CC BY
27
Вестник Института экономики Российской академии наук
3/2013
Ю. ДМИТРИЕВ
доктор экономических наук, профессор Владимирского государственного университета им. А.Г. и Н.Г. Столетовых
Д. ФРАЙМОВИЧ
кандидат экономических наук, доцент Владимирского государственного университета им. А.Г. и Н.Г. Столетовых
З. МИЩЕНКО
кандидат технических наук, доцент Владимирского государственного университета им. А.Г. и Н.Г. Столетовых
КЛАСТЕРНЫЙ АНАЛИЗ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ В РЕГИОНАХ ЦЕНТРАЛЬНОГО ФЕДЕРАЛЬНОГО ОКРУГА
Представлен кластерный анализ инновационной деятельности субъектов РФ на базе комплекса определенных критериев. На основе обобщения статистических данных проведена оценка результативности и эффективности региональной инновационной деятельности. Определены дополнительные индикаторы, позволяющие охарактеризовать устойчивость и стабильность научно-технического развития территорий в Центральном федеральном округе.
Ключевые слова: инновационная результативность, инновационная эффективность, стабильность, устойчивость, кластерный анализ
Классификация ]БЬ: Р590, С130.
На современном этапе в условиях растущего насыщения международных рынков товарами и услугами особое значение для социальноэкономического развития приобретает решение проблем, связанных с формированием эффективных механизмов стимулирования и управления инновационной деятельностью. В настоящее время только 8-10% роста российской экономики достигается за счет высокотехнологичных секторов (в высокоразвитых странах - до 60%, в США - до 80%). При этом доля России в наукоемком экспорте не превышает 0,5%, а доля расходов на науку в ВВП не превышает 1,5%, что значительно ниже аналогичных показателей ведущих западных стран, Японии и Китая1.
1 Гринберг, Р. С. Глобальный экономический кризис и модернизация России // Белорусский экономический журнал. 2011. № 1. С. 7.
Обоснованные действия по развитию инновационного потенциала в регионах связаны с оценкой текущих показателей и прогнозированием их изменения на перспективу. Это требует получения объективной, полной и достоверной информации о состоянии инновационной сферы. При этом следует учитывать, что на территориальном уровне данные о научно-технических достижениях, предоставляемые органами статистики, формируются по относительно ограниченному объему критериев. Поэтому для осуществления комплексного анализа эффективности и результативности инновационной (как региональной, так и федеральной) политики могут применяться относительные величины, вычисленные на основе имеющихся официальных данных.
Функционирование региональных систем во времени происходит с разной скоростью и характеризуется самым широким спектром объективных и субъективных факторов. Это определяется наличием в едином государстве территорий, находящихся на разных уровнях социально-экономического развития, и даже на различных этапах цивилизационной трансформации. Таким образом, они могут быть разделены на группы, что создает предпосылки для выявления особенностей функционирования конкретного региона, проблем его развития и разработки предложений по совершенствованию региональной социально-экономической политики, проводимой федеральным центром.
В связи с этим в рамках настоящего исследования авторами на основе официальной статистики был проанализирован информационный массив показателей инновационного развития 18 субъектов Центрального федерального округа (ЦФО) РФ за 2000-2010 гг.
Весьма логичной будет выглядеть оценка инновационного функционирования территорий на основе комплекса обобщенных показателей. К ним целесообразно отнести следующие группы критериев: инновационную результативность (Х-) и инновационную эффективность (У)
Х1 - уровень инновационного производства, определяется как объем инновационных товаров, работ, услуг в процентах от общего объема отгруженных товаров, выполненных работ, услуг;
Х2 - инновационная активность, определяется удельным весом организаций, использующих инновационные технологии, в общем объеме организаций;
У1 - инновационная производительность (на 1000 чел.), оценивается через число передовых производственных технологий, созданных на 1000 сотрудников, занятых научными исследованиями и разработками:
Уг = — -1000, (1)
А1
где А3 - число созданных передовых производственных технологий, ед.; А1 - численность персонала, занятого научными исследованиями и разработками, чел.
Уг - эффективность расходования средств на создание техноло-гий,определяется количеством технологий на 1 млрд затрат на технологические инновации:
—
У2 =-3 -1000000, (2)
—2
где А2 - внутренние затраты на научные исследования и разработки (тыс. руб.).
Результаты статистической обработки данных (критериев инновационной результативности (Хг) и инновационной эффективности (Уг)) позволили сформировать массив данных с показателями Х1, Х2, фрагмент которого по 2010 г. представлен в табл. 1.
