют им привлекать необходимые инвестиции для развития. В 2014 году российский регулятор ФСТ утвердил методические указания по расчету регулируемых тарифов в сфере водоснабжения и водоотведения на базе бенчмаркинга с применением метода сравнения аналогов с использованием средних технико-экономических показателей. Мы считаем, что применение данного метода обладает рядом недостатков, в первую очередь связанных с использованием усредненных показателей по стоимости капитала. В рамках Программы фундаментальных исследований ВШЭ 2014 года мы предприняли попытку применить параметрические и непараметрические методы ведущих мировых регуляторов для проведения бенчмаркинга НИУ ВШЭ, ИПЦиРЕМ: директор, к.э.н. idolmatov@hse.ru НИУ ВШЭ, ИПЦиРЕМ: стажер-исследователь, wdvorkin@hse.ru 3 НИУ ВШЭ, ИПЦиРЕМ: старший научный сотрудник, maskaev@hse.ru 1 2 эффективности затрат компаний ВКХ с целью оценки их эффективности и потенциала ее увеличения. Мы также сравнили показатели деятельности российских компаний с зарубежными аналогами для определения основных источников неэффективности компаний. 2. Исходные данные В рамах бенчмаркинга мы проанализировали показатели деятельности 49 компаний за 2011-2013 годы, представленных в городах с населением более 250 тыс. человек. В рамках настоящего исследования мы рассматриваем именно совокупные издержки компаний, поскольку анализ только операционных издержек игнорирует эффективность капитальных затрат инфраструктурных организаций [1]. Все стоимостные показатели разных лет приведены к 2013 году в соответствии с инфляцией. Проанализировав выборку, мы пришли к выводу, что данные распределены согласно логнормальному распределению. Если для исходной выборки гипотеза о нормальности в тесте Колмогорова-Смирнова отвергается на уровне значимости 95%, то прологарифмировав выборку, аналогичный тест показал статистическую значимость 𝑝 = 0,2 на том же доверительном интервале. Описательные статистики логарифмированной выборки представлены в таблице 1. Таблица 1 – Описательные статистики логарифмированной выборки. Совокупные затраты, тыс. руб. Затраты на электроэнергию, тыс. руб. Потребление электроэнергии, тыс. МВтч. Фонд оплаты труда, тыс. руб. Численность персонала, чел. Затраты на капитал, тыс. руб. Длина трубопроводов, км. Число насосных станций, шт. Объем поднятой воды, тыс. м3. Объем поставленной воды, тыс. м3. № 49 49 49 49 49 49 49 49 49 49 Min 12,40 11,17 3,03 9,73 4,47 8,67 5,62 1,10 10,05 9,50 Max 14,78 13,44 5,13 12,65 7,54 12,88 7,88 5,48 12,46 12,12 Mean 13,53 12,12 4,20 11,42 6,10 10,64 6,84 3,53 11,23 10,84 St.dev. 0,59 0,60 0,59 0,66 0,67 1,04 0,51 0,96 0,62 0,63 Для спецификации моделей, мы отобрали факторы, имеющие наибольшую корреляцию с себестоимостью производства: затраты на электроэнергию, тыс. руб. (𝑟 = 0,74); потребление электроэнергии, тыс. МВтч (𝑟 = 0,83); фонд оплаты труда, тыс. руб. (𝑟 = 0,46); численность персонала, чел. (𝑟 = 0,48); затраты на капитал, тыс. руб. (𝑟 = 0,79); длина трубопроводов, км (𝑟 = 0,43); 3. Методология анализа Метод скорректированных наименьших квадратов COLS COLS является широко распространенным граничным методом, основывающимся на технике регрессии и позволяющим получить оценки эффективности от 0 до 100%. В качестве зависимой переменной выступает совокупные затраты компаний ВКХ, в качестве объясняющей - составная переменная. Аналогично практике, используемой британским регулятором Ofgem [2], в составную переменную мы отобрали такие параметры деятельности компаний, которые отражаю их технологическое состояние, а также имеют тесную взаимосвязь с издержками компаний. Составная переменная может быть представлена в следующем виде: 𝑥 = 𝐸 𝛼 ∙ 𝐿𝛽 ∙ 𝑁 𝛾 (1) где 𝑥 − составная переменная; 𝐸 − объем потребления электрической энергии, тыс. МВтч; 𝐿 − среднегодовая численность