CC BY
34
Инновационное развитие организаций: факторы, модели эффективности,
отраслевой аспект Innovative development of organizations: factors, models of effectiveness,
branch aspect
Рыхтикова Наталья Александровна Rykhtikova Natalia Alexandrovna
кандидат экономических наук, доцент/ доцент кафедры экономики и финансов Красногорский филиал Российской академии народного хозяйства и государственной службы при Президенте РФ
e-mail: nar.prof@yandex.ru
Меняйлова Мария Анатольевна Meniailova Marya Anatolievna
кандидат физико-математических наук/ доцент кафедры информационных технологий и естественнонаучных дисциплин Российский новый университет e-mail: menyail@mail.ru
Аннотация
В статье рассматривается проблема повышения эффективности инновационной деятельности организаций в современных экономических условиях. Представлены модели эффективности инновационного развития организаций различных отраслей и сфер деятельности. Определены факторы, оказывающие наиболее существенное воздействие на уровень инновационной активности организаций, с учётом отраслевого аспекта.
Annotation
The problem rise of effectiveness innovative activity of organizations in contemporary economic conditions was considered in article. Models of effectiveness innovative development organizations of different areas of activity were represented. Factors which the most significant impact on level innovative activity of organizations were determined.
Ключевые слова: инновационная активность организаций; результативный признак; математические модели; эффективность; факторы инновационного развития; отраслевые особенности.
Keywords: innovative activity of organizations; effective sign; mathematical models; effectiveness; factors of innovative development; branch peculiarities.
Введение
Развитие инноваций является одной из существенных составляющих эффективности деятельности современных экономических субъектов. Условия кризисной экономики предопределяют необходимость выбора наиболее результативных факторов, позволяющих оптимизировать действия по повышению эффективности внедрения инноваций в деятельность организаций. В качестве основных показателей эффективности можно рассматривать инновационную активность организаций, удельный вес организаций, реализующих различные виды инноваций в своей деятельности [2]. К одним из основных причин низкого уровня развития инновационной деятельности можно отнести: недостаток собственных средств, инвестиций, проблемы кредитования инновационных проектов; низкий уровень спроса на инновационные проекты со стороны общества и государства; отсутствие благоприятной инновационной экономической среды [2] и другие. Существует множество подходов к выявлению факторов, оказывающих как положительное, так и отрицательное влияние на уровень инновационной активности современной организаций. Кроме того, важным моментом является отраслевой аспект. Следует также
учитывать, что факторы оказывают одновременное воздействие на уровень эффективности инновационного развития, поэтому наиболее оптимальным вариантом может быть построение регрессионной многофакторной модели.
Основная часть
Основным результативным признаком, базовым показателем предлагаемой модели может являться инновационная активность организаций (удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации в отчетном году, в общем числе обследованных организаций) по видам экономической деятельности. При статистическом наблюдении экономических характеристик использовались две шкалы: долевая шкала (процентная) и денежная. Для результативного признака - долевая шкала, а для факторных признаков - денежная и долевая (процентная). В качестве факторных признаков (индикаторов) были выбраны те, которые могут быть оценены количественно, и отражают такие факторы производства, как финансовые, трудовые, информационные ресурсы. Построение многофакторной регрессионной модели осуществлялось на основе данных Госкомстата за пять лет (2010, 2011, 2012, 2013, 2014 гг.).
Алгоритм построения регрессионных уравнений, определяющих форму и тесноту связи факторов инновационной экономики и базовых характеристик, включал в себя следующие основные этапы.