Кроме представленных выше показателей результативности и эффективности для оценки инновационной деятельности рассматриваемого округа целесообразно определить индикаторы устойчивости и стабильности.
В экономической литературе существуют различные подходы к определению понятия устойчивого развития территорий, а следовательно, и к анализу устойчивости их функционирования. В частности, на неоднозначность таких трактовок указывает В.Е. Рохчин, выделяющий три сложившихся направления исследования содержания данного понятия. Во-первых, устойчивое развитие трактуется как экономический рост, обеспечивающий удовлетворение материальных и духовных потребностей настоящих и будущих поколений при сохранении равновесия экосистем. Во-вторых, данное понятие трактуется как стабильное социально-экономическое развитие, не разрушающее природной основы, и, в-третьих, как стабильное улучшение качества жизни населения2.
В свою очередь, В. А. Кретинин, исследуя экономическую устойчивость региона, выделяет в качестве ее основных компонентов инновационную и инвестиционную активность, финансовую устойчивость, экономическую эффективность, экологическую устойчивость и воспроизводственную комплексность. Последняя рассматривается не только как компонента экономической устойчивости, но и как фактор, влияющий на другие составляющие региональной хозяйственной системы - экологическую устойчивость, инвестиционную активность и экономическую эффективность3.
2 Рохчин В. Е. Вопросы методологии формирования системы стратегического планирования развития городов России //Пространственная экономика. 2005. № 1. С. 107.
3 Кретинин В.А. Основные компоненты и индикаторы экономической устойчивости хозяйственной системы региона // Тезисы пленарного доклада на международной научной конференции «Проблемы развития территориальных социально-экономических подсистем». 2003. С. 29-37.
Таблица 1
Обобщенные показатели инновационного развития регионов
ЦФО РФ в 2010 г.*
Регион (область) ЦФО Обобщенные показатели инновационного развития в 2010 г.
Х1 Х2 *1 *2
Белгородская 2,6 10,9 8,410 11,214
Брянская 4,7 8,8 6,329 24,665
Владимирская 2,3 9,5 0,000 0,000
Воронежская 7,1 8,6 1,593 3,972
Ивановская 3,5 5,8 0,000 0,000
Калужская 2,8 8,3 2,577 3,561
Костромская 3,1 8,5 17,241 35,542
Курская 0,6 7,1 0,000 0,000
Липецкая 9,8 8,9 0,000 0,000
Московская 8,1 6,7 0,780 1,016
Орловская 9,9 11,5 6,274 18,352
Рязанская 3,3 7 0,421 0,855
Смоленская 2,3 5,5 2,291 2,540
Тамбовская 3,6 8,2 0,000 0,000
Тверская 9,2 5,1 0,618 1,026
Тульская 3,4 10,5 2,003 6,387
Ярославская 12,1 10 0,808 1,573
г. Москва 2,2 13,3 0,850 1,054
Источник: Регионы России. Социально-экономические показатели. 2011: Стат. сб. / Росстат. М., 2011. С. 778-819.
В контексте рассматриваемого вопроса инновационная 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 Х2, Уг, У2 можно
оценить как степень влияния фактора времени на основе парного регрессионного анализа. Показатели устойчивости будут определяться как коэффициенты Вх , БТ парного уравнения регрессии вида (3), (4):
Х1 - Вх? + В0, (3)
Ъ - Ву1 + Во, (4)
где I - порядковый номер параметров Х, У; Ь - контрольный период (2000-2010 гг.), за который представлены статистические данные по параметрам Хг, Х2, Уу У2г Вх, ВТ - коэффициенты влияния годовых интервалов времени на параметры Хг, Х2, У^, У2, В0 - постоянная величина в
уравнении регрессии.
Расчет коэффициентов Вх, ВТ выполняется методом классического парного линейного регрессионного анализа. Полученные значения по критерию Стьюдента проверяются на статистическую значимость при заданном объеме выборки и уровне значимости 5%. В случае, если коэффициент влияния статистически не значим, то он принимается равным нулю.
Стабильность развития региона по параметрам Хг, Х2, Уу У2 можно оценить как стандартную ошибку ДВ полученных ранее коэффициентов влияния фактора времени4.
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 Ь (2000-2010 гг.) по всем субъектам ЦФО получены с помощью программного продукта БЬаЫвНса 8.0, а в табл. 2 представлен фрагмент расчета для Владимирской области. При этом статистически значимые связи между признаками выделены полужирным шрифтом.