производственного персонала, чел.; 𝑁 − длина водопроводов, км; 𝛼, 𝛽, 𝛾 − веса параметров в составной переменной, причем их сумма должна равняться единице. Согласно [2], эти веса отражают результаты, полученные в результате использования метода DEA c постоянным возвратом от масштаба для средней фирмы при использовании данных по объему производства (в нашем случае это объем поставленной потребителям воды) в качестве входной переменной, и объем потребления электрической энергии, а также протяженность трубопроводов и количество производственного персонала, как выходных переменных. Оценив значение составной переменной для каждой из компаний, рассматривается следующие уравнение регрессии: ln(𝑦) = 𝛼 + 𝛽 ∙ ln(𝑥) + 𝜀 (2) где 𝑦 - себестоимость продаж; 𝑥 - составная переменная, α и β - параметры, подлежащие оцениванию, ε - нормально распределенная случайная величина. Уравнение регрессии сначала оценивалось при помощи метода наименьших квадратов (МНК), а потом линия регрессии параллельно переносилась в нижний правый угол на значение, соответствующее наиболее эффективной компании. Анализ среды функционирования (DEA) В анализе среды функционирования мы использовали стандартные модели DEA с постоянным (CRS) и переменным (VRS) возвратом от масштаба, описанные Faere, Grosskopf и Lovell [3]. Мы применили входоориентированные модели (input oriented) так как полагаем, что уровень выпуска для компаний ВКХ в России задается экзогенно. В рамках DEA рассматриваются два вида моделей. В первой модели в качестве зависимого параметра выступает составная переменная (DEA-1), во второй – шесть переменных, отражающих три фактора производства (электроэнергия, труд и основные фонды) в стоимостном и натуральном выражении (DEA-2). Показатели эффективности в рамках использования DEA в общем виде оценивались в рамках решения следующей оптимизационной задачи: minθ,λ θ (3) при условии, что −yi + Y ∙ λ ≥ 0, (4) θ ∙ xi − X ∙ λ ≥ 0, (5) λ ≥ 0, (6) где: θ − скаляр (оценка эффективности); λ − вектор констант размера 𝑛 × 1; Y и X – матрицы размера 𝑘 × 𝑛 и 𝑚 × 𝑛 , соответственно включающие все выходные и входные переменные; yi и xi − выходные и входные векторы-столбцы для i-ой фирмы. В моделях с учетом возврата на масштаб в постановку задачи добавляется ограничение на выпуклость ∑ 𝜆 = 1, которое обеспечивает сравнение фирм с сопоставимым размером. Расчеты производились с использованием некоммерческой версии компьютерной программы DEAP Версия 2.1, разработанной Coelli [4] 4. Результаты бенчмаркинга эффективности затрат российских компаний ВКХ Используя модель COLS на базе составной переменной, мы оценили техническую эффективность компаний, характеризующую эффективность затрат компаний с точки зрения затрат факторов производства на один и тот же уровень выпуска [5]. Модель COLS демонстрирует высокие статистические характеристики, представленные в таблице 2. На рисунке 1 представлена граница эффективности отрасли, полученная путем сдвига регрессионной прямой в сторону наиболее эффективной компании. Модель также демонстрирует свою устойчивость к исключению граничных компаний в выборке: исключив лучшую и худшую компании из анализа, статистические характеристики и оценки эффективности изменились незначительно. Таблица 2 – Характеристики модели COLS. Coefficient Value St.dev. t-stat. p-value a 6.757 0.648 10.433 0 b 1.043 0.099 10.491 0 0.694 F F-stat. 110.051 0 Ln(Совокупные затраты) Средняя эффективность компаний 57% (22%) 15.0 14.5 14.0 13.5 13.0 12.5 12.0 5.0 5.5 6.0 6.5 7.0 Составная переменная Ln(x) COLS 7.5 8.0 OLS Рисунок 1 – Граница эффективности ВКХ Применение метода DEA, позволяет оценить не только техническую эффективность компаний (DEA-1 на базе составной переменной), но и аллокационную (DEA-2 на базе 6 переменных), отражающую способность компаний находить оптимальное