Факторный анализ инновационного потенциала Владимирской области Текст научной статьи по специальности «Экономика и бизнес»

УДК 338

г а. Корецкий ФАКТОРНЫЙ АНАЛИЗ ИННОВАЦИОННОГО

ПОТЕНЦИАЛА ВЛАДИМИРСКОЙ ОБЛАСТИ

Аннотация. Статья посвящена вопросам инновационного развития региона. Составляющим инновационного развития является инновационный потенциал, анализ и оценка которого раскрывается на статистических материалахВладимирской области. Ключевые слова: инновации, инновационный потенциал, факторный анализ.

Gennady Kore^y FACTOR ANALYSIS OF THE INNOVATION POTENTIAL

OF THE VLADIMIR REGION

Annotation. The article is devoted to the issues of innovation development of the region. Components of innovative development is innovation, analysis and evaluation of which is disclosed on the statistics of the Vladimir region. Keywords: innovation, innovation potential, factor analysis.

Инструментами содействия устойчивому экономическому росту Владимирской области, увеличения уровня конкурентоспособности экономики области, повышения уровня и качества жизни населения на основе развития и эффективного использования научно-технического потенциала должны стать стратегии социально-экономического развития Владимирской области до 2027 г. [1]. Главной задачей стратегии является становление области на инновационный путь развития, который характеризуется правильностью использования инновационного потенциала.

Характер использования инновационного потенциала зависит от нескольких составляющих:

1) величины объема инновационной продукции промышленности в регионе;

2) степени взаимосвязи между прибылью от реализации и показателями инновационного развития;

3) взаимосвязи между уровнем экспорта и показателями инновационного развития, в наибольшей степени влияющими на него.

Данные показатели зависят от определенного набора факторов. Определим, какие именно факторы оказывают наибольшее влияние на все составляющие.

Объем инновационной продукции промышленности в регионе зависит от следующих факторов:

1) численности работников, выполняющих научные исследования и разработки;

2) числа организаций, выполняющих научные исследования и разработки;

3) доли инновационно-активных предприятий;

4) затрат на научные исследования и разработки и объема отгруженной инновационной продукции.

Для определения величины и направления влияния указанных факторов на величину объема продукции промышленности воспользуемся корреляционно-регрессионным анализом. Исходные данные для регрессионного анализа приведены в таблице 1.

© Корецкий Г.А., 2014

Таблица 1

Исходные данные для оценки тесноты связи между показателями

Год Объем продукции промышленности по области (в фактически действующих ценах, млрд руб.) (У) Численность работников, выполняющих научные исследования и разработки, чел. (XI) Число организаций, выполняющих научные исследования и разработки, ед. (Х2) Доля инновационно-активных предприятий, % (Х3) Затраты на научные исследования и разработки, млн руб. (Х4) Объем отгруженной инновационной продукции, млн руб. (Х5)

2004 64 132,0 8244 33 1,20 1004,6 2606,0

2005 74 567,3 8638 34 1,10 1330,1 1956,2

2006 83 452,1 7913 35 1,30 1463,1 3390,6

2007 85 345,9 7640 32 1,04 1514,3 5431,4

2008 81 234,6 7453 30 0,92 2163,3 7023,2

2009 96 436,2 7075 30 0.89 2965,2 5110,4

2010 99 785,3 6638 25 0,72 2858,0 4665,0

2011 104 034,2 4871 25 0,96 2478,9 4958,0

2012 103 745,6 5131 26 0,67 2792,9 5376,3

2013 109 766,7 5345 30 0,85 2843,6 5986,2

Каждый из рассматриваемых факторов по-разному влияет иа величину объема продукции промышленности. Определим наиболее значимые из них. Для этих целей рассчитаем коэффициенты парной корреляции. Матрица коэффициентов парной корреляции представлена в таблице 2.

Таблица 2

Матрица коэффициентов парной корреляции

Факторы У Х1 Х2 хз Х4 Х5

У 1 - - - - -

Х1 0,183 1 - - - -

Х2 0,654 0,432 1 - - -

Х3 0,104 -0,949 -0,143 1 - -

Х4 0,878 0,507 0,521 -0,312 1 -

Х5 0,836 -0,437 0,392 0,671 0,468 1

Данные таблицы позволяют сделать следующие выводы:

1) показатель «Объем инновационной продукции промышленности по области» (У) и факторы «Затраты на научные исследования и разработки» (Х4), «Объем отгруженной инновационной продукции» (Х5) тесно связаны между собой прямой корреляционной зависимостью;

2) прямая умеренная связь наблюдается между показателем «Объем инновационной продукции промышленности по области» (У) и фактором «Число организаций, выполняющих научные исследования и разработки» (Х2);

3) факторы «Численность работников, выполняющих научные исследования и разработки» (XI) и «Доля инновационно-активных предприятий» (Х3) находятся в мультиколлинеарной зависимости, что впоследствии может привести к серьезной погрешности. Данные факторы можно исклю-

чить из анализа, так как с показателем «Объем инновационной продукции промышленности по области» (У) взаимосвязь слабая.

