CC BY
4834 (289) - 2012
Инновациииинвесшиции
УДК 332:338.4
МЕТОДИЧЕСКИЕ ПОДХОДЫ К ОЦЕНКЕ ИННОВАЦИОННОЙ ЭЛАСТИЧНОСТИ РЕГИОНОВ
М. В. ИВАНОВА,
кандидат экономических наук, заведующая кафедрой бизнеса информатики E-mail: medeya99@yahoo. com Кольский филиал Петрозаводского государственного университета
В работе рассмотрены методики межстрановой оценки инновационного развития. Предложена система показателей оценки инновационности субъектов РФ. Проведена апробация рассмотренных показателей, и определена связь между индексом знаний и эффективностью регионального развития.
Ключевые слова: регион, инновационное развитие, индекс знаний.
Инновационная деятельность на любом уровне (макро-, мезо- или микро-) характеризуется высокими затратами, длительным сроком их окупаемости, существенным уровнем риска. Показатели, характеризующие эффективность работы инновационной системы региона, четко не определены и варьируются в зависимости от целей и задач каждого исследования. Множественность понятия «регион» предопределила определение его значения в рамках данной работы. Так, под регионом мы будем понимать субъект РФ. Субъекты Федерации обладают равными правами, имеют свою территорию, органы государственной власти, свое законодательство; являются участниками международных и внешнеэкономических связей.
Для определения наиболее адекватных методических подходов к оценке инновационной
деятельности субъектов РФ рассмотрим основные показатели, которые используют международные организации и отдельные исследователи в процессе анализа инновационного потенциала и функционирования различных элементов инновационных систем разного уровня.
В настоящее время наибольшее распространение получили методики межстрановой оценки инновационного развития, разработанные международными организациями.
Всемирный экономический форум (World Economic Forum, WEF), организующий знаменитые зимние съезды бизнесменов, политиков, ученых и публицистов, составляет показатель сетевой готовности (Networked Readiness Index, NRI). Он оценивает потенциал экономики и общества в области информационных технологий и телекоммуникаций, а также его использование. NRI составлен из трех компонентов, в сумме дающих 6 баллов, которые оценивают:
- инфраструктурную и правовую среду, предлагаемую данной страной или сообществом (регион, штат, провинция, кантон и т. д.);
- готовность субъектов (физические лица, домашние хозяйства, фирмы, организации, органы государственной власти и местного
управления) к использованию информационно-телекоммуникационных технологий; - фактическую степень использования субъектами доступной технологии. Вершину рейтинга занимают в основном северные и англосаксонские страны. В первую десятку рейтинга 2009-2010 гг. входят: Швеция (5,65), Сингапур (5,64), Дания (5,54), Швейцария (5,48), США (5,46), Финляндия (5,44), Канада (5,36), Гонконг (5,33), Нидерланды (5,32), Норвегия (5,22). Россия (3,58) находится на 80-м месте [10].
Методика Всемирного банка в рамках программы «Знания для развития» (Knowledge for Development, K4D) оценивает готовность и возможности той или иной страны к переходу на инновационную модель развития.
Методика Всемирного банка K4D предусматривает комплекс из 76 показателей, которые позволяют сравнивать отдельные показатели различных стран, а также средние показатели, характеризующие группу стран. Сравнение можно проводить как по отдельным, так и агрегированным показателям, включающим следующие ключевые характеристики инновационного развития: институциональный режим; степень образованности населения; информационную и коммуникационную инфраструктуру; национальную инновационную систему. В составе этой системы из 76 переменных имеется несколько показателей, которые отражают общие экономические результаты конкретной страны и позволяют определить, насколько эффективно та или иная экономика использует знания для целей воспроизводства. Основные 12 показателей (Basic Scorecard) составляют четыре группы: институциональный режим; образование; инновации; информационные коммуникации и технологии (ИКТ). Эти четыре группы показателей лежат в основе расчета индекса экономики знаний и индекса знаний.
Индекс экономики знаний KEI (Knowledge Economy Index) - комплексный показатель для оценки эффективности использования страной знаний в целях ее экономического и общественного развития. Он характеризует уровень развития той или иной страны или региона по отношению к экономике знаний.
Индекс знаний KI (Knowledge Index) - комплексный экономический показатель для оценки способности страны создавать, принимать и распространять знания, характеризующий потенциал той или иной страны или региона в области экономики знаний. Эти индексы подсчитываются для каждой страны, группы стран и всего мира в целом [3].
Комиссия европейских сообществ КЕС (Commission ofthe European Communities) для оценки развития инновационной деятельности стран - членов Европейского Союза использует разнообразные показатели, сравнимые с показателями США и Японии.
Проект «Исследование инноваций сообщества» (Community Innovation Surveys, CIS) осуществляется Евростатом (Eurostat) на регулярной основе.
Бюллетень «Европейское инновационное табло» (European Innovation Scoreboard) публикуется ежегодно с 2000 г. В процессе реализации данная методика претерпела некоторые изменения, и с 2008 г. основное внимание стало уделяться инновациям в сфере услуг, нетехнологическим инновациям, результатам инновационной деятельности (табл. 1).
Рассмотренная классификация позволяет оценить инновационную деятельность на трех стадиях: входа, процесса и выхода.
