CC BY
46
pISSN 2073-2872 eISSN 2311-875X
Инновации и инвестиции
МЕТОДИКА ОПРЕДЕЛЕНИЯ ИННОВАЦИОННОГО ПОТЕНЦИАЛА СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ РАЗЛИЧНЫХ ИЕРАРХИЧЕСКИХ УРОВНЕЙ С ИСПОЛЬЗОВАНИЕМ ЭЛЕМЕНТОВ ВЕКТОРНОГО АНАЛИЗА И ТЕОРИИ ПОЛЯ*
Светлана Владимировна ИСТОМИНА3'', Татьяна Анатольевна ЛЫЧАГИНАЬ, Елена Анатольевна ПАХОМОВАс, Александр Вячеславович ПАХОМОВ"1
а кандидат технических наук, главный специалист,
АО «Атомэнергопроект» (предприятие ГК «Росатом»), Москва, Российская Федерация
istomina_sv@aep.ru
ORCID: отсутствует
SPIN-код: отсутствует
ь кандидат физико-математических наук, доцент, старший научный сотрудник,
Объединенный институт ядерных исследований, Дубна, Московская область, Российская Федерация
lychagina@jinr.ru
ORCID: отсутствует
SPIN-код: 5675-8867
с доктор экономических наук, кандидат технических наук, доцент, профессор кафедры экономики,
Государственный университет «Дубна», Дубна, Московская область, Российская Федерация
uni-dubna@mail.ru
ORCID: отсутствует
SPIN-код: 3500-1423
й кандидат экономических наук, доцент, заместитель генерального директора по экономике и финансам,
АО «НПК «Дедал» (предприятие ГК «Росатом»), Дубна, Российская Федерация»
pakhomov_av@dedal.ru
ORCID: отсутствует
SPIN-код: 5477-8574
' Ответственный автор
История статьи:
Получена 21.09.2017 Получена в доработанном виде 18.10.2017 Одобрена 23.11.2017 Доступна онлайн 16.01.2018
УДК 005.591.6, 334.021 М20, 020, 030
Ключевые слова:
инновационный потенциал, тройственное
Аннотация
Предмет. Феномен инновационного потенциала социально-экономических объектов различных иерархических уровней (макро-, мезо-, микро-) на основе тройственного взаимодействия институтов науки и образования, бизнеса, государства (Университет-Производство-Государство).
Цели. Создание авторского инструментария с использованием элементов векторного анализа и теории поля, предназначенного для анализа влияния инноваций на развитие указанных объектов, а также его апробация в части определения инновационного потенциала на примере макрообъекта - России. Методология. В работе использованы элементы векторного анализа и теории поля (градиент, дивергенция, уравнение непрерывности), метод аналогий для адаптации естественно-научных понятий к экономической области (в частности, для разделения характеристик развития указанных объектов на структурные и динамические на основе их содержательного сопоставления), регрессионный анализ для определения составляющих инновационного потенциала региона.
Результаты. Разработана методика определения инновационного потенциала социально-экономических объектов различных иерархических уровней в условиях тройственного взаимодействия «Университет-Производство-Государство». Инновационный потенциал объекта представлен тремя составляющими -наукоемким фактором, фактором доходности и фактором производственных мощностей. Апробация разработанного инструментария была проведена в части исследования динамики инновационного потенциала России в период 2010-2015 гг. Анализ указанного периода показал, что из трех составляющих инновационного потенциала наибольший вклад вносит наукоемкий фактор.
Выводы. Проведенная апробация методики подчеркивает не только ее практическую значимость, гибкость предлагаемого аппарата, но и способ работы с реально
взаимодействие, векторный существующей официальной статистикой, какого бы качества она ни была. Работа анализ, теория поля, с отечественными данными настолько непроста, что хотя бы инструментарий должен
уравнение непрерывности быть негромоздким и прозрачным.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2017
Для цитирования: Истомина С.В., Лычагина Т.А., Пахомова Е.А., Пахомов А.В. Методика определения инновационного потенциала социально-экономических объектов различных иерархических уровней с использованием элементов векторного анализа и теории поля // Национальные интересы: приоритеты и безопасность. - 2018. - Т. 14, №1. - С. 97 - 120. https://doi.Org/10.24891/ni.14.1.97
Введение
Настоящая статья является продолжением исследования, промежуточные результаты которого опубликованы ранее1. В работе Г. Ицковица [1] всесторонне и подробно разобраны механизмы зарождения инноваций, основанные на тройственном взаимодействии институтов науки и образования, бизнеса, государства (Университет-Производство-Государство), выявлены требования, способствующие развитию инновационного внедрения. Как показывает практика [2-4], использование примеров эмпирической базы [1] в качестве организационных механизмов помогает подъему инновационной
деятельности. Однако принятие решения о начале предпринимательства, особенно если дело касается инноваций [5, 6], должно основываться на предварительном анализе условий, в которых планируется развивать бизнес. Кроме изучения состояния объекта2 и выбора определенных Г. Ицковицем векторов движения, следует выполнять оценки результатов на всех стадиях процесса.
* Статья подготовлена при поддержке РФФИ в рамках проекта № 16-06-00054 «Инструментально-методический подход к адаптации модели тройной спирали для условий России с учетом исторической ретроспективы».
1 Истомина С.В., Лычагина Т.А., Пахомова Е.А. Структуризация и схематизация эмпирической базы условий возникновения и развития модели тройной спирали
// Сборник научных трудов SWorld. 2016. Т. 8. Вып. 1. С. 89-99; Истомина С.В., Лычагина Т.А., Пахомова Е.А. Перспективы развития модели тройной спирали в России // Национальные интересы: приоритеты и безопасность. 2016. № 12. С. 119-132.
2 Г. Ицковиц под объектом понимает регион. Мы идем дальше - под объектом здесь и далее имеем в виду социально-
экономический объект любого иерархического уровня
(макро-, мезо-, микро).
Эмпирическая база, выявленная в [1], только качественно определяет механизмы взаимодействия и их последствия, но не выражает их численными значениями экономических показателей, при отсутствии которых сложно в полной мере оценить результативность деятельности.
Трансформировать описательные характеристики в количественные экономические показатели возможно при помощи методов математического моделирования3. Для этого требуется детализация эмпирической базы с выделением структур и их действий. Последующее наполнение структур характеристиками и сопоставление их действий с
математическими операторами позволит создать инструментарий, пригодный для оценивания результатов инновационной деятельности в количественном виде4.
Основные этапы методики определения инновационного потенциала объекта
Первым шагом предлагаемой методики является процесс перехода от описательных
3 Основы теории подобия и моделирования: терминология / отв. ред. проф. В.А. Веников. М.: Наука, 1973. 22 с.; Лотов А.В. Введение в экономико-математическое моделирование. М.: Наука, 1984. 392 с.; Иванилов Ю.П., Лотов А.В. Математические модели в экономике. М.: Наука, 1979. 304 с.
4 Лебедев В.В. Математическое моделирование социально-экономических процессов. М.: Изограф, 1997. 224 с.; Лебедев В.В., Лебедев К.В. Математическое моделирование нестационарных экономических процессов. М.: еТест, 2011. 336 с.; Краснощеков П.С., Петров А.А. Принципы построения моделей. М.: Изд-во МГУ, 1983. 264 с.; Мышкис АД. Элементы теории математических моделей. М.: Наука, 1994. 191 с.
