CC BY
35
СТРАТЕГИЯ РАЗВИТИЯ ЭКОНОМИКИ
17 (158) - 2012
УДК 332.1+338.22
ИННОВАЦИОННОЕ РАЗВИТИЕ СИБИРИ И ФАКТОРЫ ЕГО ОПРЕДЕЛЯЮЩИЕ (на основе метода главных компонент)
М. А. КАНЕВА,
кандидат экономических наук, научный сотрудник
Новосибирской экономической лаборатории E-mail: mkaneva@gmail. com Институт экономики и организации промышленного производства СО РАН, г. Новосибирск
Статья посвящена анализу инновационной политики регионов Сибири в целях выявления факторов, определяющих приоритеты политики. Для решения поставленной задачи используется факторный анализ. Регионы со схожими инновационными профилями группируются в отдельные кластеры по методу кластерного анализа. В качестве рассматриваемого периода были выбраны 2007 и 2010гг., совпадающие с окончанием первого и второго этапов инновационного развития экономики страны согласно проекту государственной стратегии развития науки и инноваций до 2020 г.
Ключевые слова: инновационная политика, регион, НИОКР, факторный анализ, кластерный анализ.
Важность инноваций и инновационной политики в развитии территорий и страны в целом регулярно подчеркивается ведущими политиками и экономистами. Каждый год собирается статистика по науке и инновациям, включающая в себя множество показателей как ресурсных (количество исследователей, аспирантов, исследовательских организаций), так и результирующих (объем выпущенной инновационной продукции, полученных патентов и др.). Однако для более подробного анализа инновационной деятельности регионов необходимо выявить, какие показатели определяют инновационную активность той или иной территории. Одним из методов решения поставленной проблемы является анализ главных
компонент, включающий в себя факторный анализ и иерархический кластерный анализ. Таким образом, актуальность настоящей работы заключается в том, что она позволяет выявить приоритеты в инновационный деятельности сибирских регионов с использованием современных методов статистического анализа в пакете SPSS (от англ. Statistical Package for Social Science -статистический пакет для социальных наук).
Ранее в отечественной экономической литературе факторный анализ был применен для решения следующих сходных задач: анализ инновационной деятельности нефтегазового сектора [4]; анализ высокотехнологичных кластеров Новосибирска [5]; анализ федеральных целевых программ как инструмента инновационного развития страны [1].
В зарубежной литературе использование факторного анализа для изучения инновационной динамики фирм, отраслей и территорий также представлено достаточно широко. В качестве примера можно привести работы Радозевича [10], Клейнкнехта (Kleinknecht), Монтфорта (Montfort) и Брюера (Brouwer) [8], Матинес-Пеллитеро (Matinez-Pellitero), Буэзы (Buesa) и соавторов [9], Шролека (Srholec) и Верстпагена (Verstpagen) [11], а также Жижаловой (Zizalova) [12]. При этом необходимо отметить, что в последних двух работах применяется двустадийный факторный анализ1. Приведенные
1 На второй стадии проводится факторный анализ оценок влияния факторов, полученных на первой стадии.
Таблица 1
Показатели инновационной динамики Сибири
Показатель Обозначение
Число организаций, выполнявших исследования и разработки, ед. X1
Численность персонала, занятого исследованиями и разработками, чел. X2
Число аспирантов, чел. X3
Число созданных передовых технологий, ед. X4
Число использованных передовых технологий, ед. X5
Удельный вес организаций, выполняющих исследования и разработки, в общем числе организаций, % X6
Затраты на технологические инновации, млн руб. X7
Объем инновационных товаров, работ, услуг, млн руб. X8
Объем инновационных товаров, работ, услуг организаций, осуществляющих технологические инновации, млн руб. X9
Подано заявок на изобретения, шт. X10
Выдано патентов на изобретения, шт. X„
Внутренние затраты на исследования и разработки, млн руб. X12
работы также демонстрируют общую тенденцию: большая часть работ посвящена анализу инновационного поведения фирм, и лишь небольшая их часть относится к инновационной политике территорий.
Целью настоящей работы является анализ инновационной динамики регионов Сибири. Для каждого региона автором собрана статистика по 12 инновационным показателям (табл. 1).