Таблица 1
Основные показатели
«Европейского инновационного табло» [9 c. 26]
Группа Показатель
Условия
Человеческие ресурсы Количество выпускников в сфере науки и техники на 1 000 чел. населения в возрасте 20-29 лет. Количество выпускников со степенью доктора философии (PhD) в сфере науки и техники на 1 000 чел. населения в возрасте 25-34 года. Население с высшим образованием на 100 чел. населения в возрасте 25-64 года. Участие в образовании на протяжении жизни на 100 чел. населения в возрасте 25-64 года. Уровень образования молодежи
Финансирование и государственная поддержка Государственные затраты на исследования и разработки, % ВВП. Венчурный капитал, % ВВП. Частные кредиты относительно ВВП
Доступ к ИКТ Доступ к широкополосным коммуникациям (Интернет), %о фирм
Деятельность фирм
Инвестиции компаний Затраты частного сектора на исследования и разработки, % ВВП. Затраты частного сектора на информационные технологии, %о ВВП. Другие затраты на инновации, % от оборота
Взаимодействия и предпринимательство Внутренние нововведения малых и средних предприятий (МСП). Инновационные МСП, кооперирующиеся с другими МСП, %о от числа МСП. Обновление МСП, %о общего числа МСП. Общественные и частные публикации на 1 млн чел. населения
Окончание табл. 1
Группа Показатель
Производительность Патенты Европейской патентной организации (ЕРО) на 1 млн чел. населения. Общие торговые марки на 1 млн чел. населения. Общие образцы дизайна на 1 млн чел. населения. Технологический баланс потоков платежей, % ВВП
Результаты
Инноваторы МСП, осуществлявшие продуктовые или процессные инновации, % МСП. МСП, осуществлявшие маркетинговые или организационные инновации, % МСП. Доля инноваторов, чьи инновации значительно сократили затраты труда, %о фирм. Доля инноваторов, чьи инновации значительно сократили затраты материалов и энергии, % фирм
Экономические эффекты Занятость в средне- и высокотехнологичном производстве, % всех занятых. Занятость в сфере высокотехнологичных услуг, % всех занятых. Экспорт продукции средне- и высокотехнологичного производства, %о всего экспорта. Экспорт высокотехнологичных услуг, % всего экспорта услуг. Объем продаж товаров/услуг, новых для рынка, % от оборота. Объем продаж товаров/услуг, новых для фирмы, % оборота
Вход. Входные показатели позволяют оценить ресурсы и окружающую среду, которыми обладает страна для развития инновационной деятельности. Это формирует так называемый инновационный потенциал страны.
Процесс. Показатели инновационного процесса (деятельности фирм) дают возможность оценить действия фирм как участников инновационного процесса: все виды инвестиций компаний в инновации; предпринимательские усилия и кооперационные связи между компаниями, осуществляющими инновации; права на интеллектуальную собственность, созданную в результате инновационного процесса, а также потоки платежей в технологических обменах.
Выход. Результативные инновационные показатели отражают результаты инновационной деятельности фирм: число фирм, которые представили технологические и нетехнологические инновации на рынке или внутри организации; экономические результаты инноваций, которые нашли свое выражение в занятости, экспорте и продажах, связанных
с инновационной деятельностью. Эти показатели отражают эффективность использования страной инновационного потенциала для создания новых продуктов и технологий.
Результаты рассмотрения зарубежных методик позволяют сделать следующие выводы. Во-первых, без соответствующей адаптации невозможно применить их к оценке инновационной деятельности субъектов РФ. Во-вторых, оценить инновационную деятельность можно по экономическим и неэкономическим критериям. Например, ряд исследователей [4, 8] оценивают эффективность инновационной деятельности, исходя из классического определения эффективности: количественное изменение соотношения затрачиваемых ресурсов и результатов инновационной деятельности (интенсивность развития). Очевидно, наиболее подходящими показателями для объективной оценки являются соотношения изменения затрат и результатов. Вместе с тем интенсивное развитие макросистемы - лишь один из возможных вариантов, кроме того, эффективность может описываться и такими качественными показателями, как состояние законодательной среды, уровень развитости инфраструктуры и т. д.
В исследовании для оценки инновационной деятельности страны/регионов предлагается использовать систему базовых показателей, которые характеризуют инновационную среду и экономическую эффективность территории (рис. 1).
Оценка показателей инновационной среды. Показатели инновационной среды характеризуют условия, созданные в регионе для становления и развития инновационной деятельности. Эти условия должны найти отражения в общем показателе. Опираясь на алгоритм, предложенный Всемирным банком, используем для оценки показатель К1, адаптируя методику его расчета к условиям России.
Индекс К1 включает три субиндекса, рассчитанных на основе базовых показателей, количественно представляющих одно из основных направлений развития: образованность, инновационность и обеспеченность ИКТ.
На первом этапе определяется перечень показателей, характеризующих каждый из субиндексов.
