CC BY
18
ИННОВАЦИОННЫИ ПОТЕНЦИАЛ РЕГИОНА
УДК 330.34
характеристика инновационно-воспроизводственного функционирования регионов на основе индикаторов стабильности и устойчивости
о. а. дониЧЕВ, доктор экономических наук, профессор, заведующий кафедрой экономики и управления инвестициями и инновациями E-mail: donoa@vlsu. ru З. В. МиЩЕнко, кандидат технических наук, доцент кафедры управления качеством и технического регулирования E-mail:zvm2002@rambler. ru
д. ю. фраймович,
кандидат экономических наук, доцент кафедры экономики и управления инвестициями и инновациями E-mail: fdu78@rambler. ru Владимирский государственный университет им. Александра Григорьевича и Ииколая Григорьевича Столетовых
В статье предложено решение задачи классификации регионов по уровню инновационно-воспроизводственного функционирования на основе принципов математико-статистического сопоставления выделенного многообразия критериев. В расчетах задействованы показатели результативности и эффективности инновационной деятельности. Определены основополагающие индикаторы, позволяющие охарактеризовать устойчивость и стабильность научно-технического состояния территорий в Центральном федеральном округе (ЦФО) РФ, на базе которых осуществлено определение степени инновационно-воспроизводственного развития регионов.
Ключевые слова: инновационная результативность, инновационная эффективность, стабильность, устойчивость, инновационные кластеры.
Задача формирования эффективных механизмов управления экономическим развитием российского государства в условиях продолжающегося мирового финансово-экономического кризиса и возрастания проблем ограниченности природных, производственных и финансовых ресурсов выдвигает на первый план необходимость придания этим
действиям необратимого инновационного характера, основанного на создании условий для внедрения современных технологий и развития производства, а также для достижения наибольшей полезности производимых товаров.
Инновационно-воспроизводственное функционирование, являющееся составной частью любого социально-экономического преобразования, характеризует обновление действующих производительных сил, а также изменение существующего уклада и общепринятых методов создания продукции. При этом наибольшее значение для повышения эффективности этих процессов должно объективно придаваться региональному уровню хозяйственного воспроизводства.
Другими словами, развитие инновационной деятельности — это задействование совокупности всех научных, технологических, организационных, финансовых и коммерческих факторов, которые явно или неявно ведут к инновациям. Эффективность же инновационного процесса во многом определяется тем, каким образом действующие лица взаимодействуют друг с другом в качестве элементов коллективной системы создания и использования знаний, а также тем, насколько современны используемые ими технологии [2, с. 9].
Поэтому задача укрепления национального социально-экономического и инновационно-воспроизводственного статуса государства заключается прежде всего в разработке и реализации дифференцированной региональной политики, обеспечивающей рациональное взаимодействие субъектов Российской Федерации посредством концентрации инвестиций и технологий в видах экономической деятельности, которые могут иметь производственный, климатический, интеллектуальный и инновационный потенциалы [3, с. 141].
Из этого следует, что обоснованные действия по развитию инновационного потенциала субъектов РФ связаны с оценкой текущих показателей и прогнозированием их изменения на перспективу. Это требует получения объективной, полной и достоверной информации о состоянии инновационной сферы в регионе.
Между тем степень и динамика использования инновационного потенциала региона (федерального округа) относится к таким характеристикам, без которых немыслимо выполнение задач по модернизации социально-экономических процессов в стране. Поэтому в рамках представленного исследования
на основе официальной статистики [6, с. 778—819] авторами был проанализирован информационный массив показателей инновационного развития 18 субъектов ЦФО за 2000—2010 гг.
Авторы полагают, что наиболее логичной будет выглядеть оценка инновационного функционирования территорий на основе комплекса обобщенных показателей. К ним представляется целесообразным отнести следующие группы критериев:
1) Х1 — уровень инновационного производства [6, с. 816]. Этот показатель определяется как объем инновационных товаров, работ, услуг в процентах от общего объема отгруженных товаров, выполненных работ, услуг;
2) Х2 — инновационная активность, % [6, с. 812]. Этот показатель определяется удельным весом организаций, использующих инновационные технологии, в общем объеме организаций;
3) У1 — инновационная производительность (на 1 000 чел.). Этот показатель оценивается с помощью числа передовых производственных технологий, созданных на 1 000 сотрудников, занятых научными исследованиями и разработками:
у = А. 1000
1 А ,
где А3 — число созданных передовых производственных технологий, ед. [6, с. 808];
А1 — численность персонала, занятого научными исследованиями и разработками, чел.
