CC BY
87
х = (Х-У )-1(х + У12х ), (3)
гцел 4 11' 4 ?-1цел 12 фесурс' ’ 4 '
х = (Х-У )-1 (х + У2,х ). (4)
гресурс 4 22' 4 ?-1ресурс 21 гцел' 4 '
По уравнению (3) можно определить значения целевых переменных в момент времени ? через их значения в момент времени ?-
1 и значения ресурсных переменных в момент времени ?, по уравнению (4) - рассчитать необходимые ресурсы.
Полученные в работе [12] положительные результаты по апробации прогностических моделей с матричным предиктором дают основание рассчитывать на эффективность их применения для разработки кратковременных прогнозов развития социально-экономических систем.
Литература
1. Титов В.А. Методологические подходы к анализу структурных преобразований экономики // Транспортное дело России. 2006. №12.
2. Глазьев С.Ю. Теория долгосрочного технико-экономического развития. М.: ВлаДар, 1993.
3. Бестужев-Лада И.В., Наместникова Г.А. Социальное прогнозирование. Курс лекций. М.: Пед. общество России, 2002.
4. Меньшиков С.М., Клименко Л.А. Длинные волны в экономике. М.: Международные отношения, 1989.
5. Кархин Т.И., Чесноков А.С. О методологии измерения структурных сдвигов // Экономика и математические методы. 1983. Т.Х1Х.
Вып.2.
6. Минасян Г. К измерению и анализу структурной динамики / / Экономика и математические методы. 1983. Т.Х1Х. Вып.2.
7. Барбашова Е.В., Мерненко Н.В. Анализ показателей структуры промышленности // Наука и образование. Новые технологии. Межвуз. сб. науч. трудов. Вып.3 «Экономика и управление». М.: ИИЦ МГУДТ. 2003.
8. Филинов П.Л., Шуметов В.Г. Структура инвестиций в основной капитал как фактор экономического развития // Наука и образование. Новые технологии. Межвуз. сб. науч. трудов. Вып.1 «Экономика и технологии». М.: ИИЦ МГУДТ, 2003.
9. Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.
10. Давнис В.В., Тинякова В.И. Адаптивные модели: анализ и прогноз в экономических системах. Воронеж: Изд-во Воронеж. гос. ун-та, 2006.
11. Давнис В.В., Тинякова В.И. Матричные модели в экономическом прогнозировании // Современные сложные системы управления (СССУ/НТСБ 2003). Сб. трудов междунар. н.-практ. конф. Воронеж: ВГАСУ, 2003.
12. Алабин В.Е., Свалов А.А., Шуметов В.Г. Прогностические модели с матричным предиктором: перспективы применения в эконометрическом моделировании // Наука и образование. Межвуз. сб. науч. трудов. Вып.5 «Общество и экономика». М.: ИИЦ МГУДТ, 2005.
МЕТОДОЛОГИЧЕСКИЕ ПОДХОДЫ К УПРАВЛЕНИЮ ИННОВАЦИОННОИ АКТИВНОСТЬЮ
А.Ф. Мартынов, к-т ф.-м. наук, доцент Орловская региональная академия государственной службы (г. Орел)
В.А. Титов, к-т техн. наук, доцент Государственная академия специалистов инвестиционной сферы (г. Москва)
Обеспечение устойчивого инновационного процесса требует постоянной модификации инновационных, информационных и институциональных составляющих экономических систем, развития стимулов и благоприятной среды, интеллектуальных активов, обладающих значительным инвестиционным потенциалом. Их эффективное использование возможно лишь в тех случаях, когда
существуют технологии оценивания, механизмы наращивания и компенсации вложенных средств. В то же время, отсутствие четких стратегических приоритетов развития науки, крайне ограниченные возможности отечественной экономики порождают устойчивые негативные трансформации кадровой, материально-технической, результативной, информационной и организационно-правовой
Рис. 2. Величины значений приоритетов моделей (а, б) и факторов (в, г) для сценария «существующая ситуация» (а, в) и «желаемая ситуация» (б, г), с учетом взаимодействия (пунктир) и без него (сплошная). Номера осей соответствуют нумерации моделей и факторов, приведенных на рис. 1
составляющих интеллектуального потенциала.