примеров к оценке результата, осуществляемый в два этапа. На первом этапе выполняется системный анализ механизмов эмпирической базы [1] для выделения участников действий и обозначения самих действий (с точки зрения системного анализа - выделение элементов системы взаимосвязей между ними). В работе [1] выделены три структуры одного типа, взаимодействие которых порождает деятельность по разработке и внедрению инноваций. Определим их как базовые структуры5: Университет, Производство, Государство. В целях наделения базовых структур характеристиками поставим каждой в соответствие пространство, выражающее основную сущность базовой структуры: Университет - пространство Знаний; Государство - пространство Согласия; Производство - пространство Инноваций.
Действие каждой базовой структуры основано на знаниях; расширение функций структуры приводит к перемещению из своего пространства деятельности в другие при условии сохранения первоначальной сущности. Это возможно, если взаимодействие структур происходит в области пересечения пространств - области взаимодействия6.
Для процесса продвижения инноваций кроме трех базовых структур в [1] выделены промежуточные подструктуры, которые отпочковались от базовых структур и являются двигателями инновационного развития. Весь процесс - взаимодействие базовых структур с отщеплением подструктур, дальнейшим образованием новых базовых
5 Истомина С.В., Лычагина Т.А., Пахомова Е.А. Структуризация и схематизация эмпирической базы условий возникновения и развития модели тройной спирали
// Сборник научных трудов SWorld. 2016. Т. 8. Вып. 1. С. 89-99.
6 Истомина С.В., Лычагина Т.А., Пахомова Е.А.
Перспективы развития модели тройной спирали в России
// Национальные интересы: приоритеты и безопасность. 2016. № 12. С. 119-132.
структур и выпуском инноваций - был представлен нами в предыдущих работах.
Второй этап представляет переход от качественного определения структур и их действий, выделенных первоначально, в количественное выражение. Для
осуществления этого этапа воспользуемся аппаратом векторного анализа'.
Действительно, если следовать ассоциациям, которые использует Г. Ицковиц, то область взаимодействия можно представить полем, которое характеризуется параметрами состояния региона, выраженными
характеристиками базовых структур -скалярными величинами, и результатами их действий (взаимодействиями) - векторными величинами. Универсальность операторов теории поля расширяет возможности описательного процесса взаимодействия структур. Проследим это на примере определения и изменения функции инновационного и экономического состояния объекта.
В области взаимодействия, определенной в системе координат «Знания - Согласие -Инновации», рассмотрим скалярную функцию, выражающую инновационное и экономическое состояние объекта F (SK, SA,
Sj), где в качестве независимых переменных
используем скалярные величины:
пространство Знаний - SK (наименование
индекса от англ. knowledge), пространство
Согласия Sa (agreement), пространство
Инноваций Sj (innovation). Проследим за
процессом изменения F (SK, SA, Sj) при
выпуске инноваций д Sj и дадим графическую
интерпретацию в целях наделения ее компонент экономическим содержанием (рис. 1).
Рассмотрим два положения - первоначальное F1 (начало взаимодействия) и F2 (после
7 Письменный Д.Т. Конспект лекций по высшей математике: полный курс. М.: Айрис-пресс, 2009. 608.
выпуска инноваций). Переход из F1 в F2, то есть вектор F1F2, описывает изменение состояния под воздействием инноваций, основанных на знаниях и осуществленных при поддержке (согласии) государственных структур. С другой стороны, вектор F1F2 характеризует направление и величину изменения скалярного поля, что с точки зрения векторного анализа можно описать понятием градиента функции F SA, £!)8:
—— д F -gradF = -— i +
д SK
д F д F J J +— k
д S
д ST
(1)
gradF
д F / F
д sk / sk
■i +
д F / F
дsa/S a
J
д F / F
д SI / SI
k .
8 Там же.
характер», «показатель градиента является дифференцированным (дифференциальным)».
Следующий шаг - переход от непрерывных приращений к дискретным, что позволит в дальнейшем работать с реальными статистическими данными, имеющими дискретный вид: дF/F — ЛF/F, дSк/Sк —
ASK/SK, дSA/SA - ASA/SA, дSI/SI - ASI/SI . Тогда формула (2) примет вид (3):
~dF А F /F i +
gradF = -гт:—гтт- i +
ASk/Sk
A F / F J A F / F J J + ^ . „ J .
a sa / s a
A ST / ST
где ¡, j ,к - единичные векторы по осям «Знания - Согласие - Инновации».
От математического определения градиента скалярной функции (1), использующего отношения абсолютных приращений, перейдем к отношениям относительных приращений (экономические аналоги - темп роста, эластичность), тем самым наполняя абстрактное математическое понятие прикладным содержанием, получая экономически адаптированный аналог, как мы уже делали в [7]. Однако, строго говоря, мы все-таки делаем отступление от четко определенного математического понятия, в сл ед ств и е чего п ред ст авляе тс я небезосновательным иметь в виду приставку «псевдо», обозначив ее, например, значком ~ над обозначением grad (2):
Отметим роль единичных векторов в формуле (2): фактически, они не дают просуммироваться, то есть как бы «слиться воедино» коэффициентам при них. Другими словами, каждый коэффициент при единичном векторе дает представление о темпе роста функции под действием соответствующего фактора, что лаконично можно отразить возможными формулировками типа: «градиент имеет дифференцированный
Следующим шагом является наполнение б азов ы х с труктур п р о с тр анс тв характеристиками, отражающими их сущность (табл. 1).
Принимая во внимание содержательный смысл выделенных характеристик базовых структур пространств, разделим их на описательные характеристики (скаляры, структурные характеристики развития) и результаты действий (векторы, динамические характеристики развития) (табл. 2).
Следующий шаг, использующий применение элементов векторного анализа и теории поля, -исследование изменения инновационного и экономического состояния объекта методом аналогий с использованием уравнения непрерывности, являющегося одним из законов сохранения в гидродинамических процессах. Подобно тому, как в гидрогазодинамике скорость накопления массы равна разности между скоростью прихода массы и скоростью ухода массы9, инновационное и экономическое изменение объекта можно определить разностью вливания финансирования и выходом инновационных продуктов (результат действия финансов и трудовых ресурсов приводит к изменению инновационного и экономического состояния объекта). С точки
9Дейч М.Е. Техническая газодинамика. М., Л.: Госэнергоиздат, 1961. 670 с.
+
зрения законов сохранения динамику движения потока жидкости можно сравнить с динамикой развития объекта (рис. 2).
Течение жидкости характеризуется скалярными величинами (плотностью, давлением, температурой) и векторной величиной (скоростью движения). В нашем случае аналогами скалярных величин будут структурные характеристики объекта (количество предприятий, университетов, научных сотрудников, затрат на разработки), а векторных - динамические характеристики (количество разработок, затраты на
финансирование, выпущенные инновации).
10
Представим имеющее вид
dр _ —- + р-div V = dt
уравнение непрерывности
0
(4)
div V =
дvx dv y дvz
+
+
д x д y д z
где x, y, z -компоненты
а
определение Tii.
координаты;
вектора дается
V, V.
(5)
V.
выражением
div V = lim = lim
cj^ V Я dS
А V
А V
Л V ^0
А V
(6)
где V - объем; Р -V; S -ограничивающая скорости; n -к поверхности S.
10 Там же.
11 Чуев Л. С. О понимании, вычислении и измерении дивергенции векторных полей физических величин // ЗиПМ. 2013. № 2. С. 49-54.