[6, с. 780];
4) у2 — эффективность расходования средств на создание новых технологий. Этот показатель определяется количеством технологий на 1 млрд затрат на технологические инновации:
у2 = А . 1000 000
2 Л ,
где А2 — внутренние затраты на научные исследования и разработки, тыс. руб. [6, с. 788].
Результаты статистической обработки показателей позволили авторам сформировать массив данных с показателями Х1, Х2, У1, У2, которые за 2010 г. представлены в табл. 1.
Кроме представленных показателей уровня инновационного производства Х инновационной активностиХ инновационной производительности у1 и эффективности расходования средств на создание новых технологий у2, для более объективной оценки состояния инновационно-воспроизводственного развития регионов, входящих в ЦФО, считаем целесообразным выделить влияющие на
Таблица 1
Обобщенные показатели инновационного развития регионов ЦФО в 2010 г.
Обобщенные показатели
Регион инновационного развития
Х Х2 у,
Белгородская область 2,6 10,9 8,410 11,214
Брянская область 4,7 8,8 6,329 24,665
Владимирская область 2,3 9,5 0,000 0,000
Воронежская область 7,1 8,6 1,593 3,972
Ивановская область 3,5 5,8 0,000 0,000
Калужская область 2,8 8,3 2,577 3,561
Костромская область 3,1 8,5 17,241 35,542
Курская область 0,6 7,1 0,000 0,000
Липецкая область 9,8 8,9 0,000 0,000
Московская область 8,1 6,7 0,780 1,016
Орловская область 9,9 11,5 6,274 18,352
Рязанская область 3,3 7 0,421 0,855
Смоленская область 2,3 5,5 2,291 2,540
Тамбовская область 3,6 8,2 0,000 0,000
Тверская область 9,2 5,1 0,618 1,026
Тульская область 3,4 10,5 2,003 6,387
Ярославская область 12,1 10 0,808 1,573
Москва 2,2 13,3 0,850 1,054
перечисленные характеристики индикаторы устойчивости и стабильности.
Следует отметить, что в научных публикациях существуют различные оценки этих категорий, которые имеют в конечном итоге схожие значения. Так, например, утверждается, что устойчивое развитие должно трактоваться как экономический рост, обеспечивающий удовлетворение материальных и духовных потребностей настоящих и будущих поколений при сохранении равновесия экосистем, как стабильное социально-экономическое развитие, не разрушающее природной основы, а также стабильное улучшение качества жизни населения [7, с. 107].
В то же время отмечается, что целью действий должны быть не только макростабилизация и микростабилизация, но и мезостабилизация, т. е. формирование устойчивых мезоэкономических систем, стабильных как по составу участников и внутренних факторов развития, так и по характеру траектории движения [5, с. 3].
Существует также мнение, что с макроэкономических позиций устойчивость предполагает постоянную трансформацию производственных отношений и производительных сил, адекватную происходящим изменениям и способную поддерживать систему в равновесном состоянии. Запас устойчивости на современном этапе заключается в
нарастающих инновациях и инвестициях, в постоянном использовании достижений науки и техники, в активизации государственного участия в управлении этими процессами [4, с. 66].
Вместе с тем также подчеркивается, что нормой «здоровой» экономики служит не баланс и оптимизация, а постоянные отклонения от них. В основе этих отклонений лежит инновационная деятельность предприятий [2, с. 9].
Таким образом, несмотря на кажущееся на первый взгляд противоречие, можно констатировать, что устойчивое и стабильное социально-экономическое развитие региона может быть обеспечено только на основании притока в его экономику инвестиций и внедрения в ее развитие инновационных усовершенствований, которые, с одной стороны, вызывают постоянные отклонения имеющего место баланса и оптимизации, но в конечном итоге обеспечивают ее устойчивое и стабильное инновационно-воспроизводственное функционирование.
