CC BY
45
4. БУХГАЛТЕРСКИЙ УЧЕТ, СТАТИСТИКА (СПЕЦИАЛЬНОСТЬ 08.00.12)
4.1. АНАЛИЗ ДИНАМИКИ РАЗВИТИЯ НАУЧНОЙ И ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ РЕГИОНОВ НА ОСНОВЕ ИНДЕКСНОГО МЕТОДА1
Лосева Ольга Владиславовна, д-р экон. наук, доцент, профессор Департамента корпоративных финансов и корпоративного управления
Место работы: Финансовый университет, г. Москва
Строев Павел Викторович, канд. экон. наук, директор Центра региональной экономики и межбюджетных отношений Место работы: Финансовый университет, г. Москва
Абдикеев Нияз Мустякимович, д-р техн. наук, профессор, директор Института промышленной политики и институционального развития
Место работы: Финансовый университет, г. Москва
Введение. Наука и инновации являются ключевыми факторами для обеспечения развития региональных инновационных систем, которое необходимо для технологического прорыва всей российской экономики в современных условиях. В статье поставлены и решены следующие задачи: 1) определены факторы, которые характеризуют ресурсы (условия) и результаты научной и инновационной деятельности регионов; 2) предложен инструментарий, позволяющий оценивать динамику развития данных видов деятельности, основанный на индексном методе; 3) с использованием инструментария рассчитаны индивидуальные и сводные индексы развития науки, инноваций и инновационных систем в регионах Российской Федерации, выявлены лидеры и отстающие по этим направлениям.
Материалы и методы. В статье использованы официальные статистические данные Росстата по науке и инновациям за 2013 и 2016 гг. по субъектам Российской Федерации для определения значений выбранных показателей, характеризующих ресурсы и результативность научной и инновационной деятельности регионов. В качестве методического инструментария анализа динамики развития науки, инноваций и инновационной системы региона предложено определение соответствующих индивидуальных индексов и сводных индексов на базе среднегеометрической простой величины. Результаты. Полученные значения индексов по России в среднем, а также по регионам-лидерам и регионам-отстающим свидетельствуют о снижении уровня научной и инновационной деятельности российских регионов в 2016 году по сравнению с 2013 годом. В наибольшей степени снизился индекс развития науки (почти на 10%). Падение по уровню развития инноваций и инновационной системы в целом составило, соответственно, 5%-6%. К регионам-лидерам по развитию науки и инноваций следует отнести г. Москву, г. Санкт-Петербург, Нижегородскую, Свердловскую, Самарскую области и республику Татарстан. К аутсайдерам относятся республики Северо-Кавказского федерального округа, некоторые регионы Дальнего Востока и Крайнего Севера.
Выводы. Предложенный методический инструментарий и полученные на его основе результаты анализа динамики научной и инновационной деятельности региона позволят региональным органам власти скорректировать проводимую регионом стратегию инновационного развития. Индикаторы, характеризующие ресурсы (условия) и результативность научной и инновационной деятельности региона, могут быть в дальнейшем использованы для оценки эффективности региональной инновационной системы методом оболочечного анализа в качестве «входных» и «выходных» параметров DEA-моделей.
Ключевые слова: научная и инновационная деятельность, регион, инновационная система, динамический анализ, индексный метод.
lov191171@yandex.ru
stroevpavel@gmail.com
nabdikeev@fa. ш
Аннотация
ANALYSIS OF THE DYNAMICS OF THE DEVELOPMENT OF THE SCIENTIFIC AND INNOVATIVE ACTIVITY OF THE REGIONS BASED ON THE INDEX METHOD
Loseva Olga V., doctor of economic sciences, associate professor, professor of the Department of corporate finance and corporate management
Work place: Financial University, Moscow, Russia
lov191171@yandex. ru
Stroev Pavel V., PhD in Economics, Director of the Center for regional economy and inter-budgetary relations Work place: Financial University, Moscow, Russia
stroevpavel@gmail.com
Abdikeev Niyaz M., doctor of technical sciences, Professor, Director of the Institute of industrial policy and institutional development Work place: Financial University, Moscow, Russia
nabdikeev@fa. ru
Annotation
Background: Science and innovation are key factors in ensuring the development of regional innovation systems necessary for the technological breakthrough of the entire Russian economy in modern conditions. The article sets and solves the following tasks: 1) identify the factors that characterize the resources (conditions) and the results of scientific and innovative activity of the regions; 2) proposed tools to assess the dynamics of these activities, based on the index method; 3) using the tools calculated individual and composite indices of development of science, innovation and innovation systems in the regions of the Russian Federation, identified leaders and Laggards in these areas.
