CC BY
76Инновации и инвестиции
УДК 005.521:005.591.6(470.4)
ИНТЕГРАЛЬНАЯ ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ИННОВАЦИОННОГО ПОТЕНЦИАЛА РЕГИОНОВ ПРИВОЛЖСКОГО ФЕДЕРАЛЬНОГО ОКРУГА
И.А. ИВАНОВА,
кандидат экономических наук, доцент кафедры статистики, эконометрики и информационных технологий в управлении
E-mail: ivia16@mail.ru Мордовский государственный университет им. Н.П.Огарёва
Представлены результаты исследования и прогнозирования основных индикаторов инновационной деятельности регионов Приволжского федерального округа, разработан методологический подход к построению интегральной оценки инновационного потенциала региона и обоснованию управленческих решений по его повышению для разработки стратегии повышения конкурентоспособности субъекта Федерации.
Ключевые слова: инновации, прогнозирование, интегральная оценка, регион, инновационный потенциал
Для повышения качества и уровня жизни населения региона, достижения существенного экономического роста ключевым направлением на современном этапе является развитие инновационной деятельности и увеличение инновационного потенциала региона. Инновационный потенциал представляет собой описание возможностей региона, организации по достижению целей за счет реализации инновационных проектов. Эффективность использования инновационных ресурсов оценивается инновационной активностью субъекта. Инновационная активность региона - это целенаправленная деятельность субъекта по внедрению новых форм, методов организации труда, а также
способов управления производством [5]. Инновационная деятельность направлена на использование и коммерциализацию результатов научных исследований и разработок для расширения и обновления номенклатуры и улучшения качества выпускаемой продукции (товаров, услуг), совершенствования технологии их изготовления с последующим внедрением и эффективной реализацией на внутренних и зарубежных рынках. Инновационная деятельность предполагает комплекс научных, технологических, организационных, финансовых и коммерческих мероприятий, которые в совокупности приводят к инновациям.
В статистическом изучении, моделировании и прогнозировании динамики экономических процессов центральное место занимает исследование закономерностей их динамики на протяжении длительного периода [1-4, 6]. Для прогнозирования динамики инновационной деятельности в качестве основных индикаторов рассмотрим следующие показатели:
- удельный вес организаций, осуществляющих технологические инновации, в общем количестве организаций;
- удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг;
удельный вес организации, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе организаций. Рассмотрим динамику и построим прогноз удельного веса организаций, осуществляющих технологические инновации, в общем числе организаций в группе добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды. Наиболее подходящая линия тренда по критерию максимизации коэффициента детерминации -полином третьей степени (Я2 = 0,846) (рис. 1).
С 1997 по 2000 г. данный показатель возрос более чем в два раза (4,7% - в 1997г. и 10,6% - в 2000 г.). С 2001 по 2012 г. уровень этого показателя оставался почти неизменным и в среднем был равен 9,5%. Построив прогноз на 2013-2017 гг., получили, что удельный вес организаций, осуществляющих технологические инновации, в общем числе предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды будет расти, достигнув максимального за рассматриваемый период значения в 18,9%.
Рассмотрим динамику удельного веса организаций, осуществляющих технологические инновации, в общем числе организаций связи и деятельности, связанной с использованием вычислительной техники и информационных технологий. Наиболее подходящая линия тренда для прогнозирования по критерию
максимизации коэффициента детерминации - также полином третьей степени (Я2 = 0,707) (рис. 2).
С 1998 по 1999 г. произошел резкий спад значения показателя, но уже к 2000 г. данный показатель резко вырос более чем в два раза. До 2005 г. происходил медленный рост, но с 2006 по 2012 г. удельный вес организаций, осуществляющих технологические инновации, в общем числе организаций стал сокращаться (10,3% в 2012 г. по сравнению с 15,3% - максимальным значением за рассматриваемый период в 2005 г.). Построив прогноз на 2013-2017 гг., получили, что удельный вес организаций, осуществляющих технологические инновации, в общем числе организаций связи, деятельности,
y= 0,010 t3- 0,306 t2 + 2,923 t+ 1,291 R = 0,852
I » I »
^ Г$> Л Л Л Л Л г§ь Л Л Л Л Л А А Л
Ф* ф Г^ф
Рис. 1. Прогнозирование до 2017 г. доли организаций, осуществляющих технологические инновации, в общем числе организаций добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды, %
20
15
10
y= 0,016 t3 - 0,507 t2 + 4,460 t+ 1,897 R = 0,707
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рис. 2. Прогнозирование до 2017 г. доли организаций, осуществляющих технологические инновации, среди предприятий связи и деятельности, связанной с вычислительной техникой и информационными технологиями, в общем числе организаций, %
14
12 -
10 -
6 -
4
2 -
y= 0,002 t3- 0,045 t2 + 0,351 t+ 3,631 R = 0,651
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рис. 3. Прогнозирование до 2017 г удельного веса инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды, %
18 16 14 12 10 8 6 4 2 0
y= -3,27 In t + 12,11 R = 0,430
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рис. 4. Прогнозирование до 2017 г удельного веса инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг предприятий связи и деятельности, связанной с использованием вычислительной техники и информационных технологий, %
связанной с использованием вычислительной техники и информационных технологий, будет расти, в конечном итоге обогнав максимальное значение 2005 г. (в 2017 г. - 16,3%).