Образованность рассматривается как способность к получению и накоплению знаний, общению, обмену информацией. Хорошо образованная и квалифицированная рабочая сила необходима для эффективного создания, распределения и использования знаний, которые позволяют повысить производительность
экономических факторов и обеспечить экономический рост. Для оценки необходимо рассчитать субиндекс «образование и квалификация», который включает в себя три показателя, рассчитанных на 1 000 чел. населения: - численность обучающихся в общеобразовательных учреждениях; численность студентов образовательных учреждений среднего профессионального образования; численность сту-
Система показателей оценки инновационности регионов (инновационной эластичности)
Показатели инновационной среды
Показатели экономической эффективности
I
о к к
й Я о эт й Л
ю О
о к к о к я й я о к к
к
н «
К
Н §
В н и %
® Щ
I*
о
-©нК
Й К о Й
л н о о и 5! о о ч й к
Л о н й
й ^
й «
н о
о «
к о
о
о я л
^ ей р «
я ^
« £ О н и
я о а
с
Л
н о о
к ^
Е
о ч о и
о
Рис. 1. Показатели оценки инновационности регионов
дентов образовательных учреждений высшего профессионального образования. Инновационность характеризует способность воспроизводства научного потенциала, новых технологий, инновационных продуктов, а также характеризует способность воспринимать и применять инновации. Субиндекс «инновационность» показывает результаты научных исследований и разработок, которые приводят к появлению новых товаров, процессов и знаний. Инновационность является основным источником технического прогресса, определяющего рост производительности и развитие технологий. Для расчета этого субиндекса необходимо использовать следующие показатели: - количество заявок на выдачу патента на изобретение, поданных российскими заявителями на 1 000 человек населения; число выпускников аспирантуры, защитивших диссертации (к общему числу выпускников аспирантуры);
число выпускников докторантуры, защитивших диссертации (к общему числу выпускников докторантуры);
численность персонала, занятого научными исследованиями и разработками на 1 000 чел. населения;
число созданных передовых производственных технологий;
число созданных передовых производственных технологий на 1 000 чел. населения; число используемых производственных передовых технологий;
- число используемых производственных передовых технологий на 1 000 чел. населения;
- объем инновационных товаров, работ, услуг;
- объем инновационных товаров, работ, услуг на 1 000 чел. населения.
Субиндекс ИКТ характеризует готовность, доступность и возможность общества к восприятию информационных коммуникаций и технологий. Необходимыми характеристиками информационной инфраструктуры являются доступность, надежность и эффективность компьютеров, телефонов, телевизоров, радиоприемников и различных сетей, их объединяющих.
Для определения субиндекса ИКТ используются следующие показатели:
- число квартирных телефонных аппаратов сети общего пользования на 1 000 чел. населения;
- число подключенных терминалов сотовой подвижной связи на 1 000 чел. населения;
- число персональных компьютеров на 1 000 работников.
Ограниченный набор показателей связан с доступностью данных официальной статистики. Количество пользователей сети Интернет не представляется возможным узнать из-за закрытости информации провайдеров и отсутствия статистических данных. Количество компьютеров находит реальное отражение в национальной статистике только в расчете на 1 000 работников.
На втором этапе показатели в рамках каждого субиндекса подвергаются ранжированию по пятибалльной шкале по каждому показателю. Регионы
с низкими значениями получают 1 балл, со значениями ниже среднего - 2 балла, со средними значениями - 3 балла, со значениями выше среднего -4 балла, с высокими значениями - 5 баллов.
На третьем этапе определяется значение индекса К1 как среднее значение баллов, полученных каждым регионом по всей совокупности показателей.
Основное достоинство методики заключается в том, что она позволяет из большого числа факторов, подлежащих учету, характеризующихся сложностью и несопоставимостью, сформировать синтетический показатель инновационного развития - индекс К1.
В результате расчетов в соответствии с рассмотренной методикой были получены значения индекса К1 для каждого региона России (табл. 2).
Таблица 2
Рейтинг субъектов РФ по индексу Ы за 2010 г.
Субъект РФ Значение Ю Место
Москва 3,56 1
Санкт-Петербург 3,35 2
Магаданская область 2,84 3
Нижегородская область 2,75 4
Республика Башкортостан 2,73 5
Томская область 2,71 6
Чувашская Республика 2,67 7
Самарская область 2,65 8
Хабаровский край 2,65 9
Астраханская область 2,63 10
Калининградская область 2,62 11
Удмуртская Республика 2,62 12
Республика Мордовия 2,60 13
Республика Татарстан 2,60 14
Калужская область 2,59 15
Курская область 2,59 16
Омская область 2,59 17
Челябинская область 2,57 18
Ульяновская область 2,57 19
Пермский край 2,56 20
Свердловская область 2,56 21
Иркутская область 2,54 22
Ивановская область 2,54 23
Республика Алтай 2,54 24
Республика Саха (Якутия) 2,54 25
Республика Бурятия 2,52 26
Орловская область 2,51 27
Волгоградская область 2,51 28
Республика Карелия 2,49 29
Саратовская область 2,49 30
Липецкая область 2,48 31
Курганская область 2,48 32
Окончание табл. 2
Субъект РФ Значение Ю Место
Приморский край 2,48 33
Ямало-Ненецкий автономный округ 2,46 34
Ярославская область 2,46 35
Новосибирская область 2,46 36
Камчатский край 2,44 37
Смоленская область 2,43 38
Республика Коми 2,43 39
Мурманская область 2,43 40
Тюменская область 2,43 41
Красноярский край 2,43 42
Воронежская область 2,40 43
Амурская область 2,38 44
Сахалинская область 2,38 45
Кировская область 2,37 46
Оренбургская область 2,37 47
Рязанская область 2,32 48
Ставропольский край 2,32 49
Республика Марий Эл 2,32 50
Костромская область 2,30 51
Тверская область 2,30 52
Новгородская область 2,30 53
Пензенская область 2,30 54
Тульская область 2,29 55
Ханты-мансийский автономный 2,27 56
округ - Югра
Республика Калмыкия 2,27 57
Вологодская область 2,25 58
Ростовская область 2,25 59
Республика Тыва 2,25 60
Белгородская область 2,24 61
Республика Хакасия 2,22 62
Еврейская автономная область 2,22 63
Краснодарский край 2,21 64
Забайкальский край 2,21 65
Владимирская область 2,14 66
Республика Северная Осетия - 2,14 67
Алания
Кемеровская область 2,14 68
Ненецкий автономный округ 2,11 69
Чукотский автономный округ 2,11 70
Архангельская область 2,10 71
Алтайский край 2,10 72
Тамбовская область 2,08 73
Брянская область 2,05 74
Псковская область 2,03 75
Республика Адыгея 2,03 76
Московская область 1,94 77
Чеченская Республика 1,87 78
Кабардино-Балкарская Республика 1,86 79
Республика Дагестан 1,79 80
Карачаево-Черкесская Республика 1,76 81
Республика Ингушетия 1,63 82
Ленинградская область 1,44 83
Согласно примененной в исследовании методике итоговый индекс К1 является средним арифметическим формирующих его значений субиндексов. Следовательно, это позволяет рассмотреть «вклад» каждого субиндекса и определить, за счет каких факторов регион получил свое место в рейтинге. Для этого по данным 2010 г. были сформированы матрицы зависимости каждого субиндекса от индекса К1, и на этой основе построены диаграммы (рис. 2-4).