Materials and methods: The article uses official Rosstat statistics on science and innovations for 2013 and 2016 on subjects of the Russian Federation to determine the values of selected indicators that characterize the resources and effectiveness of scientific and innovation activities of the regions. As a methodological tool for analyzing the dynamics of the development of science, innovation and the innovation system of the region, it is proposed to determine the corresponding individual indices and summary indices on the basis of the mean geometric simple value.
The received values of indices across Russia on average, and also on leading regions and regions-lagging behind testify about decrease in level of scientific and innovative activity of the Russian regions in 2016 in comparison with 2013. The index of the development of science decreased by almost 10%. The fall in the level of development of innovation and innovation system as a whole was, respectively, 5%-6%. The leading regions for the development of science and innovation are Moscow, St. Petersburg, Nizhny Novgorod, Sverdlovsk, Samara Regions and the Republic of Tatarstan. The outsiders include the republics of the North Caucasus Federal District, some regions of the Far East and the Far North.
Conclusions. The proposed methodological toolkit and the results of analysis of the dynamics of the region's scientific and innovative activities based on it will allow regional authorities to adjust the region's innovative development strategy. Indicators characterizing the resources (conditions) and effectiveness of the scientific and innovative activities of the region can be further used to assess the effectiveness of the regional innovation system by the method of shell analysis as the «input» and «output» parameters of DEA-models. Keywords: scientific and innovative activity, region, innovation system, dynamic analysis, index method.
Для обеспечения прорывной стратегии развития России в условиях внешних вызовов и санкционного давления, о которой говорилось в ежегодном Послании Президента Путина В.В. Федеральному Собранию, необходимо задействовать все драйверы роста и, в первую очередь, в инновационной сфере [2, с.2].
В этой связи особая роль принадлежит эффективной научной и инновационной деятельности регионов, которая обеспечивает создание и функционирование инновационной инфраструктуры территории, взаимодействие научно-исследовательских организаций с компаниями, формирование интеллектуальных ресурсов, что ведет к созданию
новых и использованию имеющихся достижений научно-технического прогресса в целях модернизации производства и экономики в целом.
Разработка инструментов мониторинга и анализа динамики научной и инновационной деятельности региона позволит органам государственной и региональной власти выявлять слабые стороны региональной инновационной системы, контролировать результативность инновационных процессов, протекающих в регионе, а также оценивать эффективность управляющих воздействий на инновационное развитие территории.
1 Статья выполнена в рамках гранта РФФИ, проект № 17-02-00465 «Методология комплексной оценки эффективности научной и инновационной деятельности регионов».
Вопросами оценки инновационной активности регионов и изучением ее динамики за рубежом занимаются как отдельные ученые [Cooke Philip, 2003; Werker Claudia, 2006; Bjorn T. Asheim, 2011; Koen Jonkers, 2018], так и целые научные
коллективы, в частности, в Евросоюзе [8, 9, 10, 13].
В России в настоящее время существуют несколько методик, позволяющих прямо или косвенно оценить уровень инновационного развития территории (рис. 1).
