CC BY
32Моделирование инновационного потенциала регионов с целью корректировки инновационной политики Российской Федерации Евстигнеева А. В.
Евстигнеева Анастасия Викторовна /Evstigneeva Anastasija Viktorovna - студент, кредитно-экономический факультет,
Финансовый университет при Правительстве Российской Федерации, г. Москва
Аннотация: в статье анализируется возможность математического моделирования инновационного потенциала российских регионов. Результаты работы позволяют оценивать показатели, оказывающие наибольшее влияние на уровень развития инновационного потенциала для корректировки уровня в российских регионах органами государственной власти.
Ключевые слова: инновации, потенциал, регионы, политика, развитие.
Одним из ключевых направлений совершенствования регионов России является увеличение уровня развития инновационного потенциала, который позволяет сделать выше качество и уровень жизни на определенной территории. Актуальность выбранной темы объясняется тем, что, поскольку общее благосостояние страны зависит от развития регионов, то именно изучение региональных проблем развития инновационного потенциала позволяет выявить существующие несовершенства и устранить их посредством изменения инновационной политики государства. Для того чтобы проанализировать инновационный потенциал, необходимо оценить инновационную активность субъектов. Инновационная активность представляет собой совокупность процессов разработки инноваций, внедрения и осуществления контрольных мероприятий за эффективностью их применения.
В целях статистического изучения и моделирования важное место занимает анализ степени влияния конкретных факторов на изменение результирующего показателя. Для моделирования степени зависимости между переменными были использованы данные для 83 субъектов Российской Федерации на 01.01.15 г. (анализ не затронул Республику Крым и город Севастополь, поскольку для данных субъектов по объективным причинам не предоставлена годовая статистическая информация). В качестве модели была выбрана рекурсивная система уравнений, которая в общем виде может быть представлена следующим образом [1, с. 57]:
Yi
= aii * xi + ai2 * x2 + ... + aim * xm +£i;
Y2 i
b2i * Yi + a2i * Xi + ai2 * X2 + ... + aim * Xm +£2;
Y
3
= b3i * Yi + b32 * Y2 + a3i * Xi + a32 * X2 + ... + a3m * Xm +£3.
Выбор данной системы уравнений можно обосновать тем, что для описания инновационных процессов в сложных региональных системах и объяснения механизма их функционирования, построение отдельных уравнений регрессии недостаточно эффективно, поскольку они не смогут охарактеризовать некоторые взаимосвязи и их влияние на вариацию результирующих переменных.
Так, для построения модели был взяты эндогенные переменные:
• Yi - число выданных патентов, ед.;
• Y2 - созданные (разработанные) передовые производственные технологии, ед.;
• Y3 - удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг, %.
Среди экзогенных переменных были выделены следующие:
• Xi - инновационная активность организаций, %;
• Х2 - удельный вес организаций, осуществлявших технологические инновации в отчетном году, в общем числе обследованных организаций, %;
• Х3 - удельный вес затрат на технологические инновации в общем объеме отгруженных товаров, выполненных работ, услуг, %;
• Х4 - используемые передовые производственные технологии, ед.;
• X5 - затраты на технологические инновации, тыс. руб.;
• X6 - численность экономически активного населения, в среднем за год, тыс. чел.;
• X7 - численность персонала, занятого научными исследованиями и разработками, чел.;
• X8 - численность исследователей, имеющих ученую степень, чел.;
• X9 - удельный вес организаций, использовавших персональные компьютеры, от общего числа обследованных организаций соответствующего субъекта РФ, %;
• Xi0 - среднегодовая численность населения, тыс. чел.;
• Xii - ВРП, млн. руб.;
• Xi2 - ВРП на душу населения, руб.;
• X13 - количество компьютеров с выходом в интернет на 100 работников.
Для оценки значимости (или незначимости) переменных был проведен t-тест: для каждого из значений хь ..., xJ3 найдено значение tb где i=1, ..., 13, а также значение tro(t-критическое). Далее были предприняты действия, позволяющие исключить из анализа незначимые переменные: на каждом шаге исключалась 1 переменная, для которой ti < tro и имеющая наименьшее значение по модулю. В течение 9 шагов были исключены незначимые переменные, после чего был получен итоговый вид уравнения регрессии: Yj = 9,5*10Л(-3) * х5 - 1,44 * х6 + 0,20 * х8 + 0,79 * х10 + ej~, где х5 - затраты на технологические инновации, х6 -численность экономически активного населения, в среднем за год, х8 - численность исследователей, имеющих ученую степень, х10 - среднегодовая численность населения. Стоит обратить внимание на то, что на последнем шаге анализа было выявлено, что |t0| < t^, в связи с чем данный коэффициент не отражен в уравнении регрессии.
Далее проведен еще один регрессионный анализ, в ходе которого выявлено влияние различных факторов (в том числе эндогенной для первого уравнения переменной y1) на созданные передовые производственные технологии. В ходе работы произведено 12 шагов по исключению статистически незначимых переменных. В качестве результата было получено итоговое уравнение регрессии, которое имеет вид: y2 = -1,61 *10-1*y1 + 1,54 * 10-3 * x5 + 3,37 * 10-2 * x8 + 1,93 * 10-2 * x10 -1,75 * 10-5 * x11 + e2~, где y1 - число выданных патентов, x5 -затраты на технологические инновации, x8 - численность исследователей, имеющих ученую степень, x10 -среднегодовая численность населения, xn - ВРП.
Последний регрессионный анализ осуществлялся с целью изучения зависимости удельного веса инновационных товаров, работ и услуг в общем объеме отгруженных товаров, выполненных работ, услуг от различных факторов (включая переменные y1 и y2). Для получения окончательного вида уравнения было осуществлено 14 шагов. В итоге автором был сделан вывод, что на удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг (у3) оказывает влияние только одна переменная (она является значимой по t-тесту) - затраты на технологические инновации (х5). Таким образом, уравнение регрессии принимает вид y3 = 0 * y1 + 0 * y2 + 2,84 * x5 + e3~.
По итогам проведенного оценивания степени влияния различны переменных на объясняемые показатели система приняла следующий вид:
у = 0,01- х5 —1,44 • х6 + 0,20 • х + 0,79 • х10 +у,
< у2 = —0,16 • у +1,54 -10—3 • х5 + 0,03 • х + 0,02 • х10 —1,75 -10—5 • хп +е2,
Уз = 0 • У: + 0 • у2 + 2,84 • х5 +х,
при этом влияние у1 на переменную у2 подтвердилось, а влияние у1 и у2 на переменную у3 оказалось статистически незначимым.
Говоря о результатах проведенной работы, необходимо отметить, что далеко не все переменные, которые изначально были выбраны для анализа, оказывают действительно статистически значимое влияние на выбранные объясняемые переменные y1, y2 и y3, в связи с чем стоит выделить тот факт, что только отдельные из проанализированных переменных могут значимым образом повлиять на степень развития инновационного потенциала в регионах России.
В соответствии с построенной системой и выведенными зависимостями между переменными можно осуществлять корректировку государственной инновационной политики с целью развития инновационного потенциала страны. При этом органам власти необходимо обращать особое внимание при разработке политики на те факторы, которые по результатам проведенного исследования наибольшим образом взаимосвязаны с результирующими показателями (степень взаимосвязи демонстрируется величиной коэффициентов перед объясняющими переменными).
Литература
1. Бабешко Л. О. Основы эконометрического моделирования. М.: КомКнига, 2010, 432 с.
2. Официальный сайт Федеральной службы государственной статистики [Электронный ресурс]. Режим
доступа: www.gks.ru (Дата обращения: 01.12.2015).