Кроме того, несмотря на достигнутый прогресс в области теории и практики стратегического управления, остается ряд методических проблем, затрудняющих оценку эффективности принимаемых решений. В основе принятия значительного числа решений используется методология многокритериального анализа, а одним из широко применяемых на практике методов является метод анализа иерархий. Однако, особенностью многих иерархий, в том числе иерархии стратегического управления инновационной активностью экономических систем, являются необходимость анализа сильно коррелирующих между собой факторов или/и других элементов, без чего невозможны точные оценки их значимости и, как следствие, интерпретация полученных результатов. В то же время, методика вычисления результирующих приоритетов в таких - смешанных - иерархиях исследована слабо, обычно принято считать, что учет сетевых взаимодействий не оказывает заметного влияния на окончательные значения приоритетов. Однако проведенные нами исследования позволяют утверждать, что наличие сетевых связей, в случае использования сильно коррелирующих факторов, могут оказать заметное влияние на окончательные результаты.
Указанные недостатки могут быть устранены использованием методов, базирующихся на использовании элементов сетевых взаимодействий при экспертной оценке приоритетов, а также статистических методов факторного анализа и нормирования результатов.
Эффективность данного подхода рассмотрим на примере построения иерархии стратегического управления инновационной активностью экономических систем с двухточечным граничным значением (планирование от достигнутого). В качестве базового критерия опроса экспертов, принята оценка приоритетов различных механизмов и ресурсов в управлении инновационной активностью образовательного учреждения в момент опроса (существующее) и их желаемое распределение, необходимое для оптимизации ресурсных затрат. В качестве экспертов привлекались ведущие преподаватели и специалисты Орловской региональной академии государственной службы. Рассматриваемая иерархия представляет
собой сетевую структуру (рис. 1, пунктиром выделены связи сетевого типа), при этом оценка вкладов приоритетов в общую стратегическую линию распадается на пять основных направлений: управление собственной структурой, управление интеллектуальными ресурсами территории, управление инновационной инфраструктурой, управление научными исследованиями и управление информационным обеспечением.
В качестве ресурсов, определяющих методы реализации основных механизмов управления инновационной активностью экономических систем различного уровня, используются существующие и прогнозируемые состояния структуры экономики, интеллектуального потенциала, научных исследований, образовательных структур и информационного обеспечения.
Предлагаемый нами метод учета сетевых связей базируется на выделении взаимодействующих элементов, определении вектора (направления и величины) воздействия, при последующей декомпозиции рассматриваемой иерархии на группы или кластеры, которые, в свою очередь, далее могут расчленяться на меньшие кластеры.
После формирования кластеров, элементы в каждом кластере попарно сравниваются по их относительной важности в этом кластере. Каждый элемент принадлежит нескольким кластерам и, соответственно, получает из них несколько весов, при этом значение приоритета определяется интенсивностью взаимодействия между различными видами моделей (в рамках дополнительных иерархий) и величиной приоритета доминирующей модели (в иерархии без взаимодействия). Таким образом, величина приоритета с учетом взаимодействия рассчитывается по формуле:
z
j=i
а
i=k j=n
ZZ<
i=i j=i
(1)
а
ij
j=n
где
^ \ aij - сумма величин приоритетов i-го фактора (моде-
j=1
к у=п
ли) по всем п кластерам, в которых он присутствует, 21«,-
*=1 у=1
сумма полученных величин приоритетов всех факторов (моделей).
На рис. 2 приведены абсолютные значения приоритетов для моделей и факторов с учетом сетевого взаимодействия и без него.