Прогноз и анализ динамики показателя удельного веса инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг начнем с группы предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды. Наиболее подходящая линия тренда по критерию максимизации коэффициента детерминации - полиномиальная третьей степени (Я2 = 0,651). Построив прогноз на 20152017 гг., получили, что удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных
товаров, выполненных работ, услуг среди предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды будет продолжать расти, достигнув максимального значения 2017 г. -9,7% (рис. 3).
С 1997 по 2010 г не было ни резких спадов, ни резкого возрастания доли инновационных товаров, работ, услуг в общем объеме, однако с 2011 г. начался рост показателя и в 2012 г. он достиг 7,8% (в 1997 г. - 4,7%). Экспоненциальное сглаживание дало схожие результаты, значения показателя будут постепенно возрастать, и к 2017 г. удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг среди предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды с вероятностью 95% составит 8,8%.
На предприятиях связи и деятельности, связанной с использованием вычислительной техники и информационных технологий, ситуация сложилась противоположная. Здесь наблюдается довольно резкий спад доли инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг (рис. 4).
Если в 2000 г. доля этих товаров составляла 16,9%, то уже в 2001 г. она составила всего 3,9%. С 2003 по 2006 г. ситуация начала улучшаться (8,9% -в 2003 г. и 8,3% - в 2006 г.).
8
0
С 2007 по 2012 г. доля инновационных товаров, работ, услуг в общем объеме продолжила снижаться и к 2012 г. составила всего лишь 3%. Прогноз, полученный с использованием логарифмической модели тренда, дал неутешительные результаты: удельный вес инновационных товаров, работ, услуг в общем объеме предприятий связи и деятельности, связанной с использованием вычислительной техники и информационных технологий, к 2017 г. снизится до 2,7%. Прогнозирование с помощью экспоненциального сглаживания показало снижение рассматриваемого показателя с еще большей скоростью.
Среди предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды наблюдается возрастающая тенденция динамики удельного веса организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе организаций (рис. 5).
С 1997 по 2012 г. данный показатель возрос с 3 до 10,9%, лишь в 2005 г. наблюдался небольшой спад. Наиболее подходящая линия тренда по критерию максимизации коэффициента детерминации -полином второй степени (Я2 = 0,917). Построив прогноз на 2013-2017 гг., получили, что удельный вес организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды будет продолжать расти, достигнув максимального значения в 2017 г. - 13,2%. Экспоненциальное сглаживание также показало продолжение роста данного показателя. Прогноз по этому методу на 2017 г. составил 14,1%.
Среди предприятий связи, деятельности, связанной с использованием вычислительной техники и информационных технологий, сложилась менее благоприятная ситуация. Несмотря на довольно уверенный рост удельного веса
организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе организаций с 2000 по 2006 г., затем значения этого показателя начали постепенно снижаться. Наиболее подходящая линия тренда по критерию максимизации коэффициента детерминации - полином второй степени (Я2 = 0,829) (рис. 6).
Построив прогноз на 2013-2017 гг., получили, что удельный вес организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе предприятий связи и деятельности, связанной с использованием вычислительной техники и информационных технологий, будет продолжать снижаться, достигнув к 2017 г. значения 2,3% (по сравнению с 5% в 2006 г.). Экспоненциальное сглаживание показало не такое резкое снижение в будущем удельного веса организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе организаций, в 2017 г. этот показатель составит 4,8%.
Таким образом, рассматривая в целом две большие группы предприятий, можно сделать вывод, что, несмотря на меньшее в процентном отношении число организаций, занимающихся технологическими инновациями, в группе предприятий добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды, все рассмотренные показатели имеют положительные тенденции к росту, что благоприятно для экономической ситуации в стране. Однако наиболее перспективные и необходимые на современном этапе развития общества предприятия связи, деятельности, связанной с использованием вычислительной техники и инфор-
14
12
10
y= -0,008 t2 + 0,687 t+ 2,681 R = 0,917
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рис. 5. Прогнозирование до 2017 г. доли организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе организаций добывающих, обрабатывающих производств, производства и распределения электроэнергии, газа и воды, %
5 -
4 -
3 -
2 -
мационных техно- 6 т логий хоть и имеют тенденцию к росту числа организаций, занимающимся технологическими инновациями, но по остальным показателям наблюдается значительный спад, что не может не оказывать отрицательного влияния на конкурентоспособность отечественной высокотехнологичной продукции.