С помощью факторного анализа, позволяющего сократить пространство переменных, автор планирует выделить те показатели, которые наилучшим образом описывают инновационные процессы, происходящие в регионах Сибири. Затем для сравнения результатов аналогичный анализ тех же показателей будет проведен для 83 регионов России. В качестве временного периода были выбраны 2007 и 2010 гг. В проекте государственной стратегии развития науки и инноваций на период до 2020 г., которую Минэкономразвития России начало обсуждать в начале 2011 г., выделяются несколько этапов инновационного развития экономики страны: первый этап - 2006-2007 гг., второй этап - 2008-2010 гг. Таким образом, выбранные для анализа временные промежутки совпадают с окончанием каждого из этапов.
На второй стадии исследования автор использует иерархический кластерный анализ для выделения кластеров сибирских регионов, инновационная активность которых схожа между собой. Результаты представлены на дендограммах (рис. 1-4).
Количественные данные и их качество. Прежде чем приступить к анализу инновационной динамики регионов, необходимо понять, насколько хорошо выбранные показатели иллюстрируют инновационную деятельность.
Преимуществом представленных показателей является полнота данных: есть данные по всем регионам Сибири и РФ в целом за 2007 и 2010 гг. Автором были отклонены показатели, по которым не удалось собрать данные за один из выбранных годов. Одним из таких показателей стал «прирост малых инновационных предприятий».
Однако собранный массив данных имеет некоторые недостатки:
1) показатель X12 - внутренние затраты на исследования и разработки. Индикатор НИР является индикатором входа [2], и лишь одним из нескольких подобных индикаторов. Другими индикаторами входа являются количество исследователей, затраты на технологические инновации, вложения в оборудование. Таким образом, индикатор НИР недооценивает инновационную активность. Для более полной картины инновационной деятельности были включены и другие показатели входа - X3 и X7;
2) показатель X10 - подано заявок на изобретения и показатель X11 - выдано патентов на изобретения. Очевидно, что данные показатели не включают множество непатентованных изобретений и инноваций. С другой стороны, существуют так называемые «спящие патенты» (sleeping patents), которые так никогда и не превращаются в продукты или процессы. Наконец, все патенты разнообразны: некоторые отражают лишь небольшие улучшения продуктов, в то время как другие являются по-настоящему революционными. Используя индикаторы патентования, необходимо понимать, что мы недооцениваем инновационную активность фирм, предпочитающих открытую коллаборацию [3] индивидуальным проектам с последующим патентованием. Факторный анализ показателей инновационной активности регионов Сибири. Факторный анализ является статистическим инструментом, позволяющим решить две взаимосвязанные задачи:
• определить взаимосвязи между переменными;
• сократить число переменных.
При анализе коррелирующие между собой переменные объединяются в один фактор. Первый фактор наилучшим образом является линейной комбинацией переменных и объясняет наибольшую часть дисперсии выборки. Второй фактор определяется как вторая наилучшая линейная комбинация переменных; при этом фактор является ортогональным по отношению к первому. Последующие факторы объясняют все меньшую часть дисперсии. Согласно условиям факторного анализа по критерию Кайзера отбираются только факторы с собственными значениями, равными или большими 1. В качестве метода вращения был использован ортогональный метод вращения varimax. Вращение направлено на представление матрицы компонентов, которая была бы легко интерпретируема.
Шаг 1. Факторный анализ показателей инновационной активности регионов Сибири в 2007г. Автором был проведен факторный анализ показателей инновационной динамики сибирских регионов в 2007 г. (табл. 2).
Данные, приведенные в табл. 2, показывают общности (communalities) - доли дисперсии наблюдаемых переменных, обусловленные общими факторами. Если в табл. 2 присутствуют общности с малыми значениями показателя, то необходимо либо увеличить количество факторов, либо исключить переменную с низким значением параметра общности.
Из этого следует, что переменную X5 (см. табл. 2) - число использованных передовых техно-
Таблица 2 Факторный анализ показателей инновационной активности регионов Сибири в 2007 г. (общности, 12 переменных)
логий - следует исключить из рассмотрения. После исключения была повторно построена таблица общностей (табл. 3).
Аналогичным образом исключаем переменную X6 - удельный вес организаций, выполняющих исследования и разработки в общем числе организаций. Повторяем процедуру факторного анализа (табл. 4).
Из анализа данных табл. 4 видно, что все значения для десяти переменных являются достаточно высокими, а это значит, что все десять показателей войдут в факторы.
В результате анализа были выделены два фактора, в сумме объясняющие 92 % дисперсии (табл. 5).