Для определения значимости коэффициента корреляции применяется критерий Стьюдента (1> критерий). Вычисленное значение 1! сравнивается с критическим значением 1>критерия, которое берется из общепринятой таблицы значений коэффициента Стьюдента с учетом заданного уровня значимости (а = 0,05) и числа степеней свободы 8 (п=п1-2) 1крит = 2,776. Оценка значимости коэффициента корреляции приведена в таблице 3.

Таблица 3

Оценка значимости коэффициента корреляции

Факторы Коэффициент корреляции "набл Сравнение

XI 0,183 0,257 ^абл^крит (0,05;8)

Х2 0,654 1,603 ^абл^крит (0,05;8)

Х3 0,104 0,196 ^абл^крит (0,05;8)

Х4 0,878 3,539 1набл>1крит(0,05;8)

Х5 0,836 2,795 1набл>1крит(0,05;8)

Для анализа принимаем во внимание те факторы, связь которых с зависимой переменной наиболее сильная. Так, факторы XI, Х2 и Х3 имеют слабую, незначимую связь с зависимой переменной У и их можно не включать в анализ. Ниже представлена характеристика части результатов регрессионного анализа, относящаяся к анализу факторов инновационной деятельности.

Уровень объема продукции определяется следующим регрессионным уравнением (в млн руб.): У=1 924 236 +35,4X4+4,3X5. Основные статистические характеристики регрессионного уравнения представлены в таблице 4.

Таблица 4

Основные статистические характеристики регрессионного уравнения

Параметр Значение

Коэффициент множественной корреляции (Я) 0,9274

Скорректированный коэффициент детерминации (К2скорр) 0,9436

Наблюдаемое значение Б-критерия 61,23

Уровень значимости 0,69

Независимая константа А 1 924 236

Коэффициент при первой переменной 35,4

Коэффициент при второй переменной 4,3

Данные таблицы позволяют сделать вывод о том, что 94,4 % вариации объема инновационной продукции может быть объяснено с помощью указанных факторов.

Таким образом, в результате проведенного регрессионного анализа установлено, что рост величины затрат на научные исследования и разработки и объема отгруженной инновационной продукции на 1 млрд руб. приведет к увеличению объема продукции по отраслям на 35,4 млн руб. и 4,3 млн руб. соответственно.

Оценка взаимосвязи между прибылью от реализации и показателями инновационного развития. Рассмотрим влияние вышеперечисленных факторов на прибыль от реализации. Для определения

величины и направления влияния данных факторов на величину прибыли от реализации также воспользуемся корреляционно-регрессионным анализом. Исходные данные для регрессионного анализа приведены в таблице 5.

Таблица 5

Исходные данные для регрессионного анализа

Прибыль от

Год реализации товаров, продукции, работ, услуг промышленности (в фактически действующих ценах, млрд руб.) (У) Численность работников, выполняющих научные исследования и разработки, чел. (Х1) Число организаций, выполняющих научные исследования и разработки, ед. (Х2) Доля инновационно-активных предприятий, % (Х3) Затраты на научные исследования и разработки, млн руб. (Х4) Объем отгруженной инновационной продукции, млн руб. (Х5)

2004 9032,68 8244 33 1,20 1004,6 2606,0

2005 10 652,47 8638 34 1,10 1330,1 1956,2

2006 12 272,37 7913 35 1,30 1463,1 3390,6

2007 11 379,45 7640 32 1,04 1514,3 5431,4

2008 11 773,13 7453 30 0,92 2163,3 7023,2

2009 13 582,56 7075 30 0.89 2965,2 5110,4

2010 13 669,22 6638 25 0,72 2858,0 4665,0

2011 13 688,71 4871 25 0,96 2478,9 4958,0

2012 14 409,11 5131 26 0,67 2792,9 5376,3

2013 15 680,96 5345 30 0,85 2843,6 5986,2

Каждый из рассматриваемых факторов по-разному влияет на величину прибыли от реализации. Определим наиболее значимые факторы. Для этих целей рассчитаем коэффициенты парной корреляции. Матрица коэффициентов парной корреляции представлена в таблице 6.