Самые высокие значения индекса К1 характерны для Москвы и Санкт-Петербурга, что закономерно, так как эти города исторически являются научными и экономическими центрами страны. Соответствующие им точки с наивысшим значением показателя принимаются за экстремумы и в дальнейшем не рассматриваются.
После Москвы и Санкт-Петербурга высокие значения индекса К1 наблюдаются у Томской, Самарской, Калужской областей, Республики Татарстан, Нижегородской области. Также нужно отметить, что устойчиво в первые 30 регионов входят те субъекты РФ, которые, по оценкам различных рейтинговых агентств, считаются инновационными. Они входят в Ассоциацию инновационных регионов России (Томская область, Калужская область, Республика Мордовия, Республика Татарстан), а также в первую десятку инновационных регионов в инновационном рейтинге, составляемом фондом «Петербургская политика», Российской академией народного хозяйства и государственной службы при Президенте России и РБК^аПу (/-рейтинг) [6].
Диаграммы (см. рис. 2-4) разделены на области
в зависимости от значений субиндексов «образованность», «инновационная система» и ИКТ и значений индекса К1. По оси ординат отложены значения индекса К1 (от низких до высоких), по оси абсцисс -значения каждого из субиндексов.
Полученные результаты свидетельствуют о том, что структура индекса К1 неоднородна, и регионы, имеющие высокое значение индекса и занимающие высокие позиции в общем рейтинге, часто получают их не благодаря сбалансированным и равномерно высоким значениям субиндексов. Чаще всего субъект РФ имеет высокий уровень образования населения и большое количество учащихся при низких показателях инновационной деятельности, которые имеют большое значение. Даже если в регионе будет достаточное количество квалифицированных кадров, невозможно строить экономику знаний, не имея объектов инновационной и информационной инфраструктуры, производящих, распространяющих знания и реализующих их в жизнь.
Структурная неоднородность индекса К1 характерна для большей части регионов РФ, сравнительно небольшое число регионов имеют значения показателей действительно гораздо выше среднего, а
♦ Низкие значения К1 У Значения К1 ниже среднего АСредние значения К1 X Значения К1 выше среднего Я Высокие значения К1
1,00
Низкий
1,53
Ниже среднего
2,07 2,60
Средний
Выше среднего
3,13 3,67
Высокий
Значения субиндекса «образованность» Рис. 2. Зависимость субиндекса «образованность» и индекса К1
й
X
я
X I
и V
л к со
Рис. 3. Зависимость субиндекса «инновацион-ность» и индекса К1
♦Низкие значения К1 ^Значения К1 ниже среднего АСредние значения К1 X Значения К1 выше среднего : Высокие значения К1
Ниже Средний Выше
среднего среднего
Значения субиндекса «инновационность»
♦Низкие значения К1 У Значения К1 ниже среднего АСредние значения К1 ХЗначения К1 выше среднего : Высокие значения К1
Низкий
2,06 2. Ниже среднего
Средний
Выше среднего
Значения субиндекса ИКТ
Рис. 4. Зависимость субиндекса ИКТ и индекса К1
не приближенные к среднему уровню.
При этом такие регионы, как Республика Татарстан, Томская, Самарская, Нижегородская, Мурманская области, имеют относительно минимальные «перекосы» в структуре К1, т. е. их значения по всем трем составляющим К1 субиндексам сбалансированы, что является залогом эффективности инновационных систем этих регионов. В целом примененная методика позволяет выявить среди субъектов РФ регионы, наиболее способные создавать, принимать и распространять знания, т. е. обладающие инновационным потенциалом. Индекс К1 и его составляющие характеризуют стартовые условия для технического прогресса, роста производительности и развития технологий, а также обеспечивают условия для научных исследований и разработок, приводящих к появлению новых товаров и процессов [2].
Оценка региональной экономической эффективности. Экономическая эффектив-
ность в условиях научно-технического прогресса определяется ростом производительности труда и одновременным сокращением материальных затрат. Сокращение материальных затрат возможно за счет внедрения новой техники и технологий в производственные процессы, обновления производственных отношений и систем управления в целом.
Для оценки экономической эффективности на уровне региона необходимо использовать такие обобщающие показатели, как региональная производительность труда и показатели эффективности использования производственных ресурсов в рамках региона.