Таблица 2
Фрагмент матрицы парных корреляций результативности и эффективности инновационной деятельности (Х^ Х2, У2) от времени (Ь)
по Владимирской области
Показатели Фактор времени, і *1 *2 *1 *2
Фактор времени, і 1,0000 -0,5661 0,2701 0,0410 -0,8736
Уровень значимости (р) р = — р = 0,069 р = 0,422 р = 0,905 р = 0,000
Согласно приведенным выше результатам анализа, для Владимирской области наблюдается единственная статистически значимая отрицательная линейная взаимосвязь между временем (і) и У2 (эффективно-
4 Герасимович А.И., Матвеева Я.И. Математическая статистика. Мн. Изд-во «Высшая школа», 1978. С. 166.
стью расходования средств на создание технологий). Для остальных переменных (Ху Х2, У]) статистически значимой зависимости от времени не наблюдается. Например, как следует из приведенных данных, уровень значимости по Ху равен 6,9%, что превышает критический уровень значимости, поэтому зависимость от года можно считать статистически не значимой. Таким образом, величину устойчивости развития Владимирской области по параметрам Ху Х2, У] принимаем равным нулю. А для параметра У2 ее значение необходимо оценить исходя из парного линейно-регрессионного анализа (табл. 3).
Стабильность развития инновационной деятельности определяется как погрешность (стандартная ошибка ДВ) коэффициента влияния фактора времени на показатели Ху, Х2, У у У2 и приведена (в качестве примера) по Владимирской области в табл. 3 для всех параметров. Значение стабильности развития составило для Ху - 0,12; для Х2 - 0,23; для Уу - 0,08; для У2 - 0,28.
Таблица 3
Результаты парного линейного регрессионного анализа для параметров Ху, Х2, У у У2 от времени (£) по Владимирской области
Параметр Фактор Коэффициенты уравнения регрессии, В Стандартная ошибка коэффициента регрессии АБ Статистика Стьюдента, й (при числе степеней свободы т = 9) Уровень значимости, р
Х1 Пост. член 504 242 2,1 0,067
год -0,25 0,12 -2,1 0,069
Х2 Пост. член -381,94 465,59 -0,82 0,43
год 0,195 0,23 0,84 0,42
У1 Пост. член -19,00 163,54 -0,12 0,91
год 0,01 0,08 0,12 0,90
У2 Пост. член 3062,31 567,02 5,40 0,00043
год -1,52 0,28 -5,39 0,0004
Пример графика регрессионной зависимости (сплошная линия) и ее границ 95% доверительного интервала (пунктирные линии) показателя У2 от времени для Владимирской области представлены на рисунке.
Если значения показателей имеют существенный разброс относительно линейного уравнения регрессии, то в качестве показателя устойчивости инновационного развития региона целесообразно принять нулевое значение.
1998 2000 2002 2004 2006 2008 2010 2012
год
Рис. График линейной регрессионной зависимости показателя У2 от времени для Владимирской области.
Из представленного графика (рис. 1) видно, 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 и статистически значимой зависимости параметра от времени. А с экономической точки зрения это означает, что во Владимирской области эффективность расходования средств на создание одной технологии за рассматриваемый временной интервал падает. Возможными причинами такой стагнации могут выступать: реализация высокорискованных капиталоемких инновационных проектов; низкое качество их разработки; недостатки в системе оценки и отбора финансируемых мероприятий, и, наконец, высокий уровень коррупционной составляющей на всех этапах жизненного цикла осваиваемого проекта.
Результаты расчетов по 12-ти факторам, включенным в анализ, позволяют сформировать табл. 4. При этом показатели Х2, У2 прини-
мались за 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 БЬаЫвЫса 8.0 потребовало ранжирования регионов в алфавитном порядке, поэтому г. Москва переместилась с 18-й на 10-ю строчку, что не исказило корректности выполнения расчетов (табл. 4).
Таблица 4
Статистика инновационного развития регионов ЦФО за 2000 г. Фрагмент матрицы парных корреляций результативности и эффективности инновационной деятельности (Ху Х2, Уг/ У2) от времени (1) по Владимирской
области, 2010 г.