В табл. 6 приведена матрица повернутых компонент (rotated component matrix) и факторных нагрузок.
Таблица 3
Факторный анализ показателей инновационной активности регионов Сибири в 2007 г. (общности, 11 переменных)
Показатель Значения показателя
начальные выделенные
Xi 1,000 0,971
X2 1,000 0,967
X3 1,000 0,908
X4 1,000 0,689
X6 1,000 0,314
X7 1,000 0,838
X8 1,000 0,946
X9 1,000 0,935
X10 1,000 0,961
X11 1,000 0,952
X12 1,000 0,974
Таблица 4 Факторный анализ показателей инновационной активности регионов Сибири в 2007 г. (общности, 10 переменных)
Показатель Значения показателя
начальные выделенные
X1 1,000 0,971
X2 1,000 0,977
X3 1,000 0,942
X4 1,000 0,791
X5 1,000 0,543
X6 1,000 0,904
X7 1,000 0,860
X8 1,000 0,984
X9 1,000 0,989
X10 1,000 0,960
X11 1,000 0,952
X12 1,000 0,961
Показатель Значения показателя
начальные выделенные
X1 1,000 0,971
X2 1,000 0,961
X3 1,000 0,903
X4 1,000 0,715
X7 1,000 0,805
X8 1,000 0,982
X9 1,000 0,981
X10 1,000 0,958
X11 1,000 0,952
X12 1,000 0,973
Таблица 5
Дисперсия показателей инновационной активности регионов Сибири в 2007 г. (10 переменных)
Компо- Начальные собственные числа Рассчитанная сумма нагрузок в квадрате Повернутая сумма нагрузок в квадрате
ненты Общее % дис- Кумуля- Общее % дис- Кумуля- Общее % дис- Кумуля-
значение персии тивно, % значение персии тивно, % значение персии тивно, %
1 7,245 72,454 72,454 7,245 72,454 72,454 6,242 62,424 62,424
2 1,956 19,563 92,017 1,956 19,563 92,017 2,959 29,593 92,017
3 0,391 3,913 95,930
4 0,336 3,358 99,289
5 0,042 0,421 99,709
6 0,022 0,220 99,929
7 0,004 0,041 99,970
8 0,002 0,024 99,994
9 0,001 0,006 100,00
10 5,68Е-006 5,68Е-005 100,00
Таблица 6 Матрица повернутых компонент и факторных нагрузок регионов Сибири в 2007 г. (10 переменных)
Показатель Компоненты
Фактор 1 Фактор 2
0,963 0,208
Х2 0,979 -0,045
Х3 0,928 0,203
Х4 0,755 0,381
Х7 0,567 0,696
Х8 0,119 0,984
Х9 0,124 0,983
Х10 0,898 0,389
Х11 0,898 0,381
Х12 0,980 0,118
Процедура сокращения пространства переменных не имеет строгих правил, а потому достаточно субъективна. Исследователям следует в качестве основных переменных для каждого фактора выбирать показатели с большими факторными нагрузками, которые при этом слабо коррелированы с остальными факторами. Проанализируем факторы 1 и 2.
Максимальные факторные нагрузки в факторе 1 соответствуют переменным Х1, Х2, Х3 иХ12 (в табл. 6 выделены полужирным шрифтом). Этот фактор можно охарактеризовать как «вложения в НИР и человеческий капитал».
Фактор 2 основан на двух переменных (в табл. 6 выделены курсивом): Х8 - объем инновационной продукции, работ, услуг, млн руб.; Х9 - объем инновационной продукции, работ, услуг фирм, осущест-
вляющих технологические инновации, млн руб. Эти переменные имеют максимальные факторные нагрузки - 0,984 и 0,983 соответственно. Данный фактор может быть охарактеризован как «выпуск инновационной продукции».
Шаг 2. Факторный анализ показателей инновационной активности регионов Сибири в 2010 г. Аналогично процедуре факторного анализа показателей инновационной деятельности регионов Сибири в 2007 г. проведем факторный анализ показателей за 2010 г. Поскольку все показатели общности превышали 0,8, то в анализ были включены все 12 показателей инновационной активности. В итоге было выделено три фактора, в сумме объясняющих 92 % дисперсии. Матрица повернутых компонент и факторные нагрузки представлены в табл. 7.