Теперь можно провести ассоциативный переход от физических величин уравнения непрерывности к экономическим аналогам. Сопоставим скалярам структурные характеристики, а векторам - динамические в дискретном представлении: Ах ® Ду ®
ASn,V ®
IV x
ASA1, Az ® ASn, р ® F, где ASK1, ASA1, AS,
K2' y
Il
KV ASA2, Vz ®
изменения
-'К1> ^Л1>
скалярных величин (структурных
характеристик) за определенный промежуток времени; ДSK2, Д£д2> ДS^2 " изменения
векторных величин (динамических характеристик) за определенный промежуток времени; F - скалярная функция, выражающая инновационное и экономическое состояние объекта.
3
где р - плотность среды кг/м ; t - время, с; V - скорость движения среды, м/с с учетом скалярно-векторного представления табл. 2. Предварительно заметим, что выражение (4) содержит оператор дивергенции, расчетная формула которого имеет вид:
Тогда уравнение (4) с учетом экономического аналога примет вид
в непрерывном представлении: Fdt
(5) для
^ д si 2/ si 2
д Si !/Si !
(7.1)
в дискретном представлении (7.2):
А F АSK2/SK2 , АSA2/SA2 , А S F А t =
/ S
12' 2
А SK 1/ Sk 1
Аsa1/sa1
Аsi1/si1
' x y ' z скорости V , интегральным
поток векторов через объем замкнутая поверхность, объем V; V - вектор вектор нормали
Заметим, что в (7.1) и (7.2) по аналогии с (2) и (3) мы дополнительно перешли от абсолютных изменений к относительным (темпам роста, эластичностям). В дополнение к уже сделанному обоснованию такого перехода подчеркнем, что в противном случае компоненты правых частей в (7.1) и (7.2) могут иметь разные размерности (поскольку размерности скалярных и динамических характеристик, содержащихся в числителе и знаменателе соответственно, не обязаны совпадать), а потому было бы некорректно формировать из них аддитивный показатель.
Правая часть выражений (7.1) и (7.2) представляет собой аналог дивергенции, которую в целях гармоничности изложения по аналогии с градиентом, можно представить
S
возможными формулировками типа: «дивергенция имеет интегральный характер», «показатель дивергенции является
интегральным».
Обозначая правую часть через ст и решая дифференциальное уравнение, из (7.1) для F с точностью до константы имеем:
F = const • eat .
(8.1)
Заметим, что в (7)-(8.1) перед правой частью мы умышленно пренебрегли знаком «минус», чтобы не допустить необоснованного усложнения инструментария, поскольку с экономической точки зрения имеет смысл не абсолютное значение функции F , а ее изменение. С учетом сказанного для целей практического применения предпочтение следует отдать выражению (7.2).
Дадим возможную экономическую интерпретацию компонентам выражения (6). Так, АУ можно трактовать как научно-производственное содержание объекта, представленное скалярами (структурными характеристиками):
АУ = Ах ■ Ах ■ Ах * АSK1 ■ ASД1 ■ ASn . (8.2)
При условии АУ — 0 объем стягивается в точку, расположенную внутри объема У. При этом же условии произведение структурных характеристик ■ А5д1 ■ ASI1 стремится к
такому «образу» точки, в котором содержится экономическая информация как минимум об одной единице носителей науки, едином платеже на развитие разработок и единице предприятия, выпускающего инновационный продукт, то есть геометрический образ точки, рассматриваемый в векторном анализе в виде начала или конца вектора, можно интерпретировать как потенциальный источник инноваций.
Ограничивающая поверхность S при АУ - 0 стягивается в поверхность, ограничивающую малый объем (научно-производственное наполнение объекта). Эта
граница необходима как барьер, позволяющий определять, выходит что-либо из этого объема за пределы S или только входит (например, в приложении к объекту мезоуровня - региону -это может свидетельствовать о том, является ли регион донором или акцептором). Поток векторов Р через ограничивающую поверхность S в экономической интерпретации соответствует выходу инноваций в рассматриваемом регионе. Представляется, что экономическая интерпретация уравнения непрерывности соответствует определению баланса «потоков векторов Р» в регион, представляющих поступления в виде финансового и трудового обеспечения, и из региона, определяющих результат действия поступлений, а оператор дивергенции можно трактовать как интегральный показатель темпа роста объекта малого объема, причем положительное значение темпа роста соответствует развитию, отрицательное - упадку.
Иными словами, понятие оператора дивергенции (интегрального темпа роста), определяющего в векторном анализе возникновение источника или стока, с экономической точки зрения может интерпретироваться как показатель активности экономической деятельности, позволяющий определить, насколько результат деятельности эффективен. Если этот показатель больше нуля, то деятельность эффективна, если меньше - то неэффективна.
Следующий шаг наших рассуждений -определим интегральный показатель темпа роста, то есть правую часть выражения (7.2) как инновационный потенциал объекта С (9):
С _ А ^ к 2/ ^ к 2 + А 5а 2 / 5а 2 + А 2 / 2
A sk1/sk1 A sa1 / Sa1 A SI1/SI1
состоящий из трех компонент со следующей содержательной интерпретацией: наукоемкий фактор, определяющий скорость появления инновационных разработок в зависимости от существующего научного содержания объекта;
фактор доходности, показывающий насколько прибыльными оказались затраты на разработку и внедрение инноваций; фактор производственных возможностей, показывающий интенсивность развития инновационного производства.
Выражения (3) и (9) позволяют дифференциально и интегрально определить инновационные и экономические результаты последствий тройственного взаимодействия, демонстрируя гибкость предмета векторного анализа в качестве инструмента для моделирования различных экономических состояний.
Для практического использования формулы (9) проведем следующие преобразования12, описание которых продемонстрируем на примере одной из ее компонент:
аsk2/sk2 а sk 1/sk 1
А SK 2 SK1 АSK1 S K2
S
, (9.1)
sk 2
где Ьк - коэффициент линейной регрессии
5^2 = Ь^^ + а^- Относительно
функционального распределения переменных на зависимые и независимые отметим, что логично считать динамические
характеристики результатом влияния скалярных. Аналогично преобразуя остальные компоненты (9), получим:
C
S,
S,
Sr
Ьк 1 , i A1 , т I 1
+ЬА^~+Ьт.
K ç A ç I ç
SK 2 S A 2 SI2
(10)
Апробация методики
Апробацию разработанной методики проведем в части расчетов по формуле (10), для чего необходимо заполнить каждое пространство показателями, с одной стороны, соответствующими пространствам содержательно на основе свойств и характеристик базовых структур, с другой -доступными через официальные
12Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики: учебник для вузов. М.: ЮНИТИ, 1998. 1022 с.
статистические источники. В связи с этим были выбраны и изучены данные13 для макрообъекта - России по направлениям «Наука» и «Инновации» [8]. В пространство Знаний вошла информация по научным кадрам, а также результат их деятельности -разработанные инновации и патенты на изобретения. Пространство Согласия содержит финансовые затраты на разработку и внедрение инноваций и результат этих вложений - доход от продажи выпущенных инновационных продуктов. Пространство Инноваций представлено количеством предприятий, выпускающих инновации, и результатом их деятельности - количеством выпущенных инновационных продуктов (табл. 3).