сочетание ресурсов при заданных ценах, в идеале равных (или близких) к предельным издержкам [5]. Это чрезвычайно важная особенность настоящего подхода, поскольку в рамках стимулирующего регулирования, регулятору, при установлении тарифа с учетом эффективности затрат, необходимо соблюсти некий баланс между технической и аллокационной эффективностью. Например, активная социальная политика может приводить к тому, что компания может демонстрировать высокую техническую эффективность при низкой аллокационной эффективности. Тем не менее, применяя DEA-2 с предпосылкой о переменной отдачи от масштаба, мы, наоборот, столкнулись с проблемой чувствительности к выборке. Это связано с двумя основными причинами. Первая связана с методологическими особенностями метода: при достаточно большом разбросе данных (присутствие в выборке значений со значительными отклонением от среднего), граница эффективности зачастую замыкается на точках с большими отклонениями. Если такие точки относятся к неэффективным компаниям, то граница замкнется, в том числе, и на них. Вторая причина связана с зачастую искаженными ценами на факторы производства (особенно в рассмотрении компаний с различной географией присутствия). Решением послужило исключение из выборки трех значений с высокими отклонениями от тренда. Сопоставление средних оценок эффективности затрат и результатов ранжирования компаний представлено на рисунке 2 и в таблице 3 соответственно. Рисунок наглядно демонстрирует, что в зависимости от применяемого подхода, оценки эффективности, и соответственно, потенциала ее увеличения, в разной степени отличаются. Модели COLS и DEA c предпосылкой о постоянной отдаче от масштаба оценивают потенциал повышения эффективности в диапазоне 39-43%, т.е. примерно в равной степени. Однако модели DEA с предпосылкой о переменной отдачи от масштаба деятельности, дают более позитивную оценку - 29-32%. DEA -1 VRS 71% DEA-2 VRS 29% 68% DEA-2 CRS 32% 61% 39% DEA-1 CRS 58% 42% COLS 57% 43% 0% 20% 40% Эффективность 60% Потенциал 80% 100% Рисунок 2 – Оценка эффективности затрат компаний и потенциала ее увеличения Такая разница обусловлена тем, что если первые модели строят границу эффективности линейной формы, то граница последних представляет ломаную, что позволяет большему числу компаний замкнуть границу эффективности. Соответственно, средняя эффективность по отрасли растет. В свою очередь, ранжирование компаний на базе различных методов отличается незначительно. COLS и DEA-1 CRS ранжируют компании практически идентично. Модель DEA-1 VRS ранжирует с некоторой разницей, но в хвостах располагаются преимущественно одни и те же компании. Модели оценки аллокационной эффективности, как предполагалось ранее, могут показать иную картину в силу искаженности цен на факторы производства. Но хотя модели DEA-2 демонстрируют некоторый другой порядок, в целом они аналогично идентифицируют лидеров и аутсайдеров отрасли. В целом, потенциал повышения эффективности затрат компаний ВКХ достаточно велик и составляет, по нашим оценкам, от 29% до 43%. Таблица 3 – Результаты ранжирования компаний по эффективности их затрат на базе различных методов № COLS Город Год Ө № DEA-1 CRS Город Год DEA-1 VRS Ө Город Год Ө № DEA-2 CRS Город Год DEA-2 VRS Город Год Ө Лидеры в отрасли 1 Белгород 2011 100% 1 Белгород 2011 100% Белгород 2011 100% 1 Белгород 2011 100% Белгород 2011 100% 2 Кемерово 2012 95% 2 Белгород 2012 92% Кемерово 2012 100% 2 Белгород 2012 94% Пермь 2012 100% 3 Белгород 2012 94% 3 Кемерово 2012 92% Пермь 2012 100% 3 Саратов 2012 94% Саратов 2012 100% 4 Кемерово 2011 92% 4 Кемерово 2011 88% Тольятти 2011 100% 4 Владимир 2011 93% Чебоксары 2013 100% 5 Владимир 2011 90% 5 Владимир 2011 87% Уфа 2011 100% 5 Чебоксары 2013 91% Белгород 2012 98% 6 Калининград 2011 84% 6 Калининград 2011 80% Уфа 2012 100% 