Таблица 6

Матрица коэффициентов парной корреляции

Факторы У Х1 Х2 хз Х4 Х5

У 1 - - - - -

Х1 -0,275 1 - - -

Х2 0,542 0,424 1 - - -

Х3 0,519 -0,946 -0,153 1 - -

Х4 0,561 0,466 0,509 -0,235 1 -

Х5 0,984 -0,422 0,392 0,608 0,494 1

Данные матрицы коэффициентов парной корреляции позволяют сделать следующие выводы:

1) между показателем «Прибыль от реализации» (У) и фактором «Объем отгруженной инновационной продукции» (Х5) существует сильная прямая связь;

2) между факторами «Численность работников, выполняющих научные исследования и раз-

работки» (XI) и «Доля инновационно-активных предприятий» (Х3) наблюдается явление мультикол-линеарности, что может привести к искажению данных. Поэтому для анализа оставляем фактор Х3 (так как коэффициент корреляции данного показателя по отношению к У больше).

3) между показателем «Прибыль от реализации» (У) и факторами «Число организаций, выполняющих научные исследования и разработки» (Х2), «Доля инновационно-активных предприятий» (Х3) и «Затраты на научные исследования и разработки» (Х4) существует умеренная прямая связь. Оценка значимости коэффициента корреляции приведена в таблице 7.

Таблица 7

Оценка значимости коэффициента корреляции

Факторы Коэффициент корреляции ^набл Сравнение

Х1 -0,275 -0,521 ^абл^крит (0,05;8)

Х2 0,542 1,284 ^абл^крит (0,05;8)

Х3 0,519 1,190 ^абл^крит (0,05;8)

Х4 0,561 1,294 ^абл^крит (0,05;8)

Х5 0,984 8,400 ^абл^крит (0,05;8)

Для дальнейшего анализа оставляем те факторы, связь которых с зависимой переменной наиболее сильная. Так, все факторы кроме Х5 имеют незначимую связь с зависимой переменной У, и их можно не рассматривать при анализе.

Далее представлена характеристика результатов регрессионного анализа. Уровень прибыли от реализации определяется следующим регрессионным уравнением (в млрд.руб.): У=509 151 + 0,7X5 (см. табл. 8).

Таблица 8

Основные статистические характеристики регрессионного уравнения

Параметр Значение

Коэффициент множественной корреляции (Я) 0,9346

Скорректированный коэффициент детерминации (К2скорр) 0,9267

Наблюдаемое значение Б-критерия 72,57

Уровень значимости 0,4578

Независимая константа А 509 151

Коэффициент при переменной 0,7

Данные таблицы 8 позволяют сделать вывод о том, что 92,7 % вариации прибыли от реализации может быть объяснено за счет фактора Х5 «Объем отгруженной инновационной продукции».

Таким образом, в результате проведенного регрессионного анализа установлено, что рост величины объема отгруженной инновационной продукции на 1 млрд руб. приведет к увеличению прибыли от реализации на 0,7 млн руб.

Аналогичный корреляционно-регрессионный анализ проведем и для оценки взаимосвязи между экспортом и показателями инновационного развития. Исходные данные для регрессионного анализа приведены в таблице 9 [2].

Таблица 9

Исходные данные для анализа экспорта

Год Экспорт, млн долл. США (V) Численность работников, выполняющих научные исследования и разработки, чел. (XI) Число организаций, выполняющих научные исследования и разработки, ед. (Х2) Доля инновационно-активных предприятий, % (Х3) Затраты на научные исследования и разработки, млн руб. (Х4) Объем отгруженной инновационной продукции, млн руб. (Х5)

2004 3589,3 8244 33 1,20 1004,6 2606,0

2005 3856,1 8638 34 1,10 1330,1 1956,2

2006 4045,2 7913 35 1,30 1463,1 3390,6

2007 4387,9 7640 32 1,04 1514,3 5431,4

2008 4587,3 7453 30 0,92 2163,3 7023,2

2009 4634,6 7075 30 0.89 2965,2 5110,4

2010 4854,7 6638 25 0,72 2858,0 4665,0

2011 4647,6 4871 25 0,96 2478,9 4958,0

2012 4782,4 5131 26 0,67 2792,9 5376,3

2013 4953,2 5345 30 0,85 2843,6 5986,2

Для определения величины степени влияния каждого из факторов рассчитаем коэффициенты парной корреляции. Полученные данные представлены в таблице 10.