Далее можно утверждать, что инновационно-воспроизводственная устойчивость функционирования социально-экономической системы определяется наличием тенденций в изменении параметров эффективности и результативности с течением времени. При этом необходимо учитывать, что в одном и том же тренде возможны различные колебания значений рассматриваемых показателей. Это означает необходимость оценки стабильности инновационного развития территории на основе разброса наблюдаемых значений вокруг тренда.
Устойчивость развития региона по параметрам Х1, Х2, Y1, Y2 можно оценить как степень влияния фактора времени на основе парного регрессионного анализа. Показатели устойчивости будут определяться как коэффициенты Вх , Ву парного уравнения регрессии следующего вида:
Х
г
У -
- Вш{ + ^ ву;1 + Во
где 1 — порядковый номер параметров Х, Y;
t — контрольный период (2000-2010 гг.), за который представлены статистические данные по параметрам Х1, Х2, Y1, Y2; Вх ,, Ву — коэффициенты влияния годовых интервалов времени на параметры Х1, Х2, Y1, Y2; В0 — постоянная величина в уравнении регрессии.
Расчет коэффициентов Вх, Ву выполняется методом классического парного линейного регрессионного анализа. Полученные значения по крите-
рию Стьюдента проверяются на статистическую значимость при заданном объеме выборки и уровне значимости, соответствующую 5 %. В случае, если коэффициент влияния статистически незначим, то он принимается равным нулю.
Стабильность развития региона по параметрам Х1, Х2, У1, У2 можно оценить как стандартную ошибку ДВ полученных ранее коэффициентов влияния фактора времени. Например, для параметра Х1 указанный критерий будет определяться по следующей формуле [1, с. 166]:
5
ДВХ1 = ¿а ■
—;п-2 2
I - (I )2
(1)
где й — квантиль Стьюдента для уровня значимости а и объема выборки п; t — фактор времени, в рассматриваемом случае это годичный промежуток времени, в течение которого определялись значения зависимых переменных;
— среднее квадратичное отклонение, характеризующее степень рассеивания экспериментальных точек вокруг линии регрессии (в рассматриваемом случае это Х1 либо Х2, У У2 относительно значений зависимых переменных, рассчитанных по полученному уравнению регрессии [1]):
5Х1' =
I (- Хи)2
п - 2
В отличие от предыдущих показателей устойчивости развития, стандартная ошибка коэффициента влияния берется по модулю, так как представляет собой симметричный предел отклонения условных средних зависимых переменных с доверительной вероятностью 95 % и используется для последующих расчетов.
Матрицы парных корреляций за анализируемый период времени ' (2000-2010 гг.) по всем субъектам ЦФО получены с помощью программного продукта Statistica 8.0, а в табл. 2 представлен фрагмент
расчета для Владимирской области. При этом статистически значимые связи между признаками выделены полужирным шрифтом.
Для Владимирской области (согласно представленным ранее результатам анализа) наблюдается единственная статистически значимая отрицательная линейная взаимосвязь между временем ' и У2 (эффективностью расходования средств на создание технологий). Для остальных переменных (Х1, Х2, У1) статистически значимой зависимости от времени не наблюдается. Например, как следует из представленных данных, уровень значимости по Х1 равен 6,9 %, что превышает критический уровень значимости, поэтому зависимость от года можно считать статистически незначимой. Таким образом, величину устойчивости развития Владимирской области по параметрамХ1, Х2, У1 принимаем равным нулю. А для параметра У2 ее значение необходимо оценить исходя из парного линейно-регрессионного анализа.
Результаты регрессионного анализа по параметрам Х1, Х2, У1, У2 во Владимирской области в зависимости от времени представлены в табл. 3.
Стабильность развития инновационной деятельности определяется как погрешность (стандартная ошибка) (1) коэффициента влияния фактора времени на показатели Х1, Х2, У1, У2. Величина стандартной ошибки ДВ (стабильности развития) определяется на основе парного регрессионного анализа и также приведена (в качестве примера) по Владимирской области в табл. 4 для всех параметров. Значение стабильности развития составило: для Х1 — 0,12; для Х2 — 0,23; для У1 — 0,08; для У2 — 0,28.
Пример графика регрессионной зависимости (сплошная линия) и ее границ 95 %-ного доверительного интервала (пунктирные линии) показателя У2 от времени для Владимирской области представлен на рис. 1.