6 Саратов 2011 83% Владимир 2011 93% 7 Калининград 2012 79% 7 Калининград 2012 74% Белгород 2012 99% 7 М агнитогорск 2011 78% Саратов 2011 90% 8 Саратов 2012 77% 8 Чебоксары 2013 71% Кемерово 2011 99% 8 Ижевск 2011 77% Чита 2012 89% 9 Чебоксары 2013 74% 9 Саратов 2012 71% Саратов 2012 95% 9 М агнитогорск 2012 76% Тольятти 2011 84% 10 Пенза 2012 73% 10 Тольятти 2011 70% Чебоксары 2013 94% 10 Пенза 2012 76% Ижевск 2011 80% Аутсайдеры в отрасли 39 Ростов-на-Дону 2011 40% 37 Омск 2013 42% Ижевск 2012 57% 36 Курган 2012 47% Калининград 2012 54% 40 Омск 2011 36% 38 Киров 2012 41% Ижевск 2013 57% 37 Оренбург 2012 46% Томск 2012 54% 41 Киров 2012 35% 39 Омск 2011 39% Томск 2012 54% 38 Томск 2012 46% Хабаровск 2011 53% 42 Ставрополь 2012 31% 40 Ставрополь 2012 38% Нижний Тагил 2011 54% 39 Курган 2013 46% Киров 2012 52% 43 Владивосток 2012 30% 41 Владивосток 2012 36% Смоленск 2011 51% 40 Ставрополь 2012 46% Курган 2013 50% 44 Новосибирск 2011 28% 42 Новосибирск 2011 35% Хабаровск 2011 50% 41 Новосибирск 2011 45% Ставрополь 2011 50% 45 Новосибирск 2012 27% 43 Ставрополь 2011 35% Хабаровск 2012 47% 42 Новосибирск 2012 41% Курган 2012 49% 46 Ставрополь 2011 25% 44 Новосибирск 2012 34% Ставрополь 2012 46% 43 Ставрополь 2011 40% Оренбург 2011 49% 47 Хабаровск 2011 19% 45 Хабаровск 2011 31% Ставрополь 2011 44% 44 Хабаровск 2011 40% Оренбург 2012 48% 48 Хабаровск 2012 12% 46 Хабаровск 2012 28% Киров 2012 43% 45 Хабаровск 2012 32% Хабаровск 2012 44% 49 Омск 2012 0% 47 Омск 2012 24% Омск 2012 41% 46 Омск 2012 8% Омск 2012 12% 5. Сравнительный анализ эффективности российских и зарубежных компаний ВКХ Методология и данные. В рамках нашей работы мы предприняли попытку сравнительного анализа эффективности водоканалов (международный бенчмаркинг) на страновом уровне. Для этого мы использовали данные годовых отчетов компаний и регуляторов, а также данные Международной сети по бенчмаркингу предприятий водоснабжения и водоотведения IBNET [6]. В нашем исследовании мы сравнили 8 стран: Австралию, КНР, Республику Корея, Молдавию, Россию, Сербию, Словакию и Чехию на основе опубликованных данных о 692 компаний из этих стран за период с 2010 по 2012 гг. Распределение числа компаний по географии присутствия показано в таблице 4. Для анализа эффективности были рассчитаны средние значения показателей, представленных в таблице 5. Таблица 4 – Состав выборки для международного бенчмаркинга Страна Австралия Китайская Народная Республика Республика Корея Молдавия Россия Сербия Словакия Чехия Итого Количество компаний в выборке 110 59 190 41 168 30 70 24 692 Таблица 5 – Состав показателей для международного бенчмаркинга Наименование показателя 1 Потребление воды 2 Потребление воды населением Численность персонала в службах 3 водоснабжения на 1000 человек, пользующихся их услугами 4 5 6 7 8 Пояснение к расчету показателя Годовой объем воды, на который выставлены счета (включая покупную воду при наличии таковой), выраженный в расчете на 1 человек в день) Средний ежедневный объем потребления воды одним человеком внутри категории потребителей. Общая численность персонала в расчете на тысячу потребителей услуг. Разность между объемом воды, поданной в сеть водоснабжения, и объемом проданной воды, (т.е. объем потерянной воды), Потери воды выраженная в процентном соотношении от объема воды, поданной в сеть водоснабжения Объем потерь воды в расчете на километр Потери воды сети водоснабжения в день. Объем реализованной воды в соответствие с Оснащенность приборами учета приборами учета, установленных у потребителей Эксплуатационные расходы на единицу Сумма эксплуатационных расходов за продукции год/Объем реализованной воды за год Коэффициент покрытия операционных Выручка от операционной деятельности за расходов год/ Эксплуатационные расходы за год Результаты. Российские