Фактор 1 является комплексной переменной, ее объясняют четыре показателя - Х1, Х2, Х4 и Х12 (в табл. 7 выделены полужирным курсивом). Этот фактор включает в себя как переменные входа (организации, персонал, затраты на НИР), так и показатель результата - число созданных передовых технологий. Обобщенно этот фактор может быть назван «результативность вложений в НИР и человеческий капитал» или «инновационная производительность».
Фактор 2 основан на показателе Х7 - затраты на технологические инновации, млн руб.
Фактор 3 также базируется на одном показателе Х6 - удельный вес организаций, выполняющих исследования и разработки, в общем объеме организаций, %. Назовем этот фактор «доля инновационных организаций».
- 15
Таблица 7 Матрица повернутых компонент и факторных нагрузок регионов Сибири в 2010 г. (12 переменных)
Показатель Компоненты
Фактор 1 Фактор 2 Фактор 3
0,951 0,286 -0,023
Х2 0,958 0,172 -0,018
Х3 0,848 0,409 0,070
Х4 0,948 0,054 -0,131
Х5 0,433 0,831 -0,154
Х6 0,025 -0,020 0,965
Х7 0,165 0,893 0,073
Х8 0,807 0,477 -0,210
Х9 0,764 0,453 -0,304
Х10 0,863 0,419 0,097
Х11 0,876 0,390 0,123
Х12 0,927 0,221 0,128
2 Под инновационным профилем региона мы будем понимать совокупность приоритетов инновационной политики региона, отраженные в показателях статистики по науке и инновациям.
Таблица 8
Факторы, объясняющие инновационное развитие Сибири в 2007 и 2010 гг.
Шаг 3. Сравнительный анализ инновационного профиля2регионов Сибири за 2007и 2010гг. В соответствии со Стратегией инновационного развития Российской Федерации на период 2020 г. окончанием первого периода инновационного развития РФ является 2007 г. За три года, прошедшие с конца первого периода до 2010 г., инновационная активность в России значительно возросла. Так, например, за период 2008-2010 гг. инновационная составляющая ФЦП возросла в 1,72 раза, а также увеличилась доля расходов на НИОКР в общих расходах ФЦП. Доля расходов на НИОКР возросла с 14,5 млрд долл. в 2007 г. до 22,1 млрд долл. в 2010 г. [7]. Проанализируем, как изменился инновационный профиль регионов Сибири за описываемый промежуток (табл. 8).
Сравнительный анализ инновационного профиля регионов Сибири за 2007 и 2010 гг. (см. табл. 8) позволяет сделать несколько интересных выводов. В 2007 г. результативность инновационной деятельности определялась в первую очередь объемом инновационной продукции как всех организаций, так и организаций, осуществляющих технологические инновации. В 2010 г. изменился критерий результативности - она стала определяться числом созданных передовых технологий. Это изменение совпадает с общей направленностью государственной политики: с 2006 г. основные инновационные усилия направлены на развитие критических
Год
2007
2010
Фактор
Фактор 1. Вложения в НИР и человеческий капитал
Х1 - число организаций, выполнявших исследования и разработки.
Х2 - численность персонала,
занятого исследованиями и
разработками.
Х3 - число аспирантов.
Х12 - внутренние затраты на
исследования и разработки
Фактор 2. Выпуск
инновационной
продукции
Фактор 1. Результативность вложений в НИР и человеческий капитал
Фактор 2. Затраты на технологические инновации
Фактор 3. Доля
инновационных
организаций
Переменные, входящие в фактор
Х8 - объем инновационных товаров, работ, услуг. Х9 - объем инновационных товаров, работ, услуг организаций, осуществляющих технологические инновации
Х1 - число организаций, выполнявших исследования и разработки.
Х2 - численность персонала, занятого исследованиями и разработками.
Х4 - число созданных передовых технологий. Х12 - внутренние затраты на исследования и разработки
Х7 - затраты на технологические инновации
Х6 - удельный вес организаций, осуществляющих технологические инновации
технологий, утвержденных В. В. Путиным [6]. В 2010 г. необходимыми условиями для эффективной инновационной деятельности стали вложения в технологические инновации и высокая доля инновационных организаций.
Шаг 4. Факторы, определяющие инновационную активность регионов РФ в 2007 и 2010гг. Как отличались инновационные процессы, происходящие в регионах Сибири, от процессов в РФ в целом и что лежало в их основе? Для ответа на эти вопросы проведем факторный анализ аналогично анализу шагов 1 и 2 для 83 российских регионов.