Можно констатировать, что все показатели эффективности расходования средств на создание технологий достаточно близки к прямой уравнения регрессии и большинство наблюдений попадает в границы доверительного интервала полученной функции. Это свидетельствует о сильной обратной
Таблица 2
Фрагмент матрицы парных корреляций результативности и эффективности инновационной деятельности (Х., Х, У, У2) от времени г по Владимирской области
Показатель г Х. Х2 у2
Период времени 1 1,0000 -0,5661 0,2701 0,0410 -0,8736
Уровень значимости р - 0,069 0,422 0,905 0,000
г=1
г=1
=1
Таблица 3
Результаты парного линейного регрессионного анализа для параметров Х , Х, У, У от времени г по Владимирской области
Параметр Фактор Коэффициент уравнения регрессии В Стандартная ошибка коэффициента регрессии АБ Статистика Стьюдента d (при числе степеней свободы т = 9) Уровень значимости р
Х, Постоянный член 504 242 2,1 0,067
Год X -0,25 0,12 -2,1 0,069
Х2 Постоянный член -381,94 465,59 -0,82 0,43
Год X 0,195 0,23 0,84 0,42
Г. Постоянный член -19,00 163,54 -0,12 0,91
Год X 0,01 0,08 0,12 0,90
Г2 Постоянный член 3 062,31 567,02 5,40 0,00043
Год X -1,52 0,28 -5,39 0,00044
и статистически значимой зависимости параметра У2 от времени (см. рис. 1).
Результаты расчетов по 12 факторам, включенным в анализ, позволяют сформировать табл. 4. При этом показатели Хг Х2, У,, Y 2 принимались за последний 2010 г., а коэффициенты влияния годовых интервалов времени В_Х ,, В_ У. и стандартная ошибка АВ_Х., АВ_ У оценивались за весь контрольный период. Построение аналитической таблицы в Statistica 8.0 потребовало ранжирования регионов в алфавитном порядке, поэтому Москва переместилась с 18-й на 10-ю строчку, что не исказило корректности выполнения расчетов.
Выполненные расчеты позволили осуществить кластерный анализ, классифицирующий регионы по группам, характеризующимся схожими признаками (рис. 2). На кластерной дендрограмме в составе ЦФО выделяется две ярко выраженных группы регионов и четыре выброса в виде субъектов, имеющих существенные отклонения от общей группы (закодированных на рис. 2 как С7, С1, С2, С12). Как видно, Костромская область (С7) имеет отличающуюся от других субъектов тенденцию инновационного развития. Другие малочисленные группы регионов представляют Брянская (С2) и Орловская (С12), а также Белгородская (С1) области. Динамические параметры их функционирования сильно отличаются от двух кластеров из 14 регионов.
Чтобы дать заключение о приоритетности того или иного кластера в инновационном развитии, необходимо проанализировать данные, представленные в табл. 4.
2002
2010
2012
Рис. 1. График линейной регрессионной зависимости показателя Г2 от времени для Владимирской области (1998 — 2012 гг.)
По показателю Х наиболее высокий уровень инновационного производства в 2010 г. имела Ярославская область (12,1), а самый низкий — Курская область (0,6).
Что касается Х2, то наивысшую инновационную активность в указанном периоде проявила Москва (13,3), а аутсайдером выступила Тверская область (5,1).
В отношении инновационной производительности у самый высокий показатель имеет Костромская область (17,24). К сожалению, сразу 5 регионов ЦФО (Владимирская, Ивановская, Липецкая, Курская и Тамбовская области) имеют нулевые (самые неудовлетворительные) значения У
Аналогично предыдущей складывается ситуация и по эффективности расходования средств на создание технологий У2. В 2010 г. лидером была Костромская область (35,54), а перечисленные ранее 5 регионов ЦФО имели нулевые показатели эффективности.
Анализируя группы показателей устойчивости В_Х, и В_У , необходимо заметить, что данные
Таблица 4
Результаты расчетов по 12 факторам инновационного развития регионов ЦФО за 2000—2010 гг.