Временные ряды по выбранным показателям имеют различную протяженность в период 2000-2015 гг., а по некоторым показателям являются разрывными. Общим периодом для всех выбранных показателей оказался 2010-2015 гг., который и был выбран для дальнейшей работы. Обозначения показателей пространства Знаний начинается с идентификатора К, Согласия - с А, Инноваций - с I; первая цифра после идентификатора означает вид характеристики («1» - скаляр, «2» - вектор), вторая цифра - порядковый номер показателя (табл. 4-6). Из-за отсутствия данных по результатам инновационной деятельности, оцениваемой количеством выпущенных инноваций, инновационный вектор рассматривается аутентичным вектору согласия: ^21 = 121 и ^21 = 121 (см. табл. 3) и определяется объемом отгруженных инновационных товаров, работ и услуг в стоимостном измерении. Кроме того, показатель, характеризующий инновации, используемые для выпуска, по своему смыслу имеет
13 Наука и инновации. Научный потенциал и инновационная активность в России: стат. сборник. Вып. 8. М.: Росстат, 2016. 240 с.; Информационно-статистический материал «Статистика науки и образования». Вып. 7. Инновационная деятельность в Российской Федерации. М., 2015. 58 с.
двоякую скалярно-векторную сущность: Л4 = т.
Опишем особенности имеющихся в наличии статистических данных по науке и инновациям и работы с ними.
В процессе заполнения пространств характеристики были содержательно разделены на две категории - инициирующие действие скалярные величины (независимые) и результативные векторные величины (зависимые). По сути, каждому пространству можно поставить в соответствие от 6 до 20 показателей из данных Росстата. Поэтому в качестве характеристик для каждого пространства на рассматриваемом временном интервале выберем пару показателей, имеющих максимальный коэффициент детерминации К) в регрессиях между векторными и скалярными характеристиками, а также значения статистики Дарбина-Уотсона ОШ наиболее близкие к двум, то есть вблизи области принятия гипотезы об отсутствии автокорреляции. Будем считать, что такой подход позволит наилучшим образом охарактеризовать свойства и динамику структуры (табл. 7-12). Выбранные парные зависимости для трех пространств сведены в табл. 13. Использование парных зависимостей объясняется наличием малых выборок N = 5), что, в свою очередь, связано с коротким периодом наблюдений. Для увеличения анализируемого материала расчеты выполнялись на двух периодах: 2010-2014 гг. (период 1), 2011-2015 гг. (период 2).
При обработке статистических данных выявились следующие проблемы. Во-первых, мы считаем, что статистические данные по инновациям представлены только частично. Ранее упоминалось о вынужденном использовании одного показателя для двух пространств по причине отсутствия данных по количеству выпущенных инновационных продуктов. Также отсутствуют такие данные
по малым предприятиям, как виды деятельности, количество сотрудников и их миграция, информация об открытии, закрытии. Особо подчеркнем, что, по мнению Г. Ицковица, именно малые предприятия способствуют продвижению инноваций. Но в нашей стране данные по ним предоставляются один раз в два года, начиная лишь с 2010 г.
Во-вторых, даже при определении и детализации понятий инноваций и инновационной деятельности14, проявляется неопределенность некоторых положений (представлений), что усложняет процесс наполнения пространств характеристиками. Например, инновационная деятельность включает все научные, технологические, организационные, финансовые и
коммерческие шаги, которые ведут к реализации инноваций (п. 40)15, но перед этим тот же источник подчеркивает отличие инновационной деятельности от исследований и разработок (п. 2)16. Поэтому достаточно сложно разобраться в тонкостях различий показателей статистических данных.
Кроме того, оказалось, что в разных источниках статистических данных значения одного и того же показателя отличаются друг от друга. Например, динамика показателя «Объем отгруженных инновационных товаров, работ и услуг, млн руб.» из различных источников (показатель с идентификаторами A21 (!21) и A22 (!22) в табл. 7-12) схожа при отличающихся абсолютных значениях, при этом причины расхождения неизвестны (рис. 3) [9], в связи с чем представляется целесообразным проведение расчетов по данным из обоих источников и сравнение их результатов.
При этом в [10] высказывается предположение о завышении Росстатом экономической
14 Руководство Осло. Рекомендации по сбору и анализу данных по инновациям. 3-е изд. Совместная публикация ОЭСР и Евростата. М., 2010. 107 с.
15 Там же.
16 Там же.
оценки страны, основанное на том, что Минэкономразвития России «руководит статистикой в нужном направлении».
Расчеты выполнялись по формуле (10). По причине появления отрицательного коэффициента Ь в некоторых уравнениях
регрессии (табл. 13) и вызванной этим неоднозначностью интерпретации экономической ситуации мы были вынуждены провести два вида анализа -с учетом уравнений с отрицательными коэффициентами и без их учета (табл. 14, 15).
Выполненные расчеты показали, что в случае учета всех регрессионных зависимостей (см. табл. 14) показатель инновационного потенциала объекта С возрастает, что можно объяснить экономическим ростом в периоде 2. В то же время при рассмотрении вариантов только с положительным Ь (табл. 15)
наблюдается прямо противоположная картина.
Чтобы определиться с тем, какой из двух полученных результатов отражает реальную экономическую ситуацию, представляется целесообразным выполнить исследование на предмет необходимости учета показателей, дающих регрессионные зависимости с Ь < 0.
Отметим, что в подобных случаях достаточно заметная регрессионная связь наблюдается для периода 1 в пространстве Знаний и для периода 2 в пространстве Инноваций (см. табл. 13)
Уточним анализ результатов, рассматривая отдельные факторы инновационного потенциала объекта С. Различия в результатах по периоду 1 (см. табл. 14, 15) обусловлены наукоемким фактором, который определен двумя видами регрессий (см. табл. 13): количество разработанных инноваций К22 в зависимости от исследователей с учеными степенями К14 и от персонала, занятого наукой К11. Вторая регрессия получилась с отрицательным коэффициентом, что объясняется малой долей людей,
осуществляющих инновационные разработки в общем числе персонала, занятого наукой. По статистике группа исследователей с учеными степенями К14 составляет только 14,8%, техников К13 - 8,3%, научных работников, разрабатывающих инновации, К12 - 50,8 % (в их состав также входят упомянутые 14, 8 и 8,3%). Кто же тогда остальные 49,2% персонала, занятого наукой (К11), если они не исследователи, хотя и присутствуют в статистических данных по науке и деньги за науку из федерального бюджета получают? Не означает ли это, что наука «обросла» менеджерами и управленцами, которые «добывают» средства на разработку инноваций и распространяют рекламу новых продуктов изготовителям, но сами инновации не разрабатывают? Не слишком ли дорого обходятся стране инновации?
Различия во второй период (см. табл. 14, 15) вносит фактор производственных возможностей, показывающий интенсивность развития инновационного производства. Статистические данные по этим показателям за рассматриваемые периоды таковы, что такие показатели, как число организаций, осуществляющих затраты на инновации !11 и количество новых технологий, приобретенных организациями !13, в начале периода возрастают, а затем наблюдается спад, который можно объяснить отсутствием денег или нежеланием вкладывать средства в приобретение новых технологий, а как следствие этого спада - появление отрицательного коэффициента в регрессии. В качестве еще одного объяснения можно рассмотреть тенденцию понижения количества разрабатываемых инноваций К22 и, как следствие, отсутствие новшеств, которые бы приобретались организациями для внедрения. Именно поэтому происходит спад приобретаемых технологий !13.