Показатели общности Х5 и Х6 для регионов РФ в связи с их низкими значениями были исключены из анализа. Факторный анализ показал, что так же, как и для регионов Сибири в 2007 г., для регионов РФ было выделено два фактора, в сумме объясняющих 92 % дисперсии (табл. 9).
Таблица 9
Матрица повернутых компонент и факторных нагрузок регионов РФ в 2007 г. (10 переменных)
Показатель Компоненты
Фактор 1 Фактор 2
X 0,965 0,208
X 0,969 0,216
Х3 0,974 0,120
X, 0,822 0,342
х7 0,282 0,785
X 0,147 0,961
X, 0,127 0,964
Х10 0,966 0,166
Хп 0,969 0,182
Х!2 0,975 0,181
Фактор 1 основывается на переменных X3, X10, X11, X12 - количество аспирантов, количество поданных заявок на патенты, количество выданных патентов и внутренние затраты на исследования и разработки соответственно (в табл. 9 выделены полужирным шрифтом). Здесь переменной, определяющей результативность инновационного развития, является количество выданных патентов. Однако ранее уже упоминалось, что патенты могут быть неравнозначными: могут быть запатентованы как небольшие изменения в технологии (например новый метод обработки шва в швейной промышленности), так и прорывные технологии (технология печати на воде или вакцина против рака молочной железы). Более объективным показателем является число созданных передовых технологий. Назовем этот фактор - «подготовка научных кадров, затраты на НИР и результативность патентной деятельности».
Фактор 2 для регионов РФ, так же как и для регионов Сибири, определяется переменными объема выпуска инновационной продукции - X8 и X9 (в табл. 9 выделены курсивом). Обозначим этот фактор как «выпуск инновационной продукции».
Проведем аналогичный анализ регионов РФ для 2010 г. (табл. 10). В связи с низкими значениями показателей общности из анализа были исключены переменные - удельный вес организаций, осуществляющих исследования и разработки, в общем числе организаций и затраты на технологические инновации. Как и для 2007 г., факторный анализ выявил два фактора (см. табл. 10), в сумме объясняющих 94 % дисперсии.
Таблица 10
Матрица повернутых компонент и факторных нагрузок регионов РФ в 2010 г. (10 переменных)
Показатель Компоненты
Фактор 1 Фактор 2
X 0,945 0,289
X2 0,952 0,278
Х3 0,965 0,175
X 0,900 0,327
X 0,617 0,590
0,209 0,961
^ 0,155 0,974
Х10 0,964 0,144
Хи 0,968 0,170
Х!2 0,957 0,249
Из анализа данных табл. 10 можно сделать следующий вывод: переменные, лежащие в основе выделенных факторов для 2010 г., в точности совпадают с переменными, лежащими в основе факторов в 2007 г. Это означает, что, несмотря на растущие вложения в инновационные производства, инновационный профиль регионов России существенно не изменился.
Шаг 5. Сравнительный анализ инновационного профиля регионов Сибири и РФ в целом. Для наглядности была составлена табл. 11, которая показывает выделенные факторы в процессе анализа данных по регионам Сибири и России в целом за 2007 и 2010 гг.
Из анализа данных табл. 11 можно сделать следующие утверждения:
1) инновационная деятельность регионов Сибири в 2007 г. была полностью сосредоточена на вложениях в человеческий капитал и НИР. Приоритет отдавался инвестициям и предполагалось, что отдача будет происходить позднее, т. е. через несколько лет. В то же время в РФ в целом индикатором результативности инновационной деятельности служил показатель числа выданных патентов, объем инновационной продукции больше не являлся показателем результативности. Отчасти это справедливо. В инновационную продукцию входит продукция как новая для данного предприятия, так и для страны в целом. Кроме того, в 2007 г. и в Сибири, и в остальных регионах России вторым индикатором результативности был объем инновационной продукции;
Таблица 11
Факторы, объясняющие инновационное развитие регионов Сибири и РФ в 2007 и 2010 гг.