Таблица 10

Матрица коэффициентов парной корреляции

Факторы У XI Х2 хз Х4 Х5

У 1 - - - - -

Х1 0,345 1 - - - -

Х2 0,679 0,467 1 - - -

Х3 -0,106 -0,957 -0,175 1 - -

Х4 0,967 0,502 0,591 -0,269 1 -

Х5 0,732 -0,534 0,412 0,653 0,475 1

Матрица коэффициентов парной корреляции позволяет сделать следующие выводы:

1) показатель «Экспорт» (У) и факторы «Затраты на научные исследования и разработки» (Х4) и «Объем отгруженной инновационной продукции» (Х5) тесно связаны между собой прямой зависимостью;

2) между показателем «Экспорт» (У) и фактором «Число организаций, выполняющих научные исследования и разработки» (Х2) существует умеренная прямая связь;

3) между факторами «Численность работников, выполняющих научные исследования и разработки» (Х1) и «Доля инновационно-активных предприятий» (Х3) наблюдается явление мультикол-линеарности. Кроме этого связь данных факторов с показателем «Экспорт» (У) слабая, поэтому данные факторы можно не рассматривать при дальнейшем анализе.

Факторы, связь которых с зависимой переменной наиболее сильная (Х4, Х5), включаем в дальнейший анализ.

Оценка значимости коэффициента корреляции и основные статистические характеристики регрессионного уравнения представлены в таблицах 11 и 12 соответственно.

Таблица 11

Оценка значимости коэффициента корреляции

Факторы Коэффициент корреляции ^набл Сравнение

Х1 0,345 0,534 ^абл^крит (0,05;8)

Х2 0,679 1,845 ^абл^крит (0,05;8)

хз -0,106 -0,027 ^абл^крит (0,05;8)

Х4 0,967 4,629 ^абл^крит (0,05;8)

Х5 0,732 2,127 ^абл^крит (0,05;8)

Уровень экспорта определяется следующим регрессионным уравнением (в млрд. руб.): У=380 222+17X4+8,4X5

Данные таблицы 12 позволяют сделать вывод о том, что 82,3% вариации экспорта может быть объяснено с помощью указанных факторов.

Таблица 12

Основные статистические характеристики регрессионного уравнения

Параметр Значение

Коэффициент множественной корреляции (Я) 0,9456

Скорректированный коэффициент детерминации (Яскорр) 0,8234

Наблюдаемое значение Б-критерия 21,42

Уровень значимости 0,5345

Независимая константа А 380 222

Коэффициент при первой переменной 17

Коэффициент при второй переменной 8,4

В результате проведенного регрессионного анализа установлено, что рост величины затрат на научные исследования и разработки и объема отгруженной инновационной продукции на 1 млн руб. приведет к увеличению экспорта на 17 млн долл.

Таким образом, проведенный анализ показал, что во Владимирской области основными факторами, ведущими к наращиванию инновационного потенциала, являются затраты на научные исследования и разработки и объем отгруженной инновационной продукции.

К основным факторам, сдерживающим инновационное развитие региона, можно отнести следующие:

1) слабость собственной материально-технической базы;

2) отсутствие стратегически важных природных ресурсов, продуктов их переработки;

3) высокая степень физического и морального износа материально-технической базы практически всех отраслей;

4) недостаточность финансирования для серьезной модернизации из-за низкой рентабельности и даже убыточности многих производств;

5) относительная слабость собственного научно-технического потенциала области;

6) сокращение и утечка научно-кадрового состава;

7) отсутствие экспериментальной опытно-конструкторской базы;

8) низкий уровень затрат на научные исследования и разработки, влекущий за собой недостаточный объем инновационной продукции;

9) высокая конкуренция среди регионов-соседей, предоставляющих наиболее выгодные условия для инвестирования;

10) отсутствие четко выработанного механизма сбора и обработки статистической информации.

Библиографический список

1. Стратегии социально-экономического развития Владимирской области до 2027 г. [Электронный ресурс]. - Режим доступа: Шр//оЬ.у15и.гиШе5/рге55а/5г (дата обращения: 22.11.2014)

2. Статистические сборники «Регионы России. Социально-экономические показатели» за 2004-2013 гг. [Электронный ресурс]. - Режим доступа: Шр^тс^тс^к^.т. (дата обращения: 22.11.2014)