1. Определение результативных и факторных признаков эффективности инновационного развития отдельной сферы экономической деятельности на основе статистического наблюдения. Результативный и факторные признаки представляют собой пятимерные векторы - результаты наблюдений за 5 лет. Количество факторных признаков (индикаторов) определяется в зависимости от результатов статистического наблюдения - если имеется полный набор сведений по данному виду экономической деятельности - то максимальное количество факторных признаков равно семи, в других случаях меньше семи. В рамках рассматриваемого исследования были выявлены семь основных факторов (индикаторов) и результативный показатель - инновационная
активность организаций (удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации в отчетном году, в общем числе обследованных организаций), по видам экономической деятельности. Таким образом, в общем виде регрессионная многофакторная модель будет иметь следующий вид:
Y = f (Х1, Х2, Х3, Х4, Х5, Х6, Х7), где Y - инновационная активность организаций (удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации в отчетном году, в общем числе обследованных организаций), по видам экономической деятельности;
Х1 - текущий уровень использования информационных технологий; Х2 - затраты на технологические инновации организаций; Х3 - среднемесячная номинальная начисленная заработная плата работников; Х4 - степень износа основных фондов в Российской Федерации; Х5 - индекс производительности труда;
Х6 - внутренние затраты на научные исследования и разработки;
Х7- инвестиции в основной капитал Российской Федерации по видам
экономической деятельности в сопоставимых ценах.
2. Построение регрессионного уравнения на основе сформированных данных [1] - базового показателя и факторов эффективности инновационной деятельности. Регрессионное уравнение в нашем случае имеет определённую особенность. Поскольку индикаторов у нас 7, а размерность каждого из них равна 5 мы не можем построить сразу полное регрессионное уравнение в зависимости от 7 факторных признаков, а используем от 3-х переменных одновременно, поскольку при 3-х факторных переменных мы получаем 4 коэффициента регрессионного уравнения. Увеличение числа одновременного рассмотрения факторных признаков приводит к проблеме мультиколлинеарности [1]. В такой ситуации необходимо пошаговое решение задачи регрессии, рассмотреть все варианты по трём различным признакам и выбрать оптимальный вариант. В качестве показателей оптимальности
рассматриваются эконометрические критерии я2 - коэффициент детерминации ( я2 >0.9) или подправленный коэффициент детерминации - я2 (я2 > 0.85) [1]. В качестве критерия значимости - статистика * - Стьюдента и статистика ^ - Фишера [1]. Теснота связи определяется через теоретическое корреляционное соотношение: 7=4^.
3. На основе найденного решения уравнения регрессии делаются выводы о значимых регрессорах (факторах, индикаторах) или незначимых для данного вида экономической деятельности.
Таким образом, общая формула многофакторной регрессионной модели эффективности инновационной деятельности будет иметь следующий вид: У = А0+А1*XI + А2*Х2 + А3*Х3 + А4*Х4+А5*Х5 + А6*Х6+А7*Х7 1 (1) Рассмотрим особенности применения данной модели для экономики в целом и отдельных отраслей, сфер деятельности.
Далее представлены исходные данные для построения матрицы по экономике в целом [3].
( 9,5> ' 64,84 ' 400,804у ( 20,9522^
10,4 67,35 733,816 23,3692
10,3 , Х1 = 69,55 , Х2 = 904,561 Х3 = 26,6289
10,1 71,21 1112,429 29,7920
9 9 V 9,9 V 71,31, к1211,897у ч32,4590,
( 47,1 > (103,2 У ( 523,377У (106,3 ^
47,9 103,8 610,427 110,8
47,7 Х5 = 103,2 Х6 = 699,869 Х7 = 106,8
48,2 101,8 749,796 100,8
49 4 V 100,9 , ч 847,520у V 98,5,
Результаты компьютерного моделирования, последовательная оптимизация по трём факторным переменным дали «наилучшее» уравнение регрессии со значимыми коэффициентами регрессии (уровень значимости а
1 В уравнении денежная шкала - для Х3 в тыс. руб., для Х2 в млн. руб., для Х6 млрд. руб., долевая шкала для У, XI, Х4, Х5, Х7 - в процентах.