Показательрегиональной производительности труда. В международной статистике его используют как универсальный показатель оценки конкурентоспособности. Это обусловлено тем, что величина производительности труда отражает совокупность характеристик эффективности производства, включая его капиталоемкость, технологичность, прогрессивность, а величина заработной платы является одной из характеристик уровня жизни населения. В региональных исследованиях показатель производительности труда на уровне субъекта РФ определяют через соотношение показателей валового регионального продукта (ВРП) и количества занятых в экономике региона [1] по формуле P = У / Ь,
где р - производительность труда экономики региона;
У - ВРП субъекта РФ;
L - среднегодовая численность занятых.
Показатели эффективности использования производственных ресурсов в рамках региона. Одним из важных показателей инновационной экономики является снижение затрат на производство и эксплуатацию, повышение в целом эффективности производства товаров и услуг традиционными способами. Наиболее адекватными показателями для объективной оценки являются соотношения изменения затрат и результатов.
Проведенное исследование позволяет сделать вывод, что критерий отнесения региона к инновационно активному должен быть релевантным и достаточно информативным. Если региональная экономическая система развивается по инновационному пути, то результаты напрямую отражаются на производственных параметрах, показывающих эффективность использования производственных и трудовых ресурсов. В качестве индикаторов необ-
ходимо использовать показатели оценки масштабов и темпов роста ВРП, фондоемкости, материалоемкости [5].
Эффективность регионального воспроизводства оценивается с помощью «коэффициента интенсивности», который рассчитывается как отношение темпов роста ВРП субъекта РФ к темпу роста материальных затрат: _
1 р.з
где ТВРП - среднегодовой темп роста ВРП за определенный период;
Т - среднегодовой темп роста затрат на
р.З
создание данного продукта за аналогичный период.
В результате одним из условий отнесения региона к инновационно активному будет значение коэффициента А"инт > 1. Это означает, что прирост добавленной стоимости опережает произведенные материальные затраты. В качестве индикатора трактовки полученного значения необходимо использовать заданное (запланированное) значение роста ВВП. Если значение коэффициента приближается или превосходит заданный индикатор, то можно говорить о наличии инновационной активности в регионе. Соответственно, если Кинт < 1, то наоборот.
Материалоемкость экономики региона рассчитывается как отношение материальных затрат в целом по региону к ВРП по формуле т = М / У,
где М - материальные затраты на создание регионального продукта.
Фондоотдача экономики региона оценивается как отношение ВРП субъекта РФ к стоимости основных фондов по формуле
f = У / F,
где ^ - стоимость основных фондов в регионе.
Фондоемкость - обратный показатель фондоотдачи.
Совокупность данных показателей позволит оценить уровень инновационной активности региона.
Коэффициент интенсивности был рассчитан по 73 субъектам РФ, его средняя величина в 2005-2010 гг. по России в целом составила 0,88, что свидетельствует о низком уровне эффективности производства и отсутствии возможностей для осуществления процессов расширенного воспроизводства. Значение показателя эффективности регионального воспроизводства Кинт > 1имеют 36 субъектов РФ: Брянская область, Владимирская
область, Воронежская область, Ивановская область, Костромская область, Курская область, Липецкая область, Орловская область, Рязанская область, Смоленская область, Тверская область, Тульская область, Республика Карелия, Республика Коми, Ленинградская область, Мурманская область, Новгородская область, Псковская область, Волгоградская область, Ростовская область, Чеченская Республика, Республика Марий Эл, Республика Мордовия, Удмуртская Республика, Чувашская Республика, Пермский край, Кировская область, Нижегородская область, Оренбургская область, Саратовская область, Ульяновская область, Республика Бурятия, Красноярский край, Кемеровская область, Хабаровский край, Чукотский автономный округ.
Показатель эффективности регионального воспроизводства Кинт < 1 имеют 37 субъектов РФ: Белгородская область, Калужская область, Московская область, Тамбовская область, Ярославская область, Москва, Вологодская область, Калининградская область, Санкт-Петербург, Республика Адыгея, Республика Калмыкия, Краснодарский край, Астраханская область, Республика Дагестан, Республика Ингушетия, Кабардино-Балкарская Республика, Республика Северная Осетия - Алания, Ставропольский край, Республика Башкортостан, Республика Татарстан, Самарская область, Свердловская область, Тюменская область, Ханты-Мансийский автономный округ - Югра, Ямало-Ненецкий автономный округ, Челябинская область, Республика Алтай, Республика Тыва, Алтайский край, Забайкальский край, Иркутская область, Новосибирская область, Томская область, Камчатский край, Магаданская область, Сахалинская область, Еврейская автономная область.
В качестве существенной негативной тенденции необходимо отметить, что во вторую группу
(со значением показателя менее единицы) попало довольно большое число регионов, являющихся традиционно добывающими, т. е. оказывающими важнейшее влияние на экономику РФ: Республика Татарстан, Ханты-Мансийский и Ямало-Ненецкий автономные округа, Иркутская, Томская области и др. На первые три региона приходится около 65 % добываемой в России нефти. При этом только Ханты-Мансийский автономный округ обеспечивает более 50 % добычи черного золота. Вместе с тем, по данным Росстата и Центра экономического анализа «РИА-Аналитика», за последние годы динамика добычи в Ханты-Мансийском и Ямало-Ненецком автономных округах была отрицательной, а в Татарстане рост добычи на протяжении нескольких последних лет составляет десятки процентных пунктов.
Для более полного понимания воспроизводственных процессов, протекающих в регионах, следует рассмотреть и другие индикаторы, так или иначе характеризующие инновационное развитие: рост производительности труда, снижение затрат производства и эксплуатации, модернизацию основных фондов.