Регион Обозначение Х2 ^2 В_Х В^1 △В_х1 △В_х2 △В_Y2
Белгородская область С 1 2,60 10,90 8,41 11,21 0,00 0,00 0,00 -9,79 0,29 0,20 0,44 3,47
Брянская область С 2 4,70 8,80 6,33 24,67 0,64 0,34 0,51 0,00 0,28 0,10 0,19 1,95
Владимирская область С 3 2,30 9,50 0,00 0,00 0,00 0,00 0,00 -1,52 0,12 0,23 0,08 0,28
Воронежская область С 4 7,10 8,60 1,59 3,97 0,47 -0,77 0,00 -1,81 0,20 0,18 0,03 0,29
Ивановская область С 5 3,50 5,80 0,00 0,00 0,00 0,00 0,00 0,00 0,12 0,12 0,07 0,14
Калужская область С 6 2,80 8,30 2,58 3,56 -0,82 0,00 0,17 -0,90 0,08 0,18 0,05 0,31
Костромская область С 7 3,10 8,50 17,24 35,54 0,00 0,00 0,00 0,00 0,14 0,16 1,80 11,38
Курская область С 8 0,60 7,10 0,00 0,00 -0,23 0,64 0,00 0,00 0,06 0,19 0,04 0,22
Липецкая область С 9 9,80 8,90 0,00 0,00 0,80 0,00 - - 0,25 0,10 - -
Москва С 10 2,20 13,30 0,85 1,05 -1,04 0,00 0,00 -0,35 0,25 0,22 0,02 0,08
Московская область С 11 8,10 6,70 0,78 1,02 0,00 -0,50 0,05 -0,26 0,24 0,07 0,01 0,07
Орловская область С 12 9,90 11,50 6,27 18,35 0,00 0,00 0,00 0,00 0,17 0,26 0,27 2,92
Рязанская область С 13 3,30 7,00 0,42 0,86 0,00 0,00 0,00 -2,68 0,32 0,11 0,07 1,08
Смоленская область С 14 2,30 5,50 2,29 2,54 0,00 0,00 0,00 -2,92 0,20 0,11 0,13 0,47
Тамбовская область С 15 3,60 8,20 0,00 0,00 0,41 0,00 0,00 0,00 0,17 0,21 0,03 0,07
Тверская область С 16 9,20 5,10 0,62 1,03 0,00 0,00 -0,13 -1,88 0,32 0,09 0,05 0,54
Тульская область С 17 3,40 10,50 2,00 6,39 0,00 0,00 0,00 0,00 0,12 0,19 0,06 0,86
Ярославская область С 18 12,10 10,00 0,81 1,57 0,70 0,21 0,09 0,00 0,21 0,09 0,04 0,15
о ч
3
Регионы ЦФО
Рис. 2. Кластерный анализ регионов ЦФО (С_1 — С_18) по инновационного развития за 2000-2010 гг.
коэффициенты характеризуют тангенс угла наклона линии тренда показателей результативности и эффективности (Х, и У.) от времени При этом положительное значение коэффициента В свидетельствует о поступательной динамике инновационного развития соответствующей социально-экономической системы, а отрицательные — о стагнации, пример которой как раз и изображен на рис. 1.
Самый высокий коэффициент устойчивости В по параметру Х1 имеет Ярославская область (0,7), а самый неудовлетворительный — Москва (-1,04).
Наиболее весомый коэффициент устойчивости В по параметру Х2 имеет Курская область (0,64), а самый неудовлетворительный — Воронежская область (-0,77).
Если обращаться к устойчивости В по параметру У1, то лидером выступает Брянская область (0,51), а аутсайдером — Тверская область (—0,13).
Говоря о показателе В устойчивости эффективности расходования средств на создание технологий (по параметру У2), можно отметить, что ни один из регионов ЦФО не показывает положительной динамики, поскольку в 9 субъектах значения В^2 являются отрицательными (самое низкое — в Белгородской области (—9,79). При этом 8 регионов показывают нулевую устойчивость, а для одного (Липецкая область) таковую вообще не представляется возможным статистически оценить.
Переходя к анализу параметров стабильности инновационных процессов в регионах ЦФО (АЕ), необходимо отметить, что здесь действует обратная зависимость и увеличение стандартной ошибки по АЕ_ Х, АВ_ Y ведет к ухудшению показателей, и наоборот.