коэффициентов АО, А2, А3 - а< 0,05 и коэффициента А6 -а = 0.16, F = 97(0,07), Я2 = 0.997, Я2 = 0,986):
У = 13,89 + 0,0045 * Х2 — 0,4379 * ХЗ + 0,0057 * Х6 ( 2) Таким образом, основными, значимыми факторами (индикаторами) уровня инновационной активности организаций являются показатели Х2 (затраты на технологические инновации организаций), Х3 (среднемесячная номинальная начисленная заработная плата работников), Х6 (внутренние затраты на научные исследования и разработки). Увеличение значения индикатора Х3 снижает мотивацию инноваций в экономике, а повышение показателей Х2, Х6, наоборот, увеличивают инновационную составляющую экономики.
Представленная модель (уравнение (2)) может быть также использована для прогноза динамики уровня инновационной активности организаций. Но следует учитывать и отраслевые особенности развития инноваций. В рамках проведённого исследования были рассмотрены такие сферы деятельности как: обрабатывающие производства; добыча полезных ископаемых; производство и распределение электроэнергии, газа и воды; связь; научные исследования и разработки; прочие виды услуг.
Рассмотрим особенности формирования многофакторных регрессионных моделей по отраслям, различным сферам экономической деятельности.
К обрабатывающим производствам относится существенная часть отраслей народного хозяйства. Результативный и факторные признаки модели эффективности инновационного развития отраслей могут быть определены на основании статистических данных по рассматриваемой сфере деятельности, которые представлены далее в матрицах [3].
'13,0> '77,24у '260,835У ' 19,08 ^
13,3 78,60 370,006 21,78
13,4 , Х1 = 79,69 , Х2 = 430,460 Х3 = 24,51
13,3 80,35 580,116 27,04
<13,6 , ^ 80,32у ^ 565,125, , 29,51,
( 46,11 ' 105,2 ^ ' 21,372^ ' 101,51
46,7 105,6 23,051 107,9
46,8 Х5 = 105,7 Х6 = 33,490 Х7 = 112,4
46,8 106,0 41,125 107,3
<46,9> < 102,3 , , 41,125, , 103,4,
Результаты компьютерного моделирования - последовательная оптимизация по трём факторным переменных - дали «наилучшее» следующее уравнение регрессии со значимыми коэффициентами регрессии (уровень значимости коэффициентов А0 - а = 0,06 , А3 - а=0,16 и коэффициента А6 -а = 0,23, А7 - а = 0,36, ^ = 85(0,06), Я2 = 0,974, Я2 = 0,898):
Г = 10.104 + 0.119*ХЗ-0.034*Х6 + 0.013*Х7 ? (3)
Таким образом, основными, оптимально значимыми факторами (индикаторами) инновационной составляющей экономической деятельности в сфере обрабатывающего производства являются: Х3, Х6, Х7. Отметим, что результат компьютерного моделирования для такой сферы деятельности как обрабатывающее производство показал, что рост значений индикатора фактора Х6 (внутренние затраты на научные исследования и разработки) может снижать уровень инновационной активности организаций, что, в свою очередь, свидетельствует о недостаточной эффективности собственных научных исследований и разработок. Согласно представленной модели к повышению доли организаций, осуществляющих инновации, в их общем числе, может приводить рост значений показателей: Х3 - среднемесячная номинальная начисленная заработная плата работников - свидетельствует об ориентированности систем мотивации персонала отраслей, относящихся к сфере «обрабатывающие производства», на поддержание уровня инновационной активности сотрудников; Х7- рост инвестиций в основной
2 Индивидуальная значимость параметров зависимости (4) более низкая, чем у зависимости (2). Её можно увеличить, если ввести дополнительную фиктивную переменную Х8 ( 0; 0; 1; 0; 0) и провести ЛКОУЛ-анализ, но в данном случае это не является актуальным,
поскольку при коэффициенте детерминации Я2 = 0.974 общее качество уравнение регрессии можно считать удовлетворительным.
( 7,8) '69,13^ (
8,4 70,28
8,2 , Х1 = 70,99 , Х2 =
7,6 72,06
V 7,5 V 72,76, V
капитал, подтверждающий необходимость развития материально- технической базы как фактора инновационной активности. Таким образом, представленная модель (уравнение (3)) может быть использована для планирования повышения эффективности инновационной деятельности для организаций, относящихся к обрабатывающим отраслям.