№ Регион *1 х2 *1 в_хл в_х2 В_У, В_У2 ДВ_Х, ав_х2 ДВ_У, АВ_У2
1 Белгородская 2,60 10,90 8,41 11,21 0,00 0,00 0,00 -9,79 0,29 0,20 0,44 3.47
2 Брянская 4,70 8,80 6,33 24,67 0,64 0,34 0,51 0,00 0,28 0,10 0,19 1.95
3 Владимирская 2,30 9,50 0,00 0,00 0,00 0,00 0,00 -1,52 0,12 0,23 0,08 0.28
4 Воронежская 7,10 8,60 1,59 3,97 0,47 -0,77 0,00 -1,81 0,20 0,18 0,03 0.29
5 Ивановская 3,50 5,80 0,00 0,00 0,00 0,00 0,00 0,00 0,12 0,12 0,07 0.14
6 Калужская 2,80 8,30 2,58 3,56 -0,82 0,00 0,17 -0,90 0,08 0,18 0,05 0.31
7 Костромская 3,10 8,50 17,24 35,54 0,00 0,00 0,00 0,00 0,14 0,16 1,80 11.38
8 Курская 0,60 7,10 0,00 0,00 -0,23 0,64 0,00 0,00 0,06 0,19 0,04 0.??
9 Липецкая 9,80 8,90 0,00 0,00 0,80 0,00 - - 0,25 0,10 -
10 г. Москва 2,20 13,30 0,85 1,05 -1,04 0,00 0,00 -0,35 0,25 0,22 0,02 0.08
11 Московская 8,10 6,70 0,78 1,02 0,00 -0,50 0,05 -0,26 0,24 0,07 0,01 0.07
12 Орловская 9,90 11,50 6,27 18,35 0,00 0,00 0,00 0,00 0,17 0,26 0,27 2.92
13 Рязанская 3,30 7,00 0,42 0,86 0,00 0,00 0,00 -2,68 0,32 0,11 0,07 1.08
14 Смоленская 2,30 5,50 2,29 2,54 0,00 0,00 0,00 -2,92 0,20 0,11 0,13 0.47
15 Тамбовская 3,60 8,20 0,00 0,00 0,41 0,00 0,00 0,00 0,17 0,21 0,03 0.07
16 Тверская 9,20 5,10 0,62 1,03 0,00 0,00 -0,13 -1,88 0,32 0,09 0,05 0.54
17 Тульская 3,40 10,50 2,00 6,39 0,00 0,00 0,00 0,00 0,12 0,19 0,06 0.86
18 Ярославская 12,10 10,00 0,81 1,57 0,70 0,21 0,09 0,00 0,21 0,09 0,04 0.15
Ю. Дмитриев, Д. Фраймович, 3. Мищенко
Чтобы дать заключение о приоритетности того или иного кластера в инновационном развитии обратимся к данным табл. 4.
Так, по показателю Х1 наиболее высокий уровень инновационного производства в 2010 г. имела Ярославская область (12,1), а самый низкий -Курская (0,6). Что касается Х2, то наивысшую инновационную активность в указанном периоде проявил г. Москва (13,3), а аутсайдером выступила Тверская область (5,1). В отношении инновационной производительности (У1) самый высокий показатель имеет Костромская область (17,24). К сожалению, сразу пять регионов ЦФО (Владимирская, Ивановская, Липецкая, Курская и Тамбовская области) имеют нулевые (самые неудовлетворительные) значения Уг Аналогично предыдущей складывается ситуация и по эффективности расходования средств на создание технологий (У2). В 2010 г. лидирует Костромская область (35,54), а перечисленные выше пять регионов ЦФО имеют нулевые показатели эффективности.
В рамках выполненного анализа представляется закономерным выделить две группы регионов ЦФО РФ с ярко выраженными характеристиками:
- Воронежскую, Липецкую, Московскую, Тверскую и Ярославскую области, занимающих стабильные позиции по анализируемым параметрам. Их можно охарактеризовать как «лидеры инновационного пространства ЦФО»;
- Владимирская, Ивановская, Калужская, Курская, Рязанская, Смоленская, Тамбовская, Тульская области и г. 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 (20002010 гг.), что позволяет отнести их к «аутсайдерам инновационного пространства ЦФО».
Разработанный в процессе исследования подход дает возможность классифицировать регионы на группы по динамическим критериям инновационного развития, что, в свою очередь, позволяет формировать дифференцированную научно-техническую политику в рамках соответствующей социально-экономической системы. Кроме того, выявленные математические зависимости по стабильности и устойчивости инновационного функционирования могут служить базой для выполнения прогнозных и контрольных оценок на перспективу.