методы рсйтингопл пил, используемые Всемирным экономическим форумом и Международным институтом развития менеджмента_
индексы инновационного потенциала ЮНКТАД
оценка уровня развития экономики знаний Всемирного банка
методы рейтингования, используемые а Европе: рейтинг European Innovation Scoreboard, Innobarometcr
рейтинг инновационного развития субъектов Российской Федерации, НИУ «Высшая школа экономики»
рейтинг инновационного развития регионов России для целей мониторинга и управления Ассоциации инновационных регионов России
методика оценки уровня инновационного развития регионов Института экономики РАН Рисунок 1. Методики оценки инновационного развития территории.
Источник: [4, с.8].
По сути данные методики проводят «срез» состояния инновационной системы по определенным критериям, характеризующим, в том числе, науку и инновационную деятельность. Чтобы проанализировать изменение показателей во времени, необходимо применять дополнительные инструменты динамического анализа.
Одним из основных методов данного анализа является применение сводных (интегральных) и частных индексов (субиндексов). Использование индексов в оценке региональных инновационных систем имеет свои преимущества: а) индексный метод позволяет использовать разнородные показатели, поскольку его результатом является характеристика изменения показателей (в коэффициентах или процентах), а не единицы их измерения; б) значения индексов, в отличие от абсолютных показателей, никак не связано с масштабом территории; в) индексы являются универсальном инструментом для характеристики динамики показателя не только за единицу времени (за год), но и за период времени; г) существует математический аппарат, которые позволяет определять динамику интегрального показателя под влиянием изменений частных (отдельных) показателей.
Алгоритм применения индексного метода в обобщенном виде можно представить как последовательность следующих этапов.
1. Выбор и обоснование системы показателей, характеризующих оцениваемый объект.
2. Определение значений показателей за исследуемый промежуток времени на основе статистических данных или путем расчетов.
3. Нахождение индивидуальных индексов по каждому показателю, а также субиндексов по совокупности показателей.
4. Расчет сводного (интегрального или мультипликативного) индекса.
5. Анализ полученных результатов, их графическая интерпретация, выводы по итогам анализа.
В нашем случае оцениваемым объектом является инновационная система региона, которая представляет собой комплекс взаимосвязанных подсистем, изменяющихся во времени под влиянием многочисленных внешних и внутренних факторов -финансовых, политических, социальных, экономических, материально-технических. Ведущая роль в развитии инновационной системы принадлежит подсистемам производства знаний и технологий (в ходе научной деятельности), а также подсистеме производства инноваций (в ходе инновационной деятельности). При этом каждая подсистема также может иметь «входы»-ресурсы и «выходы»-результаты. Например, подсистема производства знаний и технологий в качестве ресурсов использует затраты на науку и человеческий капитал в лице научных работников, а сама генерирует объекты интеллектуальной собственности и другие результаты интеллектуальной деятельности, поступающие на вход в подсистему производства инноваций (рисунок 2).
В№1ШЯЯ среса
—--инновационных
организаций *"■—
Производство
инновационных товаров
и услуг
Патенты. статьи, диссертации, технологии
Рисунок 2. Взаимосвязь подсистем в региональной инновационной системе.
Источник: составлено авторами.
Таким образом, модель расчета индекса развития инновационной системы будет иметь следующий вид (рисунок 3):
Индекс развития инновационной системы
(ирис)
индекс развития науки
(ИРН)
Индекс ресурсов
{ИРСН)
Индекс результатов
(ИРЗН)
Индекс развития инноваций
(ПРИ)
Индекс ресурсов
(ИРСИ)
Индекс результатов
(ИРЗИ)
Рисунок 3. Модель расчета индекса развития инновационной системы. Источник: составлено авторами. Все индексы на рисунке 3 носят сводный характер, т.е. рассчитываются на основе индивидуальных индексов (/'п), представляющих собой отношение значений показателя в текущий (П1) и предыдущий (П0) момент времени.
El E
(1)
Для построения сводного индекса динамики используется средняя геометрическая величина из субиндексов (индивидуальных или сводных). При этом предполагается, что значимость показателей для оцениваемой величины равноценна и все веса равны единице.
В этом случае все индексы ресурсов и результатов для научной и инновационной деятельности будут рассчитываться по формуле (2).