Показатель региональной производительности труда. За рассматриваемый период наблюдается рост показателя региональной производительности труда, причем величина этого роста практически одинакова по регионам и федеральным округам и в среднем составляет 20 % в год (табл. 3).
С одной стороны, это значение свидетельствует об увеличении выработки и соответственно производстве большего количества товаров и услуг, однако при сопоставлении его с изменением заработной платы обнаруживается, что заработная плата растет опережающими темпами, за исключением Дальневосточного федерального округа (в
Таблица 3
Темпы роста производительности труда в федеральных округах на 1 чел. в 2001-2010 гг.
Федеральный округ 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Средний темп роста за 2005-2010
Центральный 1,2 1,3 1,2 1,3 1,4 1,3 1,2 1,2 0,9 1,2 1,2
Северо-Западный 1,2 1,2 1,2 1,3 1,2 1,2 1,2 1,2 1,0 1,1 1,2
Южный 1,3 1,2 1,2 1,2 1,2 1,2 1,3 1,2 1,0 1,2 1,2
Северо-Кавказский 1,3 1,2 1,3 1,3 1,2 1,2 1,2 1,2 1,1 1,1 1,2
Приволжский 1,2 1,1 1,2 1,3 1,2 1,2 1,2 1,2 0,9 1,1 1,2
Уральский 1,3 1,2 1,2 1,4 1,4 1,2 1,1 1,1 0,9 1,2 1,1
Сибирский 1,3 1,1 1,2 1,3 1,2 1,3 1,2 1,1 1,0 1,2 1,2
Дальневосточный 1,3 1,2 1,2 1,2 1,2 1,2 1,3 1,2 1,2 1,2 1,3
Всего... 1,2 1,2 1,2 1,3 1,3 1,2 1,2 1,2 1,0 1,2 1,2
основном за счет Чукотского автономного округа и Сахалинской области), и ее удельный вес в выработке увеличивается, а это в свою очередь также является препятствием для роста эффективности регионального воспроизводства при прочих равных условиях (табл. 4).
Наихудшая ситуация наблюдается в Вологодской области (рост зарплаты опережает рост производительности на 12 %), Омской (на 10 %), а также в Кабардино-Балкарской Республике и Республике Ингушетия (на 11 и 10 % соответственно), наилучшее положение демонстрируют Тюменская и Сахалинская области (производительность выше зарплаты на 20 и 17 %) и Чукотский автономный округ (на 15 %).
Несмотря на имеющийся рост доходов населения, их абсолютное значение все еще остается на крайне невысоком уровне, сохраняется их высокая дифференциация, которая не только не сокращается, а растет. Возможности повышения доли зарплаты в стоимости продукции ограничены высокими материальными затратами и низкой эффективностью использования материальных ресурсов. По оценочным данным, материалоемкость основных видов деятельности (добыча полезных ископаемых, обрабатывающие производства, строительство и т. п.) в регионах достигает 60 %.
Наиболее материалоемкими для всех регионов являются производство и распределение электроэнергии, газа и воды, исключение составляют только отдельные территории, например Ненецкий автономный округ. В отдельных субъектах РФ (Архангельской, Вологодской, Мурманской областях) значение данного показателя достигает 80 %. Указанный вид деятельности является жизнеобеспечивающим как для населения, так и для организаций и напрямую влияет на уровень затрат
Темпы роста зарплаты на 1 чел. в
на производство большинства видов продукции. В то же время производство качественной и низкозатратной продукции невозможно без использования соответствующих основных фондов, степень изношенности которых, как уже отмечалось, неуклонно растет.
По данным за 2010 г., в регионах, занимающихся добычей полезных ископаемых, степень износа основных фондов составляет в среднем 42,3 % и колеблется от 18 % в Сахалинской области и 27,2 % в Ненецком автономном округе до 55,5 и 56,4 % в Республиках Татарстан и Коми соответственно. В регионах с преимущественно обрабатывающим производством величина износа фондов составляет в среднем 40,7 % и практически не имеет серьезных территориальных различий: от 39,1 % в Челябинской области до 45,7 % в Москве. Аналогичная величина износа (42,8 %) имеет место и в регионах, занимающихся производством и распределением электроэнергии, газа и воды: минимальное значение зафиксировано в Самарской области (29,2 %), максимальное - в Кемеровской области (59,6 %) [7].
Увеличение доли изношенного оборудования приводит к повышению эксплуатационных расходов и ухудшению качества продукции. Следовательно, благополучие отдельных производств и региона в целом определяется состоянием основных фондов и эффективностью их использования. Актуальность повышения эффективности использования основных фондов усиливается тем обстоятельством, что как по уровню, так и в динамике она не удовлетворяет требованиям рынка, конкурентоспособного функционирования хозяйствующих субъектов. По уровню фондоемкости промышленность регионов России более чем вдвое ниже, чем в развитых странах. Фондоемкость в США, например, составляет 0,5, а в исследуемых субъектах - от 0,6 до 22,4
Таблица 4
:деральных округах в 2001-2010 гг.
Федеральный округ 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Средний темп роста за 2005-2010 гг.
