CC BY
8
Инновационная активность и неформальные институты в регионах страны
Кособуцкая Анна Юрьевна
доктор экономических наук, профессор,
ФГБОУ ВО «Воронежский государственный университет», Воронеж, Российская Федерация E-mail: anna.rodnina@mail.ru
Трещевский Юрий Игоревич
доктор экономических наук, профессор,
ФГБОУ ВО «Воронежский государственный университет», Воронеж, Российская Федерация E-mail: utreshevski@yandex.ru
Праченко Антон Александрович
кандидат экономических наук, профессор,
ФГБОУ ВО «Московский государственный университет спорта и туризма», Москва, Российская Федерация E-mail: anton-prachenko@mail.ru
Малугина Алина Геннадьевна
студент,
ФГБОУ ВО «Воронежский государственный университет», Воронеж, Российская Федерация E-mail: maluginalina@mail.ru
Аннотация. Для оценки взаимосвязей неформальных институтов с результатами инновационной дея-тельности (долями инновационной продукции товаров, работ, услуг в их общем объеме) проведен сравнительный и кластерный анализ показателей, отражающих состояние ряда указанных институтов: склонности к потреблению; склонности к сбережению; склонности к монетизации активов; склонности к иммобилизации сбережений; склонности к материализации инвестиций; склонности к инновациям. Расчеты показали, что ни один из институтов не имеет прямой связи с результатами инновационной деятельности.
Ключевые слова: инновационная активность; неформальные институты, регионы России. JEL codes: R11, B23, B52
Для цитирования: Кособуцкая, А.Ю. Инновационная активность и неформальные институты в регионах страны / А.Ю. Кособуцкая, Ю.И. Трещевский, А.А. Праченко, А.Г. Малугина. - Текст : электронный // Теоретическая экономика. -2021 - №11. - С.130-134. - URL: http://www.theoreticaleconomy.ru (Дата публикации: 30.11.2021)
Введение.
Взаимосвязи экономических процессов и неформальных институтов в со-циально-экономических системах активно исследуются различными экономическими шко-лами. Принципиально не вызывает сомнений наличие зависимостей между экономической активностью, с одной стороны, и такими институтами как склонность к потреблению, склонность к сбережению, демократическими традициями - с другой. Результаты теорети-ческих и эмпирических исследований по этой проблеме опубликованы в ряде отечественных и зарубежных изданий [1, 2, 3, 4]. Подобного рода исследования проводились и с участием авторов данной статьи. При этом были получены количественно определенные взаимосвязи между рядом неформальных институтов и инновационной активностью в регионах России [5]. Тем не менее, проблема определения количественных взаимосвязей неформальных ин-ститутов и инновационной активности социально-экономических
систем различных уровней не решена, тем более, что постоянно изменяется характер инноваций. Институты, в том чис-ле и неформальные, в течение достаточно длительного периода времени также подвержены изменениям.
Методы исследования.
Основным методом исследования, использованным в пред-лагаемой статье, является сравнительный анализ. Материалы доля расчетов получены из официальной региональной статистики [6]. Институциональное и экономическое содержание показателей, их обозначения и порядок расчетов представлены в таблице 1.
Таблица 1 - Институциональное и экономическое содержание показателей, их обозна-чения и порядок расчетов
Институциональное Обозначение Расчет показателя по данным официальной статистики
и экономическое показателя
содержание показа-
телей
Склонность к по- Уаг1 Доля денежных доходов, используемых на приобре-тение
треблению товаров и услуг
Склонность к сбере- Доля прироста финансовых активов в доходах.
жению В расчет принимаются только те регионы, где значе-ния
Уаг2 прироста финансовых активов имеют положи-тельное значение. По регионам, имеющим отрица-тельные значения, принимаются значения «0» (ноль)
Склонность к моне- Доля прироста денежных средств, имеющих положи-тель-
тизации активов ное значение. В расчет принимаются только те регионы, где
УагЭ значения прироста денежных средств имеют положитель-
ное значение. По регионам, имеющим отрицательные значения, принимаются значения «0» (ноль)
Склонность к иммо- Доля уменьшения финансовых активов в доходах.