Одним из ме -тодов интегральной оценки инновационного потенциала
региона может служить преобразованный многоугольник, или радар конкурентоспособности [6, с. 281]. Этот многоугольник представляет собой графический образ положения регионов Приволжского федерального округа по наиболее значимым критериям инновационной деятельности. К преимуществам его применения относится возможность одновременного сопоставления всех регионов по группе признаков. По многоугольнику можно визуально определить сильные и слабые стороны не только отдельного региона, но и регионов относительно друг друга и, таким образом, скорректировать государственную инновационную политику, обеспечить вливание финансовых ресурсов в приоритетные области для эффективного развития территорий.
Информационной основой применения метода являлись официальные данные Росстата за 2013 г. по регионам Приволжского федерального округа, а не экспертные оценки, которые принято применять для характеристики конкурентоспособности [6], что обеспечило повышение объективности оценок. К достоинствам многоугольника инновационной деятельности стоит отнести также наглядность результата и удобство анализа.
Интегральная оценка инновационного потенциала осуществлялась по девяти локальным критериям: - число организаций, выполняющих научные исследования и разработки, и их инновационная активность Х1;
y= -0,037 t2 + 0,757 t+ 0,698 R = 0,829
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рис. 6. Прогнозирование до 2017 г доли организаций, имевших научно-исследовательские, проектно-конструкторские подразделения, в общем числе организаций связи и деятельности, связанной с использованием вычислительной техники и информационных технологий, %
индикаторы информационного общества (включает следующие показатели: удельный вес организаций, использовавших информационные и коммуникационные технологии, организаций, использовавших специальные программные средства, в общем числе обследованных организаций соответствующего субъекта; затраты на информационные и коммуникационные технологии; число персональных компьютеров на 100 работников) Х2;
внутренние затраты на научные исследования и инновации (по видам затрат) Х3; затраты на технологические инновации Х4; объем инновационных товаров, работ, услуг Х5; разработка и использование передовых производственных технологий Х6; численность занятых научными исследованиями и разработками (по категориям) Х7; подготовка и выпуск научных работников (в том числе аспирантов, докторантов; число организаций, ведущих подготовку аспирантов) Х8; поступление патентных заявок и выдача патентов Х9.
Оценка инновационной деятельности регионов Приволжского федерального округа по названным факторам позволяет построить гипотетические многоугольники инновационного потенциала. Для лучшего визуального восприятия многоугольники построены отдельно для каждого региона (рис. 7).
Окончание рисунка
"6 5
н
X
X
X
X X
X
X
X
6
о
Рис. 7. Многоугольники инновационного потенциала регионов Приволжского федерального округа: а - Республика Марий Эл; б - Кировская область; в - Оренбургская область; г - Республика Мордовия; д - Чувашская Республика; е - Удмуртская Республика; ж - Пензенская область; з - Ульяновская область; и - Саратовская область; к - Пермский край; л - Республика Башкортостан; м - Самарская область; н - Нижегородская область; о - Республика Татарстан
Таким образом, можно выделить регионы-лидеры (Республика Татарстан, Нижегородская и Самарская области), а также аутсайдеров, среди которых Республики Марий Эл, Мордовия, Кировская область.
К слабым сторонам регионов относятся следующие: развитие информационных и коммуникационных технологий, выпуск инновационных товаров, работ, услуг и инновационная активность предприятий. Поступление патентных заявок и выдача патентов в отношении регионов-лидеров и середнячков находится на примерно одинаковом уровне. В остальном различия в инновационном потенциале объясняются специфическими для каждого региона причинами.
Полученные результаты математически подтверждаются следующими расчетами. Были вычислены обобщающие показатели, равные относительной площади многоугольника, построенного внутри оценочного круга по выбранным показателям.
Индекс инновационного потенциала вычисляется по формуле
где Б. - площадь многоугольника инновационного потенциала /-го региона Приволжского федерального округа,
Б - общая площадь признакового пространства (многоугольник «эталонного» региона, для которого ранги равны максимально возможному значению).
В результате проведенных расчетов получены значения региональных индексов инновационного потенциала (см. таблицу).
Индексы инновационного потенциала регионов Приволжского федерального округа
Субъект Федерации Индекс инновационного потенциала
Республика Башкортостан 0,47
Республика Марий Эл 0,02
Республика Мордовия 0,09
Республика Татарстан 0,78
Удмуртская Республика 0,18
Чувашская Республика 0,15
Пермский край 0,49
Кировская область 0,05
Нижегородская область 0,77
Оренбургская область 0,11
Пензенская область 0,20
Самарская область 0,58
Саратовская область 0,30
Ульяновская область 0,17
Оценка интегрального показателя инновационного потенциала Приволжского федерального округа осуществлялась посредством вычисления средней геометрической величины из индивидуальных индексов и составила 0,2.