' (2)
Ij = "фт • П
... • i
'ЧПН ' 1ВЗН ' гЧОН
где ЧПН - численность персонала, занятого научными исследованиями и разработками (чел.);
ВЗН - внутренние затраты на научные исследования и разработки (млн. рублей);
ЧОН - число организаций, выполнявших научные исследования и разработки.
Результирующая часть научной деятельности характеризует достигнутые научные результаты, связанные с повышением качества кадров (появлением новых ученых), увеличением
•'ц
(5)
числа объектов интеллектуальной собственности и других РИД. В итоге, индекс результатов науки будет рассчитываться по формуле (6).
ИРЗН = 3гЧПС • гВП • гРТ (6)
где ЧПС - численность персонала, имеющих ученую степень кандидата или доктора наук (чел.);
ВП - количество выданных патентов (единиц);
РТ - число разработанных передовых производственных технологий (единиц).
По аналогии с научной деятельностью ресурсная часть инновационной деятельности создает условия для ее осуществления, базовыми из которых является финансирование и инфраструктура. Следовательно, индекс ресурсов инноваций предлагается определять по формуле (7).
ИРСИ = ^1.
<1ЗТИ 'i ДОИ
(7)
где п, - количество показателей для у-того индекса.
Индекс развития науки и индекс развития инноваций будут определяться по формулам (3-4).
ИРН = л/ИРСН • ИРЗН (3)
ИРИ = VИРСИ • ИРЗИ (4)
Тогда индекс развития инновационной системы:
ИРИС = VИРН • ИРИ (3)
Ресурсная часть научной деятельности по сути представляет собой условия для ее осуществления (потенциал) и, по-нашему мнению, включает в себя следующие составляющие: финансирование, научные кадры и инфраструктура научной деятельности. Таким образом, индекс ресурсов науки будет рассчитываться по формуле (5).
ИРСН = ф,
где ЗИ - затраты на технологические инновации организаций (млн. рублей), которые включают в себя затраты на внутренние исследования, проектирование и дизайн, на приобретение машин, оборудования, программного обеспечения, новых технологий, на обучение персонала и маркетинговые исследования;
ДОИ - удельный вес (доля инновационно активных) организаций, осуществлявших технологические, организационные и маркетинговые инновации (%).
Результирующая часть инновационной деятельности должна демонстрировать успешность реализации инновационных проектов в регионе (количество используемых и разработанных передовых технологий), а также результативность внедрения технологий посредством выпуска инновационной продукции. Таким образом, субиндекс результатов инновационной деятельности имеет следующий вид (8).
ИРЗИ = ^1ои ■ iПТ (8)
где ОИ - объем инновационных товаров, работ и услуг (млн. руб.);
ПТ - число используемых и разработанных передовых технологий (единиц).
Таким образом, все показатели основаны на данных Росста-та, имеющихся в открытом доступе, что является преимуществом предложенного методического подхода. Кроме того, данный подход позволяет определять эффективность научной и инновационной деятельности региона, как отдачу (результаты) на вложенные ресурсы (условия осуществления) соответствующей деятельности (формула 9).
Эд = F(Rt; Pj) (9)
где Ri - результаты научной или инновационной деятельности, i=1..r;
Pj - ресурсы (потенциал) научной или инновационной деятельности (ресурсы), j=1..p. В общем случае r/p.
Такая интерпретация эффективности позволяет задействовать инструментарий оболочечного анализа (data envelopmenet analysis - DEA), где ресурсы научной или инновационной деятельности будут представлять собой параметры «входов», а результаты - соответственно, параметры «выходов» для DEA-моделей. Чем ближе значение Эд к единице, тем выше эффективность научной или инновационной деятельности региона. Сама функция F представляет собой производную функцию, значения которой определяются путем решения N оптимизационных задач, имеющих по N-1 ограничений каж-
П
дая (Ы - число регионов, выбранных для оценки) с заданными «входами» и «выходами» [7, с. 260].