Субъект 2007 2010
Фактор Переменные, входящие в фактор Фактор Переменные, входящие в фактор
Регионы Сибири Фактор 1. Вложения в НИР и человеческий капитал Х1 - число организаций, выполнявших исследования и разработки. Х2 - численность персонала, занятого исследованиями и разработками. Х3 - число аспирантов. Х12 - внутренние затраты на исследования и разработки Фактор 1. Результативность вложений в НИР и человеческий капитал Х1 - число организаций, выполнявших исследования и разработки. Х2 - численность персонала, занятого исследованиями и разработками. Х4 - число созданных передовых технологий. Х12 - внутренние затраты на исследования и разработки
Фактор 2. Выпуск инновационной продукции Х8 - объем инновационных товаров, работ, услуг. Х9 - объем инновационных товаров, работ, услуг организаций, осуществляющих технологические инновации Фактор 2. Затраты на технологические инновации Х7 - затраты на технологические инновации
Фактор 3. Доля инновационных организаций Х6 - удельный вес организаций, осуществляющих технологические инновации
Российская Федерация* Фактор 1. Подготовка научных кадров, затраты на НИР и результативность патентной деятельности Х3 - число аспирантов. Х10 - количество поданных заявок на патенты. Х11 - количество выданных патентов. Х12 - внутренние затраты на исследования и разработки Фактор 1. Подготовка научных кадров, затраты на НИР и результативность патентной деятельности Х3 - число аспирантов. Х10 - количество поданных заявок на патенты. Х11 - количество выданных патентов. Х12 - внутренние затраты на исследования и разработки
Фактор 2. Выпуск инновационной продукции Х8 - объем инновационных товаров, работ, услуг. Х9 - объем инновационных товаров, работ, услуг организаций, осуществляющих технологические инновации Фактор 2. Выпуск инновационной продукции Х8 - объем инновационных товаров, работ, услуг. Х9 - объем инновационных товаров, работ, услуг организаций, осуществляющих технологические инновации
* В 2010 г. переменные, лежащие в основе инновационного профиля регионов России, полностью совпадают с переменными 2007 г.
2) в 2010 г. ситуация изменилась. В регионах Сибири в качестве показателя эффективности вложений в исследования и разработки и технологические инновации на первое место вышло число созданных передовых технологий. В инновационный профиль регионов Сибири также вошел показатель удельного числа организаций, занимающихся исследованиями и разработками, в общем числе организаций;
3) в 2010 г. переменные, лежащие в основе инновационного профиля регионов России, полностью совпадают с переменными 2007 г.
Шаг 6. Иерархический кластерный анализ регионов Сибири. Используем иерархический кластерный анализ для объединения регионов Сибири
в кластеры регионов, сходных по инновационной политике. Процедура иерархического кластерного анализа по методу Уорда заключается в следующем: предполагается, что каждый объект - это отдельный кластер. Рассчитывается расстояние между объектами, и в кластер объединяются наиболее «близкие» объекты. Метод Уорда приводит к образованию кластеров приблизительно равных размеров с минимальной внутрикластерной дисперсией.
В качестве меры различия будем использовать квадратичное евклидово расстояние, поскольку оно способствует увеличению контрастности кластеров. В качестве метода кластерного анализа первоначально автором использовался «метод ближнего соседа» (nearest neighbor). В соответствии с этим методом
5-
расстояние между двумя кластерами определяется на основе расстояния между двумя самыми близкими объектами в разных кластерах. Однако второй метод - «метод дальнего соседа», в соответствии с которым расстояние между кластерами определяется на основе самого большого расстояния между двумя объектами в разных кластерах, дал более наглядные и легко интерпретируемые результаты.
Результаты кластерного анализа регионов Сибири для 2007 г. представлены на рис. 1.
Из анализа рис. 1 видно, что регионы Сибири разбиваются на три больших кластера, причем Новосибирская область, как область с наибольшим числом научных сотрудников, самым высоким объемом выпуска инновационной продукции и лидер по числу патентов, представляет отдельный кластер. Также в отдельный кластер выделены малые регионы Сибири (республики Алтай, Бурятия, Тыва, Хакассия), исключение в этом кластере составляет лишь Забайкальский край. Прочие регионы объединены в третий кластер.
Результаты кластерного анализа регионов Сибири для 2010 г. представлены на рис. 2.
Из анализа рис. 2 видно, что результаты кластерного анализа регионов Сибири для 2010 г. в основном совпадают с результатами для 2007 г. Новосибирская область также представляет отдельный кластер, в отдельный кластер выделяются и малые регионы (исключение в этом кластере составляет Забайкальский край). Изменения в 2010 г. касаются остальных регионов, теперь они выделяются не в один, а в несколько кластеров, причем Алтайский край и Кемеровская область соединяются в один кластер с малыми регионами.