Проведенный анализ инновационного потенциала субъектов Приволжского федерального округа позволяет сделать вывод о существовании высокой степени разнородности регионов по исследуемому интегральному показателю. Необходимы мероприятия по сглаживанию сложившихся диспропорций, а также разработка и реализация комплексной политики, включающей в себя поддержку малых инновационных предприятий и целевое финансирование приобретения новейшей электронно-вычислительной техники и проведения НИОКР.
Список литературы
1. Беляев О.Г., Корнилов Д.А. Методика комплексной оценки инновационного потенциала региона // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. 2011. № 3. С. 281-288.
2. Ефименко А.Г. Методические подходы к оценке конкурентоспособности автотранспортных услуг в АПК. URL: http://www.uecs.ru/uecs-20-202009/item/146-2011-03-22-12-42-32/.
3. Иванова И.А. Оценка инновационной деятельности регионов Приволжского федерального округа с использованием кластерного и корреляционно-регрессионного анализа // Проблемы и перспективы социально-экономического развития регионов: материалы Всероссийской научно-практической конференции. Киров, 2012.
4. Иванова И.А. Разработка методологического подхода к прогнозированию экономических рисков в обеспечении национальной продовольственной безопасности с учетом цикличности в развитии агропро-довольственной системы // Национальные интересы: приоритеты и безопасность. 2013. № 44. C. 53-59.
5. Иванова И.А., Колантаева А.С. Экономет-рическое исследование инновационной привлекательности регионов Российской Федерации // Регионология. 2013. № 4. С. 47-56.
6. Сажин Ю.В., Иванова И.А. Эконометрика: учебник. Саранск: МГУ им. Н.П. Огарёва, 2014. 318 с.
Economic analysis: theory and practice Innovation and investment
ISSN 2311-8725 (Online) ISSN 2073-039X (Print)
INTEGRAL ESTIMATION AND FORECASTING OF INNOVATION POTENTIAL OF THE VOLGA FEDERAL DISTRICT REGIONS
Irina A. IVANOVA
Abstract
The article presents the research and forecasting results of the main indicators of innovation activity of the Volga Federal District regions. The author has developed a methodological approach to building an integrated estimation of innovation potential of a region and justifying managerial decisions on the potential improvement to work out strategies for enhancing the competitiveness of a constituent entity of the Russian Federation.
Keywords: innovation, foresight, cumulative score, region, potential
References
1. Belyaev O.G., Kornilov D.A. Metodika kom-pleksnoi otsenki innovatsionnogo potentsiala regiona
[Methods of comprehensive evaluation of innovation capacity in a region]. Trudy Nizhegorodskogo gosudarst-vennogo tekhnicheskogo universiteta im. R.E. Alek-seeva - Bulletin of Nizhny Novgorod State Technical University n.a. R.E. Alekseev, 2011, no. 3, pp.281-288.
2. Efimenko A.G. Metodicheskie podkhody k ot-senke konkurentosposobnosti avtotransportnykh uslug v APK [Methodological approaches to assessing transport services' competitiveness in agribusiness]. Available at: http://www.uecs.ru/uecs-20-202009/item/146-2011-03-22-12-42-32. (In Russ.)
3. Ivanova I.A. [Assessing the innovation activity of the Volga Federal District regions using the cluster and correlation and regression analysis]. Problemy i per-spektivy sotsial 'no-ekonomicheskogo razvitiya regionov
[Proc. Sci. Conf. "Problems and prospects of socio-economic development of regions"]. Kirov, 2012.
4. Ivanova I.A. Razrabotka metodologicheskogo podkhoda k prognozirovaniyu ekonomicheskikh riskov v obespechenii natsional'noi prodovol'stvennoi bezopasnosti s uchetom tsiklichnosti v razvitii agroprodovol'stvennoi sistemy [Working out a methodological approach to forecasting economic risks to ensure the national food security based on the cycle nature of agricultural system development]. Natsional 'nye interesy: prioritety i bezopasnost'- National interests: priorities and security, 2013, no. 44, pp. 53-59.
5. Ivanova I.A., Kolantaeva A.S. Ekonomet-
richeskoe issledovanie innovatsionnoi privlekatel'nosti regionov Rossiiskoi Federatsii [Econometric study of innovation appeal of the RF regions]. Regionologiya -Regionology, 2013, no. 4, pp. 47-56.
6. Sazhin Yu.V., Ivanova I.A. Ekonometrika [Econometrics]. Saransk, Ogarev Mordovian State University Publ., 2014, 318 p.
Irina A. IVANOVA
Ogarev Mordovian State University, Saransk, Republic of Mordovia, Russian Federation ivia16@mail.ru