Существенную роль в отечественной экономике продолжает играть такая
сфера деятельности как добыча полезных ископаемых. Моделирование и
определение факторов эффективного инновационного развития организаций
данной сферы деятельности также осуществлялось на основании данных
Госкомстат, далее представленных в виде матриц [3].
53,54 70,24 87,78 94,53 123,90
55,73 54,73
Х4 = 51,2 Х5 = 100,4 Х6 = 42,28
23,21 23,2 _
По итогам компьютерного моделирования было получено оптимальное уравнение регрессии со значимыми коэффициентами регрессии (уровень значимости а коэффициентов А0 - а< 0,06 , А2 - а = 0,031 и А6 - а = 0.019, А3 -а< 0.025, Г = 522(0,032), Я2 = 0.999, Я2 = 0,997 ):
У = -5,15 - 0.052*Х2 + 0.295*ХЗ + 0.07*Х6 (4)
В рамках представленной модели наиболее значимыми факторами эффективности инновационной деятельности организаций являются: Х2, Х3, Х6. Причём, фактором негативного воздействия является показатель Х2 -затраты на технологические инновации организаций, что может говорить о том, что для предприятий, осуществляющих добычу полезных ископаемых в течение анализируемого периода времени, в основном, были характерны другие
( 51,1' ' 104,3 У
52,2 102,7
51,2 Х5 = 100,4 Х6 =
53,2 97,1
V55,8У V 102,7 , V
\ '39,90^
45,13
Х3 = 50,40
54,16
к58,96У
\ (106,6 л
110,9
Х7 = 113,5
98,5
У V 104,6 у
виды инноваций. К положительным факторам инновационного развития можно отнести: рост среднемесячной номинальной начисленной заработной платы работников (Х3), который может быть, в том числе, и результатом инновационной деятельности; увеличение внутренних затрат на научные исследования и разработки (Х6), что свидетельствует об их эффективности.
Рассмотрим особенности формирования модели эффективности инновационной деятельности для организаций, которые относятся к такой сфере деятельности как производство и распределение электроэнергии, газа и воды. Исходные данные для построения модели представлены далее в матрицах
[3].
( 5,4 \ ( 60,37 V (35,39^ ( 24,16 ^
5,6 64,32 29,20 26,97
У = 5,6 , Х1 = 66,87 , Х2 = 65,43 Х3 = 29,44
5,3 68,16 72,14 32,23
к 5,К / к 68,44у / к 73,29У К 34,81 у
( 51,11 (103,0 ^ / 0,0082^ (114,78
50,5 99,8 0,0086 107,9
Х4 = 47,8 Х5 = 101,3 Х6 = 0,0086 Х7 = 97,8
47,6 99,5 0,0086 95,9
к 47,3 99 7 к 99,7 У к 0,0086У к 72,7
Итогом реализации компьютерного моделирования на основе последовательной оптимизации по факторным переменным является уравнение регрессии со значимыми коэффициентами регрессии (уровень значимости коэффициентов А0 - а = 0,3 , А2 - а=0,24 и коэффициента А3 -а = 0.093, А6 -а = 0,094, Г = 110(0,06), Я2 = 0,988 Я2 = 0,952 ):
У = -2,693 + 0,00624 *Х2- 0,1015 *ХЗ +1253,7* Х6 (5) Исходя из представленной модели, основными оптимально значимыми факторами (индикаторами) эффективности инновационной деятельности организаций, относящихся к отрасли производства и распределение электроэнергии, газа и воды являются: Х2, Х3, Х6. При этом следует отметить, что к росту инновационной активности рассматриваемых организаций приводит увеличение: затрат на технологические инновации организаций (Х2),
и внутренних затрат на научные исследования и разработки (Х6). Среднемесячная номинальная начисленная заработная плата работников (Х3) имеет обратную зависимость с показателем инновационной активности организаций, что может свидетельствовать об отсутствии необходимости в течение текущего периода привлечения высококвалифицированных, а, следовательно, и высокооплачиваемых специалистов для инновационного развития организаций; возможности снижения фонда заработной платы за счёт внедрения инноваций.