Если без учета отрицательного значения ко эф ф иц и ент а р ег ре сс и и ф актор интенсивности развития инновационного
производства содержит зависимость объема отгруженных инновационных товаров, работ и услуг в млн руб. (721, 122) от числа организаций с исследовательскими центрами
712, и согласно статистическим данным наблюдается тенденция роста, то с учетом регрессий при b < 0 добавляются зависимости
объема отгруженных инновационных товаров, работ и услуг от количества новых технологий, приобретенных организациями
713. Отрицательный коэффициент может быть связан с тем, что произошел резкий спад приобретения из-за недостатка денежных средств или по причине разработки собственных технологий. Однако количество собственных разработанных технологий уменьшается, как следует из тенденции снижения показателя количества разрабатываемых инноваций К22.
Размышления об отрицательных коэффициентах регрессии наводят на мысль, что они могут являться индикатором искаженности статистических данных, когда под инновациями понимается то, что инновациями не является, либо по причине вложений в устаревшие технологии или в производственные мощности по выпуску невостребованной рынком продукции17 либо из-за отсутствия четкой формулировки определения инноваций18.
Исходя из предположения возможной искаженности данных, по которым получены зависимости с b < 0, можно попытаться
провести расчеты еще раз без их учета. В этом случае результаты (см. табл. 15)
демонстрируют инновационный спад анализируемого периода. Это можно объяснить спадом показателя разработанных инноваций K22: по данным Росстата
17 Примером подобного искажения могут являться некоторые «инновации» корпорации «Роснано». См., например: «Завод «Роснано» по производству аккумуляторов признали банкротом»; «РОСНАНО -инновации или иллюзии?» URL: http://geo-politica.info/rosnano--innovatsii-ili-illyuzii.html
18 Приказ Росстата от 24.09.2014 № 580.
количество людей в науке растет, также возрастают средства на науку, но при этом количество разработанных инноваций падает.
Проведенная апробация методики
подчеркивает не только ее практическую значимость, гибкость предлагаемого аппарата, но и способ работы с реально существующей официальной статистикой, какого бы качества она ни была (можно усилить этот аргумент: работа с данными позволяет выявлять особенности национальной экономики). Отдача же предпочтений какому-либо варианту расчета является прерогативой структур, которые могли бы не только использовать данную методику, но и имели бы, в силу своих функциональных полномочий, и соответствующую
осведомленность о качестве статистического материала.
Отметим, что зависимые и независимые переменные, используемые в моделях, имеют временное распределение. По сути, это означает необходимость применения аппарата временных рядов, например, в случае описания взаимосвязей зависимых и независимых переменных -авторегрессионных моделей распределенных лагов. Однако это сильно усложнило бы инструментальную часть нашего исследования на данном этапе, целью которого было суметь перейти от чисто качественного изложения к количественному, не потеряв содержательности исходной модели.
Работа с отечественными данными настолько непроста, что хотя бы инструментарий должен быть негромоздким и прозрачным. Предлагаемая методика, на наш взгляд, отвечает этому требованию, а ее усовершенствование - предмет наших дальнейших исследований.
Таблица 1
Наполнение базовых структур характеристиками
Table 1
Filling basic structures with characteristics
Характеристики Пространство Знаний
Сущность Университета
1. Университеты и научные работники S^
2. Количество патентов или разработанных инноваций SK2
Пространство Согласия Сущность Государства
1. Денежные средства на разработку и внедрение инноваций 5д1
2. Денежные средства, вырученные от реализации новых продуктов 5д2
Пространство Инноваций Сущность Производства
1. Количество предприятий, выпускающих инновации SI1
2. Количество внедренных инноваций SI2
Источник: авторская разработка Source: Authoring
Таблица 2
Разделение характеристик базовых структур на скаляры и векторы Table 2
Segregation of basic structures' characteristics into scalars and vectors
Пространства Структурные характеристики (скаляры) Динамические характеристики (векторы)
Пространство Знаний Университеты и научные работники 1 Количество разработанных инноваций Sк2 -результат действия научных работников
Пространство Согласия Денежные средства на разработку и внедрение инновационных продуктов Денежные средства от дохода при реализации инноваций SA2 - результат действия затраченных средств на разработку и внедрение
Пространство Инноваций Предприятия, выпускающие инновации SI1 Количество внедренных инноваций - результат действия предприятий, выпускающих инновации Яц
Источник: авторская разработка Source: Authoring
Таблица 3
Наполнение характеристик пространств показателями из данных Росстата по науке и инновациям
Table 3
Filling space characteristics with Rosstat data on science and innovation
Показатели Характеристики пространства Знаний
Скаляры Векторы
Университеты и научные работники Б^, Количество разработанных инноваций Б^, шт.
шт./чел.
К11 - персонал, занятый наукой К21 - патентов выдается в год в РФ
К12 - исследователи К22 - разработанные за год инновации
К13 - техники К23 - патенты, выданные российским заявителям за год
К14 - исследователи с ученой степенью К24 - действующих патентов всего
- К25 - всего действующих патентов на изобретения
Характеристики пространства Согласия
Показатели Скаляры Векторы
Денежные средства на разработку и внедрение Денежные средства от дохода при реализации
инновационных продуктов Бар млн. руб. инноваций Ба2, млн руб.
А11 - финансирование науки из федерального А21 (121) - объем отгруженных
бюджета инновационных товаров, работ и услуг
А12 - внутренние затраты на науку А22 (122) - объем отгруженных инновационных товаров, работ и услуг
А13 - затраты организаций на внедрение -
инноваций
Характеристики пространства Инноваций
Показатели Скаляры Векторы
Предприятия, выпускающие инновации Бп, шт. Количество внедренных инноваций Бп, шт./млн руб.
111 - организации, осуществляющие затраты 121 (А21) - объем отгруженных
на инновации инновационных товаров, работ и услуг
112 - организации с лабораториями и 122 (А22) - объем отгруженных
исследовательскими центрами инновационных товаров, работ и услуг
113 - новые технологии, приобретенные 123 - число используемых передовых
организациями производственных технологий
114 - число используемых передовых -
производственных технологий
Источник: авторская разработка
Source: Authoring
Таблица 4
Заполнение пространства Знаний. Исходные данные Table 4
Filling the Knowledge space. Input data Год Параметры пространства Знаний
Персонал, Иссл. K12, Техники Иссл. Патенты Инновации, Патенты Всего Всего
занятый чел. K13, с ученной (выдано разраб. за выданы действ. действ.
наукой чел. степенью всего в год в год K22, шт. российским патентов патентов
K11, чел. K14, чел. РФ) K21, заявителям K24, шт. на изобр.
шт. (в год) K23, K25, шт.
шт.
Процесс действия - независимые переменные Результат действия - зависимые переменные
2010 736 540 368 915 59 276 105 114 30 322 864 21 627 259 698 181 904
2011 735 273 374 746 61 562 109 493 29 999 1 138 20 339 236 729 168 558
2012 726 318 372 620 58 905 109 330 32 880 1 323 22 481 254 891 181 515
2013 727 029 369 015 61 401 108 248 31 638 1 429 21 378 272 641 194 248
2014 732 274 373 905 63 168 109 598 33 950 1 409 23 065 292 048 208 320
2015 738 857 379 411 62 805 111 533 34 706 1 398 22 560 305 119 218 974
Источник: авторская разработка
Source: Authoring Таблица 5
Заполнение пространства Согласия. Исходные данные Table 5
Filling the Concord space. Input data
Год Параметры пространства Согласия
Финансирование Внутренние Затраты Объем отгруженных Объем отгруженных
науки из затраты на науку организаций инновационных инновационных
федерального бюджета A12, млн руб. на внедрение товаров, работ и услуг товаров, работ и услуг
A11, млн руб. инноваций A13, А21 (/21), млн руб. A22 (/22), млн руб.