компании по производству воды на человека в сутки занимают второе место, уступая Австралии. Динамика потребления имеет тенденцию к снижению, что связано увеличением числа приборов учета у населения и повышением эффективности отечественного производства. Рисунок 3 - Годовой объем воды, на который выставлены счета потребителям Российские компании уступают Австралии по объему, поставленной воды населению (191 л/чел/сутки в Австралии по сравнению с 172 л/чел/сутки в России в 2012 г.), причем за анализируемый период потребление воды населением у российских компаний снизилось со 199 л/чел/сутки до 172 л/чел/сутки, что все равно превышает показатель китайских компаний более, чем в два раза. 250 литров/чел/сутки 200 150 2010 100 2011 2012 50 0 Рисунок 4 – Годовой объем воды, на который выставлены счета населению Потери воды представляют собой воду, произведенную, но непоставленную потребителю из-за протечек, хищений, использования воды на технические нужды. Среди специалистов нет единого мнения насчет правильного показателя, отражающего уровень потерь. Процентное выражение не совсем корректно, так как компании с высоким уровнем производства или небольшие сети будут демонстрировать более высокие показатели эффективности по сравнению с компаниями с низкими объемами потребления или с сетями большей протяженности. Чтобы исключить искажения такого рода, мы использовали два показателя для определения потерь воды: в процентном отношении и куб. м на 1 км сети в сутки. Доля потерь у российских компаний находится на среднем и приблизительно на одном и том же уровне, что соответствует тенденциям в показателях компаний других стран (лишь корейские компании смогли немного улучшить свои показатели за анализируемый период). 50 45 40 35 % 30 25 2010 20 2011 15 2012 10 5 0 Рисунок 5 – Уровень потерь воды в процентном отношении Но потери, выраженные в куб.м на 1 км сети в сутки рисуют более тревожную картину. Несмотря на высокие показатели протяженности сети, российские компании стали первыми по объему потерь, правда, демонстрируя тенденцию к некоторому снижению. 70 куб. м/км/сутки 60 50 40 2010 30 2011 20 2012 10 0 Рисунок 6 – Уровень потери воды Российские компании по данным 2010 г. характеризовались самым низким уровнем оснащенности приборами учета, а потом большинство компаний не публиковали эти данные так, чтобы их можно было использовать в сравнительном анализе. Можно предположить, что этот показатель в настоящее время находится на значительно более высоком уровне благодаря кампании по стимулированию внедрения приборов учета потребления воды на государственном и муниципальном уровнях. Рисунок 7 – Доля потребителей, использующих приборы учета потребления воды Эксплуатационные расходы в расчете на единицу продукции являются важнейшим показателем в бенчмаркинге. Россия демонстрирует лучшие после Китая показатели эффективности эксплуатационных расходов. Но необходимо отметить стабильную тенденцию к увеличению этих расходов по сравнению с производством воды. 3.5 3 US$/куб.м 2.5 2 2010 1.5 2011 1 2012 0.5 0 Рисунок 8 – Динамика уровня эксплуатационных расходов Затраты на рабочую силу всегда составляли основу эксплуатационных расходов. У российских компаний около трети эксплуатационных затрат приходится на долю трудовых затрат. Понимание проблем кадрового обеспечения часто помогает не допустить проблем с наймом избыточного персонала на предприятии. чел.персонала/1000 чел. населения 3 2.5 2 2010 1.5 2011 1 2012 0.5 0 Молдова Сербия Россия Китай Чехия Словакия Корея Рисунок 9 – Кадровое обеспечение компаний Достаточность персонала в российских компаниях находится на среднем уровне. Такой стабильный и сравнительно невысокий показатель свидетельствует лишь о небольшом потенциале сокращения (трудовых) затрат. Коэффициент покрытия операционных расходов показывает, насколько выручка позволяет покрывать эксплуатационные расходы. Российские компании уступают лишь австралийским и теперь корейским компаниям. В настоящее время регулятору и компаниям удается поддерживать этот коэффициент на разумном и стабильном уровне. 