Переходим к построению модели эффективного инновационного развития организаций отрасли связи. Необходимые статистические данные для моделирования представлены далее в матрицах [3].
(15,6 > (83,2^ ( 33,71^ ( 24,28У
13,8 84,9 130,21 27,00
13,3 , Х1 = 84,3 , Х2 = 45,55 Х3 = 28,70
14,2 85,4 38,40 31,35
V12,2 V84,0 У ч123,90у V 33,71 у
(0,08^ (114,33^
0,10 114,40
6,61 Х7 = 107,50
1,95 83,80
V 6,07 у ^ 109,20у
Результаты компьютерного моделирования на основе последовательной оптимизации факторных переменных позволили сформировать следующее уравнение регрессии со значимыми коэффициентами регрессии (уровень значимости коэффициентов А0 - а=0,32, А 1- а=0,22 и коэффициента А2 -а = 0.17, А3 -а = 0.1, Г = 14(0,19), Я2 = 0.976, Я2 = 0.905 ):
У = —45,85 + 0,87* XI — 0,023 * Х2 — 0,43* ХЗ (6) Таким образом, к основным факторам инновационного развития организаций, функционирующих в такой сфере деятельности как связь относятся: текущий уровень использования информационных технологий (Х1); затраты на технологические инновации организаций (Х2); среднемесячная номинальная начисленная заработная плата работников (Х3). При этом, исходя
из сформированной модели видно, что наиболее существенную роль в инновационном развитии рассматриваемой сферы деятельности играет уровень использования информационных технологий. Тогда как неэффективны затраты на технологические инновации (Х2), а инновационное развитие приводит к снижению затрат на персонал или, наоборот, рост заработной платы не стимулирует сотрудников к применению инноваций.
Имеет свои особенности и модель эффективного инновационного развития такой сферы деятельности как наука и научные исследования. Результативные и факторные признаки для данной модели сформированы далее в матрицах [3].
(29,804 ( 89,19 ^ (116,53 У ( 447,60у (115,16 У
29,80 82,65 116,53 520,91 113,90
30,10 , Х1 = 83,97 , Х2 = 226,78 , Х6 = 576,87 . Х7 = 104,80
31,00 83,98 289,46 621,91 125,70
к33,30у к83,23, к387,83у к702,05у к 98,80у
Результаты компьютерного моделирования - последовательная оптимизация по факторным переменным позволили получить «наилучшее» следующее уравнение регрессии со значимыми коэффициентами регрессии, уровень значимости коэффициентов:А0 - а = 0,014 , А1 - а = 0,018, А2 -а = 0.031, А3 - а = 0.072, Г = 2629 (0.014), Я2 = 0.999, Я2 = 0.998
У = 104,83 — 0,96* XI + 0,011 * Х2 + 0,0061 * Х6 (7)
Таким образом, основными значимыми индикаторами инновационной составляющей экономической деятельности в сфере научных исследований и разработок являются: Х1, Х2, Х6. При увеличении значений каждого из индикаторов Х2 (затраты на технологические инновации организаций), Х6 (внутренние затраты на научные исследования и разработки) происходит рост инновационной составляющей экономической деятельности, связанной с научными исследованиями и разработками. При увеличении значения индикатора Х1 (текущий уровень использования информационных технологий), наоборот, уменьшается инновационная составляющая
экономической деятельности, что может объясняться снижением уровня новизны исследований.
Модель эффективности инновационного развития организаций, функционирующих в сфере предоставления прочих видов услуг, была сформирована на основе следующих данных результативного и факторных признаков [3].