млн руб.
Процесс действия - независимые переменные Результат действия - зависимые переменные
2010 237 644 523 377 400 804 1 243 712,5 1 045 830
2011 313 899,3 610 427 733 816 2 106 740,7 1 938 348
2012 355 920,1 699 869 904 561 2 872 905,1 2 571 346
2013 425 301,7 749 797 1 112 429 3 507 866 3 229 235
2014 437 273,3 847 527 1 211 897 3 579 923,8 3 231 837
2015 439 392,8 914 699 1 200 363,8 3 843 428,7 3 494 019
Источник: авторская разработка
Source: Authoring
Таблица 6
Заполнение пространства Инноваций. Исходные данные Table 6
Filling the Innovation space. Input data
Год Параметры пространства Инноваций
Число Число Количество Число Объем Объем
организаций, организаций с новых используемых отгруженных отгруженных
осуществляющих лабораториями и технологий, передовых инновационных инновационных
затраты на исследовательскими приобретенных производственны товаров, работ и товаров, работ и
инновации /11, центрами /12, шт. организацией х технологий /14 услуг /21 (A21), услуг /22 (¿22),
шт. /13, шт. (/23), шт. млн руб. млн руб.
Процесс действия - независимые переменные Результат действия - зависимые переменные
2010 3 168 1 119 2 1267 203 330 1 243 712,5 1 045 830
2011 3 725 1 591 40 646 191 650 2 106 740,7 1 938 348
2012 3 869 1 737 31 639 191 372 2 872 905,1 2 571 346
2013 3 906 1 799 33 280 193 830 3 507 866 3 229 235
2014 3 869 1 842 28 705 204 546 3 579 923,8 3 231 837
2015 3 826 1 746 24 361 218 018 3 843 428,7 3 494 019
Источник: авторская разработка
Source: Authoring Таблица 7
Расчетные данные по пространству Знаний в период 1
Table 7
Estimates of the Knowledge space during Period 1
Зависимость Уравнение R2 DW
K21(K11) Y = -0,2X + 178 387,6 0,31 0,23
K21(K12) Y = 0,16X - 28 393 0,07 0,24
K21(K13) Y = 0,31X + 12 973,3 0,1 0,24
K21(K14) Y = 0,45X - 17 350,9 0,26 0,26
K22(K11) Y = -0,04X + 30 001,17 0,6 1,49
K22(K12) Y = 0,02X - 7 276,88 0,07 0,61
K22(K13) Y = 0,07X - 2 944,94 0,26 1,05
K22(K14) Y = 0,09X - 9 169,4 0,59 1,41
K23(K11) Y = -0,085X + 80 990 0,13 2,48
K23(K12) Y = 0,02X + 14 355,37 0,003 2,35
K23(K13) Y = 0,05X + 18 801 0,007 2,57
K23(K14) Y = 0,08X + 12 842,2 0,02 2,52
K24(K11) Y = -1,08X + 1 055 775 0,06 1,02
K24(K12) Y = -1,35X + 764 682,2 0,03 0,79
K24(K13) Y = 6X - 103 132 0,26 2,08
K24(K14) Y = 0,56X + 202 816,5 0,003 0,98
K25(K11) Y = -0,952X + 882 056,6 0,09 0,94
K25(K12) Y = -0,65X + 428 726,6 0,014 0,71
K25(K13) Y = 4,74X - 101 559 0,31 2,04
K25(K14) Y = 1,11X + 66 426,43 0,02 0,97
Источник: авторская разработка
Source: Authoring
Таблица 8
Расчетные данные по пространству Согласия в период 1
Table 8
Estimates of the Concord space during Period 1
Зависимость Уравнение R2 DW
A21(A11) Y = 11,9X - 1 565 296 0,987 2,39
A21(A12) Y = 7,64X - 2 582 365 0,93 2,08
A21(A13) Y = 3,05X + 621,8 0,985 2,38
A22(A11) Y = 11,21X - 1 568 236 0,989 1,64
A22(A12) Y = 7,11X - 2 478 813 0,915 2,22
A22(A13) Y = 2,86X - 95 085,2 0,985 2,14
Источник: авторская разработка
Source: Authoring
Таблица 9 Расчетные данные по пространству Инноваций в период 1
Table 9 Estimates of the Innovation space during Period 1
Зависимость Уравнение R2 DW
I21(I11) Y = 2887,34X - 8 042 305 0,81 1,35
I21(I12) Y = 3190,44X - 2 498 630 0,9 1,78
I21(I13) Y = 42,32X + 1 345 717 0,09 0,47
I21(I14) Y = -17,6X + 6 132 658 0,013 0,39
I22(I11) Y = 2739,7X - 7 753 773 0,83 1,34
I22(I12) Y = 3013X - 2 470 626 0,91 1,81
I22(I13) Y = 44,39X + 1 022 335 0,113 0,47
I22(I14) Y = -20,42X + 6 424 948 0,02 0,17
I23(I11) Y = -10X + 234 008,4 0,23 1,19
I23(I12) Y = -7,4X + 208 920,5 0,113 1,333
I23(I13) Y = -0,71X + 219 083,2 0,6 1,76
Источник: авторская разработка
Source: Authoring
Таблица 10
Расчетные данные по пространству Знаний в период 2
Table 10
Estimates of the Knowledge space during Period 2
Зависимость Уравнение R2 DW
K21(K11) Y = 0,08X - 27 925,3 0,05 0,2
K21(K12) Y = 0,24X - 58 216,2 0,24 0,2
K21(K13) Y = 0,37X + 9 590 0,19 0,24
K21(K14) Y = 0,98X - 75 527,6 0,39 0,21
K22(K11) Y = -0,005X + 5 104,7 0,05 0,59
K22(K12) Y = -0,005X + 3 082,8 0,02 0,69
K22(K13) Y = 0,02X + 165,4 0,07 1,16
K22(K14) Y = 0,003X + 990 0,001 0,83
K23(K11) Y = -0,008X + 28 051,67 0,002 1,8
K23(K12) Y = 0,072X - 5 238 0,06 1,89
K23(K13) Y = 0,11X + 15 210,6 0,03 2,19
K23(K14) Y = 0,35X - 16 450 0,14 1,99
K24(K11) Y = 1,84X - 1 074 715 0,13 0,59
K24(K12) Y = 3,03X - 861 095 0,17 0,58
K24(K13) Y = 10,6X - 379 723 0,41 1,41
K24(K14) Y = 12,67X - 1 116 505 0,3 0,72
K25(K11) Y = 1,41X - 836 660 0,14 0,6
K25(K12) Y = 2,31X - 670 690 0,186 0,58
K25(K13) Y = 7,77X - 284 415 0,32 1,42
K25(K14) Y = 9,56X - 854 127 0,02 0,72
Источник: авторская разработка
Source: Authoring
Таблица 11
Расчетные данные по пространству Согласия в период 2
Table 11
Estimates of the Concord space during Period 2
Зависимость Уравнение R2 DW
A21(A11) Y = 12,15X - 1 611 883 0,966 2,61
A21(A12) Y = 5,44X - 976 192 0,87 1,72
A21(A13) Y = 3,3X - 228 323 0,96 2,71
A22(A11) Y = 11,05X - 1 464 211 0,972 2,59
A22(A12) Y = 4,88X - 841 891 0,86 1,92
A22(A13) Y = 2,98X - 192 000 0,958 2,91
Источник: авторская разработка