билизации сбереже- В расчет принимаются только те регионы, где значе-ния
ний Уаг4 прироста финансовых активов имеют отрица-тельное значение. По регионам, имеющим положи-тельные значения, принимаются значения «0» (ноль)
Склонность к мате- Доля доходов, направленных на приобретение недвижимо-
риализации инве- Уаг5 сти
стиций
Склонность к инно- Уаг6 Используемые передовые производственные технологии
вациям
Результативность Уаг7 Доля инновационных товаров, работ услуг в общем объеме
инноваций отгруженных товаров, работ, услуг
Из состава представленных в таблице 1 показателей в качестве результирующего мы приняли долю отгруженных инновационных товаров, работ, услуг. Остальные показатели мы расцениваем в качестве характеристики институциональной среды регионов, потенци-ально связанных с инновационными процессами.
Структуризация информационного массива осуществлялась кластерным методом,
разработанным рядом зарубежных ученых, в том числе Дж.А. Хартиганом и М.А. Вонгом [7]. Применительно к структуризации регионального социально-экономического простран-ства эти положения апробированы нами в ряде исследований [8].
Кластеры ранжированы по сумме нормированных показателей от «А» (максимальная сумма) до «Д» (минимальная сумма). Условно можно считать, что такое распределение означает различную степень институционально-инновационной активности.
Результаты исследования.
Результаты расчетов нормированных показателей представлены в таблице 2, их гра-фическая интерпретация - на рисунке 1.
Таблица 2 - Показатели институционально-инновационной активности
Показатели «А» «Б» Кластеры «В» «Г» «Д»
Уаг 1 0,812522 0,855093 0,947065 0,833215 0,886735
Уаг 2 0,170110 0,209366 0,000000 0,338384 0,083178
Уаг 3 0,383442 0,371097 0,000000 0,581699 0,151592
Уаг 4 0,000000 0,000000 0,726437 0,000000 0,013719
Уаг 5 0,628655 0,218324 0,192983 0,178363 0,195246
Уаг 6 0,408002 0,282002 0,165995 0,077458 0,175447
Уаг 7 0,120448 0,575163 0,127731 0,117881 0,194362
Сумма 2,523180 2,511045 2,160211 2,126999 1,700278
Рисунок 1 - Графическая интерпретация институционально-инновационной активности кластеров
Состав регионов, входящих в кластеры, для исследуемой проблемы не имеет значе-ния. Важно только соотношение результирующего и обеспечивающих показателей.
Представленные в таблице 2 и на рисунке 1 данные позволяют отметить, что суммар-ные
значения нормированных показателей чрезвычайно близки - заметное расхождение наблюдается только у кластера «Д». Однако по отдельным показателям заметны суще-ственные различия между группами регионов (виртуальными кластерами).
Так, значения результирующего показателя наиболее высоки в кластере «Б», вторую позицию занимает кластер «Д», наименее активный по общему состоянию институционал ь-но-инновационного развития. Нормированные значения этого показателя у трех остальных кластеров весьма близки.
Обращает на себя внимание близость значений показателя, характеризующего склон-ность к потреблению в каждой группе регионов, изменяющегося в диапазоне от 0,81 (кла-стер «А») до 0,94 (кластер «В»). При значительных различиях в показателе, отражающем результативность инноваций, можно считать, что влияние на нее данного показателя несу-щественно.
Показатель «склонность к сбережению» изменяется в широком диапазоне значений - от 0,0 (кластер «В») до 0,21 (кластер «Б»). Однако, связь с результатами инновационной деятельности и в данном случае не заметна.
Склонность к монетизации активов изменяется также в широком диапазоне значений - от 0,0 (кластер «В») до 0,58 (кластер «Г»). Однако, при таких значительных различиях этого институционального показателя общий уровень институционально-инновационной активно-сти, и результаты инновационной деятельности весьма близки. Можно предположить, что влияние этого неформального института на результаты инновационной деятельности неве-лико.
Особый интерес представляет соотношение значений показателя, характеризующего склонность к иммобилизации сбережений - в трех кластерах из пяти оно имеет нулевое зна-чение, в одном -близкое к нулю. Только в кластере «В» его значение положительное. То есть только в одной группе регионов данный неформальный институт проявляет себя, при-чем в регионе, имеющем средний, достаточно типичный уровень результативности иннова-ционной деятельности. Относительно самого института можно достаточно уверенно утвер-ждать, что население страны не склонно расставаться с активами.