Проанализировав результаты иерархического кластерного анализа на рис. 1 и 2, автор исключает из анализа фактор, определяющий размер региона. Для
этого показатели были скорректированы с учетом ВВП или численности населения. В кластерный анализ были включены следующие показатели:
• количество аспирантов на 10 000 чел.;
• количество исследователей на 10 000 чел.;
• затраты на технологические инновации на 1 000 руб. ВРП;
• объем инновационных товаров, работ, услуг на 1 000 руб. ВРП и пр.
Из рассмотрения были исключены два индикатора:
1) число организаций, выполнявших исследования и разработки;
2) удельный вес организаций, выполняющих исследования и разработки, в общем числе организаций.
Затем была проведена повторно процедура иерархического кластерного анализа для 2007 и 2010 гг. В анализе по-прежнему использовались метод дальнего расстояния и евклидово расстояние. Результаты кластерного анализа регионов Сибири с учетом размеров регионов приведены на рис. 3 и 4.
Расстояние между кластерами ---10.................15............20-
-25
Республика Алтай —
Тыва-
Бурятия-
Забайкальский край Хакассия-
Алтайский край Иркутская обл. -Томская обл. — Омская обл.-
Красноярский край -Кемеровская обл. — Новосибирская обл -
Рис. 1. Результаты кластерного анализа регионов Сибири, 2007 г.
5-
Расстояние между кластерами .....10.................15............20-
-25
Республика Алтай -Хакассия-
Забайкальский край-
Бурятия-
Тыва-
Алтайский край-
Кемеровская обл.— Красноярский край -
Иркутская обл.-
Томская обл.-
Омская обл.-
Новосибирская обл.-
Рис. 2. Результаты кластерного анализа регионов Сибири, 2010 г.
Расстояние между кластерами -----10.................15............20
Республика Алтай-
Тыва-
Хакассия-
Забайкальский край Алтайский край Красноярский край Бурятия-
3
Омская обл.-
Иркутская обл.-
Новосибирская обл.-Томская обл.-
Кемеровская обл-
Рис. 3. Результаты кластерного анализа регионов Сибири с учетом размеров регионов, 2007 г
Расстояние между кластерами ...........5.................10.................15............20--
Республика Алтай-Тыва-
Красноярский край-
Иркутская обл.-
Хакассия-
Забайкальский край -
Алтайский край-
Кемеровская обл.-
Бурятия-
Новосибирская обл.
Томская обл.-
Омская обл.-
Рис. 4. Результаты кластерного анализа регионов Сибири с учетом размеров регионов, 2010 г
Из анализа рис. 3 видно, что все регионы Сибири с учетом их размеров были разделены на четыре крупных кластера. Отдельным кластером была выделена Кемеровская область как регион, выпускающий наибольший объем инновационной продукции на 1 000 руб. ВРП и использующий наибольшее количество передовых технологий на 1 000 исследователей. Томская и Новосибирская области также представляют собой отдельный кластер как области со схожими профилями инновационного развития. Как и прежде, даже с учетом размера, в отдельный (третий) кластер были выделены малые регионы. Остальные регионы были выделены в четвертый кластер.
Результаты кластерного анализа регионов Сибири с учетом размеров регионов для 2010 г. (см. рис. 4) сложны для интерпретации. На первом этапе в один кластер были объединены Новосибирская, Томская и Омская области, в другой кластер - Алтайский край и Кемеровская область, в еще один
кластер - Республика Тыва
------25 и Республика Алтай. После
учета размеров регионов малые регионы стали принадлежать к разным кластерам в соответствии с их различными приоритетами инновационной политики.
Вывод. Инновационный процесс - это довольно сложное явление. Для того чтобы понять специфику инновационной активности регионов Сибири и выявить отличия инновационных профилей субъектов СФО ------25 от других российских регионов, автором были использованы методы факторного и кластерного анализов. В качестве временных отрезков были выбраны 2007 и 2010 гг., которые в соответствии с проектом государственной стратегии развития науки и инноваций являются заключительными годами первого и второго этапов инновационного развития страны.