показателям
Наиболее оптимальную стабильность уровня инновационного производства за 2000—2010 гг. (АВ_Х1) имеет Курская область (0,06), а самую неудовлетворительную — Тверская область (0,32).
По параметру АБ_Х2 самая высокая стабильность инновационной активности за контрольный период времени наблюдается в Московской области (0,07), а наихудшая — в Орловской области (0,26).
Наиболее стабильной по показателям инновационной производительности АБ_У1 можно признать Московскую область (0,01), а самое неудовлетворительное значение характерно для Костромской области (1,8).
По последнему показателю, отражающему стабильность в эффективности расходования средств на создание технологий, АБ_У2 Московская область снова лидирует (0,07). Такого же уровня за контрольный период времени добилась и Тамбовская область. Явным аутсайдером на этом фоне выглядит Костромская область (11,3 8), имеющая как минимум 3-кратное отставание от прочих субъектов ЦФО.
Таким образом, в рамках выполненного анализа (табл. 4, рис. 2), направленного на определение степени инновационно-воспроизводственного функционирования регионов ЦФО на основе индикаторов стабильности и устойчивости, можно идентифицировать 2 группы регионов с ярко выраженными характеристиками:
1-я группа: Воронежская, Липецкая, Московская, Тверская и Ярославская области, занимающие достаточно прочные позиции по анализируемым параметрам. Их можно охарактеризовать как «лидеры инновационного пространства ЦФО»;
2-я группа: Владимирская, Ивановская, Калужская, Курская, Рязанская, Смоленская, Тамбовская, Тульская области и Москва, которые в общей своей массе имеют низкие показатели текущего инновационного развития (на 2010 г.), а также слабо выраженные устойчивость и стабильность за контрольный период времени (2000—2010 гг.), что позволяет отнести их к «аутсайдерам инновационного пространства ЦФО».
К сожалению, производимые авторами исследования позволяют утверждать, что с позиций устойчивости и стабильности Москва, традиционно считающаяся лидером отечественного инновационного и научно-технологического развития, таковых тенденций статистически не подтверждает.
Говоря о регионах, попавших в так называемые статистические «выбросы» (Костромская, Брянская,
Орловская и Белгородская области (см. рис. 2), необходимо отметить, что их функционирование не укладывается в сложившуюся инновационную модель поведения субъектов ЦФО и характеризуется как серьезными «пиками» активности, так и значительными провалами.
При этом необходимо подчеркнуть, что регионы Российской Федерации, представляя собой достаточно крупные социально-экономические системы, образуют единый хозяйственный комплекс национальной экономики. Их развитые взаимосвязи и взаимодействие являются важнейшими факторами для эффективного функционирования всего общественного воспроизводства. Поэтому они должны не только выступать объектом целенаправленной политики со стороны органов государственного регулирования, но и формировать и проводить на своем уровне скоординированную с федеральной собственную политику, в том числе и в области научно-технической и инновационной деятельности [8, с. 308—309]. Кроме того, теория и практика хозяйственной деятельности доказывают, что образование кластеров, развитие специализации и кооперирования позволяют создать наиболее экономичную и благоприятную инфраструктуру не только на межсекторальном уровне, но и в региональном разрезе.
Список литературы
1. Герасимович А. И., Матвеева Я. И. Математическая статистика. Минск, 1978. 200 с.
2. Голиченко О. Г. Основные факторы развития национальной инновационной системы: уроки для России / ЦЭМИ РАН. М.: Наука. 2011. 634 с.
3. Дмитриев Ю. А., Шустрое Л. И. Роль кластера в развитии инновационной экономики региона // Федерализм. 2012. № 3.
4. Зельднер А. Государство в системе обеспечения устойчивого развития экономики // Вестник института экономики РАН. 2012. № 6.
5. Клейнер Б. Г. Мезоэкономика развития / ЦЭМИ РАН. М.: Наука. 2011. 805 с.
6. Регионы России. Социально-экономические показатели. 2011: Стат. сб. / Росстат. М., 2011. 990 с.
7. Рохчин В. Е. Вопросы методологии формирования системы стратегического планирования развития городов России // Пространственная экономика. 2005.№ 1.
8. Фоломьев А. Н. Инновационный тип развития экономики России. М.: Изд-во РАГС. 2008. 584 с.