Центральный 1,50 1,36 1,32 1,24 1,32 1,26 1,31 1,30 1,08 1,13 1,27
Северо-Западный 1,44 1,39 1,21 1,22 1,26 1,25 1,29 1,27 1,08 1,13 1,25
Южный 1,47 1,37 1,24 1,26 1,25 1,25 1,28 1,27 1,12 1,11 1,26
Северо-Кавказский 1,42 1,42 1,27 1,24 1,24 1,24 1,30 1,27 1,16 1,10 1,27
Приволжский 1,44 1,33 1,24 1,22 1,26 1,25 1,27 1,28 1,06 1,12 1,25
Уральский 1,48 1,27 1,23 1,20 1,21 1,22 1,25 1,22 1,02 1,12 1,21
Сибирский 1,41 1,35 1,24 1,22 1,25 1,22 1,25 1,25 1,08 1,12 1,23
Дальневосточный 1,38 1,39 1,26 1,21 1,26 1,19 1,22 1,24 1,11 1,11 1,22
Всего... 1,46 1,35 1,26 1,23 1,27 1,24 1,28 1,27 1,08 1,12 1,25
в зависимости от региона и вида экономической деятельности. Так, в Белгородской и Московской областях, Москве и Санкт-Петербурге величина фондоемкости составляет 0,51-1 (среднее значение - 0,89).
В остальных субъектах РФ величина фондоемкости > 1 при среднем ее значении по этой группе субъектов РФ 3,28. При этом субъекты РФ данной группы располагаются следующим образом по мере возрастания фондоемкости: Брянская область, Владимирская область, Воронежская область, Ивановская область, Калужская область, Костромская область, Курская область, Липецкая область, Орловская область, Рязанская область, Смоленская область, Тамбовская область, Тверская область, Тульская область, Ярославская область, Республика Карелия, Республика Коми, Архангельская область (в том числе Ненецкий автономный округ), Вологодская область, Калининградская область, Ленинградская область, Мурманская область, Новгородская область, Псковская область, Республика Адыгея, Республика Калмыкия, Краснодарский край, Астраханская область, Волгоградская область, Ростовская область, Республика Дагестан, Республика Ингушетия, Кабардино-Балкарская Республика, Карачаево-Черкесская Республика, Республика Северная Осетия-Алания, Чеченская Республика, Ставропольский край, Республика Башкортостан, Республика Марий Эл, Чувашская Республика, Пермский край, Кировская область, Нижегородская область, Оренбургская область, Пензенская область, Самарская область, Саратовская область, Ульяновская область, Курганская область, Свердловская область, Тюменская область (в том числе Ханты-Мансийский автономный округ -Югра, Ямало-Ненецкий автономный округ), Челябинская область, Республика Алтай, Республика Бурятия, Республика Тыва, Республика Хакасия, Алтайский край, Забайкальский край, Красноярский край, Иркутская область, Кемеровская область, Новосибирская область, Омская область, Томская область, Республика Саха (Якутия), Камчатский край, Приморский край, Хабаровский край, Амурская область, Магаданская область, Сахалинская область, Еврейская автономная область, Чукотский автономный округ.
В результате можно сделать вывод, что подавляющее число регионов используют свои основные фонды неэффективно, и, для того чтобы выпустить продукции на 1 руб., предприятиям необходимо
вложить в производственные основные фонды 3,28 руб. Столь высокое значение фондоемкости обусловлено тем, что стоимость оборудования опережает рост его производительности; а также структурно-технологической несбалансированностью между совокупной производительностью и выпуском продукции, которую могли вызвать отсутствие или нехватка сырья и материалов, падение спроса на продукцию.
Таким образом, полученные показатели региональной экономической эффективности в совокупности свидетельствуют о замедленных темпах экономического развития и, соответственно, сигнализируют о наличии серьезных препятствий для развития производства.
Сопоставляя результаты анализа данных индикаторов с результатами, полученными по первой группе критериев, можно предположить, что активность регионов в инновационной сфере слабо или вообще не связана с социально-экономическими результатами развития регионов. Для подтверждения этого тезиса рассчитаем индекс детерминации, т. е. определим долю дисперсии зависимой переменной, объясняемую рассматриваемой моделью зависимости, т. е. объясняющими переменными.
В качестве зависимой переменной будем рассматривать один из показателей эффективности регионального воспроизводства, равный отношению ВРП к затратам, произведенным на его создание. В качестве объясняющей переменной - индекс К1.
Коэффициент детерминации принимает значения от 0 до 1, при этом чем ближе значение коэффициента к 1, тем сильнее зависимость. Для трактовки полученных значений воспользуемся шкалой Чеддока, которая позволяет дать количественным значениям качественную оценку.
Значения коэффициента детерминации К1 и эффективности регионального воспроизводства субъектов РФ за 2006-2010 гг. следующие: - 0-0,1 (связь отсутствует) - Калужская область, Костромская область, Рязанская область, Тамбовская область, Тверская область, Тульская область, Ненецкий автономный округ, Калининградская область, Ленинградская область, Новгородская область, Республика Калмыкия, Астраханская область, Волгоградская область, Республика Ингушетия, Кабардино-Балкарская Республика, Республика Мордовия, Нижегородская область, Оренбургская область, Пензенская область, Саратовская область, Ульяновская
область, Курганская область, Республика Алтай, Республика Бурятия, Республика Тыва, Республика Хакасия, Камчатский край, Хабаровский край, Амурская область;
- 0,11-0,3 (слабая связь) - Белгородская область, Воронежская область, Ивановская область, Липецкая область, Смоленская область, Москва, Архангельская область, Мурманская область, Псковская область, Чеченская Республика, Республика Башкортостан, Республика Марий Эл, Чувашская Республика, Кировская область, Пермский край, Тюменская область, Ханты-Мансийский автономный округ - Югра, Челябинская область, Кемеровская область, Еврейская автономная область;
- 0,31-0,5 (умеренная связь) - Брянская область, Владимирская область, Курская область, Московская область, Орловская область, Республика Карелия, Республика Коми, Санкт-Петербург, Республика Адыгея, Краснодарский край, Республика Дагестан, Карачаево-Черкесская Республика, Республика Северная Осетия -Алания, Республика Татарстан, Красноярский край, Омская область, Республика Саха (Якутия), Приморский край, Магаданская область, Чукотский автономный округ;
- 0,51-0,7 (заметная связь) - Ярославская область, Вологодская область, Ростовская область, Ставропольский край, Самарская область, Свердловская область, Алтайский край, Забайкальский край, Новосибирская область, Сахалинская область;
- 0,71-0,9 (высокая связь) - Удмуртская Республика, Ямало-Ненецкий автономный округ, Томская область;
- 0,91-0,99 (весьма высокая связь) - Иркутская область.