Согласно полученным результатам в 2007 г. результативность инновационной деятельности определялась объемом инновационной продукции. В 2010 г. изменился критерий результативности, которым стало число созданных передовых технологий. Это совпадает с общей направленностью государственной политики, которая с 2006 г. была нацелена на развитие критических технологий. В Российской Федерации в целом индикатором результативности инновационной деятельности в 2007 и 2010 гг. служил показатель числа выданных патентов, в 2010 г. этот показатель сменился индикатором объема выпуска инновационной продукции.
Иерархический кластерный анализ показал, что по схожести приоритетов инновационной политики в 2007 г. было выделено три кластера. Новосибирская область как инновационный лидер составила отдельный кластер. Малые регионы Сибири также представляли собой отдельную группу. Схожие результаты были получены для 2010 г. Исключе-
5
ние фактора размера региона привело к тому, что Новосибирская и Томская области в 2007 г. попали в один кластер как регионы с близкими инновационными профилями. Малые регионы по-прежнему формировали отдельный кластер. Результаты 2010 г. были не показательными, поскольку было выделено шесть и более кластеров.
Автор планирует использовать полученные результаты для продолжения исследований в области оценки эффективности региональной инновационной политики.
Список литературы
1. Богачев Ю. С., Брискин В. Д. Киселев В. Н., Октябрьский А. М. Факторный анализ федеральных целевых программ как инструмента инновационного развития страны. URL: http://inno. sfedu. ru/node/366.
2. Канева М. А. Типология «вход-выход-результаты-последствия» и показатели оценки инновационного потенциала в РФ // Исследования молодых ученых: отраслевая и региональная экономика, инновации, финансы и социология: [сб. ст.] / под ред. С. А. Суспицына [и др.]. Новосибирск: ИЭОПП СО РАН, 2011. С. 329-337.
3. Канева М.А. Инновации: их создатели и успех на рынке // Современные проблемы гуманитарных и естественных наук: материалы VII Меж-дунар. науч. -практ. конф. 27-28 июня 2011 г. М.: [Ин-т стратегич. исслед.], 2011. Т. 1. С. 139-145.
4. Марков В. М. Факторный анализ инновационной деятельности нефтегазового сектора России // Аудит и финансовый анализ. 2010. № 2. С. 1-6.
5. Марков Л. С., Ягольницер М.А. Кластеры: формализация взаимосвязей в неформализованных производственных структурах. Новосибирск: ИЭОПП СО РАН, 2006.
6. Перечень критических технологий Российской Федерации. URL: http://mon. gov. ru/dok/ukaz/ nti/4407/.
7. 2011 Global R&D Funding Forecast, Battelle, 2011. URL: http://www.battelle.org/aboutus/rd/2011.pdf.
8. Kleinknecht A., Montfort K., Brouwer E. How Consistent Are Innovation Indicators? A Factor Analysis of CIS Data. Vrije Universtitat Amsterdam, Research Memorandum 2000-28, August 2000.
9. Matinez-Pellitero M., Buesa M., Heijs J., Baumert T. A Novel Way of Measuring Regional Systems of Innovation: Factor Analysis as a Methodological Approach. Instituto de Analysis y Financiero, Universidad of Madrid, 2008. URL: http:// www. ucm. es/bucm/cee/iaif.
10. Radosevic S. Science-Industry Links in Central and Eastern Europe and the Commonwealth of Independent States: Conventional Policy Wisdom Facing Reality // Science and Public Policy. 2011. № 38 (5). Pp. 365-378.
11. Srholec M., Verstpagen B. The Voyage of the Beagle in Innovation System Land. Explorations on Sectors, Innovation, Heterogeneity, and Selection. TIK Working Paper on Innovation Series 20080220, 2008. URL: http://ideas. repec. org/s/tik/inowpp. html.
12. Zízalová P. Emerging Innovation Models and Regional Innovation Systems in Czech Republic. TIK Working Paper on Innovation Studies 20090102, 2009. URL: http://ideas. repec. org/s/tik/inowpp. html.
«Тот, кто отказывается от рекламы, чтобы сэкономить деньги, действует подобно тем, кто останавливает часы, чтобы СЭКОНОМИТЬ время» (Генри Форд)
РЕКЛАМНЫЙ БЛОК ТАКОГО РАЗМЕРА ОБОЙДЁТСЯ ВАМ ВСЕГО В 2 950 РУБ.
При неоднократном размещении (или сразу в нескольких журналах Издательства)
предусмотрены скидки
(495) 721-85-75 8-926-995-65-03 popova@fin-izdat.ru