Source: Authoring
Таблица 12 Расчетные данные по пространству Инноваций в период 2
Table 12 Estimates of the Innovation space during Period 2
Зависимость Уравнение R2 DW
I21(I11) Y = 7 118,27X - 24 000 000 0,5 0,71
I21(I12) Y = 6 232,9X - 7 681 810 0,72 1,61
I21(I13) Y = -104X + 6 486 816 0,8 2,45
I21(I14) Y = 44,28X - 5 670 384 0,53 2,79
I22(I11) Y = 6 377X - 22 000 000 0,49 0,79
I22(I12) Y = 5 575,96X - 6 825 942 0,7 1,74
I22(I13) Y = -92,29X + 58 2091,3 0,77 2,55
I22(I14) Y = 39,9X - 5 080 503 0,52 2,64
I23(I11) Y = 9,34X + 164 004,1 0,003 0,68
I23(I12) Y = 41X + 128 418,8 0,115 0,912
I23(I13) Y = -1,58X + 250 030 0,69 2,24
Источник: авторская разработка
Source: Authoring
Таблица 13
Выбранные данные из трех пространств Table 13
Data selected from the three spaces
Период Пространство Зависимость Уравнение r2 DW Вес
Период 1 Знаний K22(K11) Y = -0,04X + 30 001,17 0,6 1,49 0,5
_K22(K14)_Y = 0,09X - 9 169,4_0,59 1,41_0,5_
Согласия A21(A11)_Y = 11,9X - 1 565 296 0,987 2,39_0,25
A21(A13)_Y = 3,05X + 621,8_0,985 2,38_0,25
A22(A11)_Y = 11,21X - 1 568 236 0,989 1,64_0,25
_A22(A13)_Y = 2,86X - 95 085,2_0,985 2,14_0,25
Инноваций /21(Л2)_Y = 3 190,44X - 2 498 630 0,9_1,78_0>5_
_/22(712)_Y =3 013X - 2 470 626 0,91 1,81_0,5
Период 2 Знаний_K24(K13)_Y = 10,6X -379 723_0,41 1,41_
Согласия A21(A11)_Y = 12,15X - 1 611 883 0,966 2,61_0>5_
_A22(A11)_Y = 11,05X - 1 464 211 0,972 2,59_0>5_
Инноваций /21(712)_Y = 6 232,9X - 7 681 810 0,72 1,61_0,2
721(713)_Y = -104X + 6 486 816 0,8_2,45_0,2
/22(712)_Y = 5 575,96X - 6 825 942 0,7_1,74_0,2
722(713)_Y = -92,29X + 582 091,3 0,77 2,55_0>2_
_723(713)_Y = -1,58X + 250 030_0,69 2,24_0,2
Источник: авторская разработка
Source: Authoring
Таблица 14
Результаты, полученные с учетом случаев с b < 0 Table 14
The results obtained with consideration for cases of b < 0 Период Пространство i Зависимость b.
S11/ S12
Вес
Вес по (9.1) X
C
Период 1 Знаний, K
K22(K11)
-0,04
593,4503
0,5
-11,87
-7,91 -4,61
K22(K14) 0,09 87,9089 0,5 3,96
Согласия, A A21(A11) 11,9 0,1329 0,25 0,4 1,32
A21(A13) 3,05 0,3278 0,25 0,25
A22(A11) 11,21 0,1472 0,25 0,41
A22(A13) 2,86 0,3631 0,25 0,26
Инноваций, I I21(I12) 3 190,44 0,0006 0,5 0,97 1,98
I22(I12) 3 013 0,0006 0,5 1,01
Период 2 Знаний, K K24(K13) 10,60 0,2261 1 2,4 2,4 4,79
Согласия, A A21(A11) 12,15 0,1239 0,5 0,75 1,5
A22(A11) 11,05 0,1363 0,5 0,75
Инноваций, I I21(I12) 6 232,9 0,0005 0,2 0,68 0,89
I21(I13) -104 0,0099 0,2 -0,21
I22(I12) 5 575,96 0,0006 0,2 0,67
I22(I13) -92,29 0,0109 0,2 -0,2
I23(I13) -1,58 0,1587 0,2 -0,05
Источник: авторская разработка Source: Authoring
Таблица 15
Результаты, полученные без учета случаев с b < 0 Table 15
The results obtained without considering cases of b < 0 Период Пространство i Зависимость b
hiii
12L
Вес
Вес по (9.1) X
C
Период 1 Знаний, K
K22(K14)
0,09
87,9089
7,912
Источник: авторская разработка Source: Authoring
7,912 11,21
Согласия, A A21(A11) 11,9 0,1329 0,25 0,25 1,32
A21(A13) 3,05 0,3278 0,25 0,4
A22(A11) 11,21 0,1472 0,25 0,41
A22(A13) 2,86 0,3631 0,25 0,26
Инноваций, I I21(I12) 3 190,44 0,0006 0,5 0,97 1,98
I22(I12) 3 013 0,0006 0,5 1,01
Период 2 Знаний, K K24(K13) 10,6 0,2261 1 2,4 2,4 7,29
Согласия, A A21(A11) 12,15 0,1239 0,5 0,75 1,5
A22(A11) 11,05 0,1363 0,5 0,75
Инноваций, I I21(I12) 6 232,9 0,0005 0,5 1,71 3,39
I22(I12) 5 575,96 0,0006 0,5 1,68
1
Рисунок 1
Представление изменения инновационного и экономического состояния объекта вектором F1F2 Figure 1
F1F2 vector-based visualization of changes in the innovative and economic state of actors
1 Инновации
Источник: авторская разработка Source: Authoring
Рисунок 2
Представление аналогии между региональными экономическими процессами и процессами гидродинамики Figure 2
Visualization of an analogy between regional economic processes and hydrodynamic processes
Источник: авторская разработка Source: Authoring
Рисунок 3
Динамика дохода от продажи инновационных продуктов и услуг, млн руб. Figure 3
Trends in revenue from innovative products and services, million RUB
Источник: авторская разработка Source: Authoring
Список литературы
1. Ицковиц Г. Тройная спираль. Университеты - предприятия - государство. Инновации
в действии / пер. с англ. под. ред. А.Ф. Уварова. Томск: Изд-во Томского гос. ун-та систем управления и радиоэлектроники, 2010. 238 с.
2. Малый В.И., Гусев В.В. Инновационность развития региона: взаимодействие государства, предприятий и университетов (на примере Саратовской области) // Вестник Томского государственного университета. Философия. Социология. Политология. 2013. № 1.
С. 20-37.
3. Голоушкин Р.Д., Кирко В.И., Наделяев В.Д., Усольцев С.В. Инновационная структура ЗАТО Железногорска - реализация модели инновационного процесса «тройной спирали»
Г. Ицковица // Инновации. 2011. № 5. С. 93-96.
4. Андрюшкевич О.А., Денисова И.М. Формирование предпринимательских университетов в инновационной экономике // Экономическая наука современной России. 2014. № 3. С.87-104.
5. Кристенсен К., Оллворт Д., Диллон К. Стратегия жизни. М.: Альпина Паблишер, 2013. 242 с.