Для анализа динамики развития научной и инновационной деятельности в регионах на основе предложенного индексного метода были использованы статистические данные за 2013 г. (до введения санкций) и за 2016 г., поскольку на момент проведения анализа не все официальные статистические данные за 2017 г. были доступны.
Результаты расчета индексов в среднем по России, а также по группам лидирующих и отстающих регионов представлены в таблице 1.
Таблица 1
Аналогичную иллюстрацию можно представить по инновационной деятельности (рис. 5).
ИРСН ИРЗН ИРН ИРСИ ИРЗИ ИРИ ИРИС
Среднее значение по России 91,36 90,25 90,80 108,11 94,58 101,11 95,82
Среднее значение по 15 лидерам 93,39 94,12 93,75 104,76 89,01 96,56 95,14
Среднее значение по 15 отстающим 68,02 92,05 79,13 89,84 84,99 87,38 83,47
Источник: составлено авторами
Из таблицы следует, что индекс развития региональных инновационных систем в 2016 г. в целом по России снизился по сравнению с 2013 годом на 4,18%. Существенное снижение показали отстающие регионы - на 16,53%. Больший вклад в это снижение внесла научная деятельность (ИРН), по которой снижение составило около 10%, причем как по ресурсной (ИРСН), так и по результирующей составляющей (ИРЗН). Несмотря на улучшение условий для инновационной деятельности (ИРСИ) на 8%, результаты ее осуществления снизились на 5,42% по России и на 15% по отстающим регионам (ИРЗИ). Очевидно, сказалось введение санкций и общие для всех регионов проблемы с оттоком квалифицированных научных кадров и недофинансированием науки.
Графически ситуацию с динамикой по научной деятельности демонстрирует рисунок 4, на котором зеленым цветом показаны лучшие регионы, а розовым - худшие.
Рисунок 4. Распределение регионов РФ по индексу развития науки, 2016 г.
Источник: получено авторами.
Из рисунка следует, что лидирующими регионами по уровню научной деятельности являются г. Москва, Московская область, г. Санкт-Петербург, Нижегородская область, Свердловская область, Новосибирская область, Челябинская область, Республика Татарстан, Воронежская область, Самарская область, Ростовская область, Красноярский край. К отстающим регионам относятся: Карачаево-Черкесская Республика, Костромская область, Республика Адыгея, Республика Тыва, Ненецкий автономный округ, Республика Ингушетия, Республика Хакасия, Республика Алтай, Еврейская автономная область и Чукотский автономный округ.
Рисунок 5. Распределение регионов РФ по индексу развития инноваций, 2016 г.
Источник: получено авторами.
Сравнивая два рисунка можно сделать вывод, что большинство регионов, являющихся лидерами по научной деятельности, стали лидерами и по развитию инноваций. Исключение составили Новосибирская и Воронежская области, которые не вошли в лидеры по инновационной деятельности. Вместо них в лидеры вошли Пермский край и Сахалинская область. Отстающие по индексу развития науки регионы также в большинстве своем являются отстающими и по индексу развития инноваций. Однако Костромская область и Чукотский автономный округ являются исключением. Вместо них низкие результаты по инновациям показали Чеченская республика, Республика Калмыкия и Республика Северная Осетия - Алания. Это подтверждает тесную связь между развитием науки и инноваций в регионах.
Если брать сводный индекс развития инновационной системы в 2016 г., то соответствующие лидеры и отстающие регионы приведены в таблице 2.
Таблица 2
Лидеры и отстающие регионы по индексу развития инновационной системы в 2016 г.
Лидеры Отстающие
1 г. Москва Кабардино-Балкарская Республика
2 Московская область Республика Северная Осетия -Алания
3 г. Санкт-Петербург Камчатский край
4 Нижегородская область Республика Хакасия
5 Республика Татарстан Чеченская Республика
6 Свердловская область Магаданская область
7 Челябинская область Республика Адыгея
8 Самарская область Карачаево-Черкесская Республика
9 Ленинградская область Ханты-Мансийский автономный округ
10 Новосибирская область Чукотский автономный округ
11 Республика Башкортостан Республика Тыва
12 Пермский край Ненецкий автономный округ
13 Ростовская область Республика Ингушетия
14 Красноярский край Республика Алтай
15 Краснодарский край Еврейская автономная область
Источник: получено авторами.