Для приемлемых результатов предполагается, что коэффициент детерминации должен быть хотя бы не меньше 0,5 (50 %). Только 14 регионов РФ удовлетворяют данному условию, а это означает, что у оставшихся 69 результаты регионального производства не связаны (или слабо связаны) с функционированием инновационной сферы.
При этом всего два региона - лидеры инновационного развития - демонстрируют заметную и высокую взаимосвязь показателей (Самарская и Томская области), в Санкт - Петербурге и Татарстане связь умеренная, в Москве и Мурманской области - слабая, а Калужская и Нижегородская области характеризуются отсутствием данной зависимости,
т. е. производственные результаты этих регионов только на 10 % (в лучшем случае) объясняются инновационными факторами и на 90 % зависят от каких-то иных (случайных) факторов.
В результате оценки эффективности инновационной деятельности можно сформулировать следующие выводы:
- для большинства регионов России, в том числе специализирующихся на добыче полезных ископаемых, характерен опережающий рост материальных затрат по сравнению с ростом ВРП, что свидетельствует о низком уровне эффективности производства;
- в подавляющем числе регионов России, за исключением Дальневосточного федерального округа (в частности, Чукотского автономного округа и Сахалинской области), рост зарплаты опережает рост производительности труда, что является положительным фактором, но при снижении других затрат. В результате это связано с усилением перераспределительных процессов, что также является дестимулирующим эффектом для регионального воспроизводства;
- промышленное производство в регионах характеризуется высокими материальными затратами и низкой эффективностью использования материальных ресурсов. Наиболее материало-емким для всех регионов является базовый вид деятельности «производство и распределение электроэнергии, газа и воды», рост затрат в котором порождает увеличение расходов всех других секторов;
- степень износа основных фондов как в субъектах РФ, занимающихся добычей полезных ископаемых, так и в регионах с преимущественно обрабатывающим производством существенно не различается и превышает 40 %;
- неэффективное использование основных производственных фондов: в России отсутствуют регионы, в которых величина фондоемкости не превышала бы 0,5; четыре региона демонстрируют значение менее единицы; для всех остальных территорий характерно значение, многократно превышающее единицу (максимум зафиксирован в Республике Калмыкия - 13,6);
- комплексный экономический показатель, оценивающий способность региона создавать, принимать и распространять знания (индекс К1), имеет высокие значения в крайне ограниченном числе субъектов РФ: Москве и Санкт-Петербурге,
Томской, Самарской, Калужской, Нижегородской областях и Республике Татарстан;
- структура индекса К1 по регионам неоднородна, т. е. отсутствует баланс между составляющими индекса (образованием, инновациями и информационно-коммуникационными технологиями). Исключением являются Республика Татарстан, Томская, Самарская, Нижегородская и Мурманская области;
- связь между индексом К1 и эффективностью регионального воспроизводства в 83 % регионов полностью отсутствует или выражена крайне слабо. Это свидетельствует о том, что фундамент для расширенного воспроизводства в самих регионах не создается, кадры мигрируют, и эффект размывается в масштабах страны.
Список литературы
1. Гельвановский М. И., Жуковская В. М. О методах межстранового сопоставления показателей конкурентоспособности // Вопросы статистики. 2000. № 3.
2. Дальман К. Дж. Знаниеемкая экономика: концепции, тенденции, стратегии // Информационное общество. 2002. № 1.
3. Индекс экономики знаний. URL: http:// gtmarket. ru/ratings/knowledge-economy-index/ knowledge-economy-index-info.
4. Косенков Р. А., Цыганкова В. Н. Анализ инновационных факторов развития региона // Инновации. 2002. № 9.
5. Кузык Б. Н., Кушлин В. И., Яковец Ю. В. Прогнозирование, стратегическое планирование и национальное программирование. М.: Экономика, 2009.
6. Литвинова А. Власти «забыли» об инновациях из-за выборов. URL: http://www. rbcdaily. ru/2012/03/07/focus/562949983168884.
7. Регионы России. Социально-экономические показатели. 2011. URL: http://www. gks. ru/doc_2011/ region/soc-pok. zip.
8. Садков В. Г., Карпухина Т.Н. и др. Уровень инновационности общественного развития (методологические аспекты) // Инновации. 2002. № 9.
9. European Innovation Scoreboard. 2005. Comparative analysis of innovation performance. 2005 -Режим доступа: http://www. astrid-online. it/E-governme/ Atti-dell-/European-Innovation-Scorebord-12_01_. pdf.
10. Global Information Technology // World Economic Forum. URL: http://www.weforum.org/ issues/global-information-technology.