6. Клейтон К., Рейнор М. Решение проблемы инноваций в бизнесе. Как создать растущий бизнес и успешно поддерживать его рост. М.: Альпина Паблишер, 2014. 290 с.
7. Пахомова Е.А. Методологические основы оценки влияния вуза наукограда на эффективность регионального развития. Saarbürcken: LAP LAMBERT Academic Publishing, 2011. 418 с.
8. Петров А.А. Об адекватности математических моделей экономики // Труды МФТИ. 2009. Т. 1. № 4. С. 53-65.
9. Широв А.А., Гусев М.С., Саяпова А.Р., Янтовский А.А. Научно-технологическая компонента макроструктурного прогноза // Проблемы прогнозирования. 2016. № 6. С. 3-17.
10. Лившиц В.Н. Системный анализ рыночного реформирования нестационарной экономики России. 1992-2013. М.: URSS, 2013. 640 с.
Информация о конфликте интересов
Мы, авторы данной статьи, со всей ответственностью заявляем о частичном и полном отсутствии фактического или потенциального конфликта интересов с какой бы то ни было третьей стороной, который может возникнуть вследствие публикации данной статьи. Настоящее заявление относится к проведению научной работы, сбору и обработке данных, написанию и подготовке статьи, принятию решения о публикации рукописи.
pISSN 2073-2872 Innovation and Investment
elSSN 2311-875X
THE TECHNIQUE FOR DETERMINING THE INNOVATIVE POTENTIAL OF SOCIO-ECONOMIC ACTORS AT DIFFERENT HIERARCHICAL LEVELS THROUGH ELEMENTS OF THE VECTOR ANALYSIS AND FIELD THEORY
Svetlana V. ISTOMINA^, Tat'yana A. LYCHAGINAb, Elena A. PAKHOMOVAc, Aleksandr V. PAKHOMOVd
a Atomenergoproekt, State Atomic Energy Corporation ROSATOM, Moscow, Russian Federation
istomina_sv@aep.ru
ORCID: not available
b Joint Institute for Nuclear Research, Dubna, Moscow Oblast, Russian Federation
lychagina@jinr.ru
ORCID: not available
c Dubna State University, Dubna, Moscow Oblast, Russian Federation
uni-dubna@mail.ru
ORCID: not available
d NPK Dedal, State Atomic Energy Corporation ROSATOM, Dubna, Moscow Oblast, Russian Federation
pakhomov_av@dedal.ru
ORCID: not available
• Corresponding author
Article history:
Received 21 September 2017 Received in revised form 18 October 2017 Accepted 23 November 2017 Available online 16 January 2018
JEL classification: M20, 020, 030
Keywords: innovative potential, triple interaction, vector calculus, field theory, continuity equation
Abstract
Importance The article focuses on the phenomenon of innovative potential of socio-economic actors at different hierarchical levels (macro-, meso-, micro-) through the triple interaction of university, industry and government.
Objectives We devise our own toolkit by involving elements of vector calculus and field theory so as to analyze how innovation influences the development of the above actors, and test it from perspectives of defining the innovative potential of Russia as a macroactor. Methods The research draws upon elements of vector calculus and field theory (gradient, divergence, continuity equation), method of analogies to adapt concepts of natural sciences to economics (dividing the above actors' characteristics into structural and dynamic by their substantive comparison), regression analysis to define components of the region's innovative potential.
Results We devise the technique for defining the innovative potential of socio-economic actors at different hierarchical levels through the lens of the triple helix University-Industry-Government. The innovative potential is represented with three elements. The proposed tool kit was tested by examining trends in Russia's innovative potential during 2010-2015. As the analysis shows, the 'University' element makes the most valuable contribution.
Conclusions and Relevance Having tested the technique, we assured not only its practical significance, flexibility of the proposed toolkit, but also a method for handling official statistics irrespective of its quality. Domestic data processing is too difficult that it shall be compensated with a transparent and concise toolkit.
© Publishing house FINANCE and CREDIT, 2017
Please cite this article as: Istomina S.V., Lychagina T.A., Pakhomova E.A., Pakhomov A.V. The Technique for Determining the Innovative Potential of Socio-Economic Actors at Different Hierarchical Levels Through Elements of the Vector Analysis and Field Theory. National Interests: Priorities and Security, 2018, vol. 14, iss. 1, pp. 97-120. https://doi.org/10.24891/ra.141.97
Acknowledgments
The article was supported by the Russian Foundation for Basic Research as part of project No. 16-06-00054, The Instrumental and Methodological Approach to Adapting the Triple-Helix Model to Russia in line with Historical Retrospect.
References
1. Etzkowitz H. Troinaya spiral'. Universitety - Predpriyatiya - Gosudarstvo. Innovatsii v deistvii [The Triple Helix. University - Industry - Government. Innovation in Action]. Tomsk, TSUSMR Publ., 2010, 238 p.
2. Malyi V.I., Gusev V.V. [Innovativeness of the region: The interaction of the State, enterprises and universities (example of the Saratov region)]. Vestnik Tomskogo gosudarstvennogo universiteta. Filosofiya. Sotsiologiya. Politologiya = Tomsk State University Journal of Philosophy, Sociology and Political Science, 2013, no. 1, pp. 20-37. (In Russ.)
3. Goloushkin R.D., Kirko V.I., Nadelyaev V.D., Usol'tsev S.V. [The innovation structure at Zheleznogorsk Closed Administrative-Territorial Unit: An implementation of the Triple-Helix model by H. Etzkowitz]. Innovatsii = Innovations, 2011, no. 5, pp. 93-96. (In Russ.)
4. Andryushkevich O.A., Denisova I.M. [The formation of entrepreneurial universities in innovative economy]. Ekonomicheskaya nauka sovremennoi Rossii = Economics of Contemporary Russia, 2014, no. 3, pp. 87-104. (In Russ.)
5. Christensen C., Allworth J., Dillon K. Strategiya zhizni [How Will You Measure Your Life?]. Moscow, Al'pina Pablisher Publ., 2013, 242 p.
6. Christensen C., Raynor M. Reshenie problemy innovatsii v biznese. Kak sozdat' rastushchii biznes i uspeshno podderzhivat' ego rost [The Innovator's Solution: Creating and Sustaining Successful Growth]. Moscow, Al'pina Pablisher Publ., 2014, 290 p.
7. Pakhomova E.A. [Methodological and instrumental principles for evaluating an impact
of the university in a science town on the regional development efficiency]. Saarburcken, LAP LAMBERT Academic, 2011, 418 p.
8. Petrov A.A. [Scientific directions of Control and Applied Mathematics department MIPT]. Trudy MFTI = Proceedings of MIPT, 2009, vol. 1, no. 4, pp. 53-65. (In Russ.)
9. Shirov A.A., Gusev M.S., Sayapova A.R., Yantovskii A.A. [Scientific and technological dimensions of the macrostructural forecast]. Problemy prognozirovaniya = Problems of Forecasting, 2016, no. 6, pp. 3-17. (In Russ.)
10. Livshits V.N. Sistemnyi analiz rynochnogo reformirovaniya nestatsionarnoi ekonomiki Rossii. 1992-2013 [Systems analysis of the market reform in the unsteady economy of Russia. 1992-2013]. Moscow, URSS Publ., 2013, 640 p.
Conflict-of-interest notification
We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or potential conflict of interest with any other third party whatsoever, which may arise as a result of the publication of this article. This statement relates to the study, data collection and interpretation, writing and preparation of the article, and the decision to submit the manuscript for publication.