Склонность к материализации инвестиций наиболее высока в кластере «А» со средним уровнем результативности инновационной деятельности.
Можно зафиксировать парадоксальный результат проведенных расчетов - склонность к инновациям, выраженная показателем «используемые передовые производственные тех-нологии» не имеет прямой связи с результатами инновационной деятельности (долей инно-вационных товаров, работ услуг в общем объеме отгруженных товаров, работ, услуг). Так, показатель имеет максимальное значение в кластере «А» при среднем уровне результатов инновационной деятельности (соответственно, 0,40 и 0,12). Максимальное значение по ее результативности имеет кластер «Б» со значением склонности к инновациям 0,28.
Выводы. Использование методов сравнительного и кластерного анализа показало, что по состоянию на 2019 г. регионы России имеют близкие уровни институционально-инновационной активности и результативности инновационной деятельности. По результа-там инновационной деятельности выделяется одна группа регионов, остальные имеют при-близительно равные значения характеризующего их показателя (доля инновационных това-ров, работ, услуг в их общем объеме). Ни один из институтов не имеет прямой связи с ре-зультатами инновационной деятельности.
СПИСОК ЛИТЕРАТУРЫ
1. Risin I.E., Treshchevsky Y.I., Tabachnikova M.B., Franovskaya G.N. Public Authorities and Business on the Possibilities of Region's Development. In: Popkova E. (eds) Overcoming Uncer-tainty of Institutional Environment as a Tool of Global Crisis Management. Contributions to Eco-nomics. Springer, Cham, 2017. Р. 55-62. DOI: https://doi.org/10.1007/978-3-319-60696-5_8
2. Maria Tabachnikova, Yury Treshchevsky, Galina Frankovskay, Yulia Vertakova, Olga Soga-cheva
Economic and institutional development of Russian regions in the context of the global so-cio-economic processes. Globalization and its socio-economic consequences. 17th International Scientific Conference. University of Zilina, The Faculty of Operation and Economics of Transport and Communications, Department of 4th - 5th October 2017. Rajecke Teplice, Slovak Republic. Part YI. P. 2642-2649.
3. Dvitry A. Endovitsky, Maria B. Tabachnikova, Yuri I. Treshchevsky. Analysis of the economic optimism of the institutional groups and socio-economic systems. ASERS. Journal of Advanced Research in Law and Economics. 2017. Volume VII. Issue 6 (28). P. 1745-1752 Journal's DOI: http://dx.doi.org/10.14505/
4. Anna Yu. Kosobutskaya, Larisa M. Nikitina, Maria B. Tabachnikova, and Yuri I. Treshchev-sky. Advantages and Opportunities for the Development of Small Business E-Commerce in the B2B Sector. Digital Economy: Complexity and Variety vs. Rationality. Lecture Notes in Networks and Systems Volume 87. Elena G. Popkova, Bruno S. Sergi Editors. Springer Nature Switzerland AG 2020. P. 524-531. DOI: http://doi. org./10.1007/978-3-030-29586-8
5. Yuri Treshchevsky; Larisa Nikitina, Mikhail Litovkin, Valentina Mayorova. Results of Innova-tional Activities of Russian Regions in View of the Types of Economic Culture. Russia and the European Union Development and Perspectives Part of the series Contributions to Economics. 2017. Р. 47-53. DOI: 10.1007/978-3-319-55257-6-_7
6. Регионы России. Социально-экономические показатели. 2020: Стат. сб. / Росстат.: М., 2020. с 1242 с.
7. J.A. Hartigan, M.A. Wong. Algorithm AS 136: A K-Means Clustering Algorithm. Journal of the Royal Statistical Society Series C (Applied Statistics). 1979. - Vol. 28, N 1. - P. 100-108.
8. Yuri I. Treshevsky, Anna Yu. Kosobutskaya, Elena A. Opoikova and Ekaterina P. Tsebekova. Spatial and Functional Aspects of Russian Foreign Economic Activity: Paradigm Shift. Proceed-ings of the 37th International Business Information Management Association (IBIMA), 30-31 May 2021, Cordoba, Spain. P. 9682-9691.