Таким образом, научная значимость проведенного исследования заключается в обосновании показателей, используемых
в индексном методе и DEA-моделировании для анализа динамики и оценки эффективности развития научной и инновационной деятельности регионов. Практическая значимость заключается в возможности использования методического инструментария для изучения динамики развития научной и инновационной деятельности региона, их влияния на развитие всей инновационной региональной системы, в выявлении регионов-лидеров и аутсайдеров инновационного развития.
Статья проверена программой «Антиплагиат». Оригинальность 85,32%.
Список литературы:
1. Наука и инновации. Федеральная служба государственной статистики. URL: http://www.gks.ru/wps/wcm/connect/rosstat_main /rosstat/ru/statistics/science_and_innovations/science/# (дата обращения: 15.05.2017).
2. Послание Президента РФ Федеральному Собранию от 01.03.2018 URL: http://www.consultant.ru/document/cons_doc_LAW_291976/ (дата обращение 15.05.2018).
3. Рейтинг инновационного развития субъектов Российской Федерации. Выпуск 5 / Г.И. Абдрахманова, П.Д. Бахтин, Л.М. Гохберг и др.; под ред. Л.М. Гохберга; Нац. исслед. ун-т «Высшая школа экономики». - М.: НИУ ВШЭ, 2017. - 260 с. - 300 экз. - ISBN 978-57598-1591-4 (в обл.).
4. Строев П.В., Лосева О.В. Абдикеев Н.М. Региональный аспект оценки эффективности научной и инновационной деятельности //Российский экономический интернет-журнал №4, 2017. URL: http://www.e-rej.ru/Articles/2017/Stroev.pdf /)
5. Bjorn T. Asheim, Helen Lawton Smith & Christine Oughton. Regional
Innovation Systems: Theory, Empirics and Policy // Regional Studies. 2011. 45:7, 875-891.
6. Cooke, Philip. Strategies for Regional Innovation Systems: Learning Transfer and Applications // UNIDO, Vienna, 2003.
7. Didenko A., Abdikeev N., Loseva O. Measuring efficiency of regional innovation system with DEA and PCA - IEEE 11th International Conference on Application of Information and Communication Technologies, Moscow, 20-22 September 2017, Proceedings, p. 260-263.
8. Evaluation of Innovation Activities. Guidance on methods and practices. Study funded by the European Commission, Directorate for Regional Policy. URL: http://ec.europa.eu/regional_policy/sources/docgener /evaluation/pdf/eval2007/innovation_activities/inno_activities_guidance _en.pdf (Дата обращения 01.09.2018).
9. European Innovation Scoreboard 2010: Comparative Analysis of Innovation Performance. - Brussels, 2011. - 72 p.
10. Koen Jonkers, Robert Tijssen, Athina Karvounaraki, Xabier Goenaga. A Regional Innovation Impact Assessment Framework for universities // JRC Duscussion Paper. Joint Research Centre, Brussels, January 2018.
11. M. Fedotova, N. Filimonova, Loseva O. Methods for Measuring of Regional Intellectual Capital //Information/ 2016, Vol 19, № 6, p.1771-1784.
12. Kutsenko E. Regional conditions, economic performance and quality of management as support factors for innovative clusters in Russia. 55th European Congress of the Regional Science Association International, Lisbon, 2015. URL: https://cluster.hse.ru/mirror/pubs/share/216066357.
13. The Global Innovation Index — global research and the rating of the countries of the world accompanying it on an indicator of development of innovations according to the international business school (INSEAD). http://gtmarket.ru/ratings/globalinnovation-index/info.
14. Werker, Claudia (2006) : An assessment of the regional innovation policy by the European Union based on bibliometrical analysis, Papers on economics and evolution, No. 0611, Max-Planck-Inst. für Ökonomik, Jena/