В рамках сценария «существующая ситуация» наибольшие значения разностей соответствуют модели 2 (управление воспроизводством интеллектуального потенциала окружения) и факторы 2 а (прогнозирование отраслевых трансформаций); 2 б (прогнозирование изменений структуры интеллектуального потенциала) и 2 в (стратегическое планирование структуры и интеллектуального потенциала). Влияния взаимодействия на остальные параметры малы. По сценарию «желаемая ситуация» отклонения менее заметны (рис.
2 б, г) и выделяются только модели 1 (управление собственной структурой) и 3 (управление инновационной инфраструктурой); фактор 4 в (формирование новых научных направлений).
Наиболее важными являются не абсолютные, а относительные изменения приоритетов, именно эти величины определяют уровень изменений управляющего воздействия в пределах каждой модели. На рис. 3 приведены относительные изменения в процентном отношении разности между полученными значениями приоритетов при учете взаимодействия и без него.
Учет сетевого взаимодействия заметно изменяет относительные разности значений приоритетов различных сценариев (рис. 3 а) для всех моделей, увеличение приоритетов пунктов моделей: 2 (воспроизводство интеллектуального потенциала окружения) и факторов 2 а (прогнозирование отраслевых трансформаций), 2 б (изменение структуры интеллектуального потенциала) и 2 в (стратегическое планирование интеллектуального потенциала) достигают 50%, при небольших изменениях в приоритетах остальных моделей.
Таким образом, учет сетевого взаимодействия в иерархиях значим, и может изменять величины приоритетов на 40% и более, а сила взаимодействия (влияние на изменение приоритета) зависит от интенсивности связи значений исходных приоритетов взаимодействующих факторов, что может и увеличивать значение приоритета, и уменьшать его. Перераспределение величин приоритетов, при учете взаимодействий внутри иерархии, позволяет точнее определять значимость, взаимосвязь и последовательность использования моделей в управлении инновационной активностью.
Второй по значимости (по мнению экспертов) в управлении активизацией инновационной деятельностью является система управления научными исследованиями, определяемая следующими факторами воздействия: прогнозирование перспективных в части
инновационной деятельности направлений, привлечение внимания и активизация исследований, формирование новых научных направлений [3, 4].
Экспертами определено, что набольшее управляющее воздействие необходимо направить на усиление системы управления информационным обеспечением (прогнозирование инновационных направлений) - в шесть раз (при не высоких абсолютных значениях приоритетов 0,017 и 0,014 существующего; 0,120 и 0,110 желаемого значений приоритетов). Следующий по значимости является фактор возрастания внимания к развитию аналитических систем (в пять раз, при абсолютных значениях 0,009 и 0,011;
0,055 и 0,060 соответственно), при некотором сокращении внимания к прогнозированию управления собственной структурой (рис.
3 а и б).
Предлагаемая модель позволяет сформировать концепцию стратегического управления инновационной активностью как расширенное управление интеллектуальным потенциалом всех уровней, а полученные значения приоритетов - определить основные положения тактических изменений в управлении. Детализация задачи и методов их реализации, сформулированных в рамках предложенных базовых моделей, возможна после глубокой и детальной проработки каждой из моделей.
Литература
1. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.
2. Saaty T.L., Luis G.V. Decision making with the analytic network process. Economic, Political, Social and Technological. Applications with Benefits, Opportunities, Costs and Risks. 2006 by Springer Science+Business Media, LLC.
3. Мартынов А.Ф., Крюкова О.А. Методологические подходы к оценке инновационного потенциала человеческого капитала // Социально-экономическая значимость инновационных технологий для цели повышения качества образования. Материалы н.-практ. конф. Орел: Изд-во ОГУ, 2005. С.34-37.
4. Мартынов А.Ф., Крюков В.В. Ситуационный подход к управлению инновационной деятельностью на основе экспертных знаний // Наука и образование. Новые технологии. Межвуз. сб. науч. трудов. Вып.1 «Экономика». М.: Изд-во ИИЦ МГУДТ, 2003. С.14-29.