( 4,9 > '61,08у '12,36^ ' 16,37 ^
4,9 62,39 10,09 18,20
4,0 , Х1 = 64,15 , Х2 = 10,89 Х3 = 20,98
3,5 66,21 10,06 24,74
V 3,5 ^66,08у V14,22 , V 27,88у
\ ' 104,0 У '2,53Л ' 96,41 ^
99,6 2,98 107,9
Х5 = 99,9 Х6 = 2,97 Х7 = 106,9
98,5 2,91 96,50
у 99 7 V 99,7 V 3,2 у V88,40у
44,5 43,5 Х4 = 44,9 45,0 44,9
Компьютерное моделирование, последовательная оптимизация факторных переменных позволили разработать следующее уравнение регрессии со значимыми коэффициентами регрессии, уровень значимости коэффициентов: АО - а = 0,034 , А1 - а = 0,038, А2 - а = 0.053, А3 -а = 0.058, Е = 1011(0,023), Я2 = 0.999, Я2 = 0.998
У = 56,61 — 0,87* XI — 0,26* Х2 + 0,3* ХЗ (8) Согласно представленной модели основными значимыми факторами инновационного развития в сфере услуг являются показатели: Х1, Х2, Х3. Следует отметить неэффективное использование информационных технологий (Х1) и затрат на технологические инновации организаций (Х2). Повышение уровня инновационной активности организаций связано с увеличением среднемесячной номинальной начисленной заработная плата сотрудников, что объясняется отраслевой спецификой, так как рассматриваемая сфера деятельности относится к трудоёмким.
Заключение
В рамках проведённого исследования осуществлена оценка инновационной активности хозяйствующих субъектов по экономике, в целом, и отдельным сферам деятельности, в частности. Уровень объективности исследований был подтверждён с помощью эконометрических критериев -коэффициента детерминации к2(или я2), статистик t и ¥.
На основе результатов исследования выявлены факторы (индикаторы) роста и снижения эффективности инновационного развития организаций различных отраслей и сфер деятельности.
Таким образом, результаты проведённого исследования показали, что наиболее значимыми для инновационного развития организаций в современных условиях являются такие факторы как: текущий уровень использования информационных технологий; затраты на технологические инновации организаций; среднемесячная номинальная начисленная заработная плата работников; внутренние затраты на научные исследования и разработки; инвестиции в основной капитал. Отсутствие взаимосвязи между показателями инновационной активности и уровнем использования основных фондов, степенью их износа, индексом производительности труда связано с воздействием факторов кризиса, требующего, в первую очередь, применения ресурсов, обладающих высоким уровнем ликвидности и оборачиваемости. В то же время следует отметить, что рост производительности труда, в том числе за счёт обновления материально-технической базы, является основой обеспечения эффективного развития экономических субъектов в перспективе. Выявленные особенности позволяют скорректировать шкалу индикаторов краткосрочных прогнозов и предсказаний инновационной активности в современной экономике.
Разработанные и представленные модели эффективного инновационного развития могут быть использованы для прогнозирования и планирования инновационной активности организаций.
Библиографический список
1. Вербик Марно Путеводитель по современной эконометрике. М.: Научная книга, 2008.- 616с.
2. Загорная Т. О., Ёлкина О. С., Рыхтикова Н. А. и др. Научные ответы на вызовы современности: экономика. В 2 книгах. К. 2: монография [авт.кол.: Загорная Т. О., Елкина О. С., Рыхтикова Н. А. и др.]. - Одесса: КУПРИЕНКО СВ, 2016. - 185 с.
3. Официальная статистика. Наука, инновации и информационное общество [Электронный ресурс]. - Режим доступа: http: //www.gks .ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/science_and_in novations/science.
References
1. Verbik Marno. Guide to Modern Econometrics. M.: scientific book, 2008. - 616 p.
2. Zagornay T. O., Yelkina O. S., Rykhtikova N. A. and other. Scientific answers to today's challenges: economics. 2 books: monograph. - Odessa: Kuprienko SV, 2016. -185 c.
3. Official statistics. Science, Innovation and Information Society [electronic resource]. - access mode: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/science_and_in novations/science.