3 2.5 2 1.5 2010 2011 1 2012 0.5 0 Рисунок 10 – Коэффициент покрытия операционных расходов Заключение В настоящее время компании ВКХ в России регулируются на базе затратных методов, лишающих компании стимула инвестировать в собственное производство. Как показывает практика, это приводит к неэффективному и часто нерациональному использованию основных факторов производства. Опыт мировых регуляторов показывает, что применение бенчмаркинга эффективности затрат компаний позволяет определить источники их неэффективности и устанавливать справедливые тарифы в зависимости от эффективности подконтрольных расходов компаний. В рамках данного исследования, мы применили параметрический метод COLS и непараметрический метод DEA для оценки эффективности совокупных затрат компаний. Мы проанализировали 49 как частных, так и государственных компаний, представленных во всех федеральных округах России. Модель COLS позволила оценить техническую эффективность компаний, отражающую эффективность затрат компаний при заданном продемонстрировала свою устойчивость к выборке. уровне выпуска, и Модели DEA, наоборот, демонстрируют свою относительную неустойчивость к выборке при предпосылке о переменном масштабе деятельности компаний, и поэтому требуют предварительного исключения слишком крупных или малых предприятий. Тем не менее, модели DEA позволили оценить не только техническую, но и аллокационную эффективность, характеризующую способность компаний находить оптимальное сочетание ресурсов при заданных ценах. Ранжирование компаний по эффективности деятельности в зависимости от применяемого подхода в целом совпадает. Все модели определяют одну и ту же компанию лидера и аутсайдера в отрасли. Тем не менее, существует небольшая разница в ранжировании в моделях оценки технической и аллокационной эффективности, связанной с некоторой разницей цен на факторы производства. Анализ показал достаточно высокое среднее значение потенциала увеличения эффективности издержек компаний. В зависимости от метода и исходных предпосылок, полученные оценки варьируются от 29 до 43%. Результаты международного бенчмаркинга также позволяют сделать вывод о том, что российские компании имеют значительный потенциал по сокращению своих расходов и необходимы энергичные меры как со стороны регулятора, так и компаний, по сокращению потерь (прежде всего коммерческих). Частично решению этой проблемы будет способствовать модернизация сетей с целью снижения потерь воды и повышение оснащенности потребителей приборами учета. Мы считаем, что применение бенчмаркинга эффективности издержек компаний в рамках стимулирующего регулирования, позволило бы регулятору привлечь необходимый размер инвестиции в отрасль и значительно сократить потенциал повышения эффективности компаний ВКХ в России. Список литературы 1. NIW Comparative Efficiency: An Econometric Analysis Using Panel Data. A Report for NIAUR. Report by Nera. 2009. 43 p. 2. Background to work on assessing efficiency for the 2005 distribution price control review // Report by Cambridge Economics Policy Associates, CEPA. 2003. 124 p. 3. Faere, R., Grosskopf, S., and Lovell, C.A.K., Production Frontiers, Cambridge University Press, 1994. 4. Coelli, T., A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program, CEPA Working Paper 96/08, University of New England, Armidale, 1996b. 5. Networks of the future - an exploratory study. Tech. rep., Netbeheer Nederland, 2011. 6. International Benchmarking Network for Water and Sanitation Utilities [Электронный ресурс] - http://www.ib-net.org/